太阳辐照度场地适应

机器翻译，未经校对人员审核，可能存在错误。

在本文件中

您将了解Solargis如何利用地面测量数据减少卫星来源太阳资源数据中的不确定性和系统性偏见。我们描述了数据整合的物理挑战、相关性方法论以及高质量场地适应的要求。

概述

卫星模型中获取的太阳辐照度空间和时间分辨率低于现场测量。虽然卫星数据对于长期稳定性非常有利，但它可能无法完全捕捉特定地点的局部微气候或特定大气条件。

站点适应方法将卫星导出的全球水平辐照度（GHI）和直接法向辐照度（DNI）数据集（及其衍生参数）调整到原始卫星和大气输入中未完全记录的局部条件。Solargis站点适应过程追求两个目标：

整体偏倚的改善 （消除系统性偏差）
改善数值频率分布的拟合度。

通常采用两种主要方法。第一阶段涉及调整基于卫星的GHI和DNI值（间接调整全球倾斜辐照度（GTI），修正偏差并对齐累积分布函数。第二项重点是调整太阳辐射模型的输入参数，调整更复杂的参数，如气溶胶光学深度和/或云指数。

当测量数据在长度和质量方面满足特定要求时，这种适应是可能的。结果是一个多年期的太阳能数据集，精度有所提升，不确定性也更低。

场地适应挑战

卫星与地面数据的空间不匹配

卫星辐射计在数平方公里范围内整合信号，而地面站则测量单一点。在复杂区域，如频繁雾气的狭窄山谷或沿海地区，单个卫星像素可能代表与地面站实际体验不同的多种条件。

这种不匹配——被称为 金块效应 ——占GHI和DNI每小时均方根偏差（RMSD）近一半，在间歇性云层和气溶胶变化时最为明显。大气数据库中的粗糙空间分辨率，如气溶胶和水汽输入，进一步限制了捕捉局部大气模式的能力。

DNI灵敏度

DNI对云层覆盖、气溶胶、水汽和地形阴影的变异性特别敏感。GHI与DNI不确定性的关系是非线性的，GHI中的小误差可能对应显著更大的DNI误差。

场地适应方法

数据准备

时间分辨率——Solargis卫星数据以15分钟为单位提供，地面测量通常以1分钟至60分钟为单位。为了减少时间分辨率差异以及点与像素测量之间的概念差异，所有指标均基于汇总后的每小时数据计算。

极端事件排除——该方法避免将模型与极端且非盛行的案例（如特殊沙尘暴或火山灰爆发）匹配。这确保了短期罕见异常不会扭曲长期适应的结果。

准确度指标

适应参数基于地面测量与建模值重叠的周期，假设两者之间的系统差异在一到两年期间是稳定的。以下指标用于评估因场地适应带来的改善情况：

平均偏差和RMSD：从所有小时白天数据对中计算，形式为绝对和相对（除以白天平均GHI值）。

KSI（Kolmogorov-Smirnov 检验积分）：量化两个数据集累积分布函数之间的差异。归一化的KSI定义为：

其中是数据对的数量。

由于KSI依赖于样本量，因此仅适用于累计辐照度分布拟合的相对比较。

基于卫星的GHI和DNI值的适配

当地面测量数据与卫星数据偏差小且稳定时，这种方法有效，但当存在显著不一致时则不可靠。使用两种方法：

比率法

通过纠正系统性偏差，调整DNI的长期月度和年平均值。计算地面测量与卫星来源太阳辐射的比例，用于重叠期的长期卫星数据集。该方法实施简单，但仅解决均值偏置，未考虑分布差异，且未能充分利用地面测量信息。

拟合累积分布函数

对齐卫星数据和地面测量数据的累积分布函数（CDF），改善典型值和极端值的表示。卫星数据的平均值也会被调整以匹配地面测量的平均值。这种方法通常能降低RMSD，并提升卫星数据在本地应用中的准确性。

注意：场地适应方法必须谨慎应用。不当应用于非系统性偏差，或使用较不准确的地面数据，可能会降低而非改善主要卫星数据。

太阳辐射模型输入参数的调整

该方法调整太阳辐射模型的输入参数，以提高GHI、DIF和DNI输出的准确性。采用两种方法： 清晰度指数的适应 和 模型输入数据的调整。

清晰度指数的适应

清晰度指数（地表辐射与大气顶层辐射的比值）被用作关键模型输入。它基于太阳辐射模型的地面测量，然后通过最小二乘回归校准，以对齐地面测量与卫星参数之间的小时或每日差异。随后使用该场地适应的净度指数重新计算GHI、DIF和DNI。该方法有效减少均偏、RMSD和KSI，但其单一参数限制了其处理复杂大气效应的能力。

模型输入数据的适应

用更详细的参数（如气溶胶光学深度（AOD）或云指数替代清晰度指数，并重新计算整个模型，以确保GHI、DNI和DIF组成部分之间的一致性。通过解决季节性和区域性偏差，AOD和云描述的不准确性，该方法将平均偏置降低到测量仪器预期的不确定性范围内，同时最大限度地减少RMSD和KSI。在气溶胶或云层对太阳辐射影响显著的地区，如半干旱和沙漠地区，它尤为有价值。

测量数据的要求

进行场地适应的能力取决于地面测量的质量和持续时间。

传感器质量

测量质量

分别推荐使用二级标准火热量仪和一级热升仪来测量GHI和DNI。RSR（旋转影带辐射计）可以替代热传仪，但会带来GHI和DNI的更高不确定性。冗余仪器——理想情况下每个组件配备一个（GHI、DIF、DNI）——能在整个过程中提升准确性和可靠性。

仪器必须定期维护、清洁和校准。原始数据必须经过质量检查，以标记并排除错误测量。结合自动检查和操作员监督的强有力质量控制框架至关重要。仅应使用预先筛选的数据进行场地适应。

测量持续时间

下表总结了不同测量周期的适用性：

测量周期	适用性
≥ 24个月	最优;最稳健的结果和最低不确定性
≥ 12个月	推荐阅读;捕捉了完整的季节变异
9至11个月	对于时间紧迫来说是可以接受的;可能无法完全涵盖所有季节偏差
3–6个月	不推荐;卫星与测量关系不准确及适应不优的风险

在Solargis平台的应用

站点适应是 Solargis Evaluate 应用中模拟数据的重要部分。此外，我们在生成通过API提供的 TMY 和 TS数据时，也作为咨询服务的一部分使用该数据。