基于新一代静止卫星的中国地区地表短波辐射估算及时空变化分析

Downward Surface Shortwave Radiation (DSSR) concentrates most of the energy of solar radiation on the earth's surface, and its accurate estimation plays an important role in climate change research and surface solar energy estimation. The successful launch of a new generation of stationary meteorological Himawari-8 and FY-4 and the integration of remote sensing technology and machine learning methods have made the estimation of DSSR based on satellite remote sensing significantly improved in terms of spatial and temporal resolution and calculation accuracy. Based on the ground-based measurements and satellite observation data, this study establishes the surface solar short-wave radiation database, and uses the base station point data as the training data of random forest and deep learning. Combining the model optimal selection method, the DSSR fast estimation model is developed and applied to geostationary measurements in China. Taking advantage of the high frequency of the satellite measurements, the DSSR estimation results are visualized to analyze the seasonal and spatial distribution of DSSR in China, which can compensate for the shortcomings of ground station monitoring on the spatial scale.

地表太阳短波辐射集中太阳辐射地表的大部分能量，其准确估算在气候变化研究和地表太阳能估算等领域具有重要作用。新一代静止气象卫星葵花-8和风云4号的成功发射以及遥感技术与机器学习方法的融合，使得基于卫星遥感的地表太阳短波辐射估算在时空分辨率、计算精度方面有了显著提高。本研究针对地基站点和卫星观测数据，建立地表太阳短波辐射数据库，以地基站点数据作为随机森林与深度学习的训练数据，通过模型最优选取法，获得中国地区地表太阳短波辐射估算模型，并应用于新一代静止卫星葵花-8和风云4号的观测数据。实现太阳短波辐射的高频率快速估算和可视化，分析中国地区地表太阳短波辐射的分布状况，弥补地面站点监测在空间尺度上的不足。

地表下行短波辐射（DSSR）集中了大部分到达地表的太阳能，是衡量太阳能强度的一个重要指标。同时，DSSR是地表辐射估算的一个重要参数，对研究全球能源循环和气候变化具有重要意义。本研究针对地基站点和新一代静止卫星葵花8和风云4号观测数据，建立了地表太阳短波辐射数据库，将2016年中国地区89个站点的DSSR数据作为人工神经网络（ANN）的训练数据，按3:1:1的比例分为训练、测试和验证样本，以进行DSSR 估算和精度验证。DSSR小时平均结果的决定系数和均方根误差分别为0.90和88.86 Wm-2，日平均结果为0.96和24.46 Wm-2。为了探究中国地区DSSR时空日变化特征，我们利用本研究估算出的DSSR进行了经验正交函数（EOF）分析。结果显示中国东北和西北地区的DSSR变化较大，而西南地区的变化最小，且每个地区在中午（当地时间）都有一个高峰点，特别是在青藏高原。从月度和年度DSSR的空间分布来看，海拔较高的地区，如中国的西北地区、青藏高原和内蒙古高原，其DSSR比其他地区的数值高。相比之下，中国的西南和东北地区全年的DSSR相对较低。