SOLAR MAP
中国光伏光热太阳能资源历史数据集
本团队由中国科学院和清华大学的研究人员组成,拥有国际一流的技术实力,一直致力于太阳能资源的 数值计算、趋势分析、资源评价的研究,建立了从气象站点到卫星遥感全方位的太阳能资源计算体系,开发了中国光伏光热太阳能资源历史数据,并且正在研发基于人工智能的太阳辐射预测系统。
1. 数据组成
中国光伏光热太阳能资源历史数据包括两种类型数据,第一种为台站估算辐射数据,由 2473 左右个县级台站历史数据组成,时间分辨率为逐日, 时间跨度为: 1960-2016 ;第二种为卫星反演辐射数据,时间分辨率为逐小时,空间分辨率为 5km , 时间跨度为: 2007-2016 。本团队将持续生产2016年后台站和遥感辐射数据,并且开发基于人工智能的太阳辐射预测系统。
2. 辐射数据要素
(1) 总辐射(W m-2)
(2) 法向直接辐射(NDI,W m-2)
(3) 散射辐射(W m-2)
3. 算法
(1) 台站估算模型
该简单通用的地表太阳辐射模型(Yang et al. 2001; 2005; 2006)由清华大学阳坤教授等发展,该模型被数篇国际期刊论文评为计算太阳直射最好的模型之一。
该模型计算简单,且考虑了大气中的辐射传输过程,无需局地校正,适用于不同海拔和气候区域。
该模型被Springer和Elsevier出版的两本书全面介绍并收录源程序,在水文模拟和气候变化研究得到广泛应用。
(2) 卫星反演模型
该卫星遥感反演模型(Tang et al., 2016; Tang et al., 2017)由中科院唐文君与吕宁博士等发展,该模型具有物理意义简单、计算速度快和精度高等特点,
其输入数据主要为云光学数据、气溶胶、水汽和臭氧等。基于该模型生成了中国高分辨率地表太阳辐射数据集(2007-2016, 5公里,逐小时),
这个数据集已经用于改进高时空分辨率驱动数据。已被下载500余次,得到广泛应用。国内研究人员利用该数据已经在AGU和AMS期刊上发表多篇论文(如JGR,JHM,HESS)。
4. 精度说明
一般情况下,地面台站估算精度要高于卫星反演精度。地面台站估算辐射数据日值平均偏差(MBE)约为0.8%,均方根误差(RMSE)约为12.5%; 卫星遥感反演辐射数据日值平均偏差(MBE)约为5.0%,均方根误差(RMSE)约为16.0%。
5. 团队辐射算法文献
[1] Tang, W., K. Yang, Z. Sun, J. Qin, and X. Niu, 2017: Global Performance of a Fast Parameterization Scheme for Estimating Surface Solar Radiation From MODIS Data, IEEE Trans. Geosci.
Remote Sens, 55(6), 3558-3571, doi:10.1109/TGRS.2017.2676164.
[2] Tang, W., J. Qin, K. Yang, S. Liu, N. Lu, and X. Niu, 2016: Retrieving high-resolution surface solar radiation with cloud parameters derived by combining MODIS and MTSAT data, Atmos.
Chem. Phys., 16, 2543-2557, doi:10.5194/acp-16-2543-2016.
[3] Qin, J., W. Tang, K. Yang, N. Lu, X. Niu, and S. Liang, 2015: An efficient physically based parameterization to derive surface solar irradiance based on satellite atmospheric products,
J. Geophys. Res. Atmos., 120, 4975-4988, doi:10.1002/2015JD023097.
[4] Tang, W., K. Yang, J. Qin, and M. Min, 2013: Development of a 50-year daily surface solar radiation dataset over China, Sci. China Ser. D, 56(9), 1555-1565,
doi:10.1007/s11430-012-4542-9.
[5] Lu, N., J. Qin, K. Yang, and J. Sun, 2011: A simple and efficient algorithm to estimate daily global solar radiation from geostationary satellite data, Energy, 36(5),
3179-3188, doi:10.1016/j.energy.2011.03.007.
[6] Qin, J., Z. Chen, K. Yang, S. Liang, and W. Tang, 2011: Estimation of monthly mean daily global solar radiation based on MODIS and TRMM products over the Tibetan Plateau
and its surroundings, Appl. Energy, 88(7), 2480-2489, doi:10.1016/j.apenergy.2011.01.018.
[7] Tang, W., K. Yang, J. Qin, C. Cheng, and J. He, 2011: Solar radiation trend across China in recent decades: a revisit with quality-controlled data, Atmos. Chem. Phys., 11,
393-406, doi:10.5194/acp-11-393-2011.
[8] Tang, W., K. Yang, J. He, and J. Qin, 2010: Quality control and estimation of global solar radiation in China, Sol. Energy, 84(3),
466-475, doi:10.1016/j.solener.2010.01.006.
[9] Lu, N., R. Liu, J. Liu, and S. Liang, 2010: An algorithm for estimating downward shortwave radiation from GMS 5 visible imagery and its evaluation over China. Journal of
Geophysical Research: Atmospheres, 115(D18), doi:10.1029/2009JD013457.
[10] Yang, K., T. Koike, and B. Ye, 2006: Improving estimation of hourly, daily, and monthly solar radiation by importing global data sets, Agric. For. Meteorol.,
137(1-2), 43-55, doi:10.1016/j.agrformet.2006.02.001.
[11] Yang, K. and T. Koike, 2005: A general model to estimate hourly and daily solar radiation for hydrological studies, Water Resour. Res., 41, W10403,
doi:10.1029/2005WR003976.
[12] Yang, K., G. Huang, and N. Tamai, 2001: A hybrid model for estimating global solar radiation, Sol. Energy, 70(1), 13-22, doi:10.1016/S0038-092X(00)00121-3.
7. 联系方式
联系人:唐文君
电话: +86-10-84097046
Email: tangwj@itpcas.ac.cn