标题

1981-2014年中国地区太阳法向直接辐射量数据集

Constructing a gridded direct normal irradiance dataset in China during 1981–2014

成果信息

Qin Wenmin, Wang Lunche, Gueymard Christian A, Bilal Muhammad, Lin Aiwen, Wei Jing, Zhang Ming, Yang Xuefang. Constructing a gridded direct normal irradiance dataset in China during 1981–2014. Renewable and Sustainable Energy Reviews 2020, 131: 110004

成果团队成员

覃文敏，博士，副教授，中国地理学会会员。主要从事高分辨率地表太阳辐射参数化反演方案、气溶胶光学特性及其辐射效应反演、气候变化与潜在光伏发电量利用等方面研究。（联系邮箱：qinwenmin@cug.edu.cn）

王伦澈，博士，教授，中国地质大学（武汉）地理与信息工程学院副院长。研究方向：利用多源地球空间数据，开展定量遥感智能化反演，研究大气辐射-地表过程之间的交互作用，理解全球变化背景下自然和人文因素驱动的区域地表系统变化过程、格局及其驱动机制。（通讯作者，联系邮箱：wang@cug.edu.cn）

Christian A. Gueymard，博士，美国太阳咨询公司（Solar Consulting Service），太阳辐射量估算与太阳能资源开发与利用国际知名专家，REST模型、SMARTS模型和MLWT模型等多种国际知名太阳辐射量估算模型创始人，已在地理、能源和环境领域发表近300多篇SCI期刊论文和会议论文。研究方向：高精度高分辨率太阳辐射量估算与反演，气溶胶光学特性特性反演、太阳能资源开发与利用等。

成果介绍

太阳以电磁波的形式向外发射能量，是地表环境中最主要的能量来源，是驱动陆地生态系统碳循环等生态与气候过程的关键因子。发展以太阳能为主的可再生能源被认为是应对全球气候变化和能源衰竭问题的重要措施之一。我国是太阳能资源利用大国，光伏制造与应用规模均居世界前列。2019年我国太阳光伏发电量已突破2亿千瓦时。光伏发电主要采用平板型太阳能收集器和聚光型太阳能收集器（CSP）两种设备将太阳辐射量转化为电能。其中，聚光太阳能收集器只能利用太阳法向直接辐射。然而，我国地域辽阔，各地区间的自然环境条件差异较大，太阳能资源利用潜力不一。因此，亟需准确把握我国太阳法向直接辐射量的时空分布特征与变化趋势，以实现聚光太阳能收集器的优化布局，实现太阳能资源的优化利用。但是，受站点建设成本和管理维护成本较高的影响，我国仅有不到20处气象观测站点可提供太阳法向直接辐射量观测数据。为此，本研究拟基于REST2_V9.1模型，利用地基气象观测数据和长时序、高时空连续的MERRA-2再分析产品，重建覆盖全国范围的1981-2014年的太阳法向直接辐射量数据集。本课题所构建的数据集时空联系性强，将为相关机构和部门的太阳能资源开发与利用政策的制定与反馈提供一定的数据支持与信息支撑。

图1. 研究区地理位置及地表太阳法向直接辐射和气象要素观测站点分布情况

4.1数据集格式

本数据集为日均太阳法向直接辐射数据集，每一日的数据文件名为China_DNI_yyyy_mm_dd.nc（例如China_DNI_2010_01_01.nc）。其中yyyy为年份，mm为月份，dd为天数，”.nc”表征数据存储格式为NetCDF格式。本数据集目前产品周期已扩展至1981-2019年，整理中暂未发布，可联系覃文敏博士获取数据（电子邮箱：qinwenmin@cug.edu.cn）。

4.2 DNI辐射数据集精度验证

本研究采用1993-2014年覆盖全国范围的17个CMA观测站点的太阳法向直接辐射量观测数据（129662个样本），验证了本研究所构建的太阳法向直接辐射量的精度。结果显示：本研究所重建的DNI数据集与观测值高度相关；在东亚地区的5处BSRN站点，RMSE、MAE、RMSER、MAER 和R分别为1.436 MJm^-2、0.900 MJm^-2、22.26%、13.95%和0.972；在17处CMA观测站点，RMSE、MAE、RMSER、MAER和R分别为4.064 MJm^-2、2.864 MJm^-2、34.41%, 24.26% 和0.914。此外，本研究将所重建的DNI数据集与CM-SAF、PV-GIS和NERL-SWERA等DNI数据集的精度进行对比验证，得出本研究所构建数据集的精度要优于这三类DNI数据集。

图2. 太阳法向直接辐射量估算精度验证图

图3. CM-SAF、PV-GIS和NERL-SWERA的太阳法向直接辐射量产品精度验证图

4.3 我国太阳法向直接辐射量的时空分布特征

基于所重建的DNI数据集，本研究分析了1981-2014年我国太阳法向直接辐射量的时空分布特征。结果显示：1981-2014年我国太阳法向直接辐射量经历了“变暗”到“变亮”的变化过程；整体上看，我国太阳法向直接辐射量呈由西北地区向东南地区递减的空间分布趋势；西北地区是太阳法向直接辐射量的高值区，其中青藏高原地区的DNI值最高；受云与水汽的共同影响下，四川盆地是太阳法向直接辐射量的低值区。

图4. 1981-2014年中国太阳法向直接辐射量年均值空间分布图

图5. 1981-2014年中国太阳法向直接辐射量月均值空间分布图

图6. 1981-2014年中国太阳法向直接辐射量时序分布图

图7. 1981-2014年我国不同温度带和干湿区太阳法向直接辐射量变化图

主要结论：

1）经验证，本研究所重建的太阳法向直接辐射量数据集精度较高，优于CM-SAF、PV-GIS和NERL-SWERA等多种太阳法向直接辐射量数据集。本数据集将为我国太阳能资源开发与优化利用提供一定的数据支持和信息支撑。

2）我国太阳法向直接辐射量呈自西北向东南递减的空间分布趋势；青藏高原和西北地区为太阳法向直接辐射量的高值区，四川盆地为太阳法向直接辐射量的低值区；干旱地区的太阳法向直接辐射量高于湿润地区。相比于二次多项式，神经网络模型能够更好地校正云对太阳紫外辐射量的衰减效应（图3）。