太阳辐射作为地球上一切活动的主要能量来源，是地球气候形成过程最重要的因子，对地表辐射平衡、能量交换以及天气气候的形成都有着决定性的意义。太阳总辐射的准确获取不仅对气候系统辐射强迫评估以及作物生长模拟和产量预测非常重要，而且也是太阳能系统的有效设计和运作、能量荷载估计的必要需求。然而由于太阳辐射观测站点的缺乏，因此对于太阳辐射的精确估算研究成为热点。本文利用获得的88个站点的地面观测太阳辐射数据和相应位置的NASA世界能源预测(NASA Prediction Of Worldwide Energy Resources，NASA/POWER)项目预测的空间分辨率为1°×1°的太阳辐射数据，建立并验证了基于NASA/POWER太阳辐射数据的站点、分区和中国大陆统一的太阳辐射估算模型。本研究主要内容包括：　　⑴在对NASA/POWER数据和地面观测数据的比较中发现，两组数据存在极显著的正相关，95％的站点的相关系数都大于0.80，且大部分都在0.9以上，仅5个站点小于0.80。NASA/POWER的总体平均值为14.88 MJ m-2 d-1，比地面观测太阳辐射的总平均值高1.02 MJ m-2 d-1。各站点间的差异是介于-2.69 MJ m-2 d-1到1.64MJ m-2 d-1之间的。　　⑵采用简单的一元线性回归方法建立了基于NASA/POWER太阳辐射数据的站点模型。所有站点模型中，海拉尔站的模型平均偏差(Mean bias error, MBE)和剩余整群系数(Coefficient of residual mass，CRM)均最小，分别为-0.01 MJ m-2 d-1和0。88个站点中，仅5个站点的平均相对均方根误差[Relative root mean squareerror，rRMSE(％)]在30-40％之间，为绵阳、成都、峨眉山、常宁、赣州;有37个站点的平均rRMSE(％)为10-20％之间，它们大部分都分布在我国北方，包括西藏，青海，甘肃，宁夏，内蒙及东北三省等地;46个站点主要分布在华北、西南地区，站点模型的平均rRMSE(％)在20-30％之间，表现为一般，但均在可接受范围内。　　⑶采用自组织神经网络(SOM)聚类分析方法对中国大陆地区进行分区，得到的5个太阳辐射区中，分区5（主要位于我国西北地区）的太阳辐射资源最丰富，年平均日太阳辐射量达16.57 MJ m-2 d-1;其次为分区4（云贵高原的云南省、四川西部、青海东部和西藏东南部），为15.78 MJ m-2 d-1;分区1（主要位于我国西南地区）的太阳辐射资源最为缺乏，还不到9.5 MJ m-2 d-1。对于不同的分区和整个中国大陆地区，通过建立各站点模型系数和实际站点地理信息（经度、纬度、海拔）或像元地理信息（像元中心经度、纬度，像元平均高程）间的相关性模型而得到基于实际站点地理信息和基于像元地理信息的区域估算模型。基于实际站点地理信息的分区通式与相应的基于像元地理信息的分区通式在区域平均值上差异很小，都是分区3（我国东北和华北地区）的误差最低，而大陆统一模型在分区5的表现最好。与站点模型进行比较，发现各模型间的精度差异不大。本文提出的总辐射模型的拟合效果都比较令人满意，均可用于中国大陆地区的太阳辐射估算。　　⑷此外，本文的研究结果还表明:NASA/POWER数据较为可靠，精度也较高，该数据可以作为区域甚至全球尺度研究的一个可靠的太阳辐射数据来源。