论文部分内容阅读
地表太阳辐射(指地表接收到的向下的短波辐射)是地球上能量的最终来源，它的大小和空间变化决定着地球表面的气候和环境，驱动着地球系统的水、热和碳的循环。同时，地表太阳辐射信息是农业、生态、水文、气象等领域模型的重要输入参数；它也是建筑采光，太阳能发电等重要指标。然而，由于中国区域地表太阳辐射观测站相对稀疏，因此间接估算地表太阳辐射显得至关重要。本文通过两种方法估算中国区域地表太阳辐射并分析其时空变化规律。第一种是基于地面常规气象站估算地表太阳辐射，第二种是基于卫星遥感大气和陆表产品或其所测辐亮度信号反演地表太阳辐射。具体研究结果如下：
1.引入一个质量控制方案对中国气象局提供的辐射资料进行严格的质量控制。结果表明中国气象局提供的辐射资料存在着一些质量问题，其中某些站上的错误率达到百分之二十。这些资料在使用之前必须经过严格的质量控制剔除不合理的异常值。
2.混合模型在所有辐射站的平均精度为：日辐射值和月平均日辐射值的平均偏差(MBE)都为0.7 MJ m-2，日辐射值和月平均日辐射值的均方根误差(RMSE)分别为2.0 MJ m-2和1.3 MJ m-2。而人工神经网络在所有辐射站上的平均精度为：日辐射值和月平均日辐射值的平均偏差(MBE)都小于0.1 MJ m-2，日辐射值和月平均日辐射值的均方根误差(RMSE)分别为1.4 MJ m-2和0.9 MJm-2。由于人工神经网络用到辐射观测资料来训练模型，其在所有辐射站的估算精度几乎都比混合模型的估算精度要高。
3.本文用人工神经网络模型的估算逐月动态地校正了混合模型的估算，得到了一套包括716个站50年(1961-2010年之间)的地表太阳辐射日值数据集。该校正普遍提高了混合模型估算的精度：在所有辐射站1994-2002年之间平均的平均偏差(MBE)从0.7 MJ m-2减少到-0.1 MJ m-2，而均方根误差(RMSE)则从2.0 MJ m-2减小到1.8 MJ m-2。比较结果表明新构建的辐射数据集的精度比传统局地标定的Angstrom-Prescott模型的估算精度要高。
4.基于MODIS产品，本文设计了一个简单且实用的反演算法来估算地表太阳辐射。该算法在美国SURFRAD观测网七个站的精度为：瞬时地表太阳辐射的均方根误差(RMSE)约为100 W m-2左右，日平均地表太阳辐射的均方根误差(RMSE)约为33 W m-2左右。而该算法在中国区域平均和青藏高原地区平均的均方根误差(RMSE)分别约为38.1 W m-2和37.8 W m-2。
5.本研究发现中国区域地表太阳辐射自上世纪60年代一直下降，到了90年以后这个下降趋势变小了并趋于平稳。但是，青藏高原的地表太阳辐射经历着一种截然不同的变化过程。在青藏高原，地表太阳辐射自上世纪60年代一直上升，到1978年以后这个上升的趋势转变为下降的趋势。