青藏高原高分辨率太阳辐射数据的评估与应用：多源SSR数据集的适用性比较及时空变化特征

《Advances in Climate Change Research》：Evaluation and application of high-resolution solar radiation data in the Qinghai–Xizang Plateau

　　

本研究旨在准确评估多种格点地表太阳短波辐射（SSR）产品在青藏高原（QXP）的适用性，并估计SSR数据在区域长期辐射趋势中的不确定性。研究人员利用青藏高原32个气象站的日SSR观测数据，采用基于Taylor分析等的统计分析方法，系统建立了统一的评估框架，并在2016—2018年最大重叠期内评估了七种主流SSR数据集的性能与应用，包括同化数据（CLDAS、TPMFD）、再分析数据（ERA5、ERA5-Land）和卫星反演数据（AVHRR、MODIS和MODIS_Topo）。此外，通过时空分析方法研究了2001—2020年SSR的时空特征和长期变化。结果表明，MODIS和MODIS_Topo卫星产品综合性能最优，可作为青藏高原辐射和太阳能资源评估研究的首选。TPMFD同化数据在夏季具有明显优势，更适合长期气候变化研究。相比之下，ERA5再分析数据常出现系统性高估。尽管各数据集性能存在差异，但均表现出一致的空间和季节误差模式，在青藏高原东部表现优于西部，冬季和春季精度高于其他两季。2001—2020年间，青藏高原SSR呈显著下降趋势（p < 0.05），春季和夏季降幅最大，尤其是青藏高原西南部。这些发现可为青藏高原气候变化后续研究及高海拔地区太阳能开发应用提供科学参考。

研究背景方面，青藏高原（QXP）被称为"亚洲水塔"，拥有除极地以外最大的冰冻圈，其强烈的热力和动力强迫对南亚季风系统构建及北半球乃至全球大气环流和气候变率具有重要影响。同时，青藏高原也是中国最重要的太阳能资源区域之一。地表太阳短波辐射（SSR）是驱动陆气相互作用、调控冰冻圈过程、水文循环和生态系统动态的基础能源，也是理解和模拟气候系统物理过程的出发点。准确认识SSR的时空分布对于太阳能电站选址、能源政策制定和光伏系统优化至关重要。然而，青藏高原恶劣的自然环境使得广泛建立高密度观测网络极为困难，稀疏且分布不均的气象站观测无法充分代表该广袤且地形复杂区域SSR的空间异质性，尤其在青藏高原西部和高海拔地区。这一局限性阻碍了太阳辐射的深入研究，因此对高质量、高分辨率、长期气象数据的需求变得尤为迫切。目前，随着卫星遥感和大气再分析系统的快速发展，获取空间连续且时间一致的辐射数据集成为可能。卫星反演产品可在空间尺度上广泛覆盖监测区域，再分析数据集可通过先进的同化系统生成格点辐射场，空间分辨率逐步提高。然而，卫星数据不适合长期分析，再分析和同化数据受输入数据精度的制约。数据来源、算法和时空分辨率的差异常导致数据性能出现偏差。此外，缺乏更高空间分辨率的地面观测作为参考，上述数据集在青藏高原的适用性仍不确定，无法在统一评估框架下实现与观测的综合比较。在全球气候变化背景下，青藏高原SSR表现出特殊响应特征，如已被记录的全球变暗现象，其驱动机制涉及大尺度大气环流以及云量、水汽、气溶胶和地表反照率的区域变化。然而，剧烈的地形变异性、高度非线性的气候过程、物理机制和数据处理方法中存在的不一致性，常给SSR固有特征的识别带来巨大不确定性。因此，明确SSR的误差来源和应用范围已成为青藏高原气候研究的关键挑战，迫切需要在统一评估框架下对多源SSR数据进行系统综合比较，以支撑青藏高原的气候变化研究和能源应用。

研究人员开展了以下研究：采用最新地面站观测作为参考基准，在青藏高原复杂地形条件下系统评估了多种SSR数据集（包括卫星反演、同化和再分析产品）的性能与应用，并刻画了区域SSR近期的时空变化格局。研究使用中国气象局国家气象信息中心（NMIC/CMA）提供的青藏高原区域内32个气象站2016年以来的日SSR观测数据，其中15个站海拔在2000 m以上，11个站在3000 m以上，4个站在4000 m以上。高分辨率SSR数据集包括两个同化产品（CLDAS、TPMFD）、两个再分析产品（ERA5、ERA5-Land）和三个卫星反演产品（AVHRR、MODIS和MODIS_Topo的GLASS DSR）。由于各数据集时间覆盖范围不同，且完整辐射观测数据仅自2016年起可用、AVHRR数据于2018年停止，研究选取所有数据产品的最大重叠期即2016—2018年日数据开展综合评估。所有数据产品在日平均尺度上进行比较，对于小时平均产品通过简单平均生成日分辨率辐射样本。所有评估过程均依赖站点观测和在相应站点位置采样的格点数据。研究采用偏差、相关系数、均方根误差（RMSE）、标准差、Taylor图和Taylor技巧评分（TSS）等多个指标进行比较分析。在经典Taylor图基础上进行微调使其摆脱空间限制，将所有站点的日平均值序列整合为极长序列用于计算相关统计指标，从而使Taylor图能同时考虑空间格局和时间时段。在所有涉及相关性的评估过程中，通过减去各日历史平均数据消除系统偏差和季节循环偏差。时空分析方面，采用Sen斜率估计器量化长期SSR的变化速率，采用Mann-Kendall非参数趋势检验确定趋势的统计显著性，并应用Hamed和Rao（1998）提出、Hamed（2008）进一步改进的方差校正方法调整检验统计量，以有效校正自相关影响同时保留原始序列的全部信息。

主要关键技术方法概述：研究基于青藏高原32个气象站（NMIC/CMA提供）2016—2018年日SSR观测数据作为参考基准，采用包括偏差、相关系数、RMSE、标准差、Taylor图和TSS在内的多指标统一评估框架，对七种SSR数据集进行综合评估；运用Sen斜率估计器和经方差校正的Mann-Kendall非参数趋势检验进行时空趋势分析；评估期为2016—2018年（所有数据集最大重叠期），长期趋势分析期为2001—2020年。

研究结果方面：（1）多源辐射数据集评估——不同区域或站点：通过相关分析评估七种格点数据集在青藏高原再现日SSR的性能，所有数据集与观测均呈高相关，表明其在捕捉SSR时间变率方面能力出色，但数据集间性能差异显著。全年尺度上，基于MODIS的数据集模拟观测能力最佳，在大多数站点相关性最高，尤其在青藏高原中东部，这归因于其直接反演云特性并纳入地形校正的能力，提高了复杂地形下数据集的可靠性。ERA5再分析数据和同化了ERA5的TPMFD表现略低但仍理想，反映了数据同化和物理参数化方案在表征辐射过程中的可靠性。ERA5-Land略优于ERA5，表明陆面过程的改进优化了辐射模拟但整体提升有限。CLDAS和AVHRR表现较差，AVHRR作为早期卫星产品受云检测、大气校正和地表反照率影响较大，且其较低时间分辨率难以与站点观测完美匹配。季节上，冬季几乎所有数据集相关性优异且空间差异极小，因为冬季云量少、大气透明度高，辐射过程主要受太阳高度角和地表反照率控制，物理机制相对简单，再分析数据和卫星反演的不确定性均较低；但冬季存在积雪这一关键挑战，青藏高原西部和北部存在广泛持久的季节性积雪，高反照率改变地表辐射收支平衡，再分析数据中积雪范围和反照率参数的偏差可导致辐射计算的系统误差。夏季SSR产品与站点观测的相关性差异明显，东部和南部部分站点相关性下降，卫星和再分析数据与站点观测的相关性在所有季节中最低，原因是青藏高原地区强对流活动、云和降水过程频繁，云-辐射相互作用复杂，放大了再分析数据中云量模拟偏差和卫星反演估计误差。与再分析和卫星数据相反，所有同化数据集夏季与站点观测的相关性远高于其他季节。春秋季云量总体较少，春季积雪趋于融化、秋季不形成广泛积雪，各数据集表现相对稳健。空间上，所有数据集与站点观测的相关性在青藏高原东部和北部较高，西部和西南部高海拔地区较低，尤其是阿里地区。青藏高原东部地形相对平缓、降水充沛、植被覆盖良好，地表过程较"温和"，受季风驱动辐射传输模型关键参数（如水汽、气溶胶）具有强季节规律性，使数据集模拟和反演过程更稳定；西部高海拔、巨大海拔梯度、干旱严寒极端环境和植被匮乏，观测站建设率低，再分析数据初始场和边界条件不确定性大，卫星数据也可能因薄大气和独特地表反射特征产生偏差。RMSE空间分布进一步揭示数据集性能差异，与相关分析一致，全年尺度基于MODIS的数据集总体表现最佳，在大多数站点RMSE较低，其基于卫星遥感的物理反演算法在捕捉实际辐射变化方面具有显著优势；其次是AVHRR、TPMFD和CLDAS表现中等；ERA5再分析数据RMSE最大，尤其在高原腹地仍难以准确表征SSR特征。季节上RMSE与相关性呈相反模式，冬季普遍较大而夏季较小。冬季太阳高度角降低、天顶角增大，延长了太阳辐射大气路径，加剧气溶胶和水汽相关不确定性，同时高原地形辐射效应显著放大，卫星反演和再分析产品空间分辨率不足以捕捉站点尺度精细地形异质性，导致冬季RMSE明显放大；积雪存在进一步复杂化辐射传输模型并加剧估计不确定性；冬季青藏高原云条件以冰云和混合相云为主，其微物理参数反演和模拟比夏季暖云挑战更大，放大了估计偏差。空间上南部RMSE大于北部，北部腹地地形相对平坦、下垫面均一，所有数据集RMSE处于低值范围且区域精度差异极小；东部和南部青藏高原横断山脉和藏东南受季风影响云量变率较高，所有数据集RMSE显著增大。平均偏差分析表明七个数据集存在系统性差异：CLDAS、TPMFD、ERA5和ERA5-Land总体以正偏差为主，表明在研究区普遍存在高估，高估主要发生在高原腹地尤其是中东部站点，仅在腹地边缘少数站点出现轻微负偏差；TPMFD偏差分布最为均衡，无显著系统性高估或低估；卫星反演数据偏差特征更复杂，AVHRR在北部和西部部分站点呈负偏差但在中部和南部呈正偏差，形成明显的南北差异空间格局；基于MODIS的数据集在大多数站点呈负偏差尤其在东部和南部，但在西部呈正偏差，形成明显的東西空间格局，总体而言基于MODIS的数据集倾向于一定程度低估SSR。季节上，与RMSE类似，冬季大多数SSR数据集偏差幅度较高且空间差异更突出，春季大多数数据集偏差减小且空间分布趋于均匀，夏季所有数据集偏差幅度降至最小，秋季偏差再次增大。总体而言，CLDAS和ERA5再分析数据总体具有高估倾向，ERA5-Land表现相对较好，TPMFD总体偏差最小且稳定性较高，卫星数据更多表现为低估且区域尺度偏差变化更明显。（2）整个高原与站点尺度：各数据集区域平均SSR通过研究区内所有站点及其对应采样格点值平均获得，SSR年强度总体呈单峰分布，从年初逐渐增加，在晚春和初夏达到峰值，然后逐渐下降至冬季最小值。日偏差热图显示CLDAS在一年中大部分时间呈明显正偏差尤其在春季信号强烈，ERA5系列数据集同样呈显著正偏差且在春季达到峰值，但与CLDAS不同夏季出现轻微低估；TPMFD在一年中大部分时间保持弱正偏差，夏季和初秋间歇出现负偏差，正负偏差峰值均出现在夏季；AVHRR总体倾向正偏差仅在少数时段出现轻微负偏差，MODIS总体倾向负偏差在夏季和秋季部分时段出现正偏差，与MODIS相比MODIS_Topo负偏差更集中使低估更明显。概率密度分布和系统平均偏差共同表征数据集稳定性、集中性和偏差总体幅度：CLDAS和ERA5概率密度分布范围宽，表明日尺度偏差波动大，CLDAS正偏差最高，其次是ERA5和ERA5-Land，ERA5-Land概率密度分布略接近零；TPMFD偏差分布峰值大于ERA5但平均正偏差相对较小；卫星数据概率密度分布峰值接近零且分布范围较窄，表明日尺度误差波动较小，尤其MODIS偏差为负。总体而言，模型输出数据（同化和再分析数据）倾向于高估SSR，而卫星反演更倾向于低估。区域平均日SSR相关系数和RMSE分布表明，年尺度上所有数据集表现良好，与站点观测相关系数均超过0.78，部分达0.86—0.88，表明多源数据总体能准确反映青藏高原地表SSR变化趋势，其中基于MODIS的数据集表现最佳，其次是ERA5，几乎在所有季节均如此；TPMFD在夏季表现最为突出，在所有数据集和季节中值最高；CLDAS和AVHRR次之。基于站点观测参考的Taylor图和TSS系统分析表明，年尺度上卫星反演数据总体表现最佳，MODIS年评分0.80为所有数据集中最高，MODIS_Topo和AVHRR紧随其后；同化数据TSS次之，CLDAS和TPMFD分别为0.74和0.71；再分析数据TSS最差，ERA5仅0.67。季节上Taylor分析表明春季是所有数据集最优时期，两个基于MODIS的数据集TSS均为0.84，AVHRR为0.81，表现最差的ERA5也达0.71；冬季TSS排名第二，所有卫星数据集评分超过0.81，但夏季和秋季TSS明显下降且数据集间差异加剧，夏季CLDAS TSS降幅最大（从0.79降至0.58），TPMFD以0.72 TSS优于其他模型数据集且雨季适应性更强；秋季所有数据集达到年度最低精度，表现最佳的AVHRR TSS仅0.69，ERA5低至0.54。综上，基于MODIS的产品综合性能最佳，在年尺度和季节尺度上均具有最高相关系数和TSS、最低RMSE和偏差，是青藏高原精细尺度SSR研究的首选；TPMFD性能均衡且在夏季具有独特优势，适合长期变化研究；CLDAS仅在冬季和春季表现良好；ERA5和ERA5-Land综合性能排名最低。所有数据集在所有指标上共享一致的空间和季节模式，在青藏高原东部/东南部和冬季/春季表现更好，增强了性能排名的可靠性。（3）青藏高原SSR时空特征：长期变率显示明显的数据集间一致性但幅度差异显著。ERA5和ERA5-Land构成最高幅度层级且呈稳定轻微波动，与上述评估中识别的系统性高估一致；第二层级包括TPMFD和AVHRR，年际波动高度同步且峰值和谷值匹配良好；第三层级包括MODIS和MODIS_Topo数据，其中MODIS数据与站点观测匹配最紧密。CLDAS序列表现异常：2005年之前其幅度与ERA5高度一致，但2005年后急剧下降，2016年后再次断崖式下跌，2019年降至整个序列底部并完全偏离站点观测趋势，这主要由背景数据替换造成。1979—2000年仅ERA5、ERA5-Land、TPMFD和AVHRR为有效数据集，其中TPMFD和AVHRR同步显示1985年左右显著低谷和1990—1995年间反弹趋势，准确捕捉了20世纪末青藏高原变暗到变亮辐射格局的年代际转换特征。2000年后随着多个数据集发布，其分歧特征进一步凸显，站点观测显示2016年后呈缓慢波动上升趋势，MODIS数据在幅度和年际变化上同步性最高。从数据适用性评估角度，基于MODIS的数据集与观测一致性最高，是2000年以来青藏高原精细尺度辐射研究的最佳选择；TPMFD和AVHRR序列长度完整且年际变化一致性强，被视为长期年代际变化研究的较好数据集；ERA5再分析数据序列稳定但存在严重系统性高估，仅适合定性趋势分析；CLDAS数据序列不均匀性显著，严重影响其在长时间序列分析中的可靠性。基于排除CLDAS的六个数据集，研究进一步分析2001年以来青藏高原SSR长期变化特征：2001—2020年所有数据集气候态空间分布高度一致，高辐射区主要集中在青藏高原西南部和南部，稀薄大气、极少水汽和气溶胶含量以及稀少云量共同减弱大气对SSR的削弱能力，结合高海拔带来的辐射传输路径缩短效应，形成显著的东西辐射梯度；季节上SSR呈"春夏强、秋冬弱"的周期模式，冬季SSR为年度最小值，春季因"雨季前晴朗效应"成为SSR最高时期，夏季因季风增强云量略低于春季，秋季SSR稳步下降。年际辐射在青藏高原"腹地和北部低、边缘区和南部高"的格局下波动，北部受稳定西风带和天气系统控制SSR变化最稳定，南部和东部高原边缘受季风和地形强迫叠加影响SSR波动最剧烈；季节上年代际辐射波动呈"春夏强、秋冬弱"模式，夏季受季风驱动强对流和高度随机云量影响青藏高原太阳辐射波动最剧烈，冬季SSR变化最弱受稳定西风带影响辐射主要表现为地表积雪反照率变化。青藏高原SSR变化在区域和季节尺度上存在明显差异，各数据集共享总体空间结构一致性但在幅度和局地细节上存在分歧。年尺度上ERA5以下降趋势为主，喜马拉雅山脉和藏南河谷显著下降，但高原中部、西北部和东南部ERA5 weakly增加或无变化；TPMFD与ERA5趋势一致但显著区域更广、幅度更强；卫星数据集差异明显，AVHRR显示高原广泛增加，MODIS呈广泛下降趋势，下降范围与再分析数据匹配但幅度更大、覆盖更广。季节上春夏SSR变化趋势剧烈而秋冬趋于稳定，冬季SSR总体下降但南北格局分化，春季SSR数据集间差异最大，夏季和秋季SSR趋势相对一致。不同数据集实际空间分辨率不同，ERA5捕捉宏观分布特征但空间分布相对"平滑"，对局地极值和复杂地形精度有限；ERA5-Land相对ERA5细节略有改善但仍表现不足；TPMFD数值一致性强但未达到预期高分辨率空间表现；卫星数据空间细节更丰富但固有噪声较大，AVHRR在边缘区域可能存在反演偏差；相比之下基于MODIS的数据集空间纹理最清晰，能捕捉微地形效应，更适合复杂地形精细尺度研究。区域平均趋势结果显示，AVHRR年尺度呈弱增加趋势，与再分析和MODIS产品的下降趋势相反，除AVHRR外其他产品结果几乎均显著。2001—2020年20年间青藏高原SSR持续下降，呈现"全球变暗"的明显区域表现，秋冬SSR变化特征相对平缓，春夏降幅远超其他两季，几乎所有样本收敛于显著下降趋势，表明长期辐射减弱信号极强的稳定性。此外，研究进一步检验了所有数据集平均趋势对起止年份选择的敏感性，所有持续时间至少15年的时间段组合结果表明青藏高原SSR总体下降趋势在各时间段一致，春夏下降的季节主导性保持稳定，年、春、夏下降趋势在绝大多数时间区间达到95%以上置信水平的统计显著性（p < 0.05），验证了2001—2020年识别的SSR下降趋势的稳健性，该趋势并非由单年极端值驱动。总体而言，2001—2020年青藏高原太阳辐射具有所有季节总体下降的特征，其中春夏下降明显而冬季降幅最低。

讨论部分总结：本研究全面评估了青藏高原多源SSR数据集，揭示了复杂地形条件下其性能的系统性差异。数据集间识别的偏差主要由物理表征和数据处理方法的差异引起。再分析和同化数据总体倾向于高估青藏高原SSR，一个合理解释是其模型参数化中对云和气溶胶辐射效应的表征不足。复杂地形区域再分析SSR的系统性高估在以往评估研究中已被广泛报道，数值模式对次网格尺度云过程和地形效应的粗分辨率表征被认为是主要原因。Wang等（2023）也报道了MERRA-2再分析产品在中国广泛高估SSR，主要归因于模型参数化中云光学厚度和气溶胶消光效应的低估。多个再分析产品均揭示云和气溶胶辐射过程表征不足是全球再分析系统在复杂地形区域的共同局限。青藏高原早期验证工作也指出全球再分析产品因高海拔山区云参数化不足而倾向于高估地表SSR。同化数据通过融入站点观测部分减少了高估，但通过观测约束模型模拟云辐射效应仍很困难，且其对再分析背景的依赖限制了模拟的进一步改进。形成鲜明对比的是，MODIS等卫星产品在精度上表现出压倒性优势，直接基于辐射观测的反演算法能更准确客观地捕捉云量变率和地表反照率的真实扰动，但在云检测、气溶胶反演和地表反照率估计中仍存在误差，总体呈现系统性低估。卫星SSR产品在青藏高原崎岖地形上的这种低估特征在以往验证研究中也有记录，低估部分与标准反演算法中未完全校正的地形遮蔽和云侧照明残余效应有关。地形因素同样严重影响数据精度，青藏高原SSR数据误差具有明显的東西对比，与以往气象变量区域评估研究中报道的模型性能空间格局一致。在青藏高原西部和高海拔地区，观测站稀缺使再分析和同化系统缺乏有效约束，导致数据误差显著增加；同时高海拔地区积雪和裸土影响、薄大气和剧烈地表反照率变化使辐射传输过程更为敏感，任何参数误差都可能被放大。积雪引起的地表反照率异常可大幅改变地表辐射收支，模型中积雪范围和反照率参数化的偏差可进一步传播为辐射估计误差。卫星反演的地形校正算法和再分析模式的初始场与边界条件均存在大量不确定性，最终导致各类数据集在该区域精度显著降低。近期定量研究也强调青藏高原地形对太阳辐射的影响不可忽视，精细尺度地形遮蔽和坡度效应在粗分辨率再分析产品甚至部分卫星产品中未被很好地解析。数据集精度的季节变化同样不可忽视，这与青藏高原独特的气候背景密切相关。总体而言冬季和春季数据精度较高可归因于相对稳定的大气条件和减少的云量，简化了辐射传输过程并显著降低了卫星反演和模型模拟的不确定性。以往研究表明冬春晴空条件下气溶胶和水汽对SSR变率的贡献相对较小，辐射变化主要受太阳高度角和地表反照率控制，物理机制相对简单，有利于模型模拟和卫星反演。然而冬季也存在潜在更多不确定性来源，该季节青藏高原以冰云和混合相云为主，其微物理参数化被公认为再分析模式和卫星反演算法的重大挑战。相比之下夏秋季节季风驱动的对流和云变率显著增加辐射估计的不确定性，季风期强对流活动和高度多变云量被广泛认为是大多数辐射数据集夏季性能下降的关键原因。值得注意的是TPMFD通过融合再分析与高精度卫星产品，在刻画高原夏季季风降水和云过程方面显著优于全球再分析数据，展现出突出优势和更强的夏季适用性，但MODIS数据总体仍是最优选择。关于长期变化趋势，2001—2020年青藏高原SSR经历了高度一致且显著的区域"变暗"趋势，这一总体下降趋势与以往基于站点和卫星的青藏高原分析结果基本一致，再分析数据也显示过去几十年SSR持续下降。本研究侧重于刻画变暗趋势的时空格局而非量化潜在驱动因素的贡献，以下解释为源自现有文献的合理假设而非本工作确认的机制。春夏显著变暗与沙尘活动加剧和气溶胶载荷升高相吻合，后者是青藏高原SSR变化的重要潜在驱动因素；夏季季风和西风驱动的水汽输送增强可能增加云量和光学厚度，减少地表SSR；冰川退缩和积雪变化等陆面改变也可能通过反照率反馈调节辐射收支，但尚未定量验证。这一下降趋势对高原冰冻圈、水循环和生态系统产生深远影响，但该趋势的持续性和未来演变需进一步监测和研究。本研究的内在局限性在于所有七种SSR数据集的统一评估仅限于2016—2018年，在如此相对较短的时期内青藏高原大气状态的年际变率可能未被充分捕捉，因而无法全面表征这些产品的长期性能。时间范围受两个不可避免因素制约：第一，青藏高原核心大部分高海拔站的常规SSR观测直到2015年末才完全建立；第二，本研究纳入的AVHRR产品于2018年停止。为缓解短评估窗口的潜在不确定性，评估在日尺度上实施，单站在每个季节产生300多个有效样本，且所有数据集与地表观测均呈统计显著相关（p < 0.05），支持了评估结论的可靠性。尽管如此，应承认3年时期不足以完全涵盖青藏高原关键气候驱动因子的年际波动，数据集精度的这种年际变化无法在当前工作中完全解决。随着地面辐射观测的持续积累和更新长期卫星辐射产品的发布，未来研究需要在更长时间跨度上进行更多验证，以进一步证实数据集性能的稳健性并完善各产品的适用边界。

研究结论部分翻译：本文基于地表观测系统评估了2016—2018年青藏高原（QXP）七种不同类型（再分析、同化、卫星）的格点SSR数据集，并研究了二十年（2001—2020）SSR的时空变化和长期趋势。主要结论如下：（1）数据集综合适用性在青藏高原不同区域差异显著。以MODIS为代表的卫星产品总体精度最佳，是精细尺度辐射研究的首选。TPMFD性能均衡且在夏季具有独特优势，适合长期年代际变化研究。ERA5再分析产品存在明显系统性高估且总体精度相对较低。CLDAS因时间不均匀性较大不推荐用于长期辐射变化分析。（2）所有数据集表现出一致的空间和季节分异模式。数据精度在青藏高原东部和东南部总体远高于西部高海拔地区，地形复杂性和天气系统稳定性是关键驱动因素。季节上所有数据集在辐射过程相对简单的冬季和春季表现较好，而在季风、对流活动和云-辐射相互作用影响下夏季和秋季精度显著下降。（3）2001—2020年青藏高原经历了显著的地表变暗趋势，最明显的下降发生在春季和夏季，最强的变暗信号集中在青藏高原西南部。该变暗信号得到大多数数据集支持，在不同时间窗口选择下保持稳健。本研究成果可作为青藏高原太阳辐射数据集选择和应用的科学依据，对提高高海拔地区太阳辐射模拟精度具有良好参考价值，也为青藏高原气候变化研究和太阳能资源评估提供支撑。未来研究应着重进一步将机器学习方法与物理约束相结合，整合多源数据优势开发高精度融合辐射产品，并深化对辐射变化驱动机制的理解，从而为青藏高原气候与环境变化研究提供更坚实的数据支撑。