通过校正地理位置偏差,显著提升了基于地球静止卫星的短波辐射产品质量

《Remote Sensing of Environment》:Substantial improvement of geostationary satellite-derived shortwave radiation product through correcting geolocation displacement

【字体: 大 中 小 】 时间:2026年07月30日 来源:Remote Sensing of Environment 12.3

编辑推荐:

  •量化了地形引起的定位偏差对表面短波辐射的影响。•基于地形的定位校正提升了Himawari-8表面短波辐射的空间一致性。•定位偏差会扭曲山区的山脊-山谷辐射模式。•经过二级校正的表面短波辐射性能可与经过一级校正的GeoNEX产品相媲美。•改进后的表面短波辐射空间表示有助于光伏和冰

  •量化了地形引起的定位偏差对表面短波辐射的影响。•基于地形的定位校正提升了Himawari-8表面短波辐射的空间一致性。•定位偏差会扭曲山区的山脊-山谷辐射模式。•经过二级校正的表面短波辐射性能可与经过一级校正的GeoNEX产品相媲美。•改进后的表面短波辐射空间表示有助于光伏和冰冻圈相关应用的发展。

1. 引言
表面短波辐射覆盖大约0.3–4.0微米的光谱范围,是到达地球表面的太阳辐射的主要组成部分(Huang等人,2019年)。作为光伏发电的主要能量来源,表面短波辐射直接决定了太阳能资源的可用性和生产力。其空间分布为区域太阳能潜力评估提供了基础,同时影响着光伏电站选址和系统配置(Prasad和Kay,2021年;Song等人,2023年);而其时间变化性和间歇性则对并网电力系统的稳定性、可靠性和运行性能有着重要影响(Yin等人,2020年)。

在地形复杂的地区,由于海拔、坡度及大气条件的差异,太阳辐射强度会在短时间内出现巨大变化,因此准确描述表面短波辐射的空间异质性至关重要。这类细微的变化在新兴能源应用中起着关键作用,比如在山区部署分布式光伏系统以及太阳能与水力发电相结合的系统,这些应用的可靠性以及系统优化都依赖于对辐射场的精确空间表征(Choi等人,2019年;Yang等人,2022年)。除了能源领域,准确的表面短波辐射数据对于冰冻圈过程,尤其是冰川表面能量平衡和融化动态研究也极为重要(Gunnarsson等人,2023年)。

卫星观测为获取表面短波辐射数据提供了不可或缺的途径,它们具有广阔的空间覆盖范围和高时间分辨率,还能有效识别云层变化。随着新一代地球静止卫星的投入使用以及卫星上辐射传感器的改进,现在已可实现每半小时一次的表面辐射监测,从而更准确地把握与太阳能应用相关的快速时间变化情况。例如,Himawari-8卫星上的先进Himawari成像仪每10分钟就能在16个光谱带内完成整个天区的观测,涵盖从可见光到红外线的范围,这使得能够持续监测亚洲-太平洋地区的云层变化和太阳辐射情况(Bessho等人,2016年)。由于其固定的观测几何结构和高时间采样率,Himawari-8已成为区域尺度上进行时间分辨表面短波辐射估算和太阳能资源评估的重要数据来源。

为此,许多研究采用了Himawari-8的二级表面短波辐射产品,或者基于一级光谱测量数据或二级云属性产品开发新的反演算法。例如,Tang等人(2019年)利用Himawari-8的云属性产品和气溶胶产品计算出云层透射率,再结合ERA5提供的大气参数估算出局部晴空辐射,进而得到全天空表面短波辐射值。Letu等人(2022年)则使用了一个预先计算好的查找表,该表综合考虑了气溶胶效应、云层光学特性以及几何观测条件,用于反演表面辐射。此外,Li等人(2023b年)还将基于查找表的辐射传输方法应用于GeoNEX的网格化Himawari成像仪反射率数据,从而以约1公里的分辨率得出每小时的表面短波辐射值。这些来自Himawari-8的辐射数据集,包括官方的二级产品以及各类研究用反演结果,已被广泛用于区域尺度的评估和预测研究,也为东亚地区的太阳能资源规划提供了重要参考(Ohtake等人,2018年;Kim等人,2020年;Li等人,2023a年)。

不过,尽管基于Himawari卫星的表面短波辐射产品在华东地区和西太平洋低海拔观测站的表现较为理想(Damiani等人,2018年;Yu等人,2019年),但其在华西高海拔地区的可靠性却鲜有研究,现有的有限评估结果显示存在相当大的缺陷。He等人(2025年)发现,Himawari-8生成的表面短波辐射数据在西部高原地区存在较大偏差。同样,Zhang等人(2025年)也指出,Himawari-9的表面短波辐射产品在这些地区也存在明显误差,且经常低估表面辐射值。

为改善复杂高原地形上的辐射特征,以往的研究试图通过基于辐射传输模型的方法,考虑坡度和遮荫效应来降低局部偏差(Letu等人,2022年;Huang等人,2022年;Xian等人,2023年;Yan等人,2024年)。这些方法主要针对亚像素级别的地形变化,通常作为降尺度处理手段使用。然而,它们并未考虑地球静止卫星观测几何结构所导致的像素位置误差。也就是说,由于地球静止卫星定位所依据的参考椭球体与实际地形不一致而产生的地形诱导定位偏差,是一种独立的不确定性因素,它可能会使卫星观测数据系统性地偏离其应有的地面位置。虽然这种偏差在Himawari-8的原始光谱数据中已被识别并进行了部分校正(Takenaka等人,2020年;Yamamoto等人,2020年;Wang等人,2020b年;Matsuoka和Yoshioka,2023年),但在目前的表面短波辐射反演框架中往往被忽视,因此其對表面短波辐射产品的影响仍不明确。在青藏高原及周边高地,由于地形复杂且太阳辐射梯度显著,再加上巨大的可再生能源潜力,这一知识缺口尤为重要(Qiu等人,2022年;Chen等人,2023年)。

本研究旨在解决与这一缺口相关的两个科学问题:首先,定位校正是否对辐射反演的准确性具有重要影响;其次,如果定位校正确实重要,那么是先对光谱数据进行校正,再基于这些光谱信息反演辐射值,能获得更高精度?如果并非如此,那么对于绝大多数最终用户而言,可以直接将校正应用于现有的辐射产品,从而无需从原始数据开始进行复杂的辐射反演。本研究对Himawari-8的二级表面短波辐射产品应用了考虑地形的定位校正方法,研究了地形诱导定位偏差对表面辐射的影响。并将校正后的产品与MODIS辐射数据(MCD18A1)以及中国气象局的地面观测数据进行了定量对比,后者具有更高的定位精度。我们还研究了空间偏移距离、辐射异质性与校正效果之间的关系,并将校正后的Himawari-8产品与GeoNEX表面短波辐射产品进行了比较,后者在一级处理阶段就考虑了定位偏差问题(Wang等人,2020b年;Li等人,2023b年),以此评估校正环节(在反演表面短波辐射之前还是之后)是否会影响最终的辐射反演性能。最后,选取了两个具有代表性的区域来说明在复杂地形中进行定位校正的实际意义:一个是青藏高原东部的典型高山峡谷地区,该地区是发展水力发电与太阳能联合发电系统的重点区域;另一个是喜马拉雅山脉中部,那里是冰川分布较为密集的区域。

本文的结构如下:第2节介绍数据集和校正方法;第3节展示验证结果和定量分析;第4节探讨考虑地形的定位校正对青藏高原两大应用领域的意义;第5节总结研究发现,并提出未来研究方向。

2. 数据与方法
2.1 数据来源
表1总结了本研究使用的数据集。Himawari-8的二级表面短波辐射产品是进行地形诱导定位校正的主要对象。MODIS的MCD18A1日度向下短波辐射产品用于评估校正是否能提升Himawari-8与MODIS观测数据之间的空间一致性,而中国气象局的地面辐射观测数据则用于验证。GMTED2010数字高程模型和EGM2008大地水准面模型则被共同用来生成与Himawari-8网格相匹配的椭球面高度数据。此外,还使用了从校正后的一级辐射数据衍生的GeoNEX向下短波辐射产品,以便将其性能与校正后的Himawari-8表面短波辐射产品进行比较,从而评估基于一级数据和基于二级数据的校正方法的差异。下面对这些数据集进行了简要介绍。

表1. 本研究使用的数据集概览

| 数据集 | 使用的变量 | 空间/时间分辨率 | 在本研究中的用途 | 参考/来源 |
|--------|------------|------------------|----------------|-----------|
| Himawari-8 L2 PAR SWR | SWR | 5公里/10分钟 | 表面短波辐射校正目标 | Bessho等人(2016年);Frouin和Murakami(2007年) |
| MODIS MCD18A1 | SWR | 1公里/每日 | 验证参考 | Li等人(2025年) |
| CMA地面观测数据 | SWR | 以站点为基准/每小时 | 验证参考 | 中国气象局 |
| GeoNEX | SWR | 约1公里/每小时 | 独立比较 | Li等人(2023b年) |
| GMTED2010 | 海拔高度 | 30弧秒(约1公里)/静态 | 地形表示 | Danielson和Gesch(2011年) |
| EGM2008 | 大地水准面高度 | 2.5弧分(约5公里)/静态 | 椭球面高度校正 | Pavlis等人(2012年) |

2.1.1 Himawari-8表面短波辐射产品
Himawari-8的L2 PAR产品中的SWR变量提供了覆盖整个天区(北纬60°至南纬60°,东经80°至西经160°)的短波辐射数据,空间分辨率为5公里,时间分辨率为10分钟。该反演算法最初由Frouin和Murakami(2007年)为海洋应用开发,后来由Saigusa等人(2010年)扩展到陆地表面应用,其理论基础为平行平面辐射传输理论。该算法能够分离出晴朗大气和云层对总短波辐射的贡献。Himawari-8卫星从2014年10月开始运行,直到2022年12月13日被Himawari-9取代,后者继续提供类似分辨率和频率的短波辐射观测数据,从而确保了亚洲-太平洋地区地球静止卫星辐射观测数据的连续性。

2.1.2 MODIS MCD18A1产品
MODIS的MCD18A1产品能够提供全球范围内的瞬时以及每3小时一次的向下短波辐射估计值,它是通过两步查找表算法生成的(Wang,2024年;Wang等人,2020a年)。第一步查找表用于根据大气顶层反射率及辅助参数估算大气能见度,第二步查找表则利用所得的能见度信息反演表面短波通量。最新版本(V6.2)增加了额外的红外通道,以提高在积雪覆盖区域的精度(Li等人,2025年)。每3小时的短波辐射数据是通过相邻观测时段的数据进行时间插值得到的,而非直接观测值。在本研究中,为了确保MODIS数据与Himawari-8的准瞬时观测数据在时间尺度上保持一致,采用了瞬时短波辐射数据。MODIS的定位数据(MOD03)已经通过精确的观测几何信息和数字高程数据进行了校正,从而实现了亚像素级的定位精度(Wolfe,2006年)。因此,MODIS观测数据被认为在几何精度方面具有可靠性,可被用作空间参考,用于评估Himawari-8表面短波辐射场的一致性,尤其是在高山区这样地形复杂、地球静止卫星观测中的视差效应最为显著的区域。本研究中所使用的MODIS数据覆盖范围如图1所示。

下载:下载高分辨率图像(665KB)
下载:下载完整尺寸图像
图1. 用于卫星验证和分析的中国气象局观测站分布及MODIS数据覆盖范围。

2.1.3 中国气象局地面辐射数据
本研究使用了2017年来自147个中国气象局观测站的地面辐射测量数据,用以评估Himawari-8表面短波辐射产品的时间相关性和精度。先前的研究表明,中国气象局的辐射观测数据在应用之前需要经过严格的质量控制(Tang等人,2010年)。因此,首先对各个观测站进行了筛选,最终保留了130个具有连续观测记录且数据质量可靠的站点用于后续分析。这些选定观测站的空间分布如图1所示。

2.1.4 GeoNEX表面短波辐射产品
GeoNEX是一个基于地球静止卫星的辐射数据集,它整合了多个平台的数据,包括GOES-16/17以及Himawari-8/9卫星的观测数据。在GeoNEX中,首先在一级处理阶段就对大气顶层辐射值进行了地形诱导的辐射畸变校正(Wang等人,2020b年)。在经过校正的一级数据基础上,Li等人(2023b年)进一步采用了基于查找表的辐射传输方案(Liang等人,2006年)来生成三级表面的太阳辐射产品。这种处理流程在反演之前就在一级辐射数据阶段进行了定位校正,因此与本研究直接在二级产品上进行校正的处理方式有所不同。将GeoNEX纳入研究是为了比较不同处理级别下校正方法的有效性。

2.1.5 数字高程数据
地形高度数据是通过GMTED2010数据集获得的(Danielson和Gesch,2011年),该数据集以30弧秒(约1公里)的分辨率提供相对于大地水准面的高度数据。EGM2008大地水准面模型(Pavlis等人,2012年)的分辨率则为2.5弧分(约5公里),它能提供相对于参考椭球面的大地水准面高度。通过空间对齐后,将这两个数据集的数据相加,即可得到每个网格单元的椭球面高度。

2.2 数据预处理及时空对齐以用于验证
在时间方面,本研究以2017年为分析对象,因为那一年中国气象局有连续的地面辐射观测数据可供验证使用。在空间方面,MODIS、GeoNEX以及地形数据集都被重新采样,使其与Himawari-8的网格匹配,网格范围为北纬60°至南纬60°,东经80°至东经200°,空间分辨率为0.05°。

对于MODIS数据,每个文件包含多个覆盖同一数据块的观测数据,每个观测数据代表该数据块内部分区域的瞬时短波辐射估计值。对于每一个观测数据,都会选择Himawari-8在相近时间取得的对应观测数据,从而形成一对匹配的短波辐射图像。在进行每小时一次的GeoNEX与Himawari-8数据对比时,则只保留了在相应小时时刻的MODIS观测数据。图像对进一步根据有效重叠像素的数量进行筛选,以确保统计上的稳健性。对于CMA现场数据,那些出现异常波动或辐射强度与卫星数据不一致的站点被排除在外。剩余的观测数据则通过最近邻插值方法与Himawari-8的像素对应起来。2.3 地形引起的定位偏差校正本研究采用的校正方法旨在解决地球静止卫星观测中由地形引起的几何畸变问题。这类畸变源于卫星定位时所假设的参考椭球体,该假设忽略了视线方向上的地形起伏和表面遮挡。地形引起的定位偏差的几何原理如图2a所示。下载:下载高分辨率图像(1MB)下载:下载全尺寸图像图2. 地球静止卫星观测中地形引起定位偏差的概念示意图。(a) 卫星、名义地面位置以及因地形而发生位移的位置之间的几何关系,其中(Xs, Ys, Zs)、(Xg, Yg, Zg)和(Xo, Yo, Zo)分别表示它们的三维坐标。(b) 通过重采样计算位移位置及进行定位校正的框架。(c) Himawari-8像素的位移幅度空间分布,箭头指示了位移幅度超过0.01°的像素的位移方向。为了以物理上一致的方式纠正这种位移,本研究采用了基于正射校正的方法。参照Matsuoka和Yoshioka(2023年)以及Pestana和Lundquist(2022年)的研究,该方法被调整并应用于Himawari-8的SWR产品,从而在产品层面实现考虑地形的定位校正。校正是在三维几何框架内进行的。具体而言,该校正是在以地球为中心、固定于地球的ECEF参考框架内制定的,使用GMTED2010数字高程模型和EGM2008大地水准面来表示参考椭球体之上的地形高度(椭球高度)。如图2b所示,整个过程包括四个主要步骤:(1)从测地坐标转换为ECEF坐标。已知地球静止卫星的位置λsφshs以及具有相应椭球高度λgφghg的名义地面点,其ECEF坐标可通过以下公式计算:(1)XYZ=N+h·cosφ·cosλ/N+h·cosφ·sinλ/1?e2·N+h·sinφ,其中N=a??e2sin2φ是垂直方向的曲率半径,a=6378137.0米是半长轴,e=0.0818是WGS84椭球体的偏心率。利用公式(1),可以分别得到地球静止卫星和名义地面点的ECEF坐标,即Ps=XsYsZs和Pg=XgYgZg。(2)视线方向与椭球体的交点。视线方向定义为:(2)v=Pg?Ps,vunit=vv。因此,视线方程可表示为:(3)Pt=Ps+t·vunit,其中t是沿卫星视线方向的标量距离参数,是从卫星位置指向地球表面的距离。WGS84椭球体可以用以下方程描述:(4)X2+Y2/a2+Z2/b2=1,其中b=6356752.3米是半短轴。将公式(3)代入椭球体方程(公式(4))后,可以得到关于t的二次方程:(5)A·t2+B·t+C=0。选取最小的正根,该根对应于视线与WGS84椭球体的第一个交点:(6)t=?B?√(B2?4AC)/2A,将t代入公式(3)后即可得到交点Po=XoYoZo,它代表了沿视线方向的像素因地形而发生的位移位置。(3)从ECEF坐标转换回测地坐标。最后,将位移后的地面位置XoYoZo通过公式(7)转换回测地坐标λoφo:p=X2+Y2,θ=arctan(Z/p),λ=arctan(Y/X),(7)φ=arctan(Z)+e′2·b·sin3θ/p?e2·a·cos3θ,其中e′2=0.00673是第二偏心率的平方。(4)在位移位置上进行辐射重采样。上述流程将每个Himawari-8像素从其名义网格位置λgφg转换为位移后的位置λoφo。因此,原始网格点处的校正后辐射值应通过在位移位置处对辐射场进行插值来获得,如公式(8)所示。(8)Rcorrected(λgφg)=Rraw(λoφo)将这种逐像素的关系扩展到整个图像后,原本规则的网格就变成了不规则的点云。此时可以构建一个稀疏插值矩阵W,通过矩阵乘法同时对所有像素进行重采样,从而实现高效的地形相关几何校正。(9)Rcorrected=WRraw基于这一校正框架,图2c展示了Himawari-8卫星因地形引起的定位偏差幅度的空间分布情况。在青藏高原和天山山脉的大片区域,像素的位移幅度超过了0.05°,最大值甚至接近0.3°,这说明位移规模已经波及多个像素。3. 结果3.1 Himawari-8与MODIS SWR产品之间的空间一致性如2.1.2节所述,MODIS MCD18A1能够提供具有地形感知定位功能的可靠辐射估算值,因此被用作Himawari-8 SWR产品的几何参考。校正后与MODIS数据的一致性提升,表明空间一致性得到了增强。为确保比较的可靠性,只有那些拥有超过20,000个有效共位像素,且校正前的均方根差小于250瓦特每平方米的图像对才被纳入空间校正性能的分析之中。经过这些筛选标准后,共有12,347对有效的MODIS–Himawari-8图像对被用于分析。图3展示了在进行了地形感知定位校正之后,Himawari-8与MODIS SWR产品在空间均方根差(ΔRMSD)和相关系数(ΔR)方面的逐块平均值变化情况(即校正值减去原始值)。总体而言,校正使得空间一致性得到了系统性提升,该区域的多数覆盖高山的MODIS数据块都显示出改善效果。下载:下载高分辨率图像(698KB)下载:下载全尺寸图像图3. 2017年Himawari-8与MODIS观测数据在空间一致性方面的逐块改进情况,通过计算每个MODIS数据块内所有匹配图像对的均方根差(ΔRMSD)和相关系数(ΔR)的平均变化值来量化,这些数据块由水平-垂直索引hxxvxx标识。每个数据块的平均海拔高度由Ele标注。改进的幅度明显取决于地形复杂程度和观测几何条件。那些平均海拔较高,且由于非天底观测而导致观测天顶角较大的数据块——比如h25v05、h26v05和h26v06——显示出最为显著的改进效果,其平均均方根差降低了15瓦特每平方米以上,相应的相关系数增幅也超过了0.05。在平均海拔约为1千米的地区,校正依然能带来可测量的好处,可使均方根差降低8瓦特每平方米以上,相关系数增幅超过0.03。这些结果表明,虽然在地形复杂的山区,地形引起的定位偏差影响更为显著,但在地形相对简单的地区,其影响也不可忽视。为了进一步研究校正效果随海拔的变化情况,我们重点分析了位于青藏高原的h25v05数据块,该区域海拔极高,且改进效果最为明显(见图4)。根据严格的抽样标准,共选择了833对匹配的Himawari-8–MODIS图像对,要求每张图像拥有超过10,000个有效像素,且在每个海拔区间内至少有1000个有效像素,这样才能保证统计上的稳健性。下载:下载高分辨率图像(394KB)下载:下载全尺寸图像图4. 青藏高原h25v05数据块内Himawari-8–MODIS数据一致性的海拔依赖性改进情况,以相关系数(ΔR;图a)和均方根差(ΔRMSD;图b)的平均变化值及改进比率来表示。在所有海拔区间内,均方根差和相关系数都呈现出一致的改进趋势,超过94%的图像对都显示出积极的效果。值得注意的是,改进的幅度随海拔的升高而呈单调递增趋势,在海拔4000米以上的地区,均方根差可降低30.8瓦特每平方米,相关系数增幅可达0.13。这种随海拔变化的趋势清楚地表明,明确考虑地形引起的定位偏差对于提高高原地区的SWR产品质量至关重要。3.2 基于CMA现场数据对校正效果的评估图5展示了在进行了定位校正之后,CMA站点处Himawari-8 SWR产品的时间相关系数(R)和精度(RMSE)的变化情况。除了靠近天山山脉的少数站点出现轻微下降外,大多数站点在校正后都有所改善:130个站点中有119个站点的R值上升(占比91.5%),而126个站点的RMSE值下降(占比96.9%),这表明校正后时间一致性和精度都得到了普遍提升。下载:下载高分辨率图像(601KB)下载:下载全尺寸图像图5. 2017年各站点处每小时CMA现场辐射测量值与空间上对应的Himawari-8 SWR产品之间的相关系数(ΔR;图a)和RMSE(ΔRMSE;图b)的变化空间分布情况。橙色向上的三角形表示校正后相应指标数值上升的站点,而蓝色向下的三角形则表示数值下降的站点。(关于本图例中颜色含义的解释,读者可参阅本文的网络版本。)从空间分布来看,R值和RMSE值改善最明显的站点主要分布在青藏高原、黄土高原、内蒙古高原和云贵高原等地。这些地区通常海拔较高,卫星的观测天顶角也较大。与这种空间分布特征相一致的是,海拔在1500米以上的站点(共21个)根据每日白天的观测数据,R值平均上升了0.03,RMSE值平均下降了12.6瓦特每平方米(见表2)。相比之下,位于中国第三级地形阶地低海拔地区的站点(平均海拔低于500米),由于定位偏差的校正幅度较小,其改善效果较为有限。表2. 海拔在1500米以上的站点在定位校正前后,Himawari-8 SWR产品与CMA现场辐射测量值之间的统计指标(R和RMSE),评估时间为每小时,并在固定的当地时间(北京时间14:00)进行。评估方案指标校正前校正后每日白天时段评估(包含昼夜变化周期)R0.7150.744RMSE(瓦特每平方米)209.7197.1固定当地时间评估(北京时间14:00)R0.5770.633RMSE(瓦特每平方米)232.4215.8尽管上述分析显示出了明显的空间改善模式,但基于CMA现场数据得出的改进幅度通常要小于第3.1节中基于MODIS数据评估得到的结果,尤其是相关系数R方面。这种差异源于两种评估方法所采用的不同视角。基于MODIS的比较侧重于卫星过境时刻的瞬时空间一致性,而这些时刻通常出现在当地时间的上午晚些时候或下午早些时候,此时地表短波辐射较强,且不存在昼夜变化。因此,这种评估更强调空间模式的一致性,而非时间演变趋势。相反,基于CMA的评估依赖于白天的每小时现场辐射测量数据,旨在评估站点观测值与对应的Himawari-8像素值之间的时间一致性。由于SWR具有明显的昼夜变化规律,这种固有的时间结构使得观测值之间原本就存在较高的相关性,这就限制了定位校正对R值提升的作用。当将比较时间限定在固定的当地时间(例如北京时间14:00)时,校正对时间一致性的影响就更加明显。如表2所示,每小时白天时段评估时的R值平均增幅从约0.03上升到了固定当地时间时的约0.06,而RMSE的相应降幅则较为温和,从12.6瓦特每平方米降到了16.6瓦特每平方米。这一现象解释了为何基于CMA验证得出的整体改进效果看起来比第3.1节中基于MODIS比较的结果要弱。它还表明,定位校正主要提升了卫星像素与实际地表目标之间的空间匹配度,而非改变辐射信号的时间变化特性。此外,CMA站点多分布在相对平坦且海拔较低的地区,这限制了它们在复杂山区充分捕捉由地形引起的空间畸变的能力。因此,仅依靠基于CMA的评估,很难完全展现出在地形起伏较大的地区定位校正的真正效果。这些局限性促使我们进一步探讨地形引起的定位偏差是如何随着空间偏移幅度和局部辐射差异而转化为辐射差异的,这一问题将在下一节中进行详细分析。3.3 空间偏移和辐射差异性的影响为阐明导致辐射反演出现地形误差的物理机制,本节将研究定位偏差的影响如何随以下两个因素而变化:(i) Himawari-8网格位置的空间偏移距离;(ii) 局部辐射的差异程度。通过同时分析改进指标与这两个控制因素之间的关系,本节旨在阐明地形引起的定位偏差是如何与空间辐射变化相互作用,进而影响地球静止卫星SWR产品精度的。3.3.1 空间偏移对SWR校正的影响根据2.3节中描述的校正算法,利用名义像素位置及相应的椭球高度信息,估算了每个Himawari-8网格因地形引起的定位偏差。然后在ECEF坐标系中计算了名义像素位置与实际位移像素位置之间的三维空间偏移距离。提取了130个CMA辐射观测站的偏移距离,以此研究地形校正效果与空间位移幅度之间的关系。如图6所示,定位校正效果的改善与空间偏移距离之间存在清晰且规律性的关联。在130个CMA站点中,相关系数的变化(ΔR)与偏移幅度呈正相关,而RMSE的变化则呈现明显的负相关。图6显示了130个CMA站点基于站点的散点图,通过LOWESS拟合展示了相关系数变化(ΔR;面板a)和RMSE变化(ΔRMSE;面板b)与Himawari-8空间偏移距离之间的关系。根据LOWESS拟合趋势——这种非参数平滑方法可呈现空间偏移与校正性能之间的关联——当空间偏移超过约6公里时,定位校正通常能使相关系数提升0.02以上,同时将RMSE降低10 W m?2以上。中国西部和内蒙古的大部分地区都属于这种大偏移范围,这凸显了在这些区域进行定位校正的必要性。例如,位于青藏高原南部的丁里站(ID 55690),其空间偏移约为9.5公里,校正后R值提升了0.06,RMSE则降低了24 W m?2。我们进一步研究了这些空间偏移的成因,包括地表高程以及卫星观测几何结构,后者表现为CMA站点处观测天顶角的正切值tanVZA。研究发现偏移距离与DEM高程之间存在强相关性(R = 0.94,p < 0.001),这表明地形高度是导致定位偏移的主要因素。此外,tanVZA也与之存在中等但具有统计学意义的相关性(R = 0.48,p < 0.001),说明观测几何结构也会造成观测到的偏移,尤其是在卫星视野边缘区域。这也表明在评估空间偏移效应时不可忽视卫星观测角度。

3.3.2 地方辐射不均匀性对SWR校正的影响除了空间偏移的大小之外,由定位偏移引起的辐射偏差还受到当地地表辐射不均匀性的强烈影响。SWR的空间变化较大的区域对定位误差更为敏感。如图7所示,当Himawari-8 SWR的局部标准差(3×3窗口)低于约40 W m?2时,ΔR和ΔRMSE都保持较小值,说明定位校正带来的好处有限。而当局部辐射变化超过这一阈值时,相关系数和RMSE的改善程度会随着辐射不均匀性的增加而显著提升。图7展示了130个CMA站点基于站点的散点图及LOWESS拟合,同样反映了相关系数变化和RMSE变化与Himawari-8 SWR的局部空间标准差之间的关系。这一规律与图6中的基于偏移的分析相辅相成,图中还根据站点偏离LOWESS趋势的程度对其进行了进一步分类。在相似的偏移距离下,那些改善程度超过趋势值的站点(ΔR ≥ 0.002;n = 16)往往具有较高的辐射不均匀性(平均σrad = 55.0 W m?2),这类站点主要分布在青藏高原东南部以及云贵高原地区,那里的地形容易形成强对流云。而那些改善程度低于趋势值的站点(ΔR ≤ ?0.002;n = 22)的辐射不均匀性则较低(29.9 W m?2),这类站点多集中在中国西北部干旱地区,那里的云层覆盖较少,地表辐射场更为均匀。综合来看,这些结果表明,地形导致的定位偏移为辐射差异提供了几何基础,而局部辐射不均匀性则决定了这类差异在观测到的SWR中的表现程度。一个典型例子是格尔木站(CMA ID 52818),尽管存在相对较大的偏移(约6公里),但由于辐射不均匀性较低(σrad ≈ 35 W m?2),校正效果仍然十分有限。最后,Himawari-8的辐射不均匀性与25公里尺度上的地形标准差存在显著相关性(R = 0.70,p < 0.001),这说明5公里分辨率的Himawari-8像素主要反映的是周围地形的整体复杂度,而非更精细的地形细节。由于辐射不均匀性还会受到云层和气溶胶状况的影响,因此在云层变化较大或气溶胶对比度较强的情况下,定位校正的效果往往更好。

3.3.3 空间偏移与辐射不均匀性对SWR校正的双重影响:基于MODIS的验证由于CMA站点的数量和代表性有限,本研究进一步将分析扩展到像素级别,使用了2017年所有配对的Himawari-8–MODIS图像对。对于每个像素,通过利用所有可用的MODIS过境时间,计算校正后的相关系数变化(ΔR)和RMSD变化(ΔRMSD),以此评估Himawari-8与MODIS观测结果的一致性。图8展示了这些指标与空间偏移距离及局部辐射不均匀性的共同依赖关系。在这一尺度上,R和RMSD依然能够体现每个像素处辐射的时间一致性,这与3.3.1节和3.3.2节中关于空间偏移及局部辐射不均匀性对SWR校正影响的分析一致,只不过此时的采样覆盖度和统计稳健性有了显著提升。图8中,颜色分别表示各区间内的平均ΔR(a)和ΔRMSD(b),数值也已标注出来,其中阴影区域表示样本量小于50的情况。由于相关系数是基于每个像素的时间序列计算得出的,因此基线R值通常较高,这就限制了图8a中ΔR的幅度。在辐射不均匀性较低至中等(< 60 W m?2)且空间偏移较小(< 3公里)的情况下,ΔR的变化也很小(< 0.03)。而一旦空间偏移较大(> 5公里)且辐射不均匀性较高(> 60 W m?2),尤其是在高海拔山区(如青藏高原),ΔR的值会急剧上升,超过50,000个像素的平均ΔR值均超过了0.1。ΔRMSD则体现了与MODIS辐射结果一致性提升的另一指标(见图8b)。可以观察到明显的阶跃式变化,空间偏移和辐射不均匀性越大,RMSD的下降幅度也越大。当两者都较高时,RMSD的降低幅度可达40 W m?2。此外,那些辐射不均匀性处于中等至较高水平(> 35 W m?2)且空间偏移超过2公里的区域,其RMSD的降低幅度通常也超过10 W m?2。像素级分析框架能够捕捉到CMA分析中未能完全体现的情况,尤其是那些空间偏移较大但辐射不均匀性较低的区域。即便在辐射不均匀性较低(< 30 W m?2)的情况下,空间偏移大于5公里的像素仍能展现出显著的改善效果(ΔRMSD = ?11.4 W m?2)。相反,对于空间偏移极小的情况(< 1公里),无论辐射不均匀性如何,校正效果都较为有限,最大降幅也只有6.7 W m?2。不过,对于空间偏移处于中等水平(1–2公里)的情况,即使在辐射不均匀性极高的区域(> 75 W m?2),也能实现显著的改善效果(ΔRMSD = ?14.8 W m?2)。这些结果揭示了空间偏移与辐射不均匀性在控制定位校正效果方面存在的协同且非线性的相互作用,强调了在评估校正性能时需要同时考虑这两个因素。

3.4 与GeoNEX SWR产品的比较在GeoNEX SWR处理流程中,与地形相关的校正是在一级(TOA反射率)阶段进行的,而本研究提出的方法则是直接对二级Himawari-8辐射产品进行校正。这就引出了一个关键问题:定位校正所应用的处理层级是否会影响SWR产品的最终性能?为了解答这一问题,我们使用了2017年所有小时级的过境数据,将原始的Himawari-8 SWR数据、GeoNEX SWR数据(经过一级定位校正)以及经过二级校正的Himawari-8产品,与青藏高原区域(MODIS tile h25v05)的MODIS观测数据进行了对比。共有44组有效的图像三元组被用于比较,每组包含超过20,000个匹配的像素。相关系数(R)和均方根差(RMSD)的分布情况如图9所示。总体而言,GeoNEX产品的性能优于原始的Himawari-8产品(R = 0.68,RMSD = 154.9 W m?2),但仍逊于本研究提出的经过二级校正的Himawari-8产品(R = 0.77,RMSD = 146.9 W m?2)。这些结果表明,二级校正所能达到的性能与一级校正相当,甚至更为优异。通过案例分析发现,在44个案例中有11个案例中,GeoNEX产品的性能优于经过校正的Himawari-8产品,这些案例的原始Himawari-8数据与MODIS数据的一致性较低(平均R = 0.47)。而在其余33个案例中,由于原始数据与MODIS数据的一致性处于中等水平(平均R = 0.64),二级校正的效率始终高于GeoNEX产品。这说明性能差异更多是由于反演算法和不同产品的空间分辨率差异造成的,而非校正阶段的差异。因此,所提出的校正框架可直接应用于二级产品,为提升SWR及其他二级地球静止轨道产品的性能提供了一种灵活的方法。

4 关于定位校正重要性的讨论如3.3节所述,当较大的定位偏移与地表短波辐射的强烈空间不均匀性同时出现时,地球静止卫星观测数据中由地形引发的辐射偏差会最为明显。在中国西部的青藏高原和高山地带,地形导致的定位偏移可能超过10公里,这就引出了一个至关重要但目前尚未得到充分量化的问题:如此大的偏移究竟会如何转化为检索得到的SWR场中的空间畸变和偏差?如图10所示,青藏高原及周边地区拥有大量的光伏发电设施(有2153个大型光伏项目,总装机容量达280,692兆瓦,且均位于海拔1500米以上),同时还分布着大面积的冰川区域,这是极地以外冰川最集中的地区。无论是光伏系统还是冰川的质量平衡过程,都极度依赖于地表短波辐射,这也凸显了准确估算SWR数值的必要性。图10展示了青藏高原及其周边地区海拔1500米以上的大型光伏项目分布情况以及冰川覆盖区域。标记的颜色代表了光伏项目的状态(运行中、建设中或规划中,其中规划中包括前期筹备和已宣布的项目),标记的大小则代表了项目的已安装或计划安装的容量等级(1–200兆瓦、200–1000兆瓦以及超过1000兆瓦)。黑色区域则表示根据Randolph Glacier Inventory(RGI Consortium,2023年数据)划分的冰川覆盖区。其中的黑色框则分别标出了在横断山脉和喜马拉雅山脉中部用于光伏和冰川分析的代表性区域。光伏项目的相关信息来源于Global Solar Power Tracker(Global Energy Monitor,2026年数据)。为了研究实际场景中定位偏差的影响,我们选择了两个具有代表性的区域进行分析:用于太阳能应用研究的横断山脉中北部地区,以及用于研究冰川区域的喜马拉雅山脉中部地区。

4.1 在横断山脉的太阳能资源评估中的应用横断山脉中北部地区涵盖了怒江、澜沧江和金沙江的上游区域,也就是人们常说的“三江并流”地带。该地区拥有全球最为陡峭的高程梯度,不仅是水力发电开发的重要区域,同时也是水电、太阳能和储能系统相结合的综合能源系统的新兴发展热点,如图10所示。为了直观展示定位校正对Himawari-8 SWR反演结果的直接影响,我们选取了2017年温暖季节期间MODIS的实时观测数据以及与之时间匹配的Himawari-8观测数据。选择温暖季节是为了尽量减少冰雪覆盖对地表辐射模式的干扰,从而更清晰地将观测到的空间差异归因于地形导致的定位效应。如图11a所示,基于MODIS数据生成的SWR场呈现出与地表地形结构高度契合的空间分布特征:山脊区域的辐射值普遍较低,而山谷地区的辐射值则较高,这一现象反映了由于山脊处云层较多,地表辐射呈现出与地形相对应的分布特征。相比之下,未经校正的Himawari-8 SWR产品则无法呈现这种与地形匹配的空间结构(见图11b)。本应位于山脊顶部的低辐射区域却系统性地向西偏移,偏离了其真实的地形位置,从而导致辐射模式与高程等值线之间出现了明显的脱节。这种由地形引发的定位偏移使得单个Himawari-8像素中混入了山脊和山谷的辐射信号。图11展示了在复杂山地区域中山脊与山谷辐射模式的对比情况:(a)为MODIS SWR的空间分布,(b)为原始的Himawari-8 SWR空间分布,(c)为经过校正后的Himawari-8 SWR空间分布,(d)为校正后与原始数据之间的差异值(校正值减去原始值),(e)为校正后RMSD的变化情况,(f)为校正后时间相关性的变化情况。图(a)至(f)中的黑色等值线则表示地表高程。红色框标出了用于山脊-山谷分析的子区域。(g) 2017年温暖季节中SWR山谷-山脊差异(V–R Diff,定义为TPI<0的山谷区域与TPI>0的山脊区域之间的平均SWR差异)的季节性变化,该数据通过8天移动窗口进行了平滑处理。虚线水平线分别表示MODIS数据(蓝色)、校正后的Himawari-8数据(红色)以及原始Himawari-8数据(橙色)在温暖季节的平均V–R Diff值。(关于本图例中颜色对应的解释,读者可参阅本文的网络版本。)经过地理定位校正后,SWR与地形之间的空间对应关系得到了显著恢复(图11c)。山谷地区的辐射通常会增强,而山脊地区的辐射则减弱,从而恢复了在MODIS产品中观察到的山谷-山脊对比度(图11d)。与这种视觉上的重新对齐一致,经过校正后,时间相关系数(R)和基于网格的RMSD也有了明显改善(图11e–f)。在整个研究区域内,R值从0.66上升至0.75,而RMSD则从218 W m?2下降至185 W m?2,这表明时间一致性以及与MODIS数据的整体辐射一致性都有所提升。为了进一步量化地理定位校正对地形驱动的辐射对比度的影响,选取了一个地形起伏明显的典型区域(北纬28°–29°,东经98.5°–99.5°)进行山脊-山谷分析。利用地形位置指数(TPI)对山脊和山谷区域进行分类,其中TPI>0表示山脊,TPI<0表示山谷。随后分别针对MODIS数据、未经校正的Himawari-8数据以及经过地理定位校正的Himawari-8数据计算了山谷-山脊SWR差异。如图11g所示,未经校正的Himawari-8 SWR数据呈现出的山脊-山谷对比度较弱且不稳定,在整个温暖季节内都处于较低水平波动。相比之下,经过校正的Himawari-8产品所呈现出的山脊-山谷对比度的季节性变化与MODIS参考数据十分接近,不过7月和8月的幅度略有减小。在整个温暖季节的平均值来看,MODIS数据的山谷-山脊SWR差异为88.7 W m?2,这一数值与经过校正的Himawari-8产品的数值(71.8 W m?2)相当,但远高于未经校正的产品的数值(10.8 W m?2)。剩余的差异(约17 W m?2)主要出现在7月到8月期间,此时季风带来的云层不均匀性增加了空间变异性。尽管MODIS数据已重采样为5公里分辨率,但由于其原本就具有1公里的分辨率,因此能够保留更精细的结构,从而使得山脊-山谷对比度更强。而Himawari-8即使在经过校正之后,也倾向于平滑这些变化,从而导致对比度幅度降低。在云层活动较弱的6月和9月,这种效应有所减弱,两种数据集之间的差异也较小。这种山脊-山谷对比度偏差并非Himawari-8所特有,Himawari-9也存在类似问题,这也为之前在青藏高原地区进行的地表辐射评估中出现系统性低估现象提供了一个合理的解释(Zhang等人,2025年)。由于该地区的辐射观测站大多位于山谷地带,因此基于站点数据的验证结果本质上更容易出现负向的山谷偏差。这些区域性的研究结果证实,与仅基于CMA站点数据进行验证相比,地理定位校正在高原和山区带来的好处要更为显著。这种校正不仅提升了整体辐射数据的准确性,更重要的是,它还恢复了与复杂地形相对应的真实空间辐射模式。这一发现对于青藏高原高海拔地区的太阳能应用有着直接的意义,因为那里的太阳能资源丰富,温度较低,而且还可以实现水能和太阳能的互补利用,因此太阳能发电厂正在那里迅速扩建。通常,光伏发电装置会优先安装在山脊或上坡地带,而未经校正的地球静止卫星SWR产品会导致地表辐射数据平均被高估约30 W m?2,在正午附近,局部偏差甚至可达到约90 W m?2,如图11d所示。这样的偏差会导致对太阳能资源潜力的系统性高估,进而使能源规划不够合理。因此,经过地理定位校正的地球静止卫星SWR产品为高原地区的可再生能源评估以及综合能源系统设计提供了更加可靠的依据。4.2. 中兴喜马拉雅山脉冰川上的SWR校正地形引起的地理定位偏差可能会对冰川能量平衡的估算产生重大影响。冰川分布区域通常位于高海拔地区,那里地形引起的地理定位位移最为明显。为说明这一效应,选择中兴喜马拉雅山脉(东经82°–88°,北纬27°–31°)作为具有代表性的冰川分布区域(图12a)。下载:下载高分辨率图像(545KB)下载:下载全尺寸图像图12. (a) 中兴喜马拉雅山脉的地形图;(b) 2017年温暖季节北京时间14:00时,冰川像素处的平均ΔSWR值(校正值减去原始值)。灰色线条表示3000米海拔等高线,黑色区域则表示冰川(RGI Consortium,2023年)。图12b展示了2017年温暖季节北京时间14:00时,冰川像素上因地理定位校正而产生的SWR变化的空间分布情况。经过校正后,大部分冰川区域的SWR值都有明显下降。具体而言,61.5%的冰川像素在校正后的辐射值有所降低,平均降低值为80.6 W m?2,这意味着相对于校正后的数值,原始数据平均高估了约15%。这与4.1节中的情况类似,即未经校正的短波辐射(SWR)产品由于地形引起的位移,往往会系统性地高估山脊区域的辐射值。由于在融化季节,地表短波辐射是冰川融化的主要能量来源(Yang等人,2011年),因此这种系统性的辐射高估可能会导致对冰川融化的过度估计,进而造成对冰川质量平衡的误解。因此,纠正这种偏差有助于更好地模拟山区的冰川融化和质量平衡状况。5. 结论与未来工作像Himawari-8这样的地球静止卫星能够提供具有高时空分辨率的地表短波辐射(SWR)产品。然而,在复杂的地形条件下,它们的精度可能会受到地形引起的像素地理定位位移的严重影响——这一误差源在之前的辐射研究中并未得到足够重视。本研究表明,纠正地形引起的地理定位位移对于提升中国西部地区的地球静止卫星SWR产品精度至关重要,而在青藏高原地区的效果尤为显著。无论是与MODIS数据的卫星间比较,还是与CMA观测数据的验证,都表明考虑地理定位位移能够显著提高辐射数据的一致性,尤其是在高海拔地区。更重要的是,研究结果表明,在高海拔山区,地理定位位移不仅仅是引入随机噪声,还会通过在单个像素内混合山脊和山谷的信号,从根本上扭曲地表辐射的空间分布模式。这类扭曲会掩盖由真实地形决定的辐射对比度,因此对于需要精确地表短波辐射数据的光伏能源估算以及冰川表面能量平衡建模来说尤为重要。此外,我们还证实了在二级SWR阶段直接进行校正的有效性。这样一来,我们就可以直接对现有的辐射产品进行校正,而无需从一级数据开始重新获取。所提出的框架可以应用于其他具有不同观测几何结构和空间分辨率的地球静止卫星系统,还可以扩展到云层特性和地表温度等其他变量。地理定位位移的幅度会随着卫星的观测几何结构和空间分辨率的不同而变化。在青藏高原地区(北纬27°–42°,东经80°–105°),Himawari-8卫星(东经140.7°)的平均位移为0.077°,GK-2A卫星(东经128.2°)的平均位移为0.050°,FY-4B卫星(东经105°)的平均位移为0.028°,随着卫星观测点逐渐接近该地区,位移幅度呈非线性下降趋势。在更高空间分辨率下,这种效应更为明显,因为相同的几何位移会覆盖更多的像素。这表明,对于高分辨率的地球静止卫星辐射产品来说,地理定位校正尤为重要。综上所述,纠正地形引起的地理定位位移应被视为生成和应用地球静止卫星SWR产品过程中的必要步骤。除了地理定位位移之外,地形还会引发一系列辐射效应,这些效应会贯穿整个数据反演过程,影响到大气顶部的辐射通量/反射率以及L2级SWR产品。这些效应源于光照几何结构、地形遮蔽作用以及云层与地形的相互作用,它们会在观测数据和产品层面带来额外的不确定性。未来的研究应该将这些辐射过程纳入一个物理上一致的反演框架中,以便更好地区分几何效应和辐射效应,从而提高复杂地形条件下的产品精度。关于在手稿准备过程中使用生成式AI和AI辅助技术的情况说明在撰写本文档时,作者使用了ChatGPT来改进英语语法和文本可读性。在使用该工具之后,作者根据需要对内容进行了审阅和编辑,并对最终发表的文章内容承担全部责任。CRediT作者贡献声明王康舍:写作——审阅与编辑,写作——初稿撰写,可视化,方法学,正式分析。邵长坤:写作——审阅与编辑,资源收集,概念构思。唐文军:写作——审阅与编辑,资源收集,资金筹集。朱国鹏:写作——审阅与编辑,资金筹集。庞增强:写作——审阅与编辑,资金筹集。刘通飞:写作——审阅与编辑,资金筹集。梁水宝:写作——审阅与编辑,资金筹集。杨坤:写作——审阅与编辑,方法学,概念构思。王康舍|邵长坤|唐文军|朱国鹏|庞增强|刘通飞|梁水宝|杨坤
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号