《Renewable Energy》:Impact of circumsolar irradiance and aerosol optical depth on CAMS surface solar irradiance estimates
编辑推荐:
下行地表太阳辐照度(DSSI,即全球水平辐照度GHI)数据在太阳能技术等领域至关重要,被列为可再生能源的基本气候变量(ECV)。GHI由束法向辐照度(BNI)和散射水平辐照度(DHI)构成,其中BNI包含来自太阳盘面和太阳周围区域的辐照度。哥白尼大气监测服
下行地表太阳辐照度(DSSI,即全球水平辐照度GHI)数据在太阳能技术等领域至关重要,被列为可再生能源的基本气候变量(ECV)。GHI由束法向辐照度(BNI)和散射水平辐照度(DHI)构成,其中BNI包含来自太阳盘面和太阳周围区域的辐照度。哥白尼大气监测服务(CAMS)辐射服务基于McClear晴空模型提供开放获取的GHI、BNI和DHI数据,但McClear目前未考虑太阳周围辐照度的影响。已有研究指出,未考虑太阳周围辐照度是McClear估算的潜在误差来源,但尚未提出解决方案。Eissa等人提出的太阳周围辐射参数化模型仅需束辐照度和散射辐照度作为输入,最初基于沙漠环境开发,其在全球多样化气候区域和气溶胶类型中的适用性尚未得到验证。因此,本研究的目的是对Eissa等人太阳周围辐射模型进行全球尺度验证,超越其原始开发背景,并评估太阳周围辐射修正和CAMS气溶胶光学厚度(AOD)不确定性对CAMS辐射服务McClear晴空模型BNI和DHI估算的影响。研究人员构建了一个数据集,包含来自基线地表辐射网络(BSRN)24个站点的高质量GHI、BNI和DHI测量数据、相应的McClear估算值,以及来自气溶胶机器人网络(AERONET)的太阳光度计参考气溶胶光学特性数据。研究人员采用严格的晴空检测算法,仅保留晴空条件下的数据进行分析。随后应用Eissa等人的太阳周围辐射模型,并将其与McClear估算值进行整合,以评估其全球验证效果以及该变量对McClear性能的影响。进而评估了AOD误差与GHI、BNI和DHI误差之间的关系。
**论文解读**
**一、研究背景与问题**
下行地表太阳辐照度(DSSI),即全球水平辐照度(GHI),是到达地球表面水平面的半球状下行太阳辐照度在整个电磁谱上的宽带积分值。GHI数据在太阳能技术、国家政策制定以及太阳能系统并网规划与监测等领域具有重要应用价值,已被列为可再生能源的基本气候变量(ECV)。GHI由束法向辐照度(BNI)和散射水平辐照度(DHI)两个分量组成。其中,BNI指源于以太阳位置为中心的小立体角内、接收在与太阳光线垂直的平面上的宽带辐照度,包含太阳盘面(角半径约0.266°)内的辐照度和来自更大太阳周围区域的太阳周围法向辐照度(CSNI)。世界气象组织(WMO)建议测量BNI的直射辐射表(pyrheliometer)具有2.5°的孔径半角(aperture half-angle),但并非所有野外设备均遵循此建议。DHI则是指到达水平面的散射半球状下行太阳宽带辐照度,其测量值通常排除来自与BNI测量相同立体角的太阳周围水平辐照度(CSHI)。
由于高质量地面实测站点在时间和空间上十分稀缺——仪器成本高昂、需定期维护和校准、安装选址受限以及数据采集与质量控制存在挑战——在缺乏实测数据的站点,研究者需依赖于提供此类数据的模型。CAMS辐射服务由欧洲中期天气预报中心(ECMWF)实施,基于McClear晴空模型,通过查找表(look-up table)和插值函数方法模拟辐射传输代码libRadtran,免费提供晴空和全天条件下的GHI、BNI、束水平辐照度(BHI)和DHI数据。然而,McClear模型目前在其估算中未考虑太阳周围辐照度。libRadtran模拟的BNI将太阳盘面视为狄拉克δ函数(Dirac-delta function),不包含CSNI,因此McClear BNI预计会被低估;而libRadtran模拟的DHI包含来自全天空的散射辐射,包括CSHI,因此McClear DHI预计会被高估。
已有研究将未考虑太阳周围辐照度报告为McClear BNI估算的潜在误差来源,但此前未提出解决方案。Eissa等人开发的太阳周围辐射参数化模型仅需束辐照度和散射辐照度作为输入,最初是在沙特阿拉伯太阳村和阿尔及利亚塔曼拉塞特两个沙漠站点利用libRadtran模拟数据建立模型系数的。虽然该模型在两个沙漠站点的有效性已得到验证,但其在全球多样化气候区域和气溶胶类型中的适用性尚未得到探索。
因此,本研究设定了三个核心研究问题:第一,Eissa等人最初为晴空沙漠环境开发的CSNI参数化模型能否有效应用于具有不同气溶胶特征的不同地理环境?第二,若适用,太阳周围辐照度修正在多大程度上能改善全球尺度上McClear BNI和DHI的估算?第三,CAMS AOD固有误差对McClear性能的影响如何?
**二、研究开展与意义**
研究人员构建了名为ABC-Rad的数据集,整合了来自BSRN 24个站点的高质量GHI、BNI和DHI测量数据(1分钟平均值)、相应的McClear晴空估算值,以及来自AERONET的太阳光度计(Sun photometer,CIMEL Electronique CE-318型)参考气溶胶光学特性数据。站点筛选标准包括:AERONET与BSRN站点水平距离不超过500米,且2004年之后存在重叠的地面测量数据。24个站点分布于除南极洲外的所有大陆,涵盖热带、温带、干旱、极地和海洋等多种气候类型。研究人员利用CAMS综合预报系统成分模块(IFS-COMPO,Integrated Forecasting System composition module)模拟的沙尘AOD与总AOD的比值来表征各站点沙尘气溶胶的贡献程度。
研究采用严格的晴空检测算法,该算法基于实测GHI与修正Lambert-Beer晴空辐照度模型在移动时间窗口内的相关性,采用多尺度(15、30、60和120分钟)策略,通过依赖于太阳天顶角余弦的容忍参数动态调整检测阈值,仅保留晴空条件下的数据进行分析。经晴空筛选的BSRN数据与质量保证的AERONET数据(Level 2,Version 3 Direct Sun Algorithm产品)按最大1分钟时间差进行时间匹配,再与1分钟分辨率的McClear数据进行匹配。利用King和Byrne的二阶多项式拟合法将AERONET多波长AOD插值至550 nm,以匹配McClear模型的输入波长。
研究人员将Eissa等人的太阳周围辐射模型应用于McClear估算值:分类计算天空晴空度(SC,sky clearness),据此反演对应孔径半角(2.5°或2.9°,取决于各站点直射辐射表的实际孔径半角)的太阳周围贡献(CSC,circumsolar contribution),进而计算CSNI和CSHI,对McClear BNI和DHI进行修正。模型的三个系数集(ο, ρ, ν)基于两个沙漠站点的综合数据建立,适用于不同SC范围。验证采用均方根误差(RMSE)、偏差(bias)、偏差标准差(standard deviation of deviations)和相关系数(CC,correlation coefficient)作为统计指标。
本研究的科学意义在于:首次在全球尺度上系统验证了Eissa等人太阳周围辐射模型在非沙漠环境中的适用性,量化了太阳周围辐射修正对McClear BNI和DHI估算的影响程度,并揭示了CAMS AOD误差是制约McClear性能提升的关键因素,为CAMS辐射服务的潜在业务化改进提供了明确的科学依据和方向。
**三、关键技术方法概要**
本研究基于BSRN 24个全球分布站点的1分钟分辨率GHI、BNI和DHI地面实测数据,以及对应AERONET站点Level 2质量保证AOD数据,构建了ABC-Rad联合数据集。采用基于修正Lambert-Beer模型与实测GHI相关性的多尺度(15/30/60/120分钟移动窗口)晴空检测算法筛选晴空样本。利用King和Byrne二阶多项式拟合法将AERONET多波长AOD插值至550 nm。应用Eissa等人的参数化太阳周围辐射模型,基于McClear BNI和DHI计算天空晴空度SC并反演太阳周围贡献CSC,对McClear BNI和DHI分别进行CSNI加回和CSHI扣除的修正。验证采用RMSE、偏差、偏差标准差和相关系数等统计指标,并利用最小二乘(LS)仿射回归、主成分分析第一轴(PCA)和稳健仿射回归进行综合分析。
**四、研究结果**
**(1)Eissa等人太阳周围辐射模型的全球尺度验证**
对于BNI,在合并所有站点样本的情况下,未考虑CSNI时偏差为?1.5%,偏差标准差为7.4%,RMSE为7.5%,相关系数为0.946;加入CSNI后所有指标均改善,偏差变为?0.4%,偏差标准差降至7.2%,RMSE降至7.2%,相关系数升至0.948。偏差标准差改善了1.7 W m
?2,虽非显著改善,但表明加入的CSNI并非随机噪声,而是切实提升了McClear BNI数值。每个独立站点的偏差标准差和相关系数均表现出改善。沙尘AOD占总AOD比例最大的两个站点XIA(中国香河)和GOB(纳米比亚戈巴贝布)展现出最大的CSNI贡献。
对于DHI,改善更为显著:合并所有站点样本时,未考虑CSHI时偏差为19.0%,偏差标准差为26.3%,RMSE为32.4%,相关系数为0.837;扣除CSHI后偏差降至13.1%,偏差标准差降至24.4%,RMSE降至27.7%,相关系数保持0.837。22个站点在偏差标准差和相关系数上均表现出改善。
采用等权站点统计(各站点统计量取等权平均)的方法排除了大样本站点主导统计结果的可能性。通过分析各站点偏差标准差和相关系数改善量与平均总AOD或沙尘AOD占比的关系,未发现任何明显的系统性模式,表明太阳周围辐射改善效果与站点气溶胶类型无显著依赖关系。这回答了第一个研究问题:Eissa等人模型可有效应用于多样化环境以量化太阳周围辐照度。
**(2)太阳周围辐照度对McClear的影响**
密度散点图(scatter density plot)显示,修正后的BNI配对样本沿恒等线(identity line)均匀分布,高密度区域落在恒等线上。修正后偏差由?1.5%改善至?0.4%(偏差变化+8.6 W m
?2),偏差标准差由7.4%改善至7.2%,RMSE由7.5%改善至7.2%,相关系数由0.946升至0.948。修正后BNI误差的相对频率曲线的峰值向零点方向移动。
对于DHI,修正后配对样本在恒等线附近散射相对较大,较大值时模型值被低估,较小值时则相反。修正后偏差由19.0%降至13.1%(变化5.9%),偏差标准差由26.3%降至24.4%(变化1.9%),RMSE由32.4%降至27.7%(变化4.7%)。误差相对频率曲线同样向零点方向移动。
研究人员还对SC计算偏差对太阳周围辐射修正的敏感性进行了评估:使用BSRN实测值计算CSNI和CSHI的修正结果与使用McClear值计算的结果差异很小,表明最终辐照度估算对该不确定性来源具有稳健性。
GHI验证结果显示偏差为1.3%,偏差标准差为2.9%,RMSE为3.2%,相关系数为0.998,性能远优于BNI和DHI,这是由于束辐照度和散射辐照度误差相互抵消所致。
值得注意的是,太阳周围辐射修正系统性地增大BNI、减小DHI,但这并非简单的偏移量。对于BNI,24个站点中有14个站点的偏差在修正后更接近零点,其余10个站点在修正前已存在正偏差,加入CSNI后偏差向正向更远离零点。对于DHI,17个站点偏差改善,剩余7个中有5个在修正前偏差为负,扣除CSHI后偏差向负向更远离零点。这回答了第二个研究问题:太阳周围辐照度修正确实改善了全球尺度上McClear BNI和DHI估算,但偏差改善方向取决于修正前的偏差符号。
基于上述结果,研究人员建议晴空模型在其BNI和DHI反演中纳入太阳周围辐照度的考虑,并指出使用Eissa等人模型时忽略不同站点主导气溶胶物种的差异是可接受的,因为各站点偏差标准差和相关系数的改善量与平均总AOD或沙尘AOD占比之间未显示相关性。
**(3)CAMS AOD对McClear的影响**
CAMS AOD与AERONET参考AOD(550 nm)的比较显示:偏差为15.7%,偏差标准差为64.0%,RMSE为65.9%,相关系数为0.896。CAMS AOD性能在偏差和偏差标准差方面与平均AERONET AOD和?ngstr?m指数(440–870 nm,?ngstr?m Exponent,气溶胶粒径分布的替代指标)之间未观察到依赖性。对AOD分箱(bin宽度0.1)的分析表明,0至0.1的AOD区间样本最多,存在约40%的正偏差且该区间的参考值相对不确定性最高(约20%–40%)。随后AOD区间的偏差接近零,而AOD值较大的区间则呈现负偏差,但这些区间的样本数量极少(仅1%的AERONET样本AOD大于0.64),限制了高气溶胶负荷条件下结论的统计显著性。
经太阳周围辐射修正后的BHI误差和DHI误差与AOD误差之间存在强相关性。密度散点图清晰展示了这一关系:AOD高估时BHI通常被低估而DHI被高估,反之亦然。然而,DHI误差图中较高的离散度也可能归因于?ngstr?m指数、吸收?ngstr?m指数、气溶胶单次散射反照率(aerosol single scattering albedo)和相函数(phase function)等其他变量。McClear GHI误差远小于BHI和DHI误差,再次印证了束辐照度和散射辐照度误差相互补偿的效应。这回答了第三个研究问题:CAMS AOD误差对McClear性能的影响不可忽略,AOD是制约McClear束辐照度和散射辐照度估算精度的主要驱动因素。
**五、讨论总结与研究结论**
研究在全球尺度上系统分析了太阳周围辐照度和AOD对CAMS辐射服务McClear晴空模型BNI和DHI估算的影响。Eissa等人太阳周围辐射修正的应用改善了所有24个站点的McClear反演结果,表明该模型的可适用性超出了其原始开发的沙漠型气溶胶范畴,支持其在CAMS辐射服务中潜在的简化业务化实施方案。经过CSNI修正后,BNI的偏差标准差改善0.2%,RMSE改善0.3%,相关系数从0.946升至0.948,偏差从?1.5%移至?0.4%;DHI的改善更为显著:偏差标准差改善1.9%,RMSE改善4.7%,偏差从+19.0%降至+13.1%。
尽管进行了太阳周围辐射修正,McClear与BSRN测量值之间的剩余偏差仍与CAMS模拟AOD的误差强烈相关,表明AOD是影响束辐照度和散射辐照度建模偏差与离散度的主要不确定性来源。当前CAMS AOD呈现高离散度(偏差标准差64.0%)和总体15.7%的正偏差。CAMS AOD正通过逐次周期持续演进,因此未来研究可进一步探讨不同波长和不同周期下CAMS AOD的准确性及其对太阳辐照度估算的影响。同时,作为进一步研究,可使McClear模型分别使用CAMS AOD和AERONET AOD运行两次以进行更精确的效果对比。
研究结论译文如下:针对CAMS辐射服务McClear估算值及潜在的模型扩展的业务化实施,研究人员在全球范围内分析了太阳周围辐照度和气溶胶光学厚度对束辐照度和散射辐照度的影响。应用Eissa等人的太阳周围辐射修正改善了所有站点的McClear反演结果,该全球尺度验证表明该模型的可适用性超出了其原始开发的沙漠型气溶胶范畴。对于CSNI修正后的BNI,偏差标准差改善0.2%,RMSE改善0.3%,相关系数从0.946升至0.948,偏差从?1.5%移至?0.4%。DHI的改善更为显著:偏差标准差改善1.9%,RMSE改善4.7%,偏差从+19.0%降至+13.1%。这些结果支持在CAMS辐射服务中进行潜在的简化业务化实施。尽管进行了太阳周围辐射修正,McClear与BSRN测量值之间的剩余偏差仍与CAMS模拟AOD的误差强烈相关,表明AOD是影响建模束辐照度和散射辐照度偏差与离散度的主要驱动因素。当前CAMS AOD呈现高离散度(偏差标准差64.0%)和总体15.7%的正偏差。CAMS AOD正通过逐次周期持续演进,因此未来研究可进一步探讨不同波长和不同周期下CAMS AOD的准确性及其对太阳辐照度的影响。