气象卫星遥感地表温度推算近地表气温方法研究

气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数.多年来气温数据以离散的常规气象站点观测为主,连续分布的格点气温数据则以站点资料插值而得到,分辨率低,无法反映地形等下垫面因素对局地气温的影响,在农业气候区划等研究中具有一定的局限性.随着卫星遥感地表温度算法的日趋成熟,为探讨卫星遥感地表温度数据在气温观测中的可能性和可行性,利用全中国2340个站点1998 2007年的逐旬平均最高气温数据,以及相应时段的NOAA/AVHRR旬最高地表温度数据,以线性回归及拟合模型为主,通过考虑植被指数、土地覆盖类型、季节、风速、气压、降水等各类影响因子,建立了旬最高地表温度与旬平均最高气温间的推算模型,并利用未参与建模的2002-2003年的常规气象站点气温数据,同时与推算气温和插值气温结果进行对比分析.结果表明,利用卫星遥感地表温度数据推算的旬值气温数据可取得较高的精度,尤其在地形复杂地区以及站点稀疏地区精度明显高于插值气温结果.     

基于极轨卫星的贵州日最低气温遥感推算初探

日最低气温是判断作物是否遭受低温冷害的主要因子,开展日最低气温推算在作物低温冻害保险理赔服务中具有实际应用意义。本研究以贵州省为例,选取了2016年2月10、2023年1月31日（代表冬季）和2017年4月1日（代表春季）贵州省范围内的小时气温、遥感反演的夜间地表温度、地表高程、遥感水汽含量等多源数据,对数据进行预处理和质量控制后,采用相关分析法分析了不同数据与日最低气温的线性相关关系,利用相关性显著的地表温度、经度、纬度、水汽含量和高程数据构建了3个不同日期的日最低气温线性推算模型。经验证数据验证,使用线性显著参数构建的最优多元线性回归模型推算的2016年2月10、2017年4月1日和2023年1月31日的最低气温平均绝对误差（MAE）分别为1.224℃、0.894℃和1.727℃,均方根误差（RMSE）分别为1.518℃、1.201℃和2.132℃。表明采用夜间过境的卫星遥感地表温度对推算当日的日最低气温具有较好的效果,该工作对于低温农业保险应用具有一定的实用前景。     

河北省高速公路路面温度变化特征及预报模型

利用2010年1月至2011年12月邯长、京秦高速公路涉县、玉田南北2监测站和所在气象站观测资料,统计分析南北2站路面温度与气温的日变化特征及路面最高温度与气象因子的关系,基于多元回归分析方法建立逐月路面温度预报方程,并进行精度检验。结果表明,路面温度的日变化不但与季节、天空状况有关,还与地理位置密切相关。路面最高温度受多种气象因子的影响,与前一日路面最高温度、最高气温、能见度呈显著正相关,与总云量、低云量、相对湿度呈显著负相关,其中与最高气温的相关性最显著;路面最低温度与最低气温呈显著线性相关。基于路面最高温度预报方程的检验精度,玉田站年平均为77.5%,涉县为79.2%,可为今后路面最高温度预报提供参考。     

万年县夏季裸露土壤地表最高温度特征浅析

本文基于万年县1981-2010年夏季逐日观测场裸露地表最高温度、日最高气温和降水等25个气象因子的历史观测资料,分析了裸露土壤地表最高温度的变化特征。结果显示:地表最高温度与日最高气温有着明显的同步变化趋势,地表最高温度出现时间一般比日最高气温出现的时间要早;地表最高温度平均值7月最高,6月最低,8月居中;6、8月地表最高温度整体呈下降趋势,7月地表最高温度整体呈上升趋势;地表最高温度受日最高气温的影响最大,受降水、云量和日照的影响也比较明显,受相对湿度、风等的影响相对较小。     

利用任意时刻AVHRR资料近似估计

根据表征土壤温度日变化的土温方程一阶近似解,提出一种利用一日中任意时刻NOAA-AVHRR图像数据估计地表温度日较差的简易推算方法.该方法尤其可用于反演土壤含水量的计算,当图像数据的时次与热惯量法所要求的最高、最低温度时次配不准的情况下,近似地估计地表温度日较差,进而计算地表热惯量及相应的土壤含水量.用实例验证了该方法的可行性,为进一步推广应用奠定基础.     

基于机器学习的光伏功率预测模拟方法研究

为了丰富贵州西部光伏电站的功率预测思路与方法,利用2019—2021年贵州西部5个光伏电站发电功率、气象要素、卫星反演辐照度、地面观测辐照度数据,分析光伏功率的时间演变和与卫星反演辐照度、地面观测辐照度的相关性。利用前80%样本数据为测试集,剩余数据为预测模拟模型的检验集,利用机器学习中的BP、GRNN神经网络算法和测试集分别对5个电站建立光伏功率预测模拟模型。利用检验集和光伏电站的检验方法对各个模型进行效果验证,并对比不同算法不同站点间的预测模拟效果。结果表明,BP、GRNN算法在5个光伏电站的功率预测模拟中平均日准确率在90%左右,标准化均方误差在0.07~0.12,且FY-4A反演辐照度参与建立的光伏功率预测模拟模型较地面观测辐照度参与建立的模型效果更佳,能够为光伏功率预测提供一种参考方案和思路。     

基于多源遥感数据的辽宁地表温度反演及空间分布研究

以辽宁地表温度为研究对象,采用普适性单通道算法,利用FY-3A/MERSI数据,并结合MODIS 1000 m分辨率数据,反演了2009年和2010年4-9月间10个时次晴空或局部晴空时的地表温度。结果表明：计算验证了模型的反演精度与同期NASA所发布MODIS地表温度产品的精度相当,其结果与相应的56个气象站点的实际观测数据相一致。多源遥感数据的综合应用,可获得较合理的地表温度反演结果;不同土地覆盖类型间地表温度的高低在相同时间内存在显著差异;研究期内,林地、水田、旱地和建设用地的NDVI与地表温度具有负相关性。综合利用遥感、地理信息系统技术,可以表征地表温度与土地利用类型以及地表温度与归一化植被指数(NDVI)之间的关系。     

MODIS地表温度产品与实测资料对比分析

陆面温度是研究地表和大气之间物质交换和能量交换的重要参数。本文通过NASAMODIS地表温度产品与常规资料的分析,发现利用MODIS资料反演的地表温度在山西省分布情况与实测资料基本一致,但应用MODIS资料反演的地表温度要小于实测数据。     

基于MODIS数据的金塔绿洲地表温度反演

地表温度(LST)是气象、水文、生态等研究领域中的一个重要参数.本文对MODIS数据的分裂窗算法进行了简要的介绍,并利用MODIS数据计算反演了地表温度所需的关键参数:大气透过率和地表比辐射率,然后运用分裂窗算法反演了金塔绿洲地区的地表温度,并与地面实测数据进行了对比分析.结果表明,这一方法能获得较合理的地表温度,符合金塔绿洲的实际地表状况.     

利用任意时刻AVHRR资料近似估计区域地表温度日较差的试验

根据表征土壤温度日变化的土温方程一阶近似解，提出一种利用一日中任意时刻NOAA－AVHRR图像数据估计地表温度日较差的简易推算方法。该方法尤其可用于反演土壤含水量的计算，当图像数据的时次与热惯量法所要求的最高、最低温度时次配不准的情况下，近似地估计地表温度日较差，进而计算地表热惯量及相应的土壤含水量。用实例验证了该方法的可行性，为进一步推广应用奠定基础。     

基于EC细网格数值预报产品的太阳辐照度订正技术

太阳辐照度与光伏电站发电功率密切相关,其预报的准确性直接影响发电功率预报的准确性。根据光伏电站太阳辐照度实况、气象站实况、WRF(Weather Research and Forecast Model)模式辐照度预报、EC细网格数值预报以及太阳理论辐照度,利用逐步回归法开展太阳辐照度预报订正研究,得到以下结论:①太阳辐照度实况与太阳理论辐照度的比值与EC细网格数值预报中气象要素的相关性优于太阳辐照度实况与气象要素的相关性;②不同时刻影响太阳辐照度的气象因子存在差异,通过逐步回归法建立不同时刻太阳辐照度预报模型;③在非晴天情况下,回归预报辐照度相对均方根误差比WRF模式预报辐照度降低10%左右,减小了辐照度预报误差。该研究成果在光伏电站的新能源数值预报服务中有一定的应用价值。     

天津生态城太阳辐射特征分析及算法评估

利用2014年8月14日—2015年8月12日天津市生态城太阳能观测站和同期气象观测资料，统计分析生态城太阳辐射特征，并对各向同性和各向异性两种倾斜面太阳辐射计算模型的精度和误差来源进行评估，结果表明：生态城水平面和倾斜面曝辐量在月均值、季节和年总量上存在较大差异，利用水平面太阳辐射进行光伏发电预估会存在误差；太阳辐射日变化特征受不同天气条件的影响，电站需根据天气情况调整发电策略，尤其应注意多云或阴天造成的发电功率的间歇性和不稳定；两种计算模型精度相当，整体计算效果较好，引入直射比分段计算函数的不确定性是造成计算误差的主要原因。     

2001-2012年北京市空气污染指数节气分布及其与气象要素的关系

利用2001年1月1日-2012年12月31日北京市空气污染指数资料和地面气象观测数据,对北京市API的节气变化特征及其与气象因子在节气尺度上的相关关系进行统计分析。结果表明：2001-2012年北京市春季和冬季分别以清明和小雪节气API最高,空气质量最差;立秋节气API最低,空气质量最好。春分至霜降节气空气首要污染物是PM₁₀,SO₂作为首要污染物出现在立冬~大寒和立春~惊蛰节气,小寒达到最大。温度、风速和相对湿度是影响北京空气质量主要气象因子,立春~谷雨主要受气压影响,立冬~大寒受相对湿度和日照时数影响较大,立夏~霜降与平均气温和最低气温显著相关,风速主要影响春秋节气。     

南京地区太阳能屋顶缓解夏季高温的模拟研究

太阳能屋顶的安装预计能在一定程度上缓解城市化带来的能源危机及对城市热环境的破坏。利用耦合了城市单层冠层方案（UCM）的WRF模式,以南京2010年7月27日至8月5日夏季晴天微风天气为背景,模拟了不同发电效率的太阳能屋顶的安装对城市高温的缓解效应。结果表明:（1）太阳能屋顶可以通过削弱到达城市表面的太阳辐射使城市2 m高气温降低,随着发电效率的提高,降温效果更明显,且白天降温效果明显优于夜间;白天2 m高气温最大降低0.4-1.3℃,夜间降低0.2-0.5℃。（2）太阳能屋顶可使边界层内气温降低,白天在边界层400 m以下降温显著,夜间在边界层高度200 m以下降温显著;白天边界层内最大降温出现在中午前后,降温0.1-0.8℃,夜间边界层内最大降温0.5℃。（3）发电效率为40%时,模拟期间的发电量为18.1×109 kW·h。      

北京奥运交通路段精细预报

利用2007年6月1日-9月30日北京奥运交通路段27个自动气象站（含9个路面自动气象站）的监测资料,对各自动气象站的气象要素与北京市观象台同期气象要素进行统计相关分析,得出97个一元线性关系式,其各气象要素的相关系数（最高气温为0.9103~0.9884,最低气温为0.8777~0.9883,相对湿度为0.7499~0.9682,路面环境最高气温与路面最高温度为0.8502~0.9288,路面环境最低气温与路面最低温度为0.9171~0.9851）均通过F_α=0.01的检验。2008年8月北京奥运会期间,在北京市气象台短期预报产品的基础上,根据线性回归关系式,生成交通路段客观预报产品,并应用于服务。     

北京地区主要气象要素与冬季供暖关系研究

为了分析气象要素与供暖之间的关系,选取北京市观象台2009年供暖季期间日平均气温、相对湿度、日总辐射量、日平均风向和风速作为气象因子,将北京市海园物业供热单位的供、回水温度和供回水温度差代表供暖温度,进行了相关分析。结果表明,日平均气温与供、回水温度呈明显的负相关,分别达到-0.75和-0.62。日平均湿度与其的负相关次之,分别为-0.41和-0.47,日平均风速与上述供、回水温度的相关性较小。同时分析了各气象要素日平均值与供、回水温度及供回水温度差之间的对应关系,制定了各气象要素日平均值所对应的供、回水温度及其供回水温度差的表。利用各日平均气象要素的供回水温度调节运行作业表,各供暖单位可以根据不同天气条件直接定量控制供热量或下达供、回水温度指令。     

Fengyun-4 Geostationary Satellite-Based Solar Energy Nowcasting System and Its Application in North China

Surface solar irradiance (SSI) nowcasting (0–3 h) is an effective way to overcome the intermittency of solar energy and to ensure the safe operation of grid-connected solar power plants. In this study, an SSI estimate and nowcasting system was established using the near-infrared channel of Fengyun-4A (FY-4A) geostationary satellite. The system is composed of two key components: The first is a hybrid SSI estimation method combining a physical clear-sky model and an empirical cloudy-sky model. The second component is the SSI nowcasting model, the core of which is the derivation of the cloud motion vector (CMV) using the block-matching method. The goal of simultaneous estimation and nowcasting of global horizontal irradiance (GHI) and direct normal irradiance (DNI) is fulfilled. The system was evaluated under different sky conditions using SSI measurements at Xianghe, a radiation station in the North China Plain. The results show that the accuracy of GHI estimation is higher than that of DNI estimation, with a normalized root-mean-square error (nRMSE) of 22.4% relative to 45.4%. The nRMSE of forecasting GHI and DNI at 30–180 min ahead varied within 25.1%–30.8% and 48.1%–53.4%, respectively. The discrepancy of SSI estimation depends on cloud occurrence frequency and shows a seasonal pattern, being lower in spring–summer and higher in autumn–winter. The FY-4A has great potential in supporting SSI nowcasting, which promotes the development of photovoltaic energy and the reduction of carbon emissions in China. The system can be improved further if calibration of the empirical method is improved.     

太阳能光伏发电预报方法的应用效果检验与评价

基于湖北省气象新能源研究中心光伏电站一年完整的发电数据与同期气象资料,对辐射和发电功率短期预报方法进行检验分析,结果表明:(1)太阳辐射度预报与实况有很好的对应关系,相关系数在0.77以上,均通过a=0.001的显著性水平检验。(2)光伏发电功率预报的短期方法中,以模式辐照度订正值代入光电转换模型的方法最优,预报第一天的相对均方根误差为0.16。(3)太阳辐射预报及光伏发电功率预报随太阳高度角变化而呈一定的规律性,冬季中午误差最大,夏季晚上误差最小;阴雨天气误差明显高于晴天。如何降低阴雨天气预报时的误差将是下一步工作中需要研究的重点。     

Simulation and Regionalization of Daily Global Solar Radiation: A Case Study in Quebec,Canada

Global solar radiation (GSR) is essential for agricultural and plant growth modelling, air and water heating analyses, and solar electric power systems. However, GSR gauging stations are scarce compared with stations for monitoring common meteorological variables such as air temperature and relative humidity. In this study, one power function, three linear regression, and three non-linear models based on an artificial neural network (ANN) are developed to extend short records of daily GSR for meteorological stations where predictors (i.e., temperature and/or relative humidity) are available. The seven models are then applied to 19 meteorological stations located across the province of Quebec (Canada). On average, the root-mean-square errors (RMSEs) for ANN-based models are 0.33–0.54?MJ?m^?2?d^?1 smaller than those for the power function and linear regression models for the same input variables, indicating that the non-linear ANN-based models are more efficient in simulating daily GSR. Regionalization potential of the seven models is also evaluated for ungauged stations where predictors are available. The power function and the three linear regression models are tested by interpolating spatially correlated at-site coefficients using universal kriging or by applying a leave-one-out calibration procedure for spatially uncorrelated at-site coefficients. Regional ANN-based models are also developed by training the model based on the leave-one-out procedure. The RMSEs for regional ANN models are 0.08–0.46?MJ?m^?2?d^?1 smaller than for other models using the same input conditions. However, the regional ANN-based models are more sensitive to new station input values compared with the other models. Maps of interpolated coefficients and regional equations of the power function and the linear regression models are provided for direct application to the study area.