首页|期刊导航|沙漠与绿洲气象|基于多源数据融合的江苏省地表太阳辐射机器学习反演研究

基于多源数据融合的江苏省地表太阳辐射机器学习反演研究OA

中文摘要

针对我国东部气溶胶—云交互作用显著区域观测数据不足的问题,构建了融合风云四号卫星(FY-4A)与ERA5再分析资料的XGBoost机器学习模型,实现了江苏省地表太阳辐射的高精度反演。基于2023年逐小时观测数据,集成FY-4A的14个光谱波段反射率、太阳天顶角及ERA5大气参数等18个特征变量,建立时、空分辨率分别为4 km、1 h的反演模型,并利用17个地面站点进行验证。结果表明:(1)模型整体反演精度均方根误差为128.17 W/m²,相关系数为0.90,训练集与测试集误差差异<15%,显示出良好的泛化能力;(2)反演精度呈现显著季节差异,春季最优(RMSE=91.46 W/m²),秋季最差(RMSE=130.62 W/m²),与气溶胶光学厚度季节变化密切相关;(3)空间异质性分析显示,城市站点平均误差较农村站点高23.6%,证实人类活动对辐射传输的扰动效应;(4)时序检验表明模型能有效捕捉晴空(相关系数0.92)和层云(相关系数0.91)条件下的辐射变化,对积云快速演变过程的响应存在1~2 h滞后。模型精度较传统物理模型提升约30%,较极轨卫星数据同化方案时间分辨率提高4倍。

汤铭;程昕云;毕思博;王智慷;刘喆;林亮

国网江苏省电力有限公司信息通信分公司,江苏南京210000国网江苏省电力有限公司信息通信分公司,江苏南京210000国网江苏省电力有限公司信息通信分公司,江苏南京210000国网江苏省电力有限公司信息通信分公司,江苏南京210000国网江苏省电力有限公司信息通信分公司,江苏南京210000南京信息工程大学,江苏南京210044

天文与地球科学

机器学习FY-4A卫星XGBoost地表太阳辐照度

《沙漠与绿洲气象》 2026 (4)

P.184-192,9

国网江苏省电力有限公司科技项目(J2024078)。

10.12057/j.issn.2097-6801.2507.08295

评论