專家顧問：中國科學院大氣物理研究所研究員夏祥鰲、副研究員施紅蓉，國家衛星氣象中心高級工程師高玲

碳中和目標背景下，加快發展光伏發電等可再生能源是我國構建清潔低碳、安全高效能源體系的重大舉措，未來光伏等新能源在能源結構中的占比將顯著增加。我國的太陽能總輻射資源豐富，高效利用太陽能資源離不開對其分布的準確評估。

中國科學院大氣物理研究所聯合哈爾濱工業大學和國家衛星氣象中心，利用風云四號A星（FY-4A）光譜成像儀數據，基于機器學習方法和光伏模型鏈，首次估算了中國地區光伏有效輻射資源分布情況，為太陽能資源評估提供了新的技術手段。

風云四號氣象衛星帶來數據新突破

太陽能資源評估主要依賴太陽輻射數據。“目前，太陽輻射數據主要來源分為三類，包括地面氣象站點觀測數據、再分析資料和衛星遙感反演資料。”施紅蓉介紹，地面站點可提供長期且精度較高的觀測數據，但由于站點分布較稀疏，觀測數據的空間覆蓋嚴重缺失；再分析資料可提供時空覆蓋完整的全球格點化數據，但時空分辨率不高，不能滿足太陽能資源精細評估所要求的數據需求；太陽輻射數據效果最好的就是衛星遙感反演資料，它可以提供全球范圍的數據，且時空分辨率較高。

我國新一代靜止氣象衛星風云四號的發射給太陽能監測和預報提供了新的觀測手段。其中，風云四號衛星搭載的光譜成像儀顯著提升了光譜、時間和空間分辨率，可反演獲得公里/分鐘級地表太陽輻射，完美解決了日本葵花衛星Himawari-8和歐洲Meteosat-9在中國地區不完全覆蓋和衛星觀測邊緣精度下降的問題。

機器學習帶來方法新發展

當前，針對衛星遙感資料反演地面輻射的方法一般分為物理方法和經驗方法，前者極度依賴氣溶膠和云特征反演的準確性，后者則本質上為回歸算法。機器學習方法近年來被廣泛應用于回歸問題，相比于傳統回歸算法，其能夠挖掘更為復雜的回歸關系。研究團隊在進行機器學習時融合了中國氣象局和中國科學院太陽輻射觀測站點的數據，增大了機器學習的目標學習樣本，這也是推動技術研發的一大特點。

光伏有效輻射資源分布圖帶來產品新提升

基于新數據采用機器學習的方法，研究團隊最終獲得了4公里-15分鐘時空分辨率的中國光伏資源地圖，為光伏資源開發利用和規劃布局提供了全新的高精度產品。

當前，我國太陽能資源分布不均勻，總體呈“高原大于平原、西部干燥區大于東部濕潤區”的特點。其中，青藏高原最為豐富，四川盆地光伏資源相對缺乏。從年平均光伏資源分布結果來看，在西部大部分地區，年平均有效輻照度超過1700千瓦時/平方米，其中西藏的年平均有效輻照度最高，約為2000千瓦時/平方米；東部地區的年有效輻照度僅為1300–1500千瓦時/平方米，太陽能資源最貧乏的地區是四川盆地，每年不足1100千瓦時/平方米。

太陽能短臨預報面臨的新挑戰

光伏太陽能的間接性和不穩定性是太陽能并網利用中的一道難題。到達地表的太陽光極易受到云等天氣的影響，進而影響光伏輸出功率，使其呈現顯著波動。

除了發展新能源儲能等技術之外，發展太陽能短臨預報技術可以提供準確的太陽輻射預報，是提高太陽能利用率的有效途徑。夏祥鰲介紹，研究團隊前期通過風云四號光譜成像儀數據，建立了太陽輻射短臨預報系統，其核心技術是通過預測云運動矢量，預報未來3小時內地表太陽輻射場。結果表明，預測值和觀測值在時空分布較為接近，在華北地區具備良好的適用性。

風云氣象衛星在太陽能資源評估和預報中的廣闊應用前景，將促進我國光伏太陽能能源發展和利用。光伏太陽能資源估算技術也將依托衛星遙感技術提升時空分辨率，并融合衛星遙感、氣象觀測和數值模擬數據等不同數據源，獲得更高精度的數據產品。