基于Angstrom-Prescott模型和空间插值的山东省月太阳辐射再估算

doi:10.3976/j.issn.1002-4026.2020.03.014

山东科学 ›› 2020, Vol. 33 ›› Issue (3): 93-99.doi: 10.3976/j.issn.1002-4026.2020.03.014

基于Angstrom-Prescott模型和空间插值的山东省月太阳辐射再估算

王仁政¹，单正垛¹，王建新¹，孟赫²,宫响^1*

1.青岛科技大学数理学院，山东青岛 266061；2.青岛环境监测中心站，山东青岛 266000

出版日期:2020-05-29 发布日期:2020-06-01
通信作者: 宫响（1977—），博士，副教授，研究方向为太阳能资源估算及神经网络应用。Tel：13210086655,E-mail:gongxiang@qust.edu.cn
作者简介:王仁政（1995—），男，硕士研究生，研究方向为太阳辐射。E-mail:2818622577@qq.com
基金资助:
国家自然科学基金(41406010)

Monthly solar radiation re-estimation in Shandong based on Angstrom-Prescott model and spatial interpolation

WANG Ren-zheng¹, SHAN Zheng-duo¹, WANG Jian-xin¹, MENG He², GONG Xiang^1*

1.School of Mathematics and Physics,Qingdao University of Science and Technology, Qingdao 266061, China; 2.Qingdao Environmental Monitoring Center, Qingdao 266000, China

Online:2020-05-29 Published:2020-06-01

摘要/Abstract

摘要： 基于Angstrom-Prescott模型和空间插值法构建了山东省各地的月太阳辐射估算方法，并利用山东省3个国家站（济南、莒县和福山）和菏泽、聊城、淄博及青岛的辐射观测数据验证了估算方法的准确性。首先利用山东省3个国家站1992年—2015年的辐射与日照百分率观测数据，采用最小二乘法拟合得到不同月份Angstrom-Prescott模型系数并以2016年观测数据验证。其次，分别使用不同空间插值法对菏泽、聊城、淄博和青岛进行太阳辐射估算并根据结果选择最优空间插值法。最后，将该方法与其他文献方法进行对比分析。2016年国家站的月太阳辐射估算结果显示其月平均σMRE约为3.5%，σ_RMSE在17 MJ/m²~24 MJ/m²，因此该A-P系数具有较高的准确性。在菏泽、聊城、淄博及青岛4站的估算中选定误差最小(σ_MRE约为7.22%，σ_RMSE约16 MJ/m²~69 MJ/m²)的最小曲率法作为最优空间插值法。与其他文献方法对比的结果表明，基于Angstrom-Prescott模型和空间插值法估算月太阳辐射准确度较高，可应用于其他区域月太阳辐射的估算。

关键词: 月太阳总辐射, Angstrom-Prescott模型, 空间插值, 山东省

Abstract: Based on the Angstrom-Prescott model and spatial interpolation method, an estimation method of monthly solar radiation in Shandong Province is constructed herein, and the accuracy of the proposed method is verified using the radiation observation data from three national stations （Jinan, Juxian, and Fushan） and those from Heze, Liaocheng, Zibo, and Qingdao. First, based on the observation data of radiation and sunshine percentage between 1992 to 2015 from the three national stations, the Angstrom-Prescott model coefficients (A-P coefficients) in different months are obtained using the least square fitting method and verified using the observation data in 2016. Then, the solar radiation in Heze, Liaocheng, Zibo, and Qingdao is estimated using different spatial interpolation methods, and an optimal spatial interpolation method is selected based on these results. Finally, this method is compared with other methods in literature. The estimation results of monthly solar radiation in the national stations in 2016 show that the monthly average σMRE is approximately 3.5%, and the monthly average σ_RMSE is approximately 17 MJ/m²~24 MJ/m², proving that the A-P coefficient has a high accuracy. From the estimation results of monthly solar radiation in Heze, Liaocheng, Zibo, and Qingdao stations, the minimum curvature method with the least error (σ_MRE is approximately 7.22%, σ_RMSE is approximately 16 MJ/m²~69 MJ/m²) is selected as the optimal spatial interpolation method. Compared with other methods in literature, results show that the accuracy of monthly solar radiation estimation based on the proposed method is higher, and it can be extended to other regions.

Key words: total monthly solar radiation, Angstrom-Prescott model, spatial interpolation, Shandong Province

中图分类号:

TK511

王仁政, 单正垛, 王建新, 孟赫, 宫响. 基于Angstrom-Prescott模型和空间插值的山东省月太阳辐射再估算 [J]. 山东科学, 2020, 33(3): 93-99.

WANG Ren-zheng, SHAN Zheng-duo, WANG Jian-xin, MENG He, GONG Xiang. Monthly solar radiation re-estimation in Shandong based on Angstrom-Prescott model and spatial interpolation [J]. Shandong Science, 2020, 33(3): 93-99.

参考文献 18

1	HELWA N H, BAHGAT A B G，SHAFEE M R E，et al. Computation of the solar energy captured by different solar tracking systems [J]. Energy Sources, 2000, 22(1):35-44. doi: 10.1080/00908310050014199
2	HAMMER A, HEINEMANN D, HOYER C, et al. Solar energy assessment using remote sensing technologies [J]. Remote Sensing of Environment, 2003, 86(3): 423-432. doi: 10.1016/s0034-4257(03)00083-x
3	KIMBALL H H. Variations in the total and luminous solar radiation with geographical position in the United States [J]. Monthly Weather Review, 1919, 47(11): 769-793. doi: 10.1175/1520-0493(1919)472.0.CO;2
4	ANGSTROM A. Solar and terrestrial radiation [J]. Quarterly Journal of Royal Meteorological Society, 1924, 50: 121-126. doi: 10.1175/1520-0493 (1924)522.0.CO;2
5	PRESCOTT J A. Evaporation from a water surface in relation to solar radiation [J]. Transactions of the Royal Society of South Australia, 1940, 64: 114-125.
6	左大康,王懿贤, 陈建绥. 中国地区太阳总辐射的空间分布特征[J]. 气象学报, 1963(1):78-96.
7	翁笃鸣. 试论总辐射的气候学计算方法[J]. 气象学报, 1964(3):304-315.
8	孙治安,施俊荣,翁笃鸣. 中国太阳总辐射气候计算方法的进一步研究[J]. 南京气象学院学报, 1992(2): 21-29. doi: 10.13878/j.cnki.dqkxxb.1992.02.003
9	张焕平,汪青春,张占峰. 青海玉树地区太阳能资源特征及开发利用建议[J]. 青海科技, 2011(6): 10-15. doi: 10.3969/j.issn.1005-9393.2011.06.004
10	桑建人,刘玉兰,郑玲. 宁夏太阳能资源的气候学计算及时空分布特征[J]. 宁夏工程技术, 2007(2): 108-112. doi: 10.3969/j.issn.1671-7244.2007.02.003
11	朱飙,李春华,方锋. 甘肃省太阳能资源评估[J]. 干旱气象, 2010, 28(2): 217-221. doi: 10.3969/j.issn.1006-7639.2010.02.018
12	董旭光. 山东省太阳能资源评估[D]. 兰州: 兰州大学, 2009.
13	崔日鲜. 山东省太阳总辐射的时空变化特征分析[J]. 自然资源学报, 2014, 29(10): 1780-1791. doi: 10.11849/zrzyxb.2014.10.013
14	林瑞英. 山东省太阳总辐射月总量的计算[J]. 气象, 1982, 8(7): 20-21. doi: 10.7519/j.issn.1000-0526.1982.7.012
15	王建源,冯建设,袁爱民. 山东省太阳辐射的计算及其分布[J]. 气象科技, 2006, 34(1): 98-101. doi: 10.3969/j.issn.1671-6345.2006.01.019
16	IZIOMON M G, MAYER H. Assessment of some global solar radiation parameterizations [J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2002, 64(15): 1631-1643. doi: 10.1016/S1364-6826(02)00131-1
17	鞠晓慧,屠其璞,李庆祥. 我国太阳总辐射气候学计算方法的再讨论[J]. 南京气象学院学报, 2005, 28(4): 516-521. doi: 10.3969/j.issn.1674-7097.2005.04.011
18	LIU X Y, MEI X R, LI Y Z, et al. Calibration of the Angstrom-Prescott coefficients (a, b) under different time scales and their impacts in estimating global solar radiation in the Yellow River basin [J]. Agricultural and Forest Meteorology, 2009, 149(3): 697-710. doi: 10.1016/j.agrformet.2008.10.027

[1]	刘建军, 孙开争, 公华林, 朱玉玲. 山东省植被NPP时空变化特征及气候影响分析[J]. 山东科学, 2024, 37(5): 103-110.
[2]	王琛, 赵燕清, 张铭君. 面向山东省数字经济政策文本的量化评价研究[J]. 山东科学, 2024, 37(5): 111-121.
[3]	冷振宁, 刘丹, 邴梦瑶, 侯元免, 侯元同. 六种山东省新记录植物[J]. 山东科学, 2024, 37(5): 89-94.
[4]	李万英, 段婉莹, 李瑞, 冉志芳, 周洁, 方磊. 山东省济南市市中区中药资源现状调查[J]. 山东科学, 2023, 36(6): 22-27.
[5]	邹瑾, 李君, 高理. 气候变暖下山东省月尺度极端降水的时空变化特征[J]. 山东科学, 2023, 36(4): 104-113.
[6]	石亮,解玲,曲畅游,孙莹,颜士慧,王聪聪,辛晓伟. 山东野生植物新记录3种[J]. 山东科学, 2022, 35(1): 14-17.
[7]	赵奉熙, 任昭杰. 山东植物一新记录种——白花碎米荠[J]. 山东科学, 2021, 34(3): 33-35.
[8]	辛晓伟, 王聪聪, 高德民, 步瑞兰, 曲畅游. 山东野生植物新记录八种[J]. 山东科学, 2019, 32(3): 113-117.
[9]	李明, 任昭杰, 周淑诺, 杨晓燕, 吴晓明, 姜明媛, 冯磊, 高燕. 山东苔藓植物一新记录目——烟杆藓目Buxbaumiales[J]. 山东科学, 2019, 32(1): 124-126.
[10]	冯英梅，李新泰. 山东省综合交通可达性与星级酒店水平测度及空间格局研究[J]. 山东科学, 2018, 31(5): 64-73.
[11]	季小妹,石峰,周艾文,范琳 . 基于物质流分析的山东省资源利用压力动态评价[J]. 山东科学, 2018, 31(1): 96-.
[12]	陈长英，杨秀红，姜树明. 山东省智能交通投资绩效综合评估方法[J]. 山东科学, 2015, 28(6): 93-100.
[13]	辛晓伟，步瑞兰，高德民. 山东省野生及归化植物新记录[J]. 山东科学, 2015, 28(4): 79-82.
[14]	宋杰鲲，栾龙，陆悠悠，张冬. 山东省能源-经济-环境系统模糊机会约束目标规划模型[J]. J4, 2013, 26(6): 92-100.
[15]	季小妹, 石峰, 贾永飞. 基于熵权法的山东省各地市政府环境作为评价[J]. J4, 2013, 26(5): 111-116.

基于Angstrom-Prescott模型和空间插值的山东省月太阳辐射再估算

Monthly solar radiation re-estimation in Shandong based on Angstrom-Prescott model and spatial interpolation

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献 18

相关文章 15

Metrics

本文评价

推荐阅读 0