Py学习  »  机器学习算法

国际顶刊 IF=15.9 | 大气所首次利用风云 4A 卫星和机器学习估算中国高分辨率太阳能光伏资源图

气象学家 • 2 年前 • 529 次点击  

  第一时间获取气象科研资讯

气象学家公众号交流群

加入


国际顶刊 IF=15.9 | 大气所首次利用风云 4A 卫星和机器学习估算中国高分辨率太阳能光伏资源图

中国科学院大气物理研究所施红蓉博士等联合哈尔滨工业大学能源科学与工程学院和中国气象局卫星气象中心合作者,利用风云四号A星(FY-4A)光谱成像仪数据,结合机器学习方法构建了中国地区高时空分辨率(4km/15min)地表太阳辐射数据集,进一步基于光伏模型链,获得了中国地区光伏有效辐射资源分布图,表明中国西北地区最大年有效辐射能超过1700 kWh/m2。
静止气象卫星空间覆盖示意图
太阳能资源评估是高效利用光伏资源的重要前提,迫切需要高时空分辨率太阳辐射数据。地面站点可提供长期且精度较高的观测数据,但站点分布稀疏、空间覆盖欠缺;再分析资料可提供时空覆盖完整的全球格点化数据,但时空分辨率较粗、精度较低,不能满足精细资源评估需求;搭载在新一代静止气象卫星的光谱成像仪显著提升了光谱、时间和空间分辨率,可反演获得公里/分钟级地表太阳辐射,为太阳能资源评估提供了新手段。新一代静止气象卫星风云四号的发射为我国太阳能资源评估和短临预报提供了新的契机,解决了日本葵花卫星 Himawari-8 和欧洲 Meteosat-9 在中国地区不完全覆盖问题和卫星观测边缘精度下降问题。
光伏有效辐射模型链示意图
近日,中国科学院大气物理研究所联合哈尔滨工业大学、中国气象局卫星气象中心,利用风云四号A星(FY-4A)光谱成像仪数据,结合机器学习方法构建了中国地区高时空分辨率(4km/15min)地表太阳辐射数据集,进一步基于光伏模型链,获得了中国地区光伏有效辐射资源分布图,表明中国西北地区最大年有效辐射能超过1700 kWh/m2。研究表明新一代静止气象卫星在太阳能资源评估中的广阔应用前景,有望显著促进我国光伏太阳能能源发展和利用。
相关研究成果收录在国际顶刊Renewable and Sustainable Energy Reviews中。研究工作得到大气所“十四五”基础科研新兴研究人工智能方向项目和国家自然科学基金重点项目的支持。

来源

信息来源:大气物理研究所

文章引用

Shi, H., Yang, D., Wang, W., Fu, D., Gao, L., Zhang, J., ... & Xia, X. (2023). First estimation of high-resolution solar photovoltaic resource maps over China with Fengyun-4A satellite and machine learning. Renewable and Sustainable Energy Reviews, 184, 113549.https://doi.org/10.1016/j.rser.2023.113549IF: 6.4  Q1 







声明:欢迎转载、转发本号原创内容,可留言区留言或者后台联系小编(微信:gavin7675)进行授权。气象学家公众号转载信息旨在传播交流,其内容由作者负责,不代表本号观点。文中部分图片来源于网络,如涉及作品内容、版权和其他问题,请后台联系小编处理。


往期推荐

 获取ERA5-Land陆面高分辨率再分析数据(32TB)

 1942-2022年中国地面气象站观测数据免费分享

 获取全球GPM降水数据,半小时/逐日(4TB)

 获取1998-2019 TRMM 3B42逐日降水数据

★ 获取最新版本CMIP6降尺度数据集30TB

★ 获取ERA5常用变量再分析数据26TB

 EC数据商店推出Python在线处理工具箱

★ EC打造实用气象Python工具Metview

★ 机器学习简介及在短临天气预警中的应用

★ Nature-地球系统科学领域的深度学习及理解

★ 采用神经网络与深度学习来预报降水、温度

★ 灵魂拷问:ChatGPT对气象人的饭碗是福是祸?

★  气象局是做啥的?气象局的薪水多少?

★ 一位气象学家尝试ChatGPT复现Nature子刊的研究,他真的会面临失业吗?!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/158715