煤､石油和天然气等常规能源将在一二百年内面临枯竭, 按目前开采速度, 世界原油将在40年后全部耗尽, 天然气将在63年后耗尽, 而煤在147年后也将耗尽^[1], 一些发达国家未雨绸缪, 已开始制定应对传统能源危机的可持续发展战略, 研发太阳能､风能等新能源｡近几年, 全世界太阳能电池的生产量平均每年增长40%, 2004年全世界太阳能电池生产总量达到1×10⁹ W^[2], 同期世界石油产量与消费年均增速分别只有1.8%和1.7%^[3]｡按2003年的能源消费总量计算, 我国常规能源仅够满足90年使用, 急需开发太阳能等新能源, 以应对国民经济发展迫切的能源需求, 并减缓二氧化碳､甲烷等温室气体排放｡为广泛有效利用太阳能, 科学评估我国各地区太阳能资源可利用量, 必须了解我国太阳辐射精细分布状况｡

目前, 研究太阳辐射的方法主要有地面台站观测､卫星遥感和数值模拟研究｡地面台站观测具有时间连续的优点, 但台站空间分布离散, 一般采用地理空间插值的方法弥补, 带有较大的插值误差, 尤其是站点稀疏地区｡20世纪80年代, 朱瑞兆等^[4]利用辐射台站资料获得我国太阳辐射分布基本特征, 结果表明:我国太阳辐射总体特征西高东低, 青藏高原是我国太阳辐射最强区域, 但其研究空间分布精度较低｡近年来, 于贵瑞等^[5]､何洪林等^[6]以MTCLIM模式为基础, 结合辐射､气象站点信息, 采用参数化､地学空间插值方法获得我国太阳总辐射空间分布状况, 空间分辨率有所提高｡李晓文等^[7]利用台站资料研究表明:1961—1990年我国太阳总辐射和直接辐射呈减小趋势, 认为大气中悬浮颗粒浓度增加是引起部分地区直接辐射量下降的可能原因｡在卫星遥感辐射方面, 傅炳珊等^[8]利用我国东南沿海地区探空站的资料, 建立晴空状况下卫星测值与大气中各高度太阳直接辐射和散射辐射的统计模式｡卫星遥感资料空间分布连续, 但时间分布是间断的; 另外, 数据质量易受天气条件影响, 当前技术对地面太阳辐射状况的反演还存在一定困难｡

数值模拟方法越来越广泛应用于资源环境领域的评估研究, 有效弥补了台站观测的空间不连续性与卫星遥感资料时间频次及反演问题｡王炳忠^[9]系统说明了太阳辐射的计算方法, 研究分析了理想状态下影响太阳辐射的主要因子, 地理纬度､海拔高度等是影响太阳辐射的重要因子｡针对太阳辐射缺测区域的辐射研究, 前人主要采用数值模拟的方式进行, 基于当前辐射观测网资料, 反演获得辐射模型经验系数, 在此基础上结合日照､温度等气象常规资料, 计算获得太阳总辐射量, 扩展太阳辐射资料空间密度^[10-14]｡张云林等^[12]采用最小二乘法结合上海､南京､杭州3站多年历史资料, 内插获得无锡太阳辐射气候学计算方法经验系数, 并结合日照资料反演太阳辐射｡杨羡敏等^[13]利用日照等气象站资料拟合我国黄河流域太阳总辐射｡曾燕等^[14]发展了太阳辐射分布式模型, 基于数字高程模型 (DEM), 结合反距离插值法､内插法将气象站模拟结果推广到1km分辨率, 获得较细致的太阳直接辐射空间分布｡前人的研究主要基于辐射气候计算方法结合经验系数法探讨太阳辐射, 而采用系统的中尺度气象模式模拟并结合最优插值法研究太阳辐射的方法未见著于文献, 本文采用这一方法研究我国太阳辐射特征, 侧重于对整体气象场的模拟, 本身结果也存在一定误差, 但随着机制逐步完善及计算技术不断发展, 模拟精度､准确度都将会逐步提高｡

本文主要利用欧洲中期天气预报中心 (ECM-WF) 再分析资料 (ERA40) 驱动高分辨率中尺度气象模式MM5V3.6^[15], 采用敏感性分析方法挑选参数化方案, 在模式结果充分验证的基础上, 精细模拟过去几十年我国太阳辐射, 结合最优插值法改进辐射模拟效果, 并利用GIS平台进行统计分析获得我国太阳辐射高精度时空分布特征, 制作完成1:400万我国太阳辐射分布形势挂图^[16]｡

本文采用观测资料验证模式模拟结果, 并为最优插值等技术方法提供数据源, 以将观测信息融入到模式中｡相关观测资料主要为1975—1997年辐射资料, 变量包括总辐射､散射辐射和直接辐射等, 涉及台站122个, 站点分布如图 1所示｡1991—1993年是我国辐射观测站换代时期｡1993年前全国所有辐射观测台站所使用的辐射观测仪器为热电型 (康铜､锰钢焊接)､感应面 (普通黑漆) 仿苏式辐射仪, 相对误差为10%;1993年及以后全国所有辐射观测台站均使用我国研制的热电型 (绕线型康铜镀铜)､感应面 (专用光学黑漆) 全自动遥测辐射仪, 相对误差为0.5%^[17]｡

图 1

图 1. 我国太阳辐射站点分布图 Fig 1. The location of the solar radiation observation in China

对辐射资料的质量控制主要考虑内部一致性检查及气候学极值检查^[18]｡内部一致性考虑3点:日总辐射曝辐量≥日散射辐射曝辐量; 日总辐射曝辐量≥日水平面直接辐射曝辐量; 日总辐射曝辐量与日散射辐射曝辐量及日水平面直接辐射曝辐量之和的偏差的绝对值≤日总辐射曝辐量的20%｡同时观测资料不超出气候学界限值 (根据辐射观测记录规范定义), 超过气候学界限制值的辐射观测数据定义为不合格记录｡质量控制表明辐射资料集不合格记录远小于1%, 质量可靠｡

本文利用MM5模式模拟太阳辐射在我国的时空分布特征｡模式模拟区域选用兰伯特保角投影, 两条标准纬线分别为:30°N和60°N, 中心点位于30.0°N, 103.0°E, 网格距为30km, 纬向208个格点, 经向195个格点, 模拟区域覆盖我国全境｡MM5模式的初始边界条件取自ECMWF再分析资料ERA40, 网格分辨率为2.5°×2.5°, 时间间隔为6h｡本文从天气学角度､以连续个例“链接"方式获得几十年辐射模拟结果, 每个例模拟36h, 取后24h模式结果研究太阳辐射特征｡

采用敏感性分析方法, 模拟比对不同组合物理参数化方案太阳辐射模拟效果, 挑选合适的参数化方法模拟我国长期太阳辐射状况^[19]｡①依据经验挑选不同物理参数化方案, 考虑不同组合:积云参数化方案考虑适合30km的Anthes-Kuo和Grell方案, 显式水汽方案考虑简单冰相､混合相及Schultz的微物理过程3种方案, 而辐射方案考虑云辐射及CCM2两种方案, 行星边界层方案考虑高分辨率BlackadarPBL和MRFPBL方案, 通过不同组合形成24个物理参数化方案｡②挑选单个例模拟36h, 取后24h结果, 通过与所有站点辐射观测模拟效果比对, 挑选6个模拟性能较佳方案｡③挑选四季典型日期 (1997年春分､夏至､秋分､冬至) 分别采用挑选获得的6个物理参数化方案, 对比不同方案统计性能参数及散点图, 挑选出两个性能较优的物理参数化方案｡④针对挑选获得的两个物理参数化方案, 采用连续个例的方式模拟1个月, 对比方案对辐射模拟效果差异, 尤其是辐射时间变化规律模拟效果, 挑选最终参数化方案｡本文最终选用的积云参数化方案为Grell方案, 显示微物理过程采用简单冰相方案, 大气辐射方案采用云辐射方案, 行星边界层物理参数方案采用MRF方案, 土壤温度模型则采用5层土壤模型方案｡

在获得我国长时间序列辐射模拟结果的基础上, 采用最优插值方法优化模式对太阳辐射模拟效果｡最优插值方法是由Eliassen^[20]提出, 计算量相对较小, 是一种优化模式模拟效果的分析方法｡本文采用离线最优插值方法将1975—1997年的月总辐射量资料融入到MM5模式模拟结果中, 优化MM5模式辐射模拟效果｡图 2为最优插值前后全国所有站点23年月辐射总量模拟实测散点图, 样本剔除含有缺省观测月辐射总量｡图 2a为最优插值前MM5模式模拟的月辐射总量模拟效果, 图中大部分散点集中在y=x直线附近, 模拟效果良好, 但同时存在总体偏高趋势; 图 2b为最优插值同化后模拟的月辐射总量模拟效果, 散点更集中在y=x直线上, 较大幅度地减小模拟偏高程度｡表 1为最优插值前后月辐射总量模拟误差统计参数｡

图 2

图 2. 1975—1997年最优插值前后月辐射总量模拟效果对比 (a) 最优插值前, (b) 最优插值后 Fig 2. The scatter diagram of simulated solar radiation before and after optimal interpolation from 1975 to 1997 (a) before optimal interpolation, (b) after optimal interpolation

表 1

表 1 最优插值前后月辐射总量模拟值与实况之间的偏差及误差变化 Table 1 The deviation and error between simulated monthly solar radiation and the obsreved one before and after the optimal interpolation

表 1 最优插值前后月辐射总量模拟值与实况之间的偏差及误差变化 Table 1 The deviation and error between simulated monthly solar radiation and the obsreved one before and after the optimal interpolation

由图 2及表 1可知, 采用最优插值后, 月辐射总量模拟效果提高显著, 最优插值后的平均标准误差8.53%, 平均标准偏差为3.45%, 满足太阳能评估的需要, 采用气象模式长期模拟并经过最优插值修订的辐射模拟值基本可信｡

本文采用中尺度气象模式MM5及最优插值技术长期模拟, 获得具有较高时空分辨率的我国太阳辐射数据集, 利用GIS平台对数据集进行统计分析､制图, 最终获得1975—1997年平均年太阳辐射总量分布图 (图 3), 空间统计分析结果显示全国平均年总辐射量为5648.6 MJ·m^-2｡

图 3

图 3. 1975—1997年我国平均年太阳辐射总量分布 Fig 3. The spatial distribution of the annual solar radiation in China averaged from 1975 to 1997

如图 3所示, 我国年太阳辐射总量分布总体上呈现明显西高东低的特征:以内蒙古中西部—宁夏—甘肃西北部—四川西部—云南西北部为分界线, 该分界线以西的大部分地区年太阳辐射总量在6000 MJ·m^-2以上, 而分界线以东地区年太阳辐射总量小于6000 MJ·m^-2｡本文获得的太阳辐射这一总体分布特征与前人研究结果^[4-6]较为一致, 但空间精度较为细致｡

与此同时, 西部地区年太阳辐射总量呈南高北低的纬向分布特征, 以西藏南部 (除东南部的山南地区)､青海柴达木盆地的太阳辐射最高, 这一特征主要受地理纬度､海拔高度双重因素影响｡太阳辐射最丰富的西藏西南部 (阿里等地区) 年太阳辐射总量高达8520 MJ·m^-2, 这是由于该地区海拔高度高, 大气光学路径短, 太阳辐射在大气层传输过程中的损失少, 因而到达地面的太阳短波辐射较强｡青海柴达木盆地太阳辐射次之, 而后是新疆塔里木盆地—吐鲁番盆地一带, 而准噶尔盆地太阳辐射相对较低, 但年太阳辐射总量依然在5000 MJ·m^-2以上, 可开发价值依然较大｡新疆天山附近地区､西藏山南地区是西部地区太阳辐射低值区｡其中, 山南地区处于喜马拉雅山脉南麓, 海拔高度变化大, 潮湿的印度季风分支经过, 暖湿气团遇山爬绕形成强烈降水, 该地区云雨天气较多, 云雨天气带来的大量中低云削弱了太阳辐射到达地面的总量^{[4, 9]}｡

东部地区以华北年太阳辐射总量最大, 东南､东北地区太阳辐射相对较低｡地理纬度较低的东南地区年太阳辐射总量小于华北地区, 说明影响东部地区太阳辐射分布的主要因子是大气环流造成的云量分布, 东南地区受海洋潮湿气流影响, 中低云量较多, 削弱到达地面的太阳辐射, 甚至出现多个辐射低值小中心, 与当地复杂地形､气候特征有关, 东南地区属于多山-丘陵地形, 容易产生地形降水等局地天气系统, 间接影响太阳辐射到达地面的总量｡东北地区由于其地理纬度较高, 太阳辐射低于华北地区, 另一方面, 东北地区年太阳辐射总量呈现明显纬向分布特征, 地理纬度不同引起的太阳高度角差异对该地区的太阳辐射分布起主导作用｡四川盆地是我国太阳辐射低值区, 该地区处于青藏高原东麓南北两股绕流的交绥处, 天气系统活动较多, 云雨较多, 大大削弱了太阳辐射到达地面的总量｡

相对于前人研究, 本研究空间精度较高, 同时结合GIS平台获得我国各省份年太阳辐射总量及关注区域地市一级年太阳辐射总量分布状况, 从空间上较深层次地考虑太阳辐射分布特征｡图 4为我国太阳辐射最为丰富的西藏自治区年太阳辐射总量分布图, 大部分地区年太阳辐射总量超过5900 MJ·m^-2, 属于太阳能资源丰富地区, 尤其西南部, 年辐射总量大于7100 MJ·m^-2, 属于太阳辐射资源最丰富地区, 我国年太阳辐射总量最高值出现在该地区, 高达8520 MJ·m^-2｡西藏太阳辐射以西南部的阿里､那曲､日喀则最为丰富, 以那曲地区为例 (图 5), 其大部分地区年太阳辐射总量大于6800 MJ·m^-2, 太阳辐射资源丰富, 其中又以申扎､班戈､尼玛交界及尼玛县南部地区为最高, 最高值可达7700 MJ·m^-2, 折合5.856kW·h/(m²·d), 太阳能资源丰富｡相对于辐射观测研究, 那曲地区只有1个太阳辐射观测站, 较难刻画出整个那曲地区的太阳辐射资源分布状况, 而本文采用中尺度气象模式MM5, 依据一定的物理规律及动力基础, 模拟获得了整个地区的太阳辐射分布状况｡

图 4

图 4. 1975—1997年西藏自治区平均年太阳辐射总量分布 Fig 4. The spatial distribution of the annual solar radiation in Tibet averaged from 1975 to 1997

图 5

图 5. 1975—1997年那曲地区平均年太阳辐射总量分布 Fig 5. The spatial distribution of the annual solar radiation in Nagquaver aged from 1975 to 1997

本文在模拟获得较高分辨率我国太阳辐射数据集的基础上, 利用GIS平台对年太阳辐射总量进行分省统计, 获得我国各省份多年气候平均下的年太阳辐射总量 (图 6)｡并依据各省份平均年太阳辐射总量, 对各省份太阳辐射资源进行等级划分, 以填色表示各省份太阳辐射资源丰富程度, 如四川省西部太阳资源丰富, 东部贫乏, 统计获得的四川省平均年太阳辐射总量为5458.1 MJ·m^-2, 划归为太阳能资源中等丰富省份, 以绿色表示｡

图 6

图 6. 各省年太阳辐射总量 (标识值为各省年太阳辐射总量; 单位:MJ·m-2; 黄色表示太阳能丰富省区; 绿色表示太阳能中等省区; 紫色表示太阳能一般省区) Fig 6. The annual averaged solar radiation inprovinces (marker is the solar radiation inprovinces, unit:MJ·m-2; the yellow denotes the solar energy-rich provinces; the green denotes solar energy-middle provinces; the purple denotes the other solar energy-general provinces)

西藏､青海､新疆是我国太阳能资源最丰富的省份, 其太阳辐射密度高 (图 6数字标识值) 且面积大, 可利用的太阳辐射能资源丰富, 而西南的重庆､贵州､湖南等省份则是太阳资源较为缺乏地区, 四川､云南等地则是太阳辐射高值区向低值区过渡省份｡华北各省市及辽宁省是我国东部太阳辐射较丰富省份, 华中､华南､华东省市太阳辐射一般, 我国太阳辐射资源具有明显的区域性分布特征｡

图 7为1975—1997年我国年太阳辐射总量时间序列, 我国太阳辐射变化可以分为3个大阶段:1975—1978年年太阳辐射总量缓慢上升, 在1978年太阳辐射达到最高值; 1978—1989年, 年太阳辐射量总体下降, 该阶段又可分为两个小阶段, 前期 (1978—1983年) 年太阳辐射总量迅速减小, 后期 (1983—1989年) 年太阳辐射总量减少趋于缓慢, 其中1983—1987年年太阳辐射总量呈现振荡性变化特征; 1989—1994年年太阳辐射总量又缓慢上升, 同时在1991年出现一个小的低值谷, 这可能与当年发生的较大范围影响辐射的事件有关, 具体原因有待进一步分析｡总体上, 1975—1997年全国平均年太阳辐射总量呈现振荡性变化特征, 1978年是年太阳辐射总量极高值年, 1989年是1975—1997年年太阳辐射总量极低值年｡1978—1989年年太阳辐射总量由极高值到极低值间隔11年, 恰与太阳黑子活动周期相同, 但这一变化特征是否与太阳活动周期相关需进一步研究才能定论｡

图 7

图 7. 1975—1997年全国平均年太阳辐射年总量变化曲线 Fig 7. The temporal series of the annual solar radiation in China averaged from 1975 to 1997

本文在敏感性研究基础上, 挑选物理参数化方案, 利用MM5模式长期模拟及最优插值方法优化模式辐射模拟效果, 获得高时空分辨率我国太阳辐射数据集, 并基于GIS平台对我国太阳辐射进行统计分析, 获得我国多年气候平均太阳辐射空间分布形势如下:

1) 我国太阳辐射总体上呈现以内蒙中西部—宁夏—甘肃西北部—四川西部—云南西北部为分界线的西高东低分布特征, 分界线以西大部分地区年太阳辐射总量在6000 MJ·m^-2以上, 呈现南高北低的纬向分布特征; 以东地区年太阳辐射总量小于6000 MJ·m^-2, 以华北为最大｡

2) 全国平均年太阳辐射总量为5648.6MJ·m^-2, 极高值区位于西藏西南部地区, 极低值区位于西藏山南地区､四川盆地､重庆-贵州-湖南一带｡

3) 通过对各省份太阳辐射资源地理统计, 获得各省份气候平均情况下年太阳辐射总量值, 西藏､青海､新疆､甘肃､宁夏､内蒙是我国太阳辐射资源最丰富的省份, 华北各省及四川是辐射资源中等省份, 重庆､贵州､湖南是辐射资源最低的省份｡

4) 通过MM5模式的长期模拟及最优插值处理, 分析表明:1975—1997年我国年太阳辐射总量呈现振荡性变化, 1978年是1975—1997年全国平均年太阳辐射总量极大值年, 而1989年则是年太阳辐射总量极小值年｡

随着中尺度气象数值模式物理化学机制的完善及计算技术进一步发展, 尤其是对多云雨天气地区辐射模拟效果的改善, 采用模式研究太阳辐射方法的精度和准确度都将会有很大提高｡