地面监测数据的详尽质量评估
成功的地面校准需要采用误差度远低于初始卫星数据的辐射量监测数据。然而，辐射量监测值受多种误差来源影响。所以，在采用GHI和DNI监测数据校准Solargis数据之前，我们会对监测数据的质量进行评估。将未通过QA测试的数据读数标记出来，并排除在外。
更多资讯结合卫星数据和监测辐照数据的优势
如果在项目站点附近存在至少9到12个月的高质辐射量监测数据，可对Solargis卫星数据进行地面校准，以达到降低整体偏差、提高频率分布函数拟合的目的。同时，辐射量输入得到改善后，预估发电量的误差度也得以降低。
对数据进行校准有利于减少卫星数据中的系统故障，例如低/高估局部气溶胶负载，尤其是当此偏差范围是固定的或具有季节周期性时。可采用一些提高准确度的方法来结合当地气候状况校准源自卫星的DNI和GHI数据，这种气候状况是初始卫星和大气输入中无法记录的。然而，如果采用了不恰当的数据校准方法，反而会降低数据准确度，所以在校准的时候要仔细考量。
作为Solargis模型的开发者，同时拥有着处理来自全球上百个站点的辐射量和气象监测数据的丰富经验，我们有着充分信心，可通过可用现场监测数据，来进一步提高Solargis数据的准确度。
Solargis的地面校准方法
Solargis校准模型输入
Solargis模型输入的气溶胶光学厚度、水蒸气、云指数等数据参数均经过相应校准，以便降低（建模和监测数据集之间的）偏差、RMSD和KSI。
重新计算GHI和DNI
GHI和DNI数据通过Solargis模型和校准后的模型输入进行再计算。经过再计算后，建模值的误差通常可以下降至低于±1%，RMSD和KSI也得以下降。
校准建模GHI和DNI值
在采用校准后模型输入后重新计算GHI和DNI数据后，得出的结果仍然可能存在着微小偏差。可以通过采用统计校准方式消除这一偏差。第一步便是修改模型输入，这样有助于保持GHI-DNI的一致性及数据庫的昼夜轮廓。
常见问题
如果只有3-6个月的地面测量期间，Solargis能否客制化提供适合该站点的数据？
只有提供12个月以上的地面测量期间，我们才能对该站点的时间序列进行调整。少数情况下，如果能保证地面测量数据的不确定性非常低，则可以放宽该标准，降低至9个月的测量期间，在这种情况下，只能实现数据不确定性的小幅降低。使用少于9个月的地面测量数据进行站点调整可能会导致极大的误导性。
是否可以使用离项目一定距离的气象站进行测量，在项目现场进行地面校准？
如果位于气象站的当地条件能够代表项目现场的当地条件，则可以使用距离项目地点几公里的气象站作为太阳能资源的地面测量。
在提供不完全的全年测量数据（例如一年中有几百小时的数据缺失）情况下，Solargis能否对时间序列进行地面校准？
只要剩余的数据读数确保高质量，就可以在几个小时内完成地面校准调整。然而，大量缺失数据通常是测量活动未以专业方式运行的信号，因此数据的其他问题的发生概率也会更高。
Solargis是否推荐任何太阳能资源测量服务提供商？
每年我们都会收到客户提供的大量太阳能数据，然而，并非所有数据都具有良好的质量。 获取没有错误和遺漏的地面测量数据是一项具有挑战性的任务。 我们的经验指出，最好将此任务交给专家。这里列出了幾個與我们有良好合作经验的供应商。