由美国国家航空航天局 （ NASA）和美国国家海洋和大气管理局（NOAA）运营的GOES-R的发射为太阳建模人员提供了一个使用更高质量卫星图像的绝佳机会。因此，他们现在可以获得更高质量的太阳辐照度数据。
在本文中，我们将与大家分享 GOES-R 的集成给我们的卫星数据团队带来的一些挑战，以及我们是如何调整和改进模型的。
自 2018 年以来，GOES-R 卫星在到达预定的地球静止轨道和位置（0º 纬度和 75.2° 西经）后，开始为太阳辐照度模型提供稳定的数据输入。
GOES-R 卫星上安装了一套采用最先进技术的新仪器。对太阳辐照度建模尤为重要的是它的高级基线成像仪（ABI），能够观测地球的 16 个光谱波段，包括两个可见光通道、四个近红外通道和十个红外通道。
这种新型 ABI 提供的光谱信息比以前的卫星技术多三倍，空间分辨率高四倍，覆盖速度快五倍以上。
在几年前进行了第一次 GOES-R 数据整合之后，我们的卫星数据团队一直在努力对用于该卫星覆盖地点的太阳辐照度 模型 进行进一步改进。拥有更长时间的数据有助于我们更好地理解原始模型的一些局限性，并在新方法中加以解决。
所有这些工作都在新的 Solargis 模型 2.2.35 版本中得到了体现，该版本现在可用于美洲（和东太平洋）的任何数据交付。
改进之处包括
整合来自新卫星的输入数据意味着要从头开始调整整个数据处理链。
原始卫星数据从接收到的那一刻起就需要进行处理。特别是对于 GOES-R 数据，我们的团队采用了更先进的预处理算法。这有助于克服空间 "噪音"，并在数据重新投影后实现更平滑的过渡。
地球静止卫星以 "固定 "位置环绕地球运行，距离地面约 36,000 公里，每十分钟获取一次超大区域（整个半球或地球圆盘）的信息。然而，距离地球圆盘中心较远的区域（如北纬）会被卫星以高视角 "看到"，从而导致信号失真、空间细节减少，在山区还会出现位置偏移。
为了解决这个问题，我们的卫星数据团队采用了一种重投影算法，能够纠正地形失真并提供更好的定位精度。请看下图。
辐照模型主要依靠卫星仪器的可见光通道来描述云的特征。
由于云和雪在可见光谱中都很明亮，因此算法面临的最大挑战之一就是成功区分这两类特征并正确估计云的属性。我们利用来自红外通道和其他数据源的辅助信息来改进在多雪条件下的估算。其他高地层表面，如冰川、明亮的沙漠和盐盘，也是以类似方式处理的。
另一个挑战是对碎云情况进行建模，因为卫星像素记录的是云和地表属性的混合物。这种情况在某些地区很常见，因此 Solargis 团队对此给予了特别关注。
在图中，您可以看到在美国和加拿大边境积雪地区的云层检测示例。在旧版模型中，由于雪面上的云指数校正过高或过低，云的表现经常出现漏洞和高对比度斑块。在新模型中，由于加强了校正，云层更加一致、均匀和准确。
旧版模型（2023 年 3 月 2 日的日 GHI 平均值）：
新版模型（2023 年 3 月 2 日的每日 GHI 平均值）：
模型的几个步骤都需要计算太阳的精确位置。由于实施了更复杂的参数化，我们可以获得更精确的太阳位置。这使得结果更加精确。
我们还加入了日食的影响。这些因素对于太阳能项目勘探阶段的长期计算可能并不重要，但在监测或预测应用中却非常有用。
由于采用了 GOES-R 卫星并升级了我们的太阳 数据模型 （以及新的处理基础设施，以缩短交付时间），我们现在能够自 2019 年起提供 10 分钟分辨率的数据集（而以前的分辨率为 15 分钟）。
正如验证统计数据所证明的那样，模型的整体性能有所提高--更多信息请参见下一节。
在某些地区，模型升级后的长期值略有不同（见下图）。原因何在？在 GOES-R 处理链中实施的新变化（2018 年以后），以及对前期模型的额外修正。
重新计算的验证统计数据也反映了新的美洲太阳辐射模式的改进结果。
在将 Solagis 的辐照度值与 60 多个地点的地面测量数据进行比较后，我们得出了几个结论：
更多信息和验证结果请点击此处。
为了保持卫星观测 计算的 太阳辐射数据的最佳质量，需要不断努力调整数据流程和模型。虽然这有时会很有挑战性，但我们很高兴看到我们的卫星数据团队在 GOES 地区所取得的成就将如何通过更高质量的太阳能资源数据服务帮助开启越来越多的太阳能机会。
如果 您对新一代卫星如何帮助提高太阳能项目的能源估算有任何疑问，请联系我们。
