《The Innovation》：Near-global monitoring of surface solar radiation through the construction of a geostationary satellite network observation system
編輯推薦：
地表太陽輻射（SSR）對地球至關重要，但現有衛星 SSR 產品空間分辨率有限。研究人員構建地球靜止衛星網絡觀測（GSNO）系統監測 SSR。結果顯示該系統精度高、時空分辨率（STR）高，為相關研究和應用提供有力支持。
在地球的能量循環中，地表太陽輻射（Surface Solar Radiation，SSR）扮演著極為關鍵的角色。它是地球表面生命活動的主要能量來源，就像為地球上的各種生命 “充電” 的 “超級電源”，驅動著陸地表面的各種物理、化學和生物過程。同時，它也是氣候系統的重要驅動力，影響著氣候變化的走向，還與植物的光合作用息息相關，關乎著生態系統的平衡與穩定。此外，在太陽能利用方面，SSR 更是核心要素，其變化情況直接決定了太陽能的可利用程度。
然而，目前的衛星 SSR 監測面臨著嚴峻的挑戰。盡管衛星遙感是監測 SSR 變化的有效手段，但即便是最先進的衛星 SSR 產品，如云層與地球輻射能量系統（Clouds and the Earth’s Radiant Energy System，CERES）和國際衛星云氣候學項目（International Satellite Cloud Climatology Project），它們的空間分辨率也僅能達到幾百公里。這就好比用一個像素很大的相機拍照，只能看到大致的輪廓，卻無法捕捉到細微的細節。這種低分辨率嚴重阻礙了對 SSR 的精細化觀測和應用，許多局部地區的輻射變化信息被遺漏，使得我們對地球表面能量平衡過程的理解不夠深入。
為了解決這些問題，中國科學院空天信息創新研究院遙感與數字地球國家重點實驗室的研究人員展開了一項極具創新性的研究。他們構建了地球靜止衛星網絡觀測（Geostationary Satellite Network Observation，GSNO）系統，旨在實現近全球范圍內的 SSR 監測。
研究人員的努力取得了令人矚目的成果。通過該系統，他們成功獲取了具有高精度、高時空分辨率（Spatial and Temporal Resolution，STR）的 SSR 組成（SSR Composition，SSRC）數據。這一成果意義非凡，它不僅有助于更深入地理解地球表面的能量平衡過程，為氣候變化研究提供更精準的數據支持，還能在太陽能資源評估、植物光合作用模擬等領域發揮重要作用，為相關產業和科研工作提供有力的支撐。這項研究成果發表在了《The Innovation》雜志上。
在研究過程中，研究人員運用了多個關鍵技術方法。首先，在衛星數據融合方面，他們整合了中國的風云四號 A/B（FY - 4A/B）、日本的葵花 - 8 號（Himawari - 8，H - 8）、歐洲的 MSG 和美國的 GOES - 16 等四顆地球靜止衛星的數據。其次，針對不同衛星傳感器的光譜特性，開發了通用的 SSRC 反演算法，包括云檢測和云相分類、云微物理屬性反演、氣溶膠和氣體吸收處理等。最后，構建了神經網絡輻射傳輸（Neural Network Radiative Transfer，NN - RT）求解器，提高了計算效率和精度。
構建地球靜止衛星網絡觀測系統
研究人員基于統一的衛星反演框架，提出了一種協同監測 SSR 的方法，即將地球靜止衛星網絡觀測系統（GSNO）集成起來。該系統由四顆地球靜止衛星組成，分別位于不同的經度位置，通過組合不同位置衛星的觀測數據，實現了前所未有的空間分辨率（達到公里級）和每小時一次的時間分辨率，能夠在近全球區域內有效捕捉 SSRC 的精細變化特征，揭示地球表面能量平衡過程的信息。
開發通用的 SSRC 反演算法
- 云檢測和云相分類：研究人員開發了一種基于多光譜表觀反射率、亮度溫度以及一系列輔助數據的云檢測方案，采用多源閾值法，顯著提高了云檢測的準確性和可靠性。同時，利用衛星的紅外通道和動態閾值技術分析云頂溫度等信息，實現了云相檢測。此外，通過引入衛星天頂角作為動態標準，解決了衛星重疊區域云檢測結果不一致的問題，構建了全面的云覆蓋置信圖。
- 云微物理屬性反演：基于光譜匹配，利用最優估計方法結合每個傳感器的可見光和短波紅外（SWIR）波段，同時反演云水和冰云的云光學厚度（Cloud Optical Thickness，COT）和云有效半徑（Cloud Effective Radius，CER）。針對冰云散射建模的難題，開發了先進的 Voronoi 非球形散射模型。
- 氣溶膠和氣體吸收處理：由于氣溶膠類型難以直接從單個傳感器中獲取，研究人員將全球氣溶膠同化產品集成到輻射傳輸（Radiative Transfer，RT）模型中，以估計 SSRC。同時，通過相關 k 分布方案考慮氣體吸收，該方案結合了 ERA5 全球再分析數據中的可降水量水汽和總柱臭氧。
- 神經網絡 RT 求解器：為了實現近全球尺度的 SSRC 監測，研究人員構建了神經網絡 RT 求解器。該求解器基于大量的訓練數據，考慮了多種因素，計算速度比全物理 RT 模型快 90,000 多倍，計算誤差小于 0.3%。
GSNO 系統的 SSRC 監測
從 GSNO 系統獲取的 SSRC 數據的空間分布模式表明，太陽入射位置和云層是影響 SSRC 的關鍵因素。直接分量的高值主要集中在太陽天頂角較小、大氣透過率較高的區域；而漫射分量的變化更為復雜，薄云會因云粒子的前向散射作用增加漫射分量，厚云則會對漫射輻射產生更強的消光作用。在衛星未覆蓋的區域，研究人員基于晴空假設估計 SSRC，同時考慮了氣溶膠、氣體吸收和表面反射的影響。
驗證和比較
研究人員采用基準地面輻射網絡（Baseline Surface Radiation Network，BSRN）的原位測量數據，對 GSNO 系統的 SWR 數據進行驗證。結果顯示，GSNO 系統的 SWR 數據與原位測量數據高度吻合，其每日平均均方根誤差（Root Mean Square Error，RMSE）和相關系數（Correlation Coefficient，R）優于 CERES 和 ERA5 產品。此外，GSNO 系統在時空分辨率上具有顯著優勢，能夠在近全球區域解析更多 SWR 細節，捕捉云和氣溶膠變化的局部特征。
研究構建的 GSNO 系統為 SSR 監測帶來了新的突破。該系統通過多衛星協同觀測和先進的算法，實現了高精度、高時空分辨率的 SSRC 監測。其獲取的數據在太陽能資源利用、地球表面能量平衡評估、植物光合作用建模以及保護人類皮膚健康等多個領域具有廣泛的應用前景，為相關研究和實踐提供了強有力的數據支持，推動了地球科學和環境科學領域的發展。未來，隨著技術的不斷進步，有望進一步優化 GSNO 系統，提高監測精度和范圍，為解決全球氣候變化和能源問題做出更大的貢獻。
