太阳能资源评估是支撑我国清洁能源开发与“双碳”目标实现的重要基础，而全球水平辐照度则是其中最核心的关键参数之一。受限于地面辐射站点分布稀疏、再分析资料和遥感产品空间分辨率较粗等问题，如何获取我国高分辨率、高精度的全球水平辐照度资源分布图，一直是太阳能气象研究中重要的科学问题。风云四号A星作为我国新一代静止气象卫星，为开展高时空分辨率太阳辐照度反演提供了新的契机。
近日，我院卢楚翰教授与硕士生秦毅在国际权威期刊《npj Clean Energy》发表了题为“RadNet: an interpretable deep learning model for kilometer resolution solar irradiance estimation over China with Fengyun-4A satellite data”的研究成果。卢楚翰教授等人基于 风云四号A星数据、太阳几何参数以及地形等多源信息，构建了可解释的深度学习模型RadNet，实现了我国4 km分辨率全球水平辐照度的高精度估计。相较于随机森林、TabTransformer、Heliosat-2以及NSRDB等方法或产品，RadNet在估计精度和时空泛化能力方面均表现更优。同时，模型还能识别影响太阳辐照度变化的关键特征，结果表明FY4A的1.58-1.64μm波段和太阳天顶角对全球水平辐照度的估计最为重要。该成果为我国高分辨率太阳能资源评估与精细化气象服务提供了新的技术支撑。
图1 2022年8月1日0000 UTC至1100 UTC期间，RadNet模型估算的我国逐小时全球水平辐照度（单位：W/m2）日变化。
论文信息：Lu, C., Qin, Y., Jiang, Y., Yao, J. & Luo, S. (2026). RadNet: an interpretable deep learning model for kilometer resolution solar irradiance estimation over China with Fengyun-4A satellite data. npj Clean Energy, 2, 7. https://doi.org/10.1038/s44406-026-00023-x
