https://iap.cas.cn/gb/xwdt/kyjz/202603/t20260302_8146848.html
王莉莉等-AR: 构建近20年高精度向下地表太阳辐射\紫外辐射\光合有效辐射数据集，揭示中国地区辐射变化特征
太阳辐射是地球表面能量的主要来源，直接驱动着生态系统过程与气候系统演变，其中向下地表太阳辐射（DSSR）、紫外辐射（UVR）和光合有效辐射（PAR）对能源系统、人体健康、大气环境以及生态系统影响显著。然而，全国范围内观测站点较为稀疏，高分辨率、长时序的辐射数据依然匮乏，制约了相关研究的深入。
近日，中国科学院大气物理研究所王莉莉研究员团队基于中国生态系统研究网络（CERN）近20年40余站的地基监测，融合多源数据（再分析资料及卫星产品），利用一种先进的Transformer深度学习模型（FT-Transformer），成功构建了覆盖中国区域逐小时、0.1°网格的2005~2023年DSSR、UVR和PAR高精度数据集。
研究团队系统比较了五种基于树模型的机器学习算法和四种深度学习架构，结果表明FT-Transformer模型在三种辐射变量的估算中均表现最优。该数据集在不同时间尺度上均展现出高精度：在小时尺度上，DSSR、UVR和PAR的决定系数（R²）分别达到0.78、0.83和0.79；在日和月尺度上，精度进一步提升，月尺度的R²均超过0.96。通过与中国气象局（CMA）地面观测数据以及与国际主流辐射产品（如CERES、CAMS、ERA5）的对比，本研究所构建的数据集表现出更高的可靠性和准确性。
基于这一高质量数据集，研究发现2013年前后中国大部分地区的辐射变化趋势发生了显著转折。DSSR和UVR在2013年后呈现显著的增加趋势，这与我国《大气污染防治行动计划》实施以来PM2.5的有效减排密切相关。与之相对，PAR在整个研究时段（2005~2023年）呈现总体下降趋势，但2013年后下降减缓且区域差异显著。进一步的归因分析表明，气溶胶和云量变化可解释中东部地区80%~93%的DSSR（气溶胶和云量为主要驱动因素）和UVR（气溶胶为主要驱动因素）的年际变化。
该研究构建的高分辨率、长时序辐射数据集，为太阳能资源评估、生态系统碳循环研究及区域气候模拟提供了关键数据支撑。该数据集已对公众免费开放。研究成果不仅提升了我们对不同辐射分量变化规律的认识，也为理解辐射-大气相互作用及其对气候变化的区域响应提供了新的视角。
该研究成果近期发表于大气科学领域期刊《Atmospheric Research》，论文第一作者为大气所博士研究生张嘉昕，通讯作者为为王莉莉研究员、胡波研究员。本研究得到中国科学院战略性先导科技专项（XDB0760100）等项目的联合资助。
论文信息：
Zhang, J., Wang, L., Zhang, L., Du, W., Tao, M., Qin, T., Jin, X., Hu, B. (2026). Reconstructing hourly downward surface solar radiation, ultraviolet radiation, and photosynthetically active radiation using a transformer-based deep learning model in China. Atmospheric Research, 336, 108862
论文链接：
https://doi.org/10.1016/j.atmosres.2026.108862
图1. 中国近20年高精度向下地表太阳辐射\紫外辐射\光合有效辐射数据集 | 
发表于 