[关闭]
@novachen 2020-03-01T13:41:42.000000Z 字数 1511 阅读 1074

基于长期极轨卫星数据的全球云分布暨全球太阳能资源调查

全球 云分布 太阳能


云产品的重要性

云是地球上一个非常值得研究的因素,在气象上的作用就不用说了,气象卫星主要就是看云的。

从陆地资源遥感观测的角度出发,可以谈几点:
1)影响卫星观测的效率(光学还是SAR这是一个问题)
2)太阳的年平均光照小时(强度),这对太阳能发电非常重要

目前的进展

之前有公司做过基于传统气象卫星系统的全球云量分布图,空间分辨率大概是几公里。

利用极轨卫星MODIS传感器发射以来的数据可以构造一个全球的云分布图(空间分辨率1KM),这首先由一个研究生物多样性的团队2016年发表做出来了(这相当出人意料),文章名为

Remotely Sensed High-Resolution Global Cloud Dynamics for Predicting Ecosystem and Biodiversity Distributions

但是做得确实有点粗糙,比如其年平均云量产品中渤海附近是这个样子的
此处输入图片的描述

我对其做了一些小的改进,消除了一些明显的畸变
此处输入图片的描述

并且做成可以交互式访问的WEBGIS系统
此处输入图片的描述

请点击http://satsee.radi.ac.cn/cfimage/misc/cloudmap/

发现有启发性的现象

1)华北平原大城市的云量特征
北京城区云量45%,而周边50%
天津城区云量40%,而周边50%

2)湖区发电的潜力
洞里萨湖
伊塞克湖

3)相对晴朗的沟壑
四川金川
云南凉山
广东韶关
福建武夷山
台湾山谷
河北张家口
西藏拉萨林芝

尼泊尔加德满都
泰国谷地
缅甸

4)阳光海岸
海南三亚
福建厦门广东汕头

想做的工作

但是要想弄得更好

1)统计工作需要从原始数据重新设计一下,这要动用超过200T的历史MODIS数据
2)希望通过算法的改进,把空间分辨率从1000M推进到500M
3)和气象局地表统计数据的校验,建立云量和太阳能发电之间的更清晰的关系
4)可以每年更新这份产品,并形成分析报告
5)把最新的结果报告卖出去,特别是卖给投资太阳能的企业和银行
6)使用GF4等卫星开展时间密度更高的云检测。

应用

1)卫星综合调度的重要参数

在获得每个月各个区域的平均云量,可以用来对光学和SAR成像系统做资源调度,以期对地表的信息获取量最优。
比如在北极地区追踪海冰情况,有些地方的云量较少,用MODIS/NPP这样的光学系统就能起到一定作用,而有些地方就要适当加大安排SAR卫星的任务量。(可以看前面的WEBGIS琢磨一下)

2)太阳能资源的优化(重点)

目前太阳能企业对各个地区的太阳能利用效率了解非常粗糙,往往只是根据某些报告中每个城市一个年平均太阳光照时间,这应该是当地气象单位依据一个或者几个气象采集站点的观测统计平均出来的。
然而从我目前做的初步的结果来看,就在一个小区域内,选择山谷还是山顶,选择水面还是陆地,发电效率上会差20%~50%,其他效益也有通过地理信息优化选择的可能。

我建议中国在柬埔寨暹粒(吴哥)、尼泊尔加德满都加大太阳能发电的投资。

尼泊尔受到印度的能源威胁
其实利用它充足的太阳能和水电资源完全可以自给自足以及可以出口印度

3)和经济、人口、夜光数据结合

太阳能发电是否有需求是和周边的电力消耗和电力消耗的变化情况相关的。
特别在发展中国家中找到那些特别需要电力支持,又有太阳能资源的区域,相对于其他电站(水电站建设周期可长了)可以小规模地快速增加电力供应。

4)年度太阳能资源报告

个体年份产生变化是必然的,但是这有助于一些发电机构区分发电量变化的主观和客观原因。
而且是组成并更新长期资源报告的组成部分,需要持续地更新发布。


联系方式

陈甫 副研究员
中国科学院遥感与数字地球研究所
chenfu@radi.ac.cn
13811147935

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注