全球表面太阳辐射分布特征外文翻译资料

英语原文共 25 页，剩余内容已隐藏，支付完成后下载完整资料

全球表面太阳辐射分布特征

J.N.Black

总结：本文选取了88个站点中三年多的月地平面总辐射量数据，这些站点主要集中在北美和欧洲，且不能完全反映全球辐射分布特征。太阳辐射和平均云量通过二次回归的关系相互联系，其中Q_A是在无云条件下的最大辐射量，C的值是通过SHAW的气象手册中地图中获得的。

在已知Q_A和C的分布前提下，在地面上经纬度为5⁰的格点里使用上述方程可以来计算Q值，计算海面上Q值时，则换为经纬度为10⁰的格点。针对连续50gcal/cm²的每天，Q的等值线显示在12个逐月地图里，这些地图里太阳表面辐射分布数据有被证实。本文着重分析这些地图特定的分布特征，尤其在高辐射量区域的发生和移动方面，并对12个站点的预测辐射值和测量值进行对比分析。

1引言

尽管许多重要气象因子的全球分布易于理解，但相应的太阳辐射数据并不容易得到。实际上，辐射分布地图仅仅可以在KIMBALL（1928）的海上的总辐射量和SIMPSON的一月和六月的净辐射量平衡得以考证。

越来越多人认为太阳辐射应被作为地球环境的成分加以深入研究，例如与植物生长速度的关系，和土壤湿度和蒸发研究。为了检验在农业系统发展中自然环境的辐射因子的重要性和植物引进与其相关的问题等等，目前相关人员发起了一项调查活动。由于缺乏详细的太阳辐射分布地图， shirley的这项众所周知的理论被频繁引用——虽然在生长季节期间，热带地区平均接收到的光量不一定比在温带区域的大，而且只比极地地区稍微多一点，但是辐射差异仅仅与纬度有关的假设是不合理的。

显而易见，影响研究太阳辐射分布的最大局限性是缺少测量地面辐射量的气象站点。仅仅只有150个这样的站点可以用来做此类研究，在这些站点，只有88个站点能提供三年来的连续观测数据。然而，少于三年的连续注册的已被确认的站点的数据将不会被录用。不仅测量辐射的站点在数量上比较少，而且从气象的观点来看，它们的分布仍有待提升；超过75%的站点坐落在北美和欧洲。因此，从记录的数据直接作出地面太阳辐射的分布图是不可能的，一些从其他站点或更好的气象记录估计方法似乎是必要的。

众所周所，太阳辐射与太阳日的持续时间和平均云量存在一种关系，这种关系被ANGSTROM第一次以下列形式表现出：

Q=Q₀[arsquo; [1.0-arsquo;]ⁿ/N]

Q是地面接收到的来自太阳和天空的总辐射，

Q₀是指在晴空无云的天气接收到的辐射量，

n是阳光的持续时间，

N是白天时长（阳光的可能持续时间）。

这类关系，和这种用云量代替辐射得到的对应关系已经被广泛运用，arsquo;的合适取值已经被许多科研工作者测量出来了。

然而，为了当前的研究，任何关系的前提都是测量在无云天气下的太阳辐射，然后再测量正常云量下的辐射，这样被预测出的关系是显然没有价值的。因为一些必须的可观的预测方法在一些没有辐射测量站的地方是可得到的。

作为第一种的解决方法，因此，BLACK,BONYTHON,和PRESCOTT测量了以下关系：

Q=Q_A(a bⁿ/N)

其中Q_A是在没有大气的情况下，最大可能辐射值的理论值，Q_A显然优于Qo，因为数值能在任何纬度、任何时间被计算出来，因此不像ANGSTROM类型中关系式，（2）式能够应用于太阳辐射持续时间中任何数值都能得到。然而，据发现太阳辐射记录因为太贫乏而不能使方程（2）计算全球辐射分布。

因此，此方程能够检验Q/Q_A和云量C之间对应的关系。运用气象年鉴上的云量分布图，我们能够建立一个大体上的关系，随后进一步计算出每月的辐射收支和地球表面的最大辐射收支区域。在式（2）中，Q/Q_A与n/N之间的关系可以通过得到回归系数a和b；根据BERG对ANGSTROM类型的方程的无根据的线性假设的批评，（2）式中非线性关系能够被检验出来，且如果必要的话，多元次的回归也可以增加进此式中。

2 太阳辐射与平均云量之间的关系

现有Q数值的88个测站的地理位置和数据来源均在表格1中给出，每个站点测量出Q/Q_A逐月平均资料，SHAW地图资料给出云量C的数据。值得注意的是，阴天被记为1.0C，所以C并不表示为传统意义上的十分之一，但作为天空被云覆盖的比例。虽然使用每个站点实际云量记录更加可取，但是这并不是总是能够可得到的数据，且自始至终地使用分布地图是可取的。使用88个站点的逐月资料，并在1056组Q/Q_A与C的数据之间，建立一个回归分析。线性项和二次项都是非常重要的，后者占有0.1%的可能性，且能得到下列关系：

Q=Q_A（0.803-0.340C-0.458C²） （3）

图形1中给出了这些数据和模拟的回归曲线。这种关系的两方面都需要考虑。首先，甚至在（C=0）晴朗的天空条件下，最大可能太阳辐射值的80%是进入地球表面的，所以，剩下的20%似乎在通过大气层的过程中被吸收或反射：Q_A代表在没有大气层的情况下，理论上的地球外的太阳辐射值，然而Q₀代表在无云的天气情况下的接收到的太阳辐射，其次，这个方程趋向于在C=1.0的时候外推到0，换句话说，在阴天的情况下，地球表面几乎没有 接收到任何太阳辐射。与经验相反，虽然这是不正确的，但是对照图形1中的散点图，Q/Q_A与云量C在云量高值的情况下可能变成S形。相应地，虽然三次项被应用于推测这种假设，但是并没有达到理想情况，且不能作为结果归纳到这个方程中去。当然，没有一个优先的理由可以解释这种为何为这种特定形式，因为太阳辐射的演算仅仅只涉及到天空云量比例，且不讨论与云当前类型的关系，而C项并不是理想的预测因子。因此，在高数值C的情况下，建立起Q/Q_A：C关系的完全理解的内容，不足的数据是可以得到的。逐月云量C的资料大于80%的站点是非常罕见的，在缺乏足够的数据信息的情况下，最好不要外推回归方程而超过当前数据C数值的限度。实际上没有一个Q的预测值以大于0.85的形式从C值推演过来的。

方程3的计算涉及到许多因子的错误的接受性，这些分别涉及到Q和C数据，或者被分类为以下：

（a）Q数据的错误源：

（1）逐月资料分别从数据资料最大的年份计算得到的，因为每个站点的数据资料长度是不相同的，个别的变量值参照地是不同时期的数据；因此一些方法来源于上至35年的数据记录，但是若少于三年的数据，站点数据不可能总结出来；一些站点已经去除了这些数据。

（2）不同站点使用的是不同的测量仪器，太阳辐射曝辐量数据记录不可能是完好的。而且并没有为这些不同的测量仪器制定共同的标准，或者考虑海拔多样性因素。

（b）C数据的错误源：

（1）任何地点的Q值与这些地图上的C值是相匹配的，这些地图上C值是被平滑处理后的数据，在某种程度上，这些总结出的数据本身并不考虑当地的地形的多样性问题。这些步骤可能引入了不精确性，这些C值在周围区域的误差是有高顺序性的。

（2）不精确性可能来自于这些平均云量地图的等值线的插入的必要性。

3 太阳辐射全球分布特征

了解了Q/Q_A和C值的关系后，可以得到任何地点的Q值，因为C值可以从SHAW地图中可以得到，而Q_A值和时间段、海拔等因素有关，因此方程（3）可以用来计算地面上5*5格点数据，而对于海面上，云量等值线足以使得海面10*10格点数据精确计算出来。这个计算过程可以用于每个月的计算。因为平均云量的数据太过于稀少，不解出方程3中大于0.85的C值的决定并没有增大困难性。因此这些Q值和画出的辐射等值线的单位选择的是50gcal/cm²。

尽管这些不是精确测量这些地图中太阳辐射的分布特征的基本目的，但是主要在于简要参照这些显著的数据。根据预测结果，海面上的辐射数据较陆面上低；低辐射区域的发生与季风状态有关，尤其是印度季风，热带西非季风；大不列颠的低辐射区域，除了冬季中期的几个月，总体来看辐射是低于同海拔的平均值，然而同样的现象也发生在中国沿海地区；尤其是那些相对云量较大的区域。

然而，高辐射区域总体有五个：集中在北非和阿拉伯地区的最大区域，从冬季中期的北纬10度移至夏季的北纬30度。北半球唯一的区域是从北美的西海岸北纬10度移至北纬35度。南半球的三个高辐射区域分别为南美的西海岸，从冬季的南纬10度移至夏季的南纬30度；南非的南纬10度至35度；澳大利亚的南纬15度-30度。这些高辐射区域和世界干旱地区的对应关系是明显的。最高值（750gcal/cm²）出现在南美的一月份和十二月份，澳大利亚的十二月份，亚洲西南部的六月份和七月份。

这些地图并不是主要来估计任何一个区域的太阳辐射量值，因为第一个平均云量的等值线和第二个辐射等值线都涉及到连续平滑处理。它们并不是主要证明太阳辐射分布模式，或使其做出相对辐射和气候的评估。然而，尽管存在一些不足性，地图上某些特定的区域的太阳辐射值被用来作为实际的观测值。北美地区提取三个站点，北欧提取一个站点，南欧提取三个站点，两个来自于非洲，三个来自于东亚。这些辐射值接近于10gcal /cm²,并将其在特定站点的数值描绘出来。这些数据的比较呈现在图14中，并经过数据的可靠性计算。

Riverside预测的数据略微有些高，而Nice的数据略有偏低；Kabete 和Batevia,这些区域缺乏年变化特征；然而，在其他区域预测值和测量值的对应关系相对较好。已被论证的对比结果证实了这个使云量地图中辐射预测值的计算流程，并建议地图能够被用进涉及太阳辐射分布特征的气候学研究中。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[31403]，资料为PDF文档或Word文档，PDF文档可免费转换为Word