KNOXVILLE, TN, 08. Juli 2026 /24-7PressRelease/ -- Genaue Sonneneinstrahlungsdaten werden für die Energiewende immer wichtiger, aber die Verfolgung der Menge an Sonnenstrahlung, die die Erdoberfläche erreicht, bleibt schwierig, wenn sich Wolken, Aerosole und atmosphärische Veränderungen schnell verschieben. Ein neues Transfer-Learning-Framework ermöglicht es nun dem chinesischen geostationären Satelliten Fengyun-4A (FY-4A), die solare Einstrahlung (SSR) und ihre globalen, direkten und diffusen Komponenten mit hoher Genauigkeit zu schätzen. Durch die Anpassung von Wissen aus dem auf Himawari-8 basierenden Cloud, Atmospheric Radiation and Renewal Energy Application (CARE)-Produkt reduziert das Modell die Abhängigkeit von zusätzlichen meteorologischen Datensätzen. Die resultierenden FY-4A-Strahlungsschätzungen bieten eine solidere Datenbasis für die Solarstromvorhersage, Klimaforschung, Landoberflächenmodellierung und nachhaltige Energieplanung.

Die solare Einstrahlung an der Oberfläche steuert den Energiehaushalt der Erde, hydrologische Kreisläufe, Ökosystemprozesse und die Leistung von Photovoltaik (PV) und solarthermischen Kraftwerken. Bodenbasierte Strahlungsmessnetze liefern die zuverlässigsten Beobachtungen, aber ihre Stationen sind spärlich und ungleichmäßig verteilt, insbesondere über Ozeanen und Entwicklungsländern. Reanalyseprodukte bieten eine breite Abdeckung, können aber aufgrund grober Auflösung und vereinfachter Wolken-Aerosol-Strahlungs-Wechselwirkungen an Genauigkeit verlieren. Satellitenbeobachtungen können diese Lücke füllen, doch viele bestehende Algorithmen sind sensorspezifisch, und die meisten Produkte konzentrieren sich hauptsächlich auf die Globalstrahlung, anstatt die direkten und diffusen Komponenten getrennt zu schätzen. Basierend auf diesen Herausforderungen ist eine tiefergehende Untersuchung übertragbarer, hochauflösender Solarstrahlungsabfragen von chinesischen geostationären Satelliten erforderlich.

Forscher des Aerospace Information Research Institute der Chinesischen Akademie der Wissenschaften, der Sichuan University of Science and Engineering und des Institute of Atmospheric Physics der Chinesischen Akademie der Wissenschaften berichteten (DOI: 10.34133/remotesensing.1044) über die Studie im Journal of Remote Sensing am 29. April 2026. Der Artikel stellt eine neue satellitengestützte Methode zur Gewinnung von globaler, direkter und diffuser Solarstrahlung von FY-4A vor. Die Arbeit zielt auf ein zentrales operationelles Problem ab: wie genaue Sonneneinstrahlungsschätzungen mit hoher räumlich-zeitlicher Auflösung geliefert werden können, ohne stark auf dichte Bodenbeobachtungen oder zusätzliche atmosphärische Datensätze angewiesen zu sein.

Der entscheidende Fortschritt der Studie ist eine Transfer-Learning-Strategie, die Strahlungswissen von Himawari-8 auf FY-4A überträgt. Das Team entwickelte zunächst ein tiefes neuronales Netzwerk (DNN) unter Verwendung von Himawari-8 Level-1 (L1)-Beobachtungen und des Cloud, Atmospheric Radiation and Renewal Energy Application (CARE)-Strahlungsprodukts und verfeinerte dann das vortrainierte Modell mit FY-4A L1-Daten. Das Modell verwendet Reflexion am Oberrand der Atmosphäre (TOA) und die Sonne-Satellit-Geometrie als dynamische Eingaben, während die Bayes'sche Optimierung automatisch wichtige Hyperparameter auswählt, um die Generalisierung und Effizienz zu verbessern. Die Validierung erfolgte anhand von 33 Bodenstationen des Baseline Surface Radiation Network (BSRN), des Bureau of Meteorology (BOM) und der Global Tropical Moored Buoy Array (GTMBA) im Zeitraum 2018–2020. An repräsentativen BSRN-Standorten erreichte FY-4A momentane quadratische Mittelwertfehler (RMSE) von 102,2, 117,5 und 83,1 W m⁻² für die Global-, Direkt- und Diffusstrahlung. Auf der Tagesmittelskala sanken die RMSE auf 28,5, 30,1 und 22,6 W m⁻², was eine starke Leistung über verschiedene zeitliche Skalen hinweg zeigt.

Die Autoren sagten, die Studie zeige, wie Wissen von einem ausgereiften Satellitenprodukt auf eine andere Plattform übertragen werden könne, um neue operationelle Fähigkeiten aufzubauen. Sie sagten, das Framework erlaube es FY-4A, nicht nur die Gesamtsonneneinstrahlung, sondern auch die direkten und diffusen Komponenten zu schätzen, die bestimmen, wie Solarenergiesysteme unter klaren, bewölkten und dunstigen Bedingungen funktionieren. Sie betonten auch, dass die verringerte Abhängigkeit von zusätzlichen meteorologischen Daten die Methode praktikabler für die nahezu Echtzeit-Überwachung mache. Aus ihrer Sicht verwandelt der Ansatz die chinesischen geostationären Satellitenbeobachtungen in eine leistungsfähigere Ressource für Energie- und Klimaanwendungen.

Das neue FY-4A-Strahlungsprodukt könnte dazu beitragen, die PV-Standortbewertung, die Leistungsvorhersage, das Netzmanagement, die Klimamodellierung und Landoberflächensimulationen zu verbessern. Direktstrahlung ist besonders wichtig für solarthermische Kraftwerke, während Diffusstrahlung den PV-Output unter bewölktem oder aerosolreichem Himmel beeinflusst. Durch die separate Auflösung dieser Komponenten bietet das Framework verwertbarere Informationen als die Globalstrahlung allein. Die Studie zeigt auch, dass Transfer Learning helfen kann, Sensorunterschiede und begrenzte Bodentrainingsdaten zu überwinden. In Zukunft könnte dieselbe Strategie auf andere chinesische geostationäre Satelliten ausgeweitet werden, einschließlich Fengyun-4B (FY-4B), um eine zuverlässigere Solarenergieüberwachung in Ostasien und darüber hinaus zu unterstützen.

Referenzen
DOI
10.34133/remotesensing.1044

Ursprüngliche Quellen-URL
https://spj.science.org/doi/10.34133/remotesensing.1044

Förderinformationen
Diese Arbeit wurde unterstützt durch die National Natural Science Foundation of China (Nr. 42025504, 42405145 und 42430604), die Natural Science Foundation der Provinz Sichuan (Nr. 2024NSFSC0770), das Tianfu Yongxing Laboratory Organized Research Project (Nr. 2024KIGG18) und den Opening Fund des Artificial Intelligence Key Laboratory der Provinz Sichuan (Nr. 2024RYY03).

Über das Journal of Remote Sensing
Das Journal of Remote Sensing, eine reine Online-Open-Access-Zeitschrift, die in Zusammenarbeit mit AIR-CAS veröffentlicht wird, fördert die Theorie, Wissenschaft und Technologie der Fernerkundung sowie interdisziplinäre Forschung in der Erd- und Informationswissenschaft.

Chuanlink Innovations, wo revolutionäre Ideen ihr wahres Potenzial entfalten. Unser Name, verwurzelt im Wesen der Übertragung und Verbindung, spiegelt unser Engagement für die Förderung von Innovation und die Begleitung von Ideen von der Entstehung bis zur Verwirklichung wider.

Verwandter Link:
http://chuanlink-innovations.com

Haftungsausschluss: Diese Übersetzung wurde automatisch von NewsRamp™ für 24-7 Press Release (gemeinsam als "DIE UNTERNEHMEN" bezeichnet) mit öffentlich zugänglichen generativen KI-Plattformen erstellt. DIE UNTERNEHMEN garantieren nicht die Genauigkeit oder Vollständigkeit dieser Übersetzung und haften nicht für Fehler, Auslassungen oder Ungenauigkeiten. Die Nutzung dieser Übersetzung erfolgt auf eigenes Risiko. DIE UNTERNEHMEN haften nicht für Schäden oder Verluste, die aus solcher Nutzung entstehen. Die offizielle und maßgebliche Version dieser Pressemitteilung ist die englische Version.