KNOXVILLE, TN, 8 juillet 2026 /24-7PressRelease/ -- Des données précises sur l'ensoleillement deviennent essentielles pour la transition énergétique propre, mais il reste difficile de suivre la quantité de rayonnement solaire atteignant la surface terrestre lorsque les nuages, les aérosols et les changements atmosphériques évoluent rapidement. Un nouveau cadre d'apprentissage par transfert permet désormais au satellite géostationnaire chinois Fengyun-4A (FY-4A) d'estimer le rayonnement solaire de surface (SSR) et ses composantes globale, directe et diffuse avec une grande précision. En adaptant les connaissances du produit CARE (Cloud, Atmospheric Radiation and Renewal Energy Application) basé sur Himawari-8, le modèle réduit sa dépendance aux ensembles de données météorologiques auxiliaires. Les estimations de rayonnement FY-4A qui en résultent fournissent une base de données plus solide pour la prévision de l'énergie solaire, la recherche climatique, la modélisation de la surface terrestre et la planification énergétique durable.

Le rayonnement solaire de surface contrôle le bilan énergétique terrestre, les cycles hydrologiques, les processus des écosystèmes et les performances des systèmes photovoltaïques (PV) et de concentration solaire. Les réseaux radiométriques au sol offrent les observations les plus fiables, mais leurs stations sont rares et inégalement réparties, en particulier dans les océans et les régions en développement. Les produits de réanalyse offrent une large couverture mais peuvent perdre en précision en raison d'une résolution grossière et d'interactions nuages-aérosols-rayonnement simplifiées. Les observations satellitaires peuvent combler cette lacune, mais de nombreux algorithmes existants sont spécifiques à un capteur, et la plupart des produits se concentrent principalement sur le rayonnement global plutôt que sur l'estimation séparée des composantes directe et diffuse. Face à ces défis, une étude plus approfondie de l'extraction transférable et haute résolution du rayonnement solaire à partir des satellites géostationnaires chinois est nécessaire.

Des chercheurs de l'Institut de recherche en information aérospatiale de l'Académie chinoise des sciences, de l'Université des sciences et de l'ingénierie du Sichuan et de l'Institut de physique atmosphérique de l'Académie chinoise des sciences, ont rapporté (DOI: 10.34133/remotesensing.1044) l'étude dans Journal of Remote Sensing le 29 avril 2026. L'article présente une nouvelle méthode satellitaire pour extraire le rayonnement solaire global, direct et diffus de FY-4A. Les travaux ciblent un problème opérationnel clé : comment fournir des estimations précises de l'ensoleillement à haute résolution spatiotemporelle sans dépendre fortement d'observations au sol denses ou d'ensembles de données atmosphériques auxiliaires.

L'avancée clé de l'étude est une stratégie d'apprentissage par transfert qui transporte les connaissances radiatives d'Himawari-8 vers FY-4A. L'équipe a d'abord développé un modèle de réseau neuronal profond (DNN) utilisant les observations de niveau 1 (L1) d'Himawari-8 et le produit de rayonnement CARE, puis a affiné le modèle pré-entraîné avec les données L1 de FY-4A. Le modèle utilise la réflectance au sommet de l'atmosphère (TOA) et la géométrie soleil-satellite comme entrées dynamiques, tandis que l'optimisation bayésienne sélectionne automatiquement les hyperparamètres clés pour améliorer la généralisation et l'efficacité. La validation a été réalisée à l'aide de 33 stations au sol du réseau BSRN (Baseline Surface Radiation Network), du Bureau de météorologie (BOM) et du réseau de bouées ancrées tropicales mondiales (GTMBA) entre 2018 et 2020. Sur des sites BSRN représentatifs, FY-4A a atteint des erreurs quadratiques moyennes (RMSE) instantanées de 102,2, 117,5 et 83,1 W m⁻² pour le rayonnement global, direct et diffus, respectivement. À l'échelle moyenne quotidienne, les RMSE sont tombées à 28,5, 30,1 et 22,6 W m⁻², montrant de bonnes performances à différentes échelles temporelles.

Les auteurs ont déclaré que l'étude montre comment les connaissances d'un produit satellitaire mature peuvent être transférées à une autre plateforme pour développer une nouvelle capacité opérationnelle. Ils ont indiqué que le cadre permet à FY-4A d'estimer non seulement l'ensoleillement total, mais aussi les composantes directe et diffuse qui déterminent les performances des systèmes d'énergie solaire dans des conditions claires, nuageuses et brumeuses. Ils ont également souligné que la réduction de la dépendance aux données météorologiques auxiliaires rend la méthode plus pratique pour la surveillance en quasi-temps réel. Selon eux, l'approche transforme les observations des satellites géostationnaires chinois en une ressource plus puissante pour les applications énergétiques et climatiques.

Le nouveau produit de rayonnement FY-4A pourrait aider à améliorer l'évaluation des sites PV, la prévision de la puissance, la gestion du réseau, la modélisation climatique et les simulations de surface terrestre. Le rayonnement direct est particulièrement important pour l'énergie solaire à concentration, tandis que le rayonnement diffus affecte la production PV sous des cieux nuageux ou chargés d'aérosols. En résolvant ces composantes séparément, le cadre offre des informations plus exploitables que le seul rayonnement global. L'étude démontre également que l'apprentissage par transfert peut aider à surmonter les différences de capteurs et les données d'entraînement au sol limitées. À l'avenir, la même stratégie pourrait être étendue à d'autres satellites géostationnaires chinois, y compris Fengyun-4B (FY-4B), soutenant une surveillance plus fiable de l'énergie solaire en Asie de l'Est et au-delà.

Références
DOI
10.34133/remotesensing.1044

URL source originale
https://spj.science.org/doi/10.34133/remotesensing.1044

Informations sur le financement
Ce travail a été soutenu par la Fondation nationale des sciences naturelles de Chine (n°s 42025504, 42405145 et 42430604), la Fondation des sciences naturelles de la province du Sichuan (n° 2024NSFSC0770), le projet de recherche organisé du laboratoire Tianfu Yongxing (n° 2024KIGG18) et le fonds d'ouverture du laboratoire clé d'intelligence artificielle de la province du Sichuan (n° 2024RYY03).

À propos du Journal of Remote Sensing
Le Journal of Remote Sensing, une revue en libre accès en ligne publiée en association avec l'AIR-CAS, promeut la théorie, la science et la technologie de la télédétection, ainsi que la recherche interdisciplinaire en sciences de la Terre et de l'information.

Chuanlink Innovations, là où les idées révolutionnaires rencontrent leur véritable potentiel. Notre nom, ancré dans l'essence de la transmission et de la connexion, reflète notre engagement à favoriser l'innovation et à faciliter le parcours des idées de la conception à la réalisation.

Lien connexe :
http://chuanlink-innovations.com

Avertissement : Cette traduction a été générée automatiquement par NewsRamp™ pour 24-7 Press Release (collectivement désignés sous le nom de "LES ENTREPRISES") en utilisant des plateformes d'intelligence artificielle génératives accessibles au public. LES ENTREPRISES ne garantissent pas l'exactitude ni l'intégralité de cette traduction et ne seront pas responsables des erreurs, omissions ou inexactitudes. Vous vous fiez à cette traduction à vos propres risques. LES ENTREPRISES ne sont pas responsables des dommages ou pertes résultant de cette confiance. La version officielle et faisant autorité de ce communiqué de presse est la version anglaise.