室外气温与太阳辐射的随动性关系研究

您所在的位置:网站首页 光照与温度的关系图 室外气温与太阳辐射的随动性关系研究

室外气温与太阳辐射的随动性关系研究

2024-07-16 21:44| 来源: 网络整理| 查看: 265

1.2 拟合条件

室外气温主要随季节、海拔高度、地面类型、气象条件等的变化而变化,影响太阳辐射强度的因素主要有天文、地理因素、大气状况等,室外气温对太阳辐射响应的延迟性使得直接寻求太阳辐射与室外气温之间的动态关系存在一定的困难,故应对不同高度、不同地面类型、不同季节及不同天气状态下的室外气温与太阳辐射的随动性关系进行具体分析。如能找到一个变量将二者联系起来,将使问题得以简化。而这个变量应具备相关性、连续性、易获得性、无地域限制性的特点。

太阳辐射是地球能量的主要来源。到达地面的太阳辐射而引起地表温度日变化的根本原因是地球自转引起太阳辐射对地气系统加热的日变化[17]。故太阳辐射强度变化直接影响着地表温度的变化。另外,地表温度是地表与大气之间辐射及能量交换的关键参数[18]。太阳辐射到达地面后,一部分被反射,一部分被地面吸收,使得地表温度发生变化。太阳的热能被地面吸收后,地面再通过辐射、传导和对流把热量传给空气,这是空气热量的主要来源,而太阳辐射直接被大气吸收的部分使空气增热的作用极小,只能使气温升高0.015~0.02 ℃[19]。由此可见,太阳辐射是影响地表温度日变化的直接原因,而地面温度日变化又是引起空气温度日变化的直接原因。可以说,地表是太阳辐射与大气之间热量传递的媒介。

而其他影响因素,如风速、云量、大气透明度、海拔高度、季节、降雨量等,虽然对温度或太阳辐射强度有一定影响,但由于研究考虑的范围为夏季非阴天时的正常天气状况,考虑到同一地区海拔高度基本不变,其他数据如风速、云量、降雨量、大气透明度等存在相关性弱、不连续性、数据较难获得,均不宜作为中间变量。而地表温度作为中间变量时,不仅数据容易获得,且与辐射和气温均有很强的相关性,因此,选择地温作为中间变量。

为此,该研究分别从寻求太阳辐射与地表温度的随动性及地表温度与室外气温的随动性出发,以地表温度为中间变量,探讨太阳辐射与室外气温的随动性关系。

1.3 平均日计算

挑选了南方各城市6月、7月和8月的气象数据,阴天太阳辐射强度很弱,且室外空气温度较低,降雨等非正常因素影响较大,故该研究仅探求夏季非阴天天气条件下水平面总太阳辐射照度与空气温度的随动性变化关系。

在数据分析过程中,发现个别日子太阳辐射数据出现异常,这是由于在特殊天气条件下,一日中天气状态变化无常,其他因素如短时阴天、急降雨等突变天气影响较大。研究选取了3个月里正常天气状态下的所有日子,计算出了平均日水平面太阳总辐射照度、地表温度和室外气温的逐时数据,并对平均日内逐时气象参数值进行了偏差性分析。以南宁地区室外气温变化为例,具体偏差情况如图 1所示。

图1 图 1 南宁地区平均日气温偏差图 Fig. 1 Average daily air temperature deviation chart for Nanning

由图 1可知,各天气温与平均日气温偏差较小,且偏差变化较为均匀,说明夏季正常天气状态下各天气温波动对气温日变化规律影响不大,采用平均日内气温日变化能较好地表征一段时间内气温的整体变化情况。

偏差性分析结果表明,平均日能较好的表征一段时间内气象参数变化规律。

2 拟合结果及分析 2.1 太阳辐射和地表温度随动性关系 2.1.1 高原地区

以贵阳为例,上、下午时段太阳辐射和地表温度关系拟合曲线如图 2所示,由图可以看出,太阳辐射与地表温度在上、下午均呈直线型的随动变化规律,且二者上、下午随动性变化曲线斜率基本相等,说明地表温度在一天中任一时刻随太阳辐射强度变化的变化率近似相等,即太阳辐射值增大或减小一定的量,地表温度随之升高或降低一定的量。但上、下午时段的随动性变化曲线并未重合,而是存在大约2 ℃的温差,这说明两者的随动性变化曲线的斜率只是相近但并不相等,上午曲线的斜率要略大于下午的斜率。这个结果可由表 1中拟合公式的参数验证得到。贵阳和昆明上午的斜率分别为0.027、0.025,下午的斜率分别为0.023、0.019。另一方面,上午随太阳辐射增强,地面处于得热升温过程,而下午太阳辐射逐渐减弱,地面处于失热降温过程。由于地表具有较大的热容性,地表温度对太阳辐射的响应在时间上存在一定的延迟,使得在太阳辐射开始减弱时的地表温度仍比上一个时间点的温度要高,如图 2,最高温度相对最大辐射相差1 h左右。

图2 图 2 贵阳太阳辐射和地表温度关系拟合曲线图 Fig. 2 Fitting curve about the relationship between solar radiation and surface temperature for Guiyang

拟合得到地表温度与太阳辐射关系式如下:

${t_{s \cdot \tau }} = a + b{I_\tau }$ (1)

式中:ts·τ为任意时刻地表温度,℃;Iτ为任意时刻太阳辐射照度,w/m2;τ为时刻数,h;a、b为拟合常量。a、b具体值如表 1所示:

表 1 表 1 高原地区太阳辐射与地表温度关系式参数 Table 1 Parameters for the relation between solar radiation and surface temperature in plateau sections 城市 上午 下午 a b R2 a b R2 贵阳 19.874 0.027 0.996 24.243 0.023 0.999 昆明 15.985 0.025 0.988 21.126 0.019 0.995 表 1 高原地区太阳辐射与地表温度关系式参数 Table 1 Parameters for the relation between solar radiation and surface temperature in plateau sections

由表 1,贵阳和昆明上、下午拟合结果的决定系数R2均在0.988以上,说明拟合公式能比较真实反映平均日内数据点的变化规律,同时, 也可得出结论,太阳辐射强度与地表温度在一天的上、下午时段呈显著的正的线性关系。

2.1.2 平原地区

以福州地区为例,上、下午时段太阳辐射和地表温度关系拟合曲线如图 3所示。

图3 图 3 福州太阳辐射和地表温度关系拟合曲线图 Fig. 3 Fitting curve about the relationship between solar radiation and surface temperature for Fuzhou

从图 3可以看出,上、下午分别呈凹和凸的曲线型随动变化规律,说明上午时段,随着太阳辐射的逐渐增强,地表温度随太阳辐射强度变化的变化率越来越大;下午时段,随着太阳辐射的减弱,地表温度随太阳辐射强度变化的变化率也越来越大。这可能是由于平原地区海拔低,且处于西南地区,受西南沿海湿润的海洋气候影响,地表相对高海拔的高原地区较为湿润,随太阳辐射的增强,地表温度升高,地表水分蒸发,使得地表热容性变小,地表温度变化率随太阳辐射增强而变大。相反,当太阳辐射减弱时,地表温度降低,地表附近水汽冷凝被地表吸附,使得地表热容性逐渐变大,地表温度变化率随太阳辐射减弱而变大。而高原地区海拔较高,空气密度小,且受海洋气候影响较小,故地表较为干燥,地表温度变化对地表热容性影响较小,故上、下午时段地表温度随太阳辐射变化的变化率基本保持不变。这也说明了高原地区地表温度与太阳辐射呈直线型随动性变化关系的原因。

拟合得到的平原地区上、下午时段地表温度与太阳辐射关系式分别如式(3)、(4)所示:

${t_{s \cdot \tau }} = a + b \times {e^{{I_\tau }/c}}$ (2) ${t_{s \cdot \tau }} = a - b \times {c^{{I_\tau }}}$ (3)

式中:ts·τ为任意时刻地表温度,℃;Iτ为任意时刻太阳辐射照度,W/m2;a、b、c为拟合常量,各参数值如表 2所示。

表 2 表 2 平原地区地表温度与太阳辐射关系式参数 Table 2 Parameters for the relation between solar radiation and surface temperature in plain areas 城市 时段 a b c R2 海口 上午 18.610 9.925 769.711 0.999 下午 69.074 37.722 0.999 0.998 广州 上午 18.535 7.501 815.655 0.995 下午 41.173 11.026 0.996 0.965 南宁 上午 24.623 1.069 235.640 0.976 下午 45.900 16.384 0.997 0.997 福州 上午 23.758 4.269 412.330 0.997 下午 55.655 24.073 0.998 0.995 长沙 上午 21.757 2.962 401.554 0.991 下午 47.822 18.349 0.998 0.985 武汉 上午 25.321 1.409 259.334 0.992 下午 56.853 23.069 0.998 0.999 上海 上午 24.345 1.245 301.764 0.987 下午 41.665 12.475 0.997 0.986 杭州 上午 24.080 2.964 383.228 0.992 下午 53.418 23.371 0.998 0.999 重庆 上午 21.602 1.871 258.050 0.992 下午 58.989 27.958 0.999 0.990 南昌 上午 24.529 1.687 302.175 0.999 下午 54.141 20.193 0.997 0.972 南京 上午 24.345 2.646 352.099 0.976 下午 54.482 24.160 0.998 0.999 表 2 平原地区地表温度与太阳辐射关系式参数 Table 2 Parameters for the relation between solar radiation and surface temperature in plain areas

由表 2中拟合公示的决定系数R2可知,R2大小均在0.972以上,说明拟合公式能比较真实地反映平均日内太阳辐射与地表温度的随动性变化规律。

2.2 地表与空气温差随时间的变化关系

以南宁地区为例,平均日内地表与空气温差随时间变化曲线如图 4所示。由图可以看出,昼间地表与空气温差先逐渐增大,达到最大温差后再逐渐减小。另外可以发现,夏季夜间地表与空气温差为负值,昼间为正值,即夜间地表温度低于室外气温,昼间地表温度高于室外气温。这与太阳辐射强度的逐时变化规律相一致。随着太阳辐射强度不断增大,地表与空气温差越来越大,随着太阳辐射减弱,地表与空气温差越来越小,夜间地表与空气温差变化幅度不大,说明太阳辐射对地表与空气温差有着显著的影响,且地表温度的变化幅度比室外气温的变化幅度要大得多。

图4 图 4 南宁地表与空气温差随时间变化拟合曲线图 Fig. 4 Fitting curve about the difference between the surface temperature and air temperature changing over time for Nanning

研究根据地表与空气温差的日变化规律并采用OriginPro8.5中多个变化曲线与之接近的函数对数据点进行了拟合,并对各个函数拟和优度进行分析比较。结果表明,Asym2sig分布函数与地表与空气温差的日变化曲线最为吻合,能比较真实地表征其日变化规律。Asym2Sig函数表达式[20]为

$\begin{array}{l} y = {y_0} + A{\left( {1 + {e^{ - \left( {x - {x_c} + {\omega _1}/2} \right)/{\omega _2}}}} \right)^{ - 1}} \times \\ \;\;\;\;\;\left( {1 - {{\left( {1 + {e^{ - \left( {x - {x_c} + {\omega _1}/2} \right)/{\omega _3}}}} \right)}^{ - 1}}} \right) \end{array}$ (4)

其中:x和y分别为自变量和因变量;y0为偏移量;A为振幅;x0为水平方向的中心点;ω1, ω2, ω3为宽度参量, 且ω2和ω3决定峰值位置。

由此得到的地表与空气温差的通式为

$\begin{array}{l} \;\;\;\;\;\;\;\;\;\;\;\;\;\;\Delta {t_\tau } = {A_0} + \\ {A_1}\frac{1}{{1 + {e^{ - \frac{{\tau - {\tau _C} + {\omega _1}/2}}{{{\omega _2}}}}}}}\left( {1 - \frac{1}{{1 + {e^{ - \frac{{\tau - {\tau _C} - {\omega _1}/2}}{{{\omega _3}}}}}}}} \right) \end{array}$ (5)

式中:Δtτ为1 d中白天时段任意时刻的地表与空气温差,Δtτ=ts·τ-ta·τ,℃;τ为任意时刻,h;A0、A1、ω1、ω2、ω3为拟合常量。

表 3 表 3 地表与空气温差随时间变化关系式参数 Table 3 Parameters for the relation about the difference between surface temperature and air temperature changing over time 城市 A0 A1 τc ω1 ω2 ω3 R2 贵阳 -1.715 15.900 13.710 6.650 1.531 1.182 0.997 昆明 -1.650 13.666 13.819 6.520 1.337 1.201 0.997 海口 -0.555 19.525 14.086 6.369 1.543 1.261 0.994 广州 -1.653 36.351 13.646 0.000 2.809 1.656 0.986 南宁 -0.761 13.032 12.585 6.810 1.345 1.249 0.989 福州 -3.294 73.783 15.835 0.000 3.863 1.621 0.994 长沙 -3.184 55.612 14.232 0.000 3.412 1.612 0.987 武汉 -2.681 70.969 13.977 0.000 3.058 1.754 0.992 上海 -3.383 44.386 14.741 0.000 4.263 1.684 0.995 杭州 -3.994 60.848 15.949 0.000 4.351 1.629 0.995 重庆 -2.112 19.242 12.661 7.150 1.317 1.214 0.990 南昌 -1.435 25.625 12.753 6.747 1.665 1.327 0.992 南京 -3.205 57.997 15.796 0.000 4.027 1.616 0.995 表 3 地表与空气温差随时间变化关系式参数 Table 3 Parameters for the relation about the difference between surface temperature and air temperature changing over time

拟合结果显示,地表与空气温差随时间变化相关系数R2不小于0.986,说明拟合公式能较显著地反映地表与空气温差在时间序列上的变化规律。

2.3 室外气温与太阳辐射的随动性关系

由以上拟合结果,对于高原地区,室外气温与太阳辐射随动性变化关系式为

${I_\tau } = \frac{{{t_{s \cdot \tau }} - a}}{b} = \frac{{{t_{a \cdot \tau }} + \Delta {t_\tau } - a}}{b}$ (6)

对于平原地区,上、下午时段室外气温与太阳辐射随动性变化关系式分别如式(7)、式(8)所示

${I_\tau } = c\ln \frac{{{t_{a \cdot \tau }} + \Delta {t_\tau } - a}}{b}$ (7) ${I_\tau } = {\log _c}\frac{{a - \left( {{t_{a \cdot \tau }} + \Delta {t_\tau }} \right)}}{b}$ (8)

式(6)及式(7)、(8)中a、b、c等参数由表 1和表 2所示。

由式(5)可知,任意时刻的地表与空气温差ΔTτ可由该时刻的时刻数确定。故昼间任意时刻太阳辐射照度值可由该时刻的时刻数及室外气温确定。可得出结论,对于高原地区,太阳辐射是室外气温与时间的一次函数,平原地区,太阳辐射是室外气温与时间的对数函数。

3 结论

从太阳辐射、地表温度和室外气温3种气象参数出发,综合考虑各方面影响因素,通过回归分析方法,得到了太阳辐射与地表温度及地气温差随时间变化的动态拟合关系,进而建立了室外气温与太阳辐射强度的随动性关系,并得出以下几点结论:

1)高原地区,太阳辐射与地表温度在上、下午均呈直线型的随动变化规律,二者上、下午随动性变化曲线斜率相近但并不相等,上午曲线的斜率要略大于下午的斜率。

2)平原地区,在上、下午时段太阳辐射与地表温度之间分别呈凹的和凸的曲线型随动变化规律。

3)夜间地表温度低于室外气温,昼间地表温度高于室外气温,且随太阳辐射强度不断增大,地表与空气温差也越来越大。

4)某一时刻太阳辐射照度值大小可由室外气温及该时刻的时刻数确定。对于高原地区,太阳辐射是室外气温与时间的一次函数,平原地区,太阳辐射是室外气温与时间的对数函数。

参考文献 [1] 刘加平. 关于室外综合温度[J]. 西安冶金建筑学报, 1993, 25(2) : 175–178. Liu J P. On the comprehensive temperature of outdoors[J]. Journal of xi'an institute of metallurgical & construction, 1993, 25(2) : 175–178. (in Chinese) [2] Chen J L, Li G S, Xiao B B. Assessing the transferability of support vector machine model for estimation of global solar radiation from air temperature[J]. Energy Conversion and Management, 2015, 89 : 318–329. DOI:10.1016/j.enconman.2014.10.004 [3] Bristow K L, Campbell G S. On the relationship between incoming solar radiation and daily maximum and minimum temperature[J]. Agriculture and Forest Meteorology, 1984, 31(2) : 159–166. DOI:10.1016/0168-1923(84)90017-0 [4] Li M F, Li F, Liu H B, et al. A general model for estimation of daily global solar radiation using air temperatures and site geographic parameters in Southwest China[J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2013, 92 : 145–150. DOI:10.1016/j.jastp.2012.11.001 [5] Fletcher A L, Moot D J. Estimating daily solar radiation in New Zealand using air temperatures[J]. New Zealand Journal of Crop and Horticultural Science, 2007, 35(1) : 147–157. DOI:10.1080/01140670709510179 [6] Liu X Y, Mei X R, Li Y Z, et al. Evaluation of temperature-based global solar radiation models in China[J]. Agriculture and Forest Meteorology, 2009, 149(9) : 1433–1446. DOI:10.1016/j.agrformet.2009.03.012 [7] Bandyopadhyay A, Bhadra A, Raghuwanshi N S. Estimation of monthly solar radiation from measured air temperature extremes[J]. Agriculture and Forest Meteorology, 2008, 148(11) : 1707–1718. DOI:10.1016/j.agrformet.2008.06.002 [8] Chineke T C. Equation for estimating global solar radiation in data Sparese regions[J]. Renewable Energy, 2007, 33(4) : 827–831. [9] Daut I, Irwanto M, Irwan Y M, et al. Combination of Hargreaves method and linear regression as a new method to estimate solar radiation in Perlis, Northern Malaysia[J]. Solar Energy, 2011, 85(11) : 2871–2880. DOI:10.1016/j.solener.2011.08.026 [10] Ibrahim S, Daut I, Irwana Y M, et al. Linear regression model in estimating solar radiation in perlis[J]. Energy Procedia, 2012, 18 : 1402–1412. DOI:10.1016/j.egypro.2012.05.156 [11] Rehman S, Mohandesb M. Artificial neural network estimation of global solar radiation using air temperature and relative humidity[J]. Energy Policy, 2008, 36(2) : 571–576. DOI:10.1016/j.enpol.2007.09.033 [12] Boscha J L, Lópezb G, Batllesa F J. Daily solar irradiation estimation over a mountainous area using artificial neural networks[J]. Renew Energy, 2008, 33(7) : 1622–1628. DOI:10.1016/j.renene.2007.09.012 [13] Benghanem M, Mellit A, Alamria S N. ANN-based modelling and estimation of daily global solar radiation data: a case study[J]. Energy Convers Manage, 2009, 50 : 1644–1655. DOI:10.1016/j.enconman.2009.03.035 [14] Chen J L, Liu H B, Wu W. Estimation of monthly solar radiation from measured temperatures using support vector machines-a case study[J]. Renewable Energy, 2011, 36(1) : 413–420. DOI:10.1016/j.renene.2010.06.024 [15] Wu W, Liu H B. Assessment of monthly solar radiation estimates using Support vector machines and air temperatures[J]. International Journal of Climatology, 2012, 32(2) : 274–285. DOI:10.1002/joc.v32.2 [16] Zeynab R, Mahmoud O, Alireza K, et al. Potential of radial basis function based support vector regression for global solar radiation prediction[J]. Renewable and Sustainable Energy Reviews, 2014, 39 : 1005–1011. DOI:10.1016/j.rser.2014.07.108 [17] 王燕, 吕达亿. GMS 5反演中国几类典型下垫面晴空地表温度的日变化及季节变化[J]. 气象学报, 2005, 63(6) : 957–968. Wang Y, Lv D Y. Diurnal and seasonal variation of clear-sky land surface temperature of several representative land surface types in China retrieved by GMS 5[J]. Acta meteorologica sinica, 2005, 63(6) : 957–968. (in Chinese) [18] 赵少华, 秦其明, 张峰, 等.基于环境减灾小卫星(HJ-1B)的地表温度单窗反演研究[J]. 2011. 31(6): 1552-1556. Zhao S H, Qin Q M, Zhang F, et al. Research on using a mono-window algorithm for land surface temperature retrieval from chinese satellite for environment and natural disaster monitoring (HJ-1B) Data[J].Spectroscopy and Spectral Analysis, 2011, 31(6): 1552-1556.(in Chinese) http://www.oalib.com/references/17554433 [19] 刘晨晨.风云卫星地表温度反演及其在霜冻检测中的应用[D].成都:电子科技大学, 2013. Liu C C. A method for FengYun satellite land surface temperature retrieval and its availability for frost monitoring[D]. Chengdu:University of Electronic Science and Technology of China. 2013.(in Chinese) http://cdmd.cnki.com.cn/Article/CDMD-10614-1013331143.htm [20] 杨毅, 唐刚, 宋丽建, 等. 分形基底上受限固-固模型动力学性质的数值模拟研究[J]. 物理学报, 2014, 63(15) : 10501-1-7. Yang Y, Tang G, Song L J, et al. Numerical simulations of dynamic properties of the restricted solid-on-solid model on fractal substrates[J]. Acta Physica, Sinica, 2014, 63(15) : 10501-1-7. (in Chinese) X


【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3