光伏

ERA5 太阳辐照精度评估解读 — Urraca 2018 Solar Energy 奠基综述

2022-06-05 · 南京运梦科技算法团队 · 评审算法负责人

如果你做过光伏选址或功率预测，一定问过自己一个问题：当现场没有实测辐照计、卫星产品又覆盖不到时，ERA5 的全球水平辐照（GHI）到底能不能直接拿来用？ 2018 年发表在太阳能领域权威期刊 Solar Energy 上的一篇论文，正面回答了这个问题。它不是泛泛而谈，而是把 ERA5 拉到全球高质量地面站和卫星产品面前逐日对账，给出了一份至今仍被反复引用的精度"体检报告"。对任何依赖再分析辐照数据的新能源从业者来说，这篇论文都是绕不开的基准参考。

关键要点

Urraca 等 2018 年发表于 Solar Energy 的论文，用 41 个 BSRN 站、294 个欧洲地面站及 NSRDB、SARAH 两套卫星产品，对 ERA5 的全球水平辐照（GHI）做了逐日验证。
ERA5 存在中等程度的系统性正偏差，但相比 ERA-Interim、MERRA-2 等旧再分析，平均偏差降低约 50%–75%。
在地形平缓、云况简单的内陆地区，ERA5 的辐照精度已可媲美卫星产品；但沿海与山区因云预报不足会明显退化，需用本地观测或更高分辨率源校正。
工程实践上，内陆电站可把 ERA5 长序列 GHI 作为资源评估主力数据并做系统性偏差订正；沿海或山地应叠加卫星产品或现场辐照计交叉校核。
运梦气象 API 通过 downloadSync 接口、按 dataSourceId 与 fields 同时提供 ERA5（历史辐照评估）与德国气象局（短期预报）双数据源。

背景与权威性

这篇论文的完整英文原题是《Evaluation of global horizontal irradiance estimates from ERA5 and COSMO-REA6 reanalyses using ground and satellite-based data》，作者团队来自 JRC（欧盟联合研究中心）、西班牙拉里奥哈大学（U. La Rioja）与德国气象局（DWD），具体包括 Urraca、Huld、Gracia-Amillo、Martínez-de-Pisón、Kaspar 与 Sanz-García。它于 2018 年发表在 Elsevier 旗下的 Solar Energy——光伏与太阳能工程领域公认的核心期刊。

为什么说它是该主题的奠基性文献？最直接的证据是引用量：据 Semantic Scholar 截至 2026 年 5 月的统计，它已被引用约 352 次。在 ERA5 刚发布不久的那个时间窗口，能用如此系统、跨数据源的方法对其辐照精度做独立验证的工作并不多见，因此后续大量关于再分析辐照、光伏资源评估、辐照数据选型的研究都把它当作对照基准来引用。换句话说，当今天你看到一篇讨论"ERA5 辐照偏差"的文章，它的论证链条很可能就追溯到这项工作。

需要说明的是，论文及相关讨论中出现的 "champion / new champion" 等措辞，是原文语境下对数据集表现的形象表述，本文仅作为论文标题与原文用语引用，不代表运梦平台的任何宣传口径。

它做了什么

这项研究的核心是一次大规模、多基准的逐日（daily）GHI 验证。它没有只靠单一参照系下结论，而是同时调动了三类相互独立的"标尺"：

全球高质量地面站：选取了全球 41 个 BSRN（Baseline Surface Radiation Network，基准地表辐射网）站点。BSRN 是世界气象组织体系下辐射观测精度要求很高的网络，常被当作辐照领域的"地面真值"。
区域密集地面站：在欧洲补充了 294 个地面站，用更密的空间采样覆盖不同气候带与地形条件。
两套卫星辐照产品：引入 NSRDB 与 SARAH 两套基于卫星反演的辐照数据，作为"卫星基准"与再分析结果横向对比。

被评估的对象除了 ERA5，还包括德国气象局的区域再分析 COSMO-REA6。在方法上，研究把 ERA5 的 GHI 估计与上述地面站、卫星产品逐站、逐日做误差统计，从而既能看 ERA5 相对地面真值的系统偏差，也能看它相对成熟卫星产品的相对位置。这种"地面 + 卫星"双重锚定的设计，正是它结论可信、被后续工作反复采用的原因。

关键结论

把论文核实过的结论拎出来，有三点对工程实践最有价值：

ERA5 存在中等程度的正偏差（系统性偏高），但相对前代再分析有明显改善。 与 ERA-Interim、MERRA-2 这两套被广泛使用的旧再分析相比，ERA5 的平均偏差降低了约 50%–75%。这是一个量级上的进步，意味着用 ERA5 替换旧再分析，辐照数据的系统误差能直接砍掉一大截。
在内陆站点，ERA5 的辐照精度已经可以媲美卫星产品。 对很多过去默认"卫星辐照一定优于再分析"的工程师来说，这是一个需要更新的认知——在地形平缓、云况相对简单的内陆地区，ERA5 不再是只能凑合用的备选项。
精度并非处处均匀，沿海与山区会明显退化。 论文把退化的根因归到云预报不足：ERA5 约 31 km 的网格在云量与辐照高变率的区域仍然偏粗，难以刻画沿海与复杂山地的局地辐照波动。因此在海岸带和山区，直接使用 ERA5 GHI 需要格外谨慎，最好用本地观测或更高分辨率源做校正。

对新能源 / 运梦平台的意义

把这三条结论翻译成新能源业务语言，指向比较清晰：

光伏资源评估：对内陆电站，ERA5 长序列 GHI 可作为前期辐照资源评估的主力数据，配合论文揭示的"中等正偏差"特征做一次系统性偏差订正，就能得到相当可用的多年辐照基线。但若项目位于沿海或山地，应把 ERA5 当作"第一近似"，再叠加卫星产品或现场辐照计交叉校核，避免把局地云致变率当成噪声忽略掉。

风电与光伏功率预测：辐照是光伏功率预测误差的主要来源，而历史再分析往往是预测模型训练与偏差订正的输入底座。论文说明 ERA5 相对旧再分析的偏差明显收窄，意味着用它构建训练样本和气候态基线，系统误差更小、订正模型更稳。风资源侧虽然关注的是风场，但同样受益于 ERA5 这一代再分析整体一致性的提升。

历史气象数据使用：论文最实用的提醒，是把"精度随地形与云况而变"写进数据使用纪律——选数据源时不能只看全球平均指标，要结合站点的地理位置（内陆 / 沿海 / 山区）判断 ERA5 是否够用，以及是否需要叠加卫星或观测做融合。

在运梦气象 API 上手

南京运梦科技的运梦气象 API 同时提供 ERA5 与 德国气象局双数据源：ERA5 适合做这篇论文讨论的历史辐照评估与长期资源分析，德国气象局则面向短期预报落地。两者都通过 downloadSync 接口、按 dataSourceId 与 fields 拉取。

光伏辐照场景，关注的字段是 rsds（地表下行短波辐照，即 GHI）、dni（法向直接辐照）、dhi（散射辐照）；风资源场景常用 u100 / v100 / ws / wd；常规气象配套字段为 tas / hurs / sp / pr。下面是一个拉取内陆某点全年逐时 GHI 的最小示例：

import os, requests

API = "https://console.yun-meng.top/api/energy-weather/search/weather/action/downloadSync"

payload = {
    "dataSourceId": "era5",          # 历史辐照评估用 ERA5；短期预报切 ger
    "lat": 34.5, "lon": 108.9,       # 内陆站点：ERA5 GHI 精度更稳
    "stime": "2023-01-01 00:00",
    "etime": "2023-12-31 23:00",
    "fields": ["rsds", "dni", "dhi"],  # GHI / DNI / DHI
    "timezone": "8",
}

resp = requests.post(
    API,
    headers={"Authorization": f"Bearer {os.environ['YUNMENG_TOKEN']}"},
    json=payload, timeout=600,
)
resp.raise_for_status()
result = resp.json()
if not result.get("success"):
    raise RuntimeError(result.get("msg", "查询失败"))

data = result["data"]
print(len(data["timeList"]), data["rsds"][0], data["dni"][0], data["dhi"][0])

拿到逐时 rsds 后，建议照搬论文的做法：如果手头有现场或邻近辐照观测，先算一次 ERA5 相对观测的平均偏差再做订正；位于沿海或山区的点位，记得叠加卫星辐照交叉验证。

更多上手信息可参考 ERA5 数据源产品页与德国气象局预报；接口与字段细节见 API 参考和数据要素解释；行业落地场景见光伏解决方案、风电解决方案、光伏功率预测与风电功率预测。想从更基础的角度理解这套数据，也可以先读 ERA5 完全解读。

常见问题

ERA5 的太阳辐照数据准确吗，可以直接用于光伏项目吗？ 据 Urraca 等 2018 年发表于 Solar Energy 的论文，ERA5 存在中等程度的系统性正偏差，但相比旧再分析平均偏差降低约 50%–75%。在内陆地区其精度可媲美卫星产品，配合系统性偏差订正后可作为光伏资源评估的主力数据；沿海与山区则需谨慎并叠加校正。

ERA5 和 ERA-Interim、MERRA-2 相比辐照精度提升了多少？ 论文给出的对比是：相对 ERA-Interim 与 MERRA-2 这两套旧再分析，ERA5 的平均偏差降低了约 50%–75%，是量级上的改善。

ERA5 辐照在什么地区精度会变差？ 在沿海与山区，ERA5 的辐照精度会明显退化。论文把根因归到云预报不足——ERA5 约 31 km 的网格在云量与辐照高变率区域仍偏粗，难以刻画局地辐照波动，这些点位建议用本地观测或更高分辨率源校正。

ERA5 辐照和卫星辐照产品哪个更准？ 分地区看。在地形平缓、云况相对简单的内陆地区，ERA5 已经可以媲美 NSRDB、SARAH 这类卫星产品；但在沿海和复杂山地，卫星或本地观测仍更可靠，推荐做交叉校核。

怎么通过运梦气象 API 获取 ERA5 的 GHI 数据？ 通过 downloadSync 接口，把 dataSourceId 设为 era5，在 fields 里指定 rsds（即 GHI）、dni、dhi 等辐照字段，并传入经纬度与起止时间即可拉取逐时数据；短期预报场景则把数据源切换为德国气象局的 ger。

引用与原文

Urraca, R., Huld, T., Gracia-Amillo, A., Martínez-de-Pisón, F. J., Kaspar, F., & Sanz-García, A. (2018). Evaluation of global horizontal irradiance estimates from ERA5 and COSMO-REA6 reanalyses using ground and satellite-based data. Solar Energy. Elsevier.

DOI: doi.org/10.1016/j.solener.2018.02.059

相关阅读