孙若晨 熊康宁 郭应军 颜佳旺

摘要 采用文献计量法分析1977—2019年太阳能资源评估研究文献的时间、研究区域和关键词，从资源计算、评估指标、资源区划3方面系统梳理太阳能资源评估的研究进展，分析喀斯特地区太阳能资源评估研究的不足之处，建议喀斯特地区建立和完善基础数据库、加强遥感卫星技术和人工神经网络模型在喀斯特地区太阳总辐射计算中的应用、构建喀斯特地区太阳能资源评估指标体系。

关键词 喀斯特地区;太阳能资源;资源计算;评估;指标;资源区划

中图分类号 S21 文献标识码 A 文章编号 0517-6611（2021）09-0005-06

doi：10.3969/j.issn.0517-6611.2021.09.002

Abstract The bibliometric method was used to analyze the time， research area and keywords of the solar resource assessment research literature from 1977 to 2019， systematically comb the research progress of solar resource assessment from the three aspects of resource calculation， assessment index and resource division，and analyze the shortcomings of solar energy resources evaluation in Karst areas. It was recommended to establish and improve basic databases， strengthen the application of remote sensing satellite technology and artificial neural network models in the calculation of total solar radiation in Karst areas， and build an evaluation indicator system for solar energy resources in Karst areas.

Key words Karst area;Solar energy resources;Resource calculation;Evaluation;Index;Resource zoning

喀斯特地貌在我國乃至世界都有广泛的分布，其中以云贵高原为中心的中国南方喀斯特地区包括黔、云、桂、渝、川、鄂、湘和粤8个省市的部分地区，出露面积为5.5×105 km2，是世界上面积最大、最集中连片分布的生态脆弱区[1-3]。在自然条件和人类活动的双重作用下导致林草退化、水土流失且产生石漠化问题[4]。喀斯特农村以薪柴和煤炭为主的能源消费结构[5-6]，不仅损害人体健康，阻碍了社会经济的可持续发展，还是造成石漠化的重要原因之一[7-8]，严重制约了喀斯特地区的生态文明建设。作为我国三大生态问题之一的石漠化问题，引起了党中央国务院的高度重视[9-10]，国家在“十五”规划中明确将“推进西南岩溶地区石漠化综合整治”纳入[11]，2008年启动了石漠化综合治理工程[9]，随后又相继颁布了《滇桂黔石漠化片区区域发展与扶贫攻坚规划（2011—2020年）》《乡村振兴战略规划（2018—2022年）》《全国重要生态系统保护和修复重大工程总体规划（2021—2035年）》等一系列政策，明确提出了要加大石漠化综合防治力度。农村能源建设是石漠化防治的重要措施[9，12]，其中太阳能是喀斯特农村地区能源建设的重要一环，能够有效地保护林草植被资源，增强岩溶生态系统功能，减少温室气体的排放，降低空气污染，减弱对人体健康的伤害，优化农村能源供给结构，缓解能源贫困，最终实现生态、社会的可持续发展。

太阳能资源分布间接性、不稳定性以及喀斯特地区复杂的自然环境，使得对太阳能资源的利用难度增大，因此加强对太阳能资源的监测与评估，是高效利用太阳能资源的关键[13]。笔者分析太阳能资源潜力评估的文献，系统梳理太阳能资源评估的方法与指标，剖析现阶段太阳能资源评估研究现状，找出喀斯特地区太阳能资源评估存在的问题，并对其进行展望，旨在为太阳能利用提供理论基础，为石漠化治理的科学决策和喀斯特地区生态文明建设提供理论依据。

1 太阳能资源评估文献分析

从中国知网期刊中文数据库（CNKI）收集研究主题与“太阳能资源评估”的相关文献，检索时间截至2019年12月31日，文献类型主要来自学术期刊、博硕士学位论文、国内会议论文等，其中以学术期刊为主要研究对象。以“太阳能资源评估”为检索词，按照“主题词”“篇名”“关键词”对相关文献进行检索分析，并进行筛选和整理。一共获得280 篇文献，其中中文期刊论文228 篇，学位论文20 篇，国内会议论文32 篇。利用Origin 2018和VOSviewer软件对数据进行时间、研究区域和关键词分析。

1.1 年度分布

从文献发表时间看（图1），1977年开始发表了第一篇文献，直到2007年以前文献发表数量都在5篇以下，在这期间有学者虽然开始关注太阳能评估研究，但仍不是当时研究的热点。2007—2010年，在推行《应对气候变化国家方案》《可再生能源中长期发展规划》等政策的影响下，太阳能资源评估逐渐成为全国关注的焦点，对评估的重视也在逐渐加深，相关研究文献数量迅速上升。尤其是在2009年，太阳能资源评估文献数量达到了20篇，相关研究的文献数量首次到达十位数。2011—2019年，评估研究文献数量趋于平稳，研究数量也有回落，该阶段更多地关注太阳辐射的计算与变化研究，加之地面辐射站数量较少，使得对太阳能资源评估的关注有所降低。但随着基本数据库的完善和计算方法的创新，对太阳能资源评估的研究力度还会加大。

1.2 研究区域分布

1.2.1 以行政区划分。以全国为研究范围进行太阳能资源评估的文献数量最多，共29篇。从研究的省级及其内部区域范围，除了没涉及安徽省太阳能资源评估的研究文献外，将省一级行政划分范围作为研究尺度的文献几乎覆盖了全国所有地区。新疆维吾尔自治区的文献数量最多，达19篇;内蒙古自治区、河南省的太阳能资源评估文献在15～20篇。

太阳光照条件优越，土地广阔，利于太阳能的利用，对这3个省（自治区）的评估研究相对较多，属于热点研究区。甘肃省、贵州省、四川省、江苏省、宁夏回族自治区文献数量在10篇以上，属于重点研究区域。尽管贵州省、四川省在全国太阳能资源区划中属于匮乏区，但仍有其利用价值，并要不断加强对其的研究（图2），有助于高效利用太阳能资源。由此可以看出，在一个省域范围内太阳能资源及其地理环境都较为相似，以行政单位为研究区域利于太阳能规划、利用与推广。

1.2.2 以生态区划分。随着气候环境的变化，许多生态区环境已变得十分脆弱，加之人类活动的影响，加速了环境的恶化，太阳能资源对实现生态区可持续发展具有重要的环境、社会和经济意义。有关生态区[14]的研究文献数量为：河西走廊绿洲农业生态区共6篇，江河源区高寒草甸生态区共5篇，环渤海城镇及城郊农业生态区1篇，三峡库区敏感生态区1篇，黔桂喀斯特脆弱生态区1篇，南海诸岛岛屿生态区1篇，横断山区常绿阔叶林、暗针叶林生态区1篇。这些文献着眼于生态脆弱区太阳能资源变化和分布情况，有利于通过改变能源利用方式，为今后生态区的保护提供方向。

1.3 关键词分析

关键词反映文章的主题，是文章的核心[15]。利用VOSviewer软件对关键词进行可视化分析，通过聚类分析生成关键词共现知识图谱（图 3），直观地了解太阳能资源评估研究领域的热点。关键词共现标签图中可看出“太阳能资源”“太阳总辐射”“日照时数”“太阳辐射”“太阳能资源评估”的节点相对较大，该领域的热点紧紧围绕着这5个关键词开展。

2 太阳能资源计算方法与评估指标

2.1 太阳能资源计算方法

2.1.1 气候学方法。

Angstr'm最先将日照时间运用到太阳辐射之中，之后建立Angstr'm-Prescott模型[16-17]，具有较好的仿真效果。在太阳总辐射计算中使用最广泛的是气候学方法，公式如下[18]：

式（1）中，Q和Q0分别为月太阳总辐射和月天文太阳总辐射（MJ/m2）;s为月日照时数百分率（%）;a、b为经验系数。

月天文总辐射量由日天文总辐射Qn量累加得到，日天文辐射量的计算公式如下[19]：

式（2）中，T为时间周期，I0为太阳常数，ρ为日地距离;φ、δ、ω0分别为地理纬度、太阳赤纬、日出日落时角。

左大康等[20]最先对太阳总辐射进行计算，和清华等[21]也同样利用太阳总辐射和日照百分率资料对我国东部和西部2个地区的站点建立太阳辐射回归模型，得出结果模拟误差值西部地区小于东部地区。鞠晓慧等[19]利用太阳日照数据进行总辐射计算，进而计算无辐射资料站的辐射总量，误差在可接受范围。由于不同地区地貌、气候等自然条件不同，需要因地采取不同的经验公式。缪启龙等[22]对西部山区太阳总辐射进行分析，考虑日照、水汽以及海拔的影响，研制适宜西部山区太阳总辐射的气候学计算公式。熊燕琳等[23]依据152个气象站点的多年逐月日照百分率变化规律资料把四川省分区，建立的气候学方程估算太阳总辐射更加精准。气候学计算方法是应用最多的方法之一，多用于平原或海拔不高的地方[24]，地形起伏会对计算产生影响，但是数据的误差约小于0.39%[25]，由此可以得出气候学方法在喀斯特山地地区具有利用价值。

2.1.2 基于卫星遥感观测资料的计算方法。

21世纪以来随着卫星遥感技术的不断发展，取得了卓越成就并广泛应用于诸多领域。由于地面太阳辐射观测站无法满足实际需求，19世纪60年代开始有学者就利用气象卫星遥感数据反演地表太阳辐射[26-29]，有效地弥补当前地面气象数据的不足[30-31]。气象卫星主要分为极轨气象卫星和静止气象卫星两类。

极轨气象卫星每天2次巡视地球表面，并通过地球南北极，获得全球观测数据，其轨道高度为800～1 000 km，具有较高的分辨率。王丽等[32]根据1960—2005年逐月NOAA-AVHRR观测数据、数字高程模型（DEM）数据以及日照百分率资料，运用起伏地形下太阳辐射计算模型，模拟了长江流域太阳总辐射，分析辐射的时空分布规律和影响因素。刘海军等[33]以陕西气象站的实测资料和NOAA卫星影像为数据，套用半物理模式的统计经验反演地表太阳总辐射。

静止气象卫星是在赤道上空与地球同步轨道上工作，在地球赤道上空约35 800 km，对同一目标地区能够进行持续不断的气象观测。陈渭民等[34]推導CMS静止卫星的可见光和红外辐射与太阳总辐射之间的理论关系，建立多个地面总辐射的统计模型并绘制回归系数分布图。Gherboudj等[31]等基于MSG/SEVIRI卫星图像，收集7个不同位置的太阳辐射地面测量结果，得出全球辐照度和直接正常辐照度的值并结合土地适宜性指数，评估了光伏和聚光型太阳能发电实施的适宜位置，以保证随时间推移实现高发电量。

2种气象卫星也都有各自的局限性，极轨气象卫星对突发的气象变化无法进行连续观测，静止气象卫星只可观测地球表面1/3的固定区域，将两者相结合，能够互为备份，增强监测的准确性。王欣等[35]使用2种气象卫星资料用于估算黄河源区一天中不同时刻的净辐射辐照度的空间分布，得出的净辐射值较为理想。上述研究成果显示利用卫星遥感数据估算太阳辐射具有良好的效果，能够有效弥补地面监测站不足，以及在大面积监测计算的需求。

2.1.3 复杂地形下的计算方法。

喀斯特地区复杂地形会对太阳辐射起到遮蔽作用，主要影响有海拔差异、坡度、坡向和周围地形起伏等[36-37]。因此许多学者开始考虑地形因素对太阳辐射的影响，尤其是在山区[38]。

在复杂地形中，太阳总辐射Qαβ由太阳直接辐射Qbαβ、太阳散射辐射Qdαβ和地形反射辐射Qrαβ三部分构成[39-40]：

傅抱璞[41]最先对复杂地形下太阳辐射进行开创式研究，提出复杂地形下太阳直接辐射的计算公式：

式（4）中，Qb和Q0分别为水平面上的太阳直接辐射和天文辐射，Q0αβ为复杂地形条件下天文辐射，单位均为MJ/m2。

复杂地形中太阳散射辐射的计算公式为[42]：

式（5）中，Qd为水平面太阳散射辐射;Rb为转换因子，为复杂地形下天文辐射与水平面天文辐射之比;V为地形开阔度，可以表示如下[43]：

式（6）中，α为坡度。

起伏地形下地形反射辐射计算公式如下[42]：

式（7）中，Q为水平面干/湿洁大气日辐射量;as为地表反照率。

DEM数据库是计算中最为基础的数据之一。施国萍等[43]依托DEM数据和气象资料，求得以天文辐射、干洁大气总辐射和湿洁大气总辐射为起始数据的计算公式。袁淑杰等[36]采用DEM数据，以起伏地形下天文辐射为起始数据建立了贵州高原太阳直接辐射的分布式模型，结果具有典型的地理分布特征，并且地形对辐射影响显著。Mészáro等[44]在斯洛伐克Jalovecky盆地建立了SOLEI-32模型，利用Cervenec和Parichvost 2个站的数据进行了实地测量，结果精度较高。也有学者利用辐射资料、DEM数据和NOAA-AVHRR数据，比较气候经验统计模型和分布式模型，结果发现总辐射分布趋势大致相同，分布式模型方法所得总辐射的范围更精细[25]。

2.1.4 基于人工神经网络的计算方法。

心理学家Mcculloch和逻辑学家Pitts在 1943 年提出了一种通过模拟人脑神经网络来进行数学模型研究，称为MP模型[45]。人工神经网络由输入层、输出层和多个隐藏层组成（图4），具有非线性、鲁棒性和容错性等特点，近年来已在太阳辐射计算中得到一定的应用和发展。周晋等[47]基于北京市1971—1995年气象数据，利用人工网络建立了北京市日太阳总辐射月均值预估模型，估算结果与实测值较为吻合。李净等[48]利用LM-BP模型结合DEM数据，估算西北地区2011年太阳总辐射月均值，并用24个辐射站的实测值进行空间插值，得到西北地区太阳辐射空间分布图。庄述鹏等[49]基于福山气象站数据，利用广义回归神经网络模型模拟山东福山站2002—2003年日总辐射曝辐射量，拟合度为0.892，模型预估精度较LM算法优化后的误差反向神经网络更高。Sivamadhavi等[50]基于反向传播算法的多层前馈神经网络，以预测印度泰米尔纳德邦的月平均日全球辐射量，得出模型可用于估计该地区任何地方的月平均日全球辐射量。Rezrazi等[51]利用人工神经网络模型预测阿尔及利亚盖尔达耶2007年太阳辐射，预测结果良好。人工神经网络模型在太阳辐射计算中具有较好的预测性，拟合优度和误差指标比气候经验较好，模拟精度较高。并且在对无太阳辐射观测的地区，人工神经网络模型是一种有效的预测方法。

2.2 太阳能资源评估指标

太阳能资源评估指标中多数利用太阳能资源丰富程度[52-56]、太阳能资源稳定程度[57-60]、太阳能资源可利用价值[61-62]等指标。尽管不同国家和地区太阳能资源评估标准不同，但都大同小异，因此，该研究主要使用中国太阳能资源评估标准进行论述。

2.2.1 太阳能资源丰富程度评估。

太阳能资源的丰富度主要由太阳总辐射来衡量，能够较好地反映地区的太阳能资源量。何如等[52]利用1961—2010年广西3个辐射站的太阳能辐射资料，将太阳能资源标准中“资源丰富”又细分为3个级别，从而得到了广西太阳能资源丰富度的6个指标。钟燕川等[53]绘制了四川省太阳能资源丰富度分布图，四川太阳能资源丰富度呈现东低西高的特点。四川盆地大部分处于太阳能资源一般的地区，丰富区只在东北的一小部分，主要是四川的西部、北部和南部，与杨淑群等[54]的研究结果相一致。杨通江等[55]利用1971—2008年太阳辐射资料，计算出贵州年平均太阳总辐射西部和西南地区较高，中部和东北部偏低，年平均太阳辐射小于3 500.00 MJ/m2，最高值在毕节威宁，达4 594.80 MJ/m2，低值区在遵义桐梓县，为3 149.14 MJ/m2，由此可以得出贵州省大部分地区的太阳能资源属于较丰富区。Raush等[56]在路易斯安那州南部实施预测模型，并与现有数据集和建模资源进行比较，得出月法向直接辐射差异较大，但年辐射量约为5 190.3 MJ/（m2·a），太阳能资源丰富。

2.2.2 太阳能资源稳定程度评估。

太阳能资源的稳定程度反映一个地区太阳能资源变化的情况，通常用一年中各月日照时数大于6 h天数的最大值与最小值的比值表示，计算公式如下[63]：

式（8）中，K为太阳能资源稳定程度指标，无量纲数;Day1，Day2，…，Day12为1—12月中每月日照时数大于6 h的天數（d）;

max（）为求最大值的标准函数;

min（）为求最小值的标准函数。

梁玉莲等[57]研究得出华南地区太阳能资源整体处于稳定，其中，海南省的稳定性为最高，整体处于稳定，广西在华南地区属于稳定性最差，介于两者之间的是广东。潘平安等[58]通过计算得到四川甘孜藏族自治州的高原地区以及西（中）南部太阳能稳定程度指数K<2，太阳能资源稳定且可靠，在部分高山峡谷阴坡区K>4，属于不稳定范围，其余地区稳定度指数K为2～4，太阳能资源较为稳定。周扬等[59]利用14个气象站的日照时数对江苏省太阳能资源稳定程度进行计算，并运用Kriging插值法进行空间插值，江苏北部和东部地区的太阳能资源稳定，K值最小;江苏省南部地区K值较大，表明稳定程度相对较差。Paulescu等[60]计算出2009年蒂米什瓦日平均日照稳定度介于0～0.028，表明太阳辐射状况相当稳定。

2.2.3 太阳能资源可利用价值评估。

钟燕川等[53]分析了四川日照时数大于6 h的天数，得出四川西北部高原地区和南部山区部分地区日照时数大于6 h的天数在150～200 d，其中日照时数最多的地区是攀枝花仁和区，日照时数较短的地区主要分布在四川盆地中部和南部大部分，利用价值较低。李柯等[61]从资源保障的角度选取≥3 h有效日照天数作为评估指标，得出与年日照时数空间分布大体一致略有小的差异。Bloutsos等[62]利用1971—1980年的日照数据得出克里克岛南部地区日照时数每年超过约300 h，大部分地区除了11月—次年1月，其余月份具有良好的日照条件。在太阳能资源利用价值的评估中通常用各月日照时数超过6 h的指标作为评估标准，该数值代表了每天太阳能资源的利用价值，其值越大，说明该地区的光照越充足，并且受天气变化的影响较小，设备利用效率就越高。日照时数大于3 h有利于太阳能设备的利用，在评估中可以将其列入。

2.2.4 其他指标。

韩世涛等[64]将一天划分为3个时段，利用银川1995—2008年的日照时数分析，得出11：00—16：00为太阳能最佳利用时段。赵东等[65]根据相同的时间、相等的面积内直射比斜射热量高的原理，利用直射比分析三峡库区的太阳辐射情况，计算出直射比为0.36，太阳辐射以散射为主，其中宜昌的直射比为0.43，为最高值，其次是万县，最低在重庆。

3 太阳能资源区划

太阳能资源受纬度、气候、地形等因素影响，使得太阳辐射强度具有显著的差异性。对全国和不同的地区都进行了划分（表1），其中太阳辐射和日照时数是资源区划中使用频率最高的2个指标。李立贤[66]根据我国各地的太阳能资源量、年日照时数以及每年1 m2面积上所接受的太阳热量这3类指标，将全国划分为5类地区。王炳忠[67]进行更为详细的区划，把全国划分了3级，将太阳能资源年总量作为第1级区划的分区指标，把全国划分成资源丰富带、资源较丰富带、资源较贫乏带和资源贫乏带4个带;第2级区划考虑到资源的季节性，选取各月日照时间大于6 h的天数作为分区指标;将太阳能利用的有效时间作为第3级区划指标。还有学者在此基础上增加晴天日数、有效日照天数、最佳利用时段等指标进行更为详细的区划。颜亮东等[68]将区划指标分为二级，以年太阳总辐射量作为一级区划指标;二级区域指标为日平均气温稳定通过 0 ℃以上期间的日数，把三江源地区分成资源特丰利用佳期较长区、资源特丰利用佳期较短区等10类。刘可群等[69-70]将晴天日数应用于太阳能资源区划之中。对太阳能资源进行区划，明确划定太阳能资源丰贫区，了解不同地区太阳能资源的禀赋，有助于进行区域太阳能研究和因地制宜发展太阳能产业。

4 结论与展望

1973年石油危机之后，太阳能逐渐成为学者们研究的熱点之一，该研究通过对CNKI数据库中太阳能资源评估相关文献进行统计整理，分析了太阳能资源的研究热点，梳理了喀斯特地区太阳能资源计算方法，归纳了太阳能资源评估指标，总结出有以下几点不足：

（1）文献分析表明，现有的喀斯特地区太阳能资源评估研究多以大尺度以行政单位如省、市为界限进行研究，有关贵州、四川等典型喀斯特省份的太阳能资源潜力评估研究文献较为丰富;对按不同条件划分的区域，如以喀斯特地貌区为研究范围的文献数量匮乏。

（2）喀斯特地区太阳总辐射的计算方法以气候学计算法和结合地形的计算方法为主，较少利用遥感卫星技术反演太阳辐射。虽然气候学方法具有计算方便、模拟精度较高等优点，但在实际应用中由于数据短缺导致计算结果准确度降低。人工神经网络模型在太阳总辐射计算中预测效果较好，但在喀斯特地区鲜有应用。

（3）在现有的太阳能资源评估的研究中，多是采用国家气象局制定的统一标准，评估方法、指标单一，并且缺乏对区域差异性的考量，难以满足不同地区太阳能资源利用的需求。

随着喀斯特地区社会经济的快速发展，对太阳能的需求也发生了改变。对太阳能资源评估提出了更高的要求，今后研究发展有以下几个方向：

（1）加强对喀斯特地区的太阳能资源评估研究。打破原有的行政界线，以区位条件（自然、地理位置、社会经济等方面）相似的地域作为研究区域，以便于减少重复性工作，增强太阳能的应用、示范与推广。

（2）建立和完善太阳辐射基础数据库，加强计算的精准度。太阳能资源评估是建立在辐射数据和气象数据基础之上的，建立和完善喀斯特地区基础数据库，增加太阳辐射地面观测站的数量，为太阳能资源评估打下坚实的基础;在太阳能总辐射计算中，尝试运用多种计算方法，加强卫星遥感技术和人工网络神经方法的应用，以弥补监测数量的不足，增强计算的精准度。

（3）构建适宜喀斯特地区的太阳能资源评估指标体系。在国家标准的基础上，深刻认识喀斯特地区独特的环境条件，分析现有指标在喀斯特地区应用的适宜性以及探索适用于喀斯特地区评估指标，如植被的遮蔽作用，多维度、多视角地构建喀斯特地区太阳能资源评估的指标体系，增强评估的准确性和适用性。

参考文献

[1] 袁道先.我国西南岩溶石山的环境地质问题[J].世界科技研究与发展，1997，19（5）：41-43.

[2] 杨明德，谭明，梁虹.喀斯特流域水文地貌系统[M].北京：地质出版社，1998.

[3] 熊康宁，陈起伟.基于生态综合治理的石漠化演变规律与趋势讨论[J].中国岩溶，2010，29（3）：267-273.

[4] 熊康宁，朱大运，彭韬，等.喀斯特高原石漠化综合治理生态产业技术与示范研究[J].生态学报，2016，36（22）：7109-7113.

[5] 郭应军，熊康宁，安裕伦，等.中国西南石漠化地区农村能源消费结构研究[J].农业工程学报，2019，35（3）：226-234.

[6] 王琦，熊康宁，盈斌，等.喀斯特地区农村能源消费特征及影响因素[J].中国农业资源与区划，2019，40（3）：146-157.

[7] 熊康宁，黎平，周忠发，等.喀斯特石漠化的遥感——GIS典型研究：以贵州省为例[M].北京：地质出版社，2002.

[8] 王世杰，李阳兵.喀斯特石漠化研究存在的问题与发展趋势[J].地球科学进展，2007，22（6）：573-582.

[9] 吴协保，孙继霖，林琼，等.我国西南岩溶石漠化土地生态建设分区治理思路与途径探讨[J].中国岩溶，2009，28（4）：391-396.

[10] 熊康宁，李晋，龙明忠.典型喀斯特石漠化治理区水土流失特征与关键问题[J].地理学报，2012，67（7）：878-888.

[11] 蒋忠诚，罗为群，童立强，等.21世纪西南岩溶石漠化演变特点及影响因素[J].中国岩溶，2016，35（5）：461-468.

[12] 曾发明.岩溶石漠化治理对碳汇的影响研究[D].武汉：中国地质大学，2018.

[13] 沈义.我国太阳能的空间分布及地区开发利用综合潜力评价[D].兰州：兰州大学，2014.

[14] 傅伯杰，刘国华，陈利顶，等.中国生态区划方案[J].生态学报，2001，21（1）：1-6.

[15] 赵海莉，张婧.基于Citespace和Vosviewer的中国水旱灾害研究进展与热点分析[J].生态学报，2020，40（12）：4219-4228.

[16] NGSTRM A.Solar and atmospheric radiation.Report to the international commission for solar research on actinometric investigations of solar and atmospheric radiation[J].Quarterly journal of the royal meteorological society，1924，50（210）：121-126.

[17] PRESCOTT J A.Evaporation from a water surface in relation to solar radiation[J].Transactions of the royal society of South Australia，1940，46：114-125.

[18] 翁笃鸣.中国辐射气候[M].北京：气象出版社，1997.

[19] 鞠晓慧，屠其璞，李庆祥.我国太阳总辐射气候学计算方法的再讨论[J].南京气象学院学报，2005，28（4）：516-521.

[20] 左大康，王懿賢，陈建绥.中国地区太阳总輻射的空间分布特征[J].气象学报，1963，33（1）：78-96.

[21] 和清华，谢云.我国太阳总辐射气候学计算方法研究[J].自然资源学报，2010，25（2）：308-319.

[22] 缪启龙，周锁铨，吴息，等.西部山区总辐射气候学计算及分布[J].南京气象学院学报，1994，17（2）：177-182.

[23] 熊燕琳，周筠珺.四川地区地面太阳总辐射时空分布及气象影响因素研究[J].太阳能学报，2020，41（12）：162-171.

[24] 王炳忠.我国的太阳能资源[J].太阳能，1980（1）：7-8.

[25] 钟燕川，马振峰，徐金霞，等.基于分布式模型方法和气候经验模型的四川省总辐射结果比较研究[J].高原山地气象研究，2017，37（3）：58-63.

[26] 钟强.地面辐射气候学研究进展——从卫星反演地面辐射能收支的若干问题[J].地球科学进展，1996，11（3）：238-244.

[27] 肖建设，颜亮东，校瑞香，等.基于RS/GIS的三江源地区太阳能资源遥感估算方法研究[J].资源科学，2012，34（11）：2080-2086.

[28] 武永利，相栋.FY2号气象卫星估算地面太阳辐射研究[J].自然资源学报，2013，28（12）：2117-2126.

[29] 韩露，崔生成，杨世植，等.基于FY-2G红外卫星资料反演我国陆地区域的地表发射率[J].光学学报，2019，39（12）：383-393.

[30] 申彦波.近20年卫星遥感资料在我国太阳能资源评估中的应用综述[J].气象，2010，36（9）：111-115.

[31] GHERBOUDJ I，GHEDIRA H.Assessment of solar energy potential over the United Arab Emirates using remote sensing and weather forecast data[J].Renewable and sustainable energy reviews，2016，55：1210-1224.

[32] 王丽，邱新法，王培法，等.复杂地形下长江流域太阳总辐射的分布式模拟[J].地理学报，2010，65（5）：543-552.

[33] 刘海军，吴林荣，孙娴.基于NOAA卫星的陕西省太阳总辐射反演研究[J].测绘科学，2011，36（3）：22-24.

[34] 陈渭民，高庆先，洪刚.由GMS卫星资料获取我国夏季地表辐射收支[J].大气科学，1997，21（2）：238-246.

[35] 王欣，文军，张宇，等.利用我国气象卫星遥感资料估算黄河源区净辐射辐照度的研究[J].太阳能学报，2012，33（2）：313-320.

[36] 袁淑杰，缪启龙，谷晓平，等.贵州高原起伏地形下太阳直接辐射的精细分布[J].自然资源学报，2009，24（8）：1432-1439.

[37] 殷雪莲，贺建锋.河西走廊中部气候资源特点及其开发应用[J].干旱区研究，2010，27（2）：188-193.

[38] CHEN N.Spectra method for revealing relations between slope and possible sunshine duration in China[J].Earth science informatics，2020，13（3）：695-707.

[39] 谷晓平，袁淑杰，史岚，等.贵州高原复杂地形下太阳总辐射精细空间分布[J].山地学报，2010，28（1）：96-102.

[40] 邬定荣，刘建栋，刘玲，等.基于DEM的广东山地高分辨率太阳辐射模拟研究[J].热带气象学报，2014，30（4）：795-800.

[41] 傅抱璞.山地气候[M].北京：科学出版社，1983.

[42] HAY J E.Calculation of monthly mean solar radiation for horizontal and inclined surfaces[J].Solar energy，1979，23（4）：301-307.

[43] 施国萍，邱新法，曾燕.中国三种太阳辐射起始数据分布式模拟[J].地理科学，2013，33（4）：385-392.

[44] MSZRO I，MIKLNEK P.Calculation of potential evapotranspiration based on solar radiation income modeling in mountainous areas[J].Biologia，2006，61：S284-S288.

[45] MCCULLOCH W S，PITTS W.A logical calculus of the ideas immanent in nervous activty[J].Bulletin of mathematical biology，1990，52（1/2）：99-115.

[46] 赵崇文.人工神经网络综述[J].山西电子技术，2020（3）：94-96.

[47] 周晋，吴业正，晏刚，等.利用神经网络估算太阳辐射[J].太阳能学报，2005，26（4）：509-512.

[48] 李净，王卫东，张福存.利用LM-BP神经网络估算西北地区太阳辐射[J].干旱区地理，2015，38（3）：438-445.

[49] 庄述鹏，宫响，林婵，等.基于广义回归神经网络的日总辐射曝辐量预估[J].太阳能学报，2019，40（1）：11-16.

[50] SIVAMADHAVI V，SELVARAJ R S.Prediction of monthly mean daily global solar radiation using Artificial Neural Network[J].Journal of earth system science，2012，121（6）：1501-1510.

[51] REZRAZI A，HANINI S，LAIDI M.An optimisation methodology of artificial neural network models for predicting solar radiation：A case study[J].Theoretical and applied climatology，2016，123（3/4）：769-783.

[52] 何如，周紹毅，苏志，等.近50年广西太阳能资源估算与特征分析[J].江西农业学报，2016，28（3）：109-112.

[53] 钟燕川，马振峰，徐金霞，等.基于地形分布式模拟的四川省太阳能资源评估[J].西南大学学报（自然科学版），2018，40（7）：115-121.

[54] 杨淑群，詹兆渝，范雄.四川省太阳能资源分布特征及其开发利用建议[J].四川气象，2007，27（2）：15-17.

[55] 杨通江，陈仕军，文贤馗，等.贵州地区太阳能资源应用潜力分析[J].贵州电力技术，2013，16（10）：25-26.

[56] RAUSH J R，CHAMBERS T L，RUSSO B，et al.Assessment of local solar resource measurement and predictions in south Louisiana[J].Energy，sustainability and society，2016，6（1）：1-12.

[57] 梁玉莲，申彦波，白龙，等.华南地区太阳能资源评估与开发潜力[J].应用气象学报，2017，28（4）：481-492.

[58] 潘平安，露丹.四川省甘孜藏族自治州太阳能资源及其开发利用分析[J].北京农业，2015（3）：227-228.

[59] 周扬，吴文祥，胡莹，等.江苏省可用太阳能资源潜力评估[J].可再生能源，2010，28（6）：10-13.

[60] PAULESCU M，BADESCU V.New approach to measure the stability of the solar radiative regime[J].Theoretical applied climatology，2011，103（3/4）：459-470.

[61] 李柯，何凡能.中国陆地太阳能资源开发潜力区域分析[J].地理科学进展，2010，29（9）：1049-1054.

[62] BLOUTSOS A A，PENNAS P J.A study of the daily and hourly change of sunshine duration values on Crete island[J].Theoretical and applied climatology，1986，37（3）：150-157.

[63] 中国气象局.太阳能资源评估方法：QX/T 89—2008[S].北京：气象出版社，2008.

[64] 韩世涛，刘玉兰，刘娟.宁夏太阳能资源评估分析[J].干旱区资源与环境，2010，24（8）：131-135.

[65] 赵东，祝昌汉，罗勇，等.三峡库区太阳能资源基本特征及其演变[J].自然资源学报，2009，24（11）：1984-1993.

[66] 李立贤.我国的太阳能资源[J].自然资源，1977（1）：69-71.

[67] 王炳忠.中国太阳能资源利用区划[J].太阳能学报，1983，4（3）：221-228.

[68] 颜亮东，周秉荣，李晓东，等.三江源地区太阳能资源区划及利用潜力研究[J].资源科学，2012，34（11）：2057-2066.

[69] 刘可群，陈正洪，夏智宏.湖北省太阳能资源时空分布特征及区划研究[J].华中农业大学学报，2007，26（6）：888-893.

[70] 黄艳，蔡敏，严红梅.浙江省太阳能资源分布特征及其初步区划研究[J].科技通报，2014，30（5）：78-85.

[71] 寿陛扬，王明，陈二永.我国太阳能资源的生态区域[J].生态经济，1992（6）：40-44.

[72] 趙媛，赵慧.我国太阳能资源及其开发利用[J].经济地理，1998，18（1）：56-61.

[73] 戴志松，邓先瑞.湖北省太阳能资源及其利用区划的探讨[J].华中师范大学学报（自然科学版），1986，20（3）：357-367.

[74] 余优森，邓振镛，林日暖，等.甘肃省太阳能利用区划[J].甘肃气象，1986（3）：32-34.

[75] 龚培兰.新疆太阳能资源利用区划[J].新疆气象，1989（5）：34-40.

[76] 王明，寿陛扬，陈二永.云南太阳能资源实用区划新探[J].云南师范大学学报（自然科学版），1992，12（2）：48-56.

[77] 龚强，于华深，蔺娜，等.辽宁省风能、太阳能资源时空分布特征及其初步区划[J].资源科学，2008，30（5）：654-661.

[78] 冯刚，李卫华，韩宇，等.新疆太阳能资源及区划[J].可再生能源，2010，28（3）：133-139.