Mapping diffuse solar radiation from satellite data for Thailand

Abstract

This study aims to develop a model for estimating monthly average daily diffuse solar radiation and to generate spatial maps over Thailand. Ground-based observations were collected from four stations located in different regions (Chiang Mai, Nakhon Pathom, Ubon Ratchathani, and Songkhla) during 2012-2024. The diffuse and global radiation were measured using pyranometers with 2-axis sun trackers. Additionally, the validation data for the generated maps were collected in 2024 from indirect measurements at four other stations (Phayao, Uthai Thani, Udon Thani, and Nakhon Si Thammarat).

Ground-based atmospheric parameters were retrieved from two sources, AERONET (aerosol optical depth, precipitable water, and total ozone column) and Thai Meteorological Department (cloud cover, air temperature, relative humidity, and wind speed) Satellite-based atmospheric parameters were derived from multiple sources: MODIS MCD18A1 (global radiation), MODIS MYD08 (aerosol optical depth, precipitable water, ozone, cloud cover), NCEP/NCAR (air temperature, relative humidity), and CCMP (wind speed).

To align the satellite-based data with ground observations, quantile mapping (QM) was applied for improving an agreement between two data sources. A model development used the relationship between diffuse fraction and clearness index. Parameters were selected using t-statistics and p-values, identifying clearness index, air temperature, and relative humidity as significant inputs for the baseline model (M1). Additional variables were incorporated through the subset selection (M2-M32) by using the multiple linear regression, which the model M6 adding wind speed achieved the highest accuracy with a mean bias difference (MBD) of 4.71%, a root mean square difference (RMSD) of 14.15%, and the index of agreement (IOA) of 0.933. Subsequently, the diffuse fraction derived from model M6 was compared with that obtained from other modeling approaches including k-fold cross-validation (M6A) and artificial neural networks (M6B), as well as with models from previous studies (models O1–O11). The model M6A demonstrated the best performance with the MBD of 2.81%, RMSD of 13.49%, and IOA of 0.957.

After that, for generating spatial maps of the diffuse solar radiation across Thailand, all satellite-based atmospheric parameters were preprocessed into the same format and calculated the diffuse solar radiation at each pixel using the cross-validation model of M6A. These data were validated against the independent ground data and showed a good agreement between both datasets with the discrepancy by MBD of 2.58%, RMSD of 16.77%, and IOA of 0.886. This confirmed the reliability of the diffuse solar radiation maps purposed from this work.

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองสำหรับประมาณค่ารังสีกระจายรายวันเฉลี่ยต่อเดือนและสร้างแผนที่การกระจายเชิงพื้นที่ของรังสีกระจายในประเทศไทย ข้อมูลภาคพื้นดินถูกรวบรวมจากสถานีหลักในภูมิภาคต่าง ๆ 4 แห่ง (เชียงใหม่ นครปฐม อุบลราชธานี และสงขลา) ในช่วงปี ค.ศ. 2012-2024 ซึ่งมีการวัดทั้งรังสีรวมและรังสีกระจายโดยใช้ไพราโนมิเตอร์คู่กับเครื่องติดตามการเคลื่อนที่ของดวงอาทิตย์แบบสองแกน ในการทดสอบแผนที่ที่ได้จากงานวิจัยใช้ข้อมูลในปี 2024 ที่ได้มาจากการวัดทางอ้อม (วัดรังสีรวมและรังสีตรงเพื่อให้ได้รังสีกระจาย) ที่สถานีอื่น ๆ อีก 4 แห่ง (พะเยา อุทัยธานี อุดรธานี และนครศรีธรรมราช)

ข้อมูลพารามิเตอร์ทางบรรยากาศจากภาคพื้นดินที่นำมาใช้ถูกรวบรวมจาก 2 แหล่ง ได้แก่ AERONET (ความลึกเชิงแสงของฝุ่นละออง ปริมาณไอน้ำในบรรยากาศ และปริมาณโอโซน) และกรมอุตุนิยมวิทยา (ปริมาณเมฆ อุณหภูมิอากาศ ความชื้นสัมพัทธ์ และความเร็วลม) ขณะที่ข้อมูลจากดาวเทียมได้มาจากหลายแหล่ง ได้แก่ รังสีรวม ซึ่งเป็นผลิตภัณฑ์ MCD18A1 จากอุปกรณ์ MODIS ซึ่งอยู่บนดาวเทียม Terra/Aqua และ ข้อมูลฝุ่นละออง ไอน้ำ โอโซน และเมฆ ซึ่งเป็นผลิตภัณฑ์ MYD08 จากอุปกรณ์ MODIS เช่นกัน นอกจากนี้มีข้อมูลจาก NCEP/NCAR ได้แก่ อุณหภูมิอากาศและความชื้นสัมพัทธ์ และข้อมูลความเร็วลมจากระบบ Cross-Calibrated Multi-Platform (CCMP)

เพื่อให้ข้อมูลจากดาวเทียมมีความสอดคล้องกับข้อมูลจากภาคพื้นดินก่อนนำไปใช้สร้างแบบจำลอง จึงมีการประยุกต์ใช้เทคนิคการแมปปิงแบบควอนไทล์ (Quantile Mapping: QM) ซึ่งช่วยเพิ่มความสอดคล้องของข้อมูลทั้งสองชุดให้ดีขึ้น การพัฒนาแบบจำลองอาศัยความสัมพันธ์ระหว่างสัดส่วนรังสีกระจาย (diffuse fraction) และดัชนีความแจ่มใสของท้องฟ้า (clearness index) โดยมีการคัดเลือกพารามิเตอร์ด้วยค่า t-statistic และค่า p-values ซึ่งพบว่า ดัชนีความแจ่มใสของท้องฟ้า อุณหภูมิอากาศ และความชื้นสัมพัทธ์ เป็นพารามิเตอร์ที่มีนัยสำคัญทางสถิติ และถูกนำไปใช้เป็นตัวแปรในแบบจำลองพื้นฐาน (M1) หลังจากนั้น มีการเพิ่มพารามิเตอร์อื่น ๆ โดยใช้กระบวนการคัดเลือกแบบย่อย (subset selection) เพื่อสร้างแบบจำลอง M2 ถึง M32 โดยใช้วิธีการวิเคราะห์การถดถอยพหุคูณ (multiple linear regression) ซึ่งแบบจำลอง M6 ที่เพิ่มความเร็วลมให้กับแบบจำลองพื้นฐานให้ผลลัพธ์แม่นยำที่สุด โดยมีค่าค่าเบี่ยงเบนเฉลี่ย (Mean bias difference: MBD) เท่ากับ 4.71% ค่ารากที่สองของค่าเบี่ยงเบนกำลังสองเฉลี่ย (Root mean square difference: RMSD) เท่ากับ 14.15% และ ดัชนีความสอดคล้อง (Index of agreement: IOA) เท่ากับ 0.933 ต่อมาแบบจำลอง M6 ถูกนำไปเปรียบเทียบกับวิธีการสร้างแบบจำลองแบบอื่นได้แก่ วิธีการ k-fold cross-validation (M6A) และโครงข่ายประสาทเทียม (M6B) รวมทั้งเปรียบเทียบกับแบบจำลองจากงานวิจัยอื่น ๆ ที่ทำการศึกษาก่อนหน้า (แบบจำลอง O1-O11) โดยแบบจำลอง M6A ให้ผลลัพธ์ดีที่สุด โดยมีค่า MBD เท่ากับ 2.81% ค่า RMSD เท่ากับ 13.49% และค่า IOA เท่ากับ 0.957

หลังจากนั้นเพื่อสร้างแผนที่การกระจายตัวเชิงพื้นที่ของรังสีกระจายทั่วประเทศไทย ได้มีการเตรียมข้อมูลพารามิเตอร์ทางบรรยากาศจากดาวเทียมทั้งหมดให้อยู่ในรูปแบบเดียวกัน และทำการคำนวณค่ารังสีกระจายในแต่ละพิกเซลโดยใช้แบบจำลอง cross-validation (M6A) ผลการทดสอบความถูกต้องกับข้อมูลภาคพื้นดินจากสถานีที่ทำการวัดรังสีกระจายแบบอ้อมแสดงให้เห็นว่าค่ารังสีกระจายที่ได้จากแผนที่และที่ได้จากการวัดมีความสอดคล้องกันค่อนข้างดีโดยมีค่า MBD เท่ากับ 2.58% ค่า RMSD เท่ากับ 16.77% และค่า IOA เท่ากับ 0.886 ซึ่งยืนยันถึงความน่าเชื่อถือของแผนที่รังสีกระจายที่สร้างขึ้นในงานวิจัยนี้