基于隨機森林算法的FY-4A地表入射太陽輻射空間訂正

摘要：篩選時次、天頂角、FY-4A AGRI全圓盤地表入射太陽輻射（SSI）、云覆蓋率（CFR）、云檢測（CLM）以及云類型（CLT）產(chǎn)品構(gòu)建特征向量，采用隨機森林方法開展FY-4A SSI逐時產(chǎn)品的空間訂正研究。結(jié)果表明、隨機森林算法對于提升FY-4A SSI產(chǎn)品的空間分布精度具有明顯作用，訂正后相關(guān)系數(shù)、平均偏差、平均絕對誤差均有不同程度的改善，且能很好地解決FY-4ASSI產(chǎn)品的過高估計及FY-4A SSI產(chǎn)品在太陽天頂角大于70°時無觀測問題，有效提高FY-4A SSI產(chǎn)品在高緯度地區(qū)的可用性。

關(guān)鍵詞：太陽輻照度；衛(wèi)星數(shù)據(jù)；反演；空間訂正；隨機森林

中圖分類號：P414.4文獻標(biāo)志碼：A

0引言

地面太陽輻射觀測站點稀疏且分布不均是當(dāng)前地表太陽輻射研究中普遍存在的痛點問題1，已成為制約太陽能資源評估、太陽輻射預(yù)報精準(zhǔn)性的重要因素。而衛(wèi)星遙感資料可有效彌補這一不足，隨著衛(wèi)星遙感觀測技術(shù)的逐漸成熟以及輻射傳輸理論的不斷發(fā)展2]，其逐漸被越來越多的學(xué)者廣泛應(yīng)用，并取得諸多成果[3-5]。黎微微等6利用中分辨率成像光譜儀（moderate-resolution imaging spectroradiometer，MODIS）氣溶膠和云產(chǎn)品衛(wèi)星數(shù)據(jù)，進行晴空和有云條件下地表太陽輻射計算。劉羽等7]利用氣象衛(wèi)星數(shù)據(jù)，基于大氣輻射傳輸原理，建立地面太陽直射與散射輻射反演模型，對新疆地區(qū)逐時直射和散射太陽輻射能進行估算，通過地面氣象觀測站點數(shù)據(jù)進行對比發(fā)現(xiàn)該方法能較好地估算新疆地區(qū)高時間分辨率的地表太陽輻射，為該區(qū)域太陽能資源的利用提供基礎(chǔ)數(shù)據(jù)支撐。

中國新一代氣象衛(wèi)星風(fēng)云四號A星（Fengyun-4A，F(xiàn)Y-4A）的發(fā)射升空，使中國氣象衛(wèi)星的觀測能力得到明顯提升，首次實現(xiàn)在靜止軌道上對三維大氣的立體監(jiān)測，探測通道數(shù)量和探測精度相較于風(fēng)云二號衛(wèi)星也有顯著提高8，不同天氣條件下太陽輻射的反演能力得到增強9。但受到儀器靈敏度和響應(yīng)特征變化的影響，其觀測數(shù)據(jù)表現(xiàn)出明顯的“高值低估、低值高估”的系統(tǒng)性偏差特征[10]。因此結(jié)合多源觀測資料來提高衛(wèi)星產(chǎn)品的精準(zhǔn)度，成為衛(wèi)星遙感資料應(yīng)用中關(guān)鍵問題11]。徐麗娜等12]利用內(nèi)蒙古地面輻射觀測資料，基于概率密度匹配方法，對FY-4A總輻照度進行訂正，使其在內(nèi)蒙古地區(qū)的適用性得以有效改善；李靜等13采用基于機器學(xué)習(xí)方法對黃土高原地區(qū)的月尺度太陽輻射進行模擬，結(jié)果表明在氣象數(shù)據(jù)及遙感數(shù)據(jù)應(yīng)用基礎(chǔ)上，結(jié)合機器學(xué)習(xí)算法能有效解決黃土高原無輻射觀測區(qū)的太陽輻射模擬問題，對區(qū)域太陽輻射的研究具有重要意義；姚萬祥等14采用支持向量機模型，并結(jié)合空氣質(zhì)量指數(shù)，對全球太陽輻射進行估算，發(fā)現(xiàn)支持向量機模型與空氣質(zhì)量指數(shù)結(jié)合估算太陽輻射具有更高精度。

大型風(fēng)光基地建設(shè)是“十四五”新能源發(fā)展的重中之重。本文在風(fēng)光資源較豐富的西北地區(qū)選取合適區(qū)域為研究區(qū)，基于隨機森林算法，開展FY-4A地表入射太陽輻射空間訂正方法研究，以期為從多時間、空間角度衡量太陽輻射對大型風(fēng)光發(fā)電基地設(shè)計、運行和評價的影響，精準(zhǔn)預(yù)測光伏發(fā)電機組出力，進而提高基地發(fā)電出力和經(jīng)濟效益提供科學(xué)依據(jù)。

1資料

以103°～107°E，35°～39°N范圍為研究區(qū)，覆蓋內(nèi)蒙古、甘肅、寧夏部分地區(qū)。研究區(qū)內(nèi)共有銀川站（53614）和榆中站（52983）兩個地面輻射觀測站，分別位于106.20°E，38.47°N和104.15°E，35.87°N，詳見圖1。本文采用的數(shù)據(jù)資料為2020年1月1日—12月31日銀川站、榆中站地面輻射觀測資料及研究區(qū)內(nèi)4 km空間分辨率的FY-4A AGRI全圓盤地表入射太陽輻射（surface solar irradiance，SSI）、云覆蓋率（cloud fraction ratio，CFR）、云檢測（cloud mask，CLM）以及云類型（cloud type，CLT）產(chǎn)品。其中，CLM產(chǎn)品分為有云（cloud）、可能有云（probably cloud）、晴空（clear）、可能晴空（probably clear）等；CLT產(chǎn)品分為晴空（clear）、液態(tài)水云（water）、過冷水云（super cooled water）、混合云（mixed）、不透明冰云（ice）、卷云（半透明冰云，cirrus）和多層云（上層為半透明，下部為不透明云，overlap）等[15]。銀川站的地面輻射觀測資料用于模型構(gòu)建及單點訂正檢驗，榆中站地面輻射觀測資料用于模型交叉檢驗。

銀川站和榆中站的海拔高度分別為1110.9和1874.4m。由于FY-4A在太陽天頂角超過70°的臨界值時無輻照度產(chǎn)品輸出1，這種情況在日出日落及高緯度冬季時段最為突出，本文統(tǒng)一將其計為缺測。將2020年銀川站和榆中站FY-4A SSI產(chǎn)品中夜晚零值輻射樣本剔除后，兩站的樣本總數(shù)及有效樣本數(shù)量見表1?？梢?，缺測樣本數(shù)量約為剔除夜間零值后樣本總數(shù)的1/3。因此，對FY-4A SSI產(chǎn)品的訂正不應(yīng)只針對有效樣本，對缺測時次進行合理插補，在衛(wèi)星產(chǎn)品應(yīng)用中也很重要。

2方法

2.1隨機森林算法

隨機森林（random forest，RF）[161是由多棵決策樹集成的一種有監(jiān)督學(xué)習(xí)算法。RF算法[17]中定義到達地表太陽輻射預(yù)測訓(xùn)練集合X;→Y;，其中X為模型構(gòu)建期第i時刻的影響因子{1，I？…，Im}構(gòu)建的特征向量，Y;為模型構(gòu)建期地面輻射觀測樣本。計算步驟為：

1）從訓(xùn)練樣本集S中隨機有放回抽取m個樣本點，構(gòu)造數(shù)據(jù)子訓(xùn)練集{S？，S？，…，S};

2）每個數(shù)據(jù)子集從所有待選擇的特征中隨機選取一定數(shù)量的最優(yōu)特征作為決策樹的輸入特征，采用最小均方差原則，完成分類與回歸樹（classification and regression tree，CART）的訓(xùn)練；

3）根據(jù)每個數(shù)據(jù)子集分別得到每棵決策樹，由多棵決策樹共同組成隨機森林；

4）每個CART決策樹最終的預(yù)測結(jié)果為該樣本點所到葉節(jié)點的均值；

5）隨機森林最終的預(yù)測結(jié)果為所有CART決策樹預(yù)測結(jié)果的均值。

RF算法能處理具有高維特征的輸入樣本，且具有很強的抗干擾能力和抗過擬合能力，可有效地運行在大數(shù)據(jù)集上，表現(xiàn)出較好的準(zhǔn)確率[18-19]。

選取時次、天頂角及FY-4A L1數(shù)據(jù)反演產(chǎn)品中的SSI、CFR、CLM、CLT構(gòu)建特征向量，利用銀川站資料進行單點訂正時，以1、4、7、10月份作為模型驗證期，其余月份為模型構(gòu)建期；進行空間訂正時，則以銀川站的全部樣本建模，進行FY-4A SSI產(chǎn)品空間訂正結(jié)果輸出，并利用距離榆中站最近的FY-4A像素點的訂正結(jié)果進行交叉檢驗。

2.2檢驗方法

利用銀川站、榆中站的輻射觀測資料剔除夜晚地面輻射觀測零值后，采用相關(guān)系數(shù)（R）、平均誤差（E）及平均絕對誤差（EMAE）對訂正前后FY-4A總輻照度進行對比檢驗，計算公式分別為：

式中：n——統(tǒng)計時段內(nèi)樣本總量；i——統(tǒng)計時段內(nèi)樣本序號；x、x?！狥Y-4A和地面觀測總輻照度，W/m2;x？、x。——FY-4A和地面觀測總輻照度的平均值，W/m2。

3結(jié)果及分析

3.1單點訂正結(jié)果分析

模型驗證期銀川站FY-4A總輻照度訂正前后與地面輻射觀測對比見表2。訂正前相關(guān)系數(shù)在0.75～0.92之間，訂正后各月份相關(guān)系數(shù)在0.90～0.96之間，均達到0.90以上，且通過了α=0.01的置信度檢驗。平均誤差由-5.1～74.7 W/m2降至-16.1～38.8 W/m2，除4月份由于FY-4A原始平均誤差較小，訂正后有所增加以外，其余月份均較訂正前有明顯減小。平均絕對誤差由96.8～134.9 W/m2降至39.7～64.6 W/m2，訂正后平均絕對誤差為訂正前的34%～48%。可見，隨機森林算法對于FY-4A總輻照度的單點訂正具有很好的訂正效果，對提升FY-4A地表入射太陽輻射反演產(chǎn)品質(zhì)量具有明顯作用。

圖2為模型驗證期銀川站逐時FY-4A總輻照度訂正前后與地面輻射觀測的對比。由圖2可見，隨機森林算法對于FY-4A存在的過高估計問題具有明顯的改善作用，尤以1月份最顯著。此外，從訂正后總輻照度時間序列上看，隨機森林算法可有效彌補FY-4A SSI產(chǎn)品的缺測問題，訂正后，驗證期缺測樣本占比由33.8%降為0，大大提高了FY-4A SSI產(chǎn)品在高緯度地區(qū)的可用性，相較于前期開展的概率密度匹配訂正方法具有一定優(yōu)勢。

3.2交叉檢驗結(jié)果分析

將FY-4A缺測值替換為0，模型構(gòu)建期樣本采用銀川站地面輻射觀測及所構(gòu)建銀川站的特征向量，以榆中站特征向量為輸入，輸出榆中站訂正后FY-4A總輻照度。圖3為2020年1月1日—12月31日榆中站逐時FY-4A總輻照度訂正前后隨地面輻射觀測的分布。由圖3a可見，F(xiàn)Y-4A總輻照度在訂正前不但存在大量缺測數(shù)據(jù)，而且最小輻射值均大于200 W/m2，即欠缺對200 W/m2低值輻射的監(jiān)測能力，由圖3b可見，訂正后的FY-4A總輻照度對上述問題具有明顯的改進效果，且離散程度較小。

圖4為2020年各月份榆中站訂正前后FY-4A總輻照度與地面輻射觀測的對比。各月份相關(guān)系數(shù)和平均絕對誤差均有不同程度的改善，其中相關(guān)系數(shù)由0.76～0.90提高至0.83～0.96，平均絕對誤差由99.4～138.0 W/m2降至57.8～115.7 W/m2。平均誤差總體呈下降趨勢，但訂正前誤差較小或為負值的月份，訂正后有所增大，這一特征主要集中在冬半年。訂正前誤差較小或為負值的原因是由于冬半年FY-4A缺測相對較多，將缺測值替換為0后，F(xiàn)Y-4A總體表現(xiàn)為負偏差或誤差較小。訂正后FY-4A平均誤差放大的原因可能在于榆中站的海拔高度明顯高于銀川站，因此太陽輻射總體高于銀川站，以銀川站的地面輻射觀測資料建模，導(dǎo)致訂正后的FY-4A總輻照度較榆中站地面輻射觀測總體偏小。圖5為2020年1月1日—12月31日榆中站和銀川站地面輻射觀測對比，從圖5也可看出，在冬半年榆中站的太陽輻射明顯高于銀川站，其余月份略高于銀川站。

以1、4、7、10月份為代表月，圖6為榆中站逐時FY-4A總輻照度訂正前后與地面輻射觀測的對比，可看出隨機森林算法同樣也可有效改善榆中站FY-4A的過高估計問題。由此可見，以地面輻射觀測站為參證站，采用隨機森林算法，進行太陽輻射分布較為一致區(qū)域內(nèi)的FY-4A SSI產(chǎn)品訂正是可行的。

3.3空間訂正結(jié)果分析

以2020年8月份FY-4A訂正前后曝輻量的空間分布（圖7）為例。從圖7可見，訂正后輻射總量的空間分布與訂正前較一致，與地形分布也較吻合，但量值較訂正前有所下降，說明該方法對FY-4A SSI產(chǎn)品偏高情況具有明顯改善作用。訂正后輻射總量空間分布能更好地反映出太陽輻射的局地變化特征，有效提高FY-4A SSI產(chǎn)品的空間分布精度。

以有云氣象條件下某一天曝輻量的空間分布為例。圖8總輻射量/kWh為2020年8月4日FY—4A訂正前后曝輻量的空間分布，可更明顯地看到，該方法在保持FY—4ASSI產(chǎn)品原始空間分布規(guī)律的基礎(chǔ)上，極大地改善了FY—4ASSI產(chǎn)品的空間分布精度。通過FY—4AAGR1全圓盤云覆蓋率、云檢測、云類型等產(chǎn)品輸人，可較好地對有云天氣進行識別，達到顯著提高地表入射太陽輻射精準(zhǔn)度的目的。

4結(jié)論與討論

4.1結(jié)論

本文以銀川站的地面輻射觀測為基準(zhǔn)，開展有效區(qū)域內(nèi)FY-4A SSI產(chǎn)品訂正空間研究，得出以下主要結(jié)論：

1）銀川站的FY-4A總輻照度訂正后相關(guān)系數(shù)由0.75～0.92提升至0.90～0.96，平均誤差由-5.1～74.7 W/m2降至-16.1～38.8 W/m2，平均絕對誤差由96.8～134.9 W/m2降至39.7～64.6 W/m2，隨機森林算法對于單點訂正的效果較優(yōu)，且穩(wěn)定性較好。

2）榆中站的FY-4A總輻照度訂正后相關(guān)系數(shù)由0.76～0.90提升至0.83～0.96，平均誤差由-62.5～76.7 W/m2降至-83.4～4.9 W/m2，平均絕對誤差由99.4～138.0 W/m2降至57.8～115.7 W/m2，空間訂正后各月份相關(guān)系數(shù)和平均絕對誤差具有不同程度的改善，在個別榆中站地面輻射觀測明顯高于銀川站地面輻射觀測的月份，平均偏差會有小幅度放大。

3）空間訂正前后，研究區(qū)內(nèi)FY-4A總輻照度的空間分布特征較為一致，訂正后FY-4A總輻照度較訂正前有所下降，空間分布精度得到有效提高。

4.2討論

本文基于FY-4A AGRI全圓盤地表入射太陽輻射、云覆蓋率、云檢測以及云類型產(chǎn)品，結(jié)合時次、天頂角為輸入，采用隨機森林算法，對有效區(qū)域內(nèi)FY-4A SSI產(chǎn)品進行空間訂正，可較好解決FY-4A SSI產(chǎn)品的過高估計及缺測問題，有效提高其空間分布精度。從榆中站的交叉檢驗結(jié)果來看，訂正后各月份相關(guān)系數(shù)和平均絕對誤差均較訂正前得到明顯改善，隨機森林算法表現(xiàn)出較好的空間訂正能力，但榆中站訂正后總體表現(xiàn)為負偏差，且由于個別月份榆中站的輻射值明顯高于參證氣象站的輻射值，導(dǎo)致了平均偏差的放大。因此，進行空間訂正時，參證氣象站所代表的區(qū)域范圍的選取至關(guān)重要，需通過研究不同區(qū)域內(nèi)太陽輻射差異，合理確定訂正空間范圍。此外，特征向量的選取對訂正結(jié)果也極其關(guān)鍵，在今后的工作中，將嘗試加入地表反照率、水汽等更多的影響因子，以期達到更理想的訂正效果。

[參考文獻]

[1]徐麗娜，申彥波，李忠，等.FY-4A SSI產(chǎn)品在輻射觀測稀疏位置的偏差訂正方案[J].高原氣象，2022，41（4）：1051-1061.

XU L N，SHEN Y B，LI Z，etal.Deviationcorrectionscheme of FY-4A SSI product in the position of sparseradiation observations[J].Plateau meteorology，2022，41（4）：1051-1061.

[2]申彥波.近20年衛(wèi)星遙感資料在我國太陽能資源評估中的應(yīng)用綜述[J].氣象，2010，36（9）：111-115.

SHEN Y B.Review of applications of satellite remotesensing data to solar energy resources assessment in Chinain recent 20 years [J].Meteorological monthly，2010，36（9）：111-115.

[3]陳鵬翔，彭冬梅，張旭.基于FY-2G總云量的日照百分率估算及檢驗[J].氣候變化研究快報，2018，7（5）：381-390.

CHEN PX，PENG DM，ZHANG X.Estimated and testedof sunshine percentage based on total cloud amount formFY-2G[J].Climate change research letters，2018，7（5）：381-390.

[4]牛曉俊，馮文蘭，王永前，等.復(fù)雜地形下光合有效輻射的遙感估算研究[J].高原氣象，2017，36（4）：1029-1038.

NIU X J，F(xiàn)ENG W L，WANG Y Q，etal.Studyonestimation of photosynthetically active radiation undercomplicated topography by remote sensing [J].Plateaumeteorology，2017，36（4）：1029-1038.

[5]陳卓奇，邵全琴，劉紀(jì)遠，等.MODIS大氣產(chǎn)品的光合有效輻射估算研究[J].遙感學(xué)報，2012，16（1）：25-37.

CHEN Z Q，SHAO Q Q，LIU J Y，etal.Estimatingphotosynthetic active radiation using MODIS atmosphereproducts [J].National remote sensing bulletin，2012，16（1）：25-37.

[6]黎微微，胡斯勒圖，陳洪濱，等.利用MODIS資料計算不同云天條件下的地表太陽輻射[J].遙感技術(shù)與應(yīng)用，2017，32（4）：643-650.

LI WW，HUSI L T，CHEN H B，etal.Estimationofsurface solar radiation using MODIS satellite data andRSTAR model [J].Remote sensing technology andapplication，2017，32（4）：643-650.

[7]劉羽，張顯峰，呂揚.基于風(fēng)云衛(wèi)星數(shù)據(jù)的新疆太陽能資源潛力評價方法研究[J].太陽能學(xué)報，2014，35（7）：1295-1303.

LIU Y，ZHANG XF，LYU Y.Solar energy potentialmapping and assessment in Xinjiang（China）based on theFY satellite data[J].Acta energiaesolaris sinica，2014，35（7）：1295-1303

[8]黃守友，徐國強.FY4A的LMIE閃電數(shù)據(jù)對云信息初始化的影響及數(shù)值試驗[J].高原氣象，2020，39（2）：378-392.

HUANGSY，XUGQ.Influence of LMIE lightning data ofFY4A on cloud information initialization and numericalexperiment[J].Plateau meteorology，2020，39（2）：378-392.

[9]梁進秋，申彥波，胡麗琴，等.FY-4A地表太陽入射輻射產(chǎn)品在山西高原的適用性研究[J].氣象，2020，46（12）：1575-1585.

LIANG JQ，SHEN Y B，HU LQ，etal.Applicability ofFY-4A surface solar irradiance products in the loessplateau of Shanxi[J].Meteorological monthly，2020，46（12）：1575-1585.

[10]鮑艷松，殷佳研，陸其峰.FY-3A MWHS資料偏差訂正方法研究[J].熱帶氣象學(xué)報，2015，31（6）：757-765.

BAO Y S，YIN JY，LU QF.A radiance-bias correctionscheme of Fengyun 3A microwave humidity sounding forradiance assimilation[J].Journal of tropical meteorology，2015，31（6）：757-765.

[11]孫治安，劉晶淼，曾憲寧，等.晴天地表總輻射和凈輻射瞬時值計算方法[J].氣象與環(huán)境學(xué)報，2014，30（2）：1-13.

SUN Z A，LIU J M，ZENG X N，etal.Estimationofglobal and net solar radiation at the Earth surface underclear-sky condition[J].Journal of meteorology andenvironment，2014，30（2）：1-13.

[12]徐麗娜，申彥波，李忠，等.基于概率密度匹配方法的FY-4A地表入射太陽輻射訂正[J].高原氣象，2021，40（4）：932-942.

XU L N，SHEN Y B，LI Z，etal.Correction of FY-4Asurface solar irradiance based on probability densityfunction matching method[J].Plateau meteorology，2021，40（4）：932-942.

[13]李凈，溫松楠.基于3種機器學(xué)習(xí)法的太陽輻射模擬研究[J].遙感技術(shù)與應(yīng)用，2020，35（3）：615-622.

LI J，WEN S N.Simulation of solar radiation based onthree machine learning methods[J].Remote sensingtechnology and application，2020，35（3）：615-622.

[14]YAO WX，ZHANG CX，HAO H D，etal.Asupportvector machine approach to estimate global solar radiationwith the influence of fog and haze[J].Renewable energy，2018，128：155-162.

[15]耿曉雯，閔錦忠，楊春，等.FY-4A AGRI輻射率資料偏差特征分析及訂正試驗[J].大氣科學(xué)，2020，44（4）：679-694.

GENGXW，MIN JZ，YANG C，etal.Analysis of FY-4AAGRI radiance data bias characteristics and a correctionexperiment [J].Chinese journal of atmospheric sciences，2020，44（4）：679-694.

[16]LIN Y J，KRUGER U，ZHANG J P，etal.Seasonalanalysis and prediction of wind energy using randomforests and ARX model structures [J].IEEE transactionson control systems technology，2015，23（5）：1994-2002.

[17]孫全德，焦瑞莉，夏江江，等.基于機器學(xué)習(xí)的數(shù)值天氣預(yù)報風(fēng)速訂正研究[J].氣象，2019，45（3）：426-436.

SUN QD，JIAOR L，XIA JJ，etal.Adjusting wind speedprediction of numerical weather forecast model based onmachine learning methods [J].Meteorological monthly，2019，45（3）：426-436.

[18]徐麗娜，申彥波，馮震，等.多種風(fēng)電場風(fēng)速預(yù)報訂正方法的適用性研究與集成應(yīng)用[J].干旱區(qū)地理，2022，45（4）：1114-1124.

XU L N，SHEN Y B，F(xiàn)ENG Z，etal.Applicabilityresearch and integrated application of various correctionmethods for wind speed forecast in a wind farm[J].Aridland geography，2022，45（4）：1114-1124.

[19]王雪潔，施國萍，周子欽，等.基于隨機森林算法對ERA5太陽輻射產(chǎn)品的訂正[J].自然資源遙感，2022，34（2）：105-111.

WANG XJ，SHIGP，ZHOU ZQ，etal.Revision of solarradiation product ERA5 based on random forest algorithm[J].Remote sensing for natural resources，2022，34（2）：105-111.

SPATIAL CORRECTION OF FY-4A SURFACE SOLARRADIATION BASED ON RANDOM FOREST ALGORITHM

Xu Li'na1，2，Shen Yanbo3，Hu Yueming2，3，Xing Xuhuang2

（1.Inner Mongolia ServiceCenter of Meteorology，Hohhot 010051，China;

2.Key Laboratory of South China Sea Meteorological Disaster Prevention and Mitigation of Hainan Province，Haikou 570100，China;

3.Public Meteorological Service Center of China Meteorological Administration，Beijing 100081，China）

Abstract：FY-4A AGRI full disk surface solar radiation（SSI），cloud fraction ratio（CFR），cloud mask（CLM）and cloud type（CLT）products are used to construct feature vectors and the random forest algorithm is used to carry out the research on hourly spatialcorection of FY-4A SSI products.The results show that the random forest algorithm has a significant role in improving the spatialdistribution accuracy of FY-4A SSI products，the correlation coefficient，average deviation and average absolute error are improved tovaryingdegres.It can also solve the overestimation of FY-4A SSI products and the no observation problem when the solar zenith angle isgreater than 70°of FY-4A SSI products，the availability of FY-4A SSI products in high latitudes is improved effectively.

Keywords：solarirradiance;satellitedata;retrieval;spatialcorrection;random forest