太阳辐射是地球表面的主要能量来源，是地球表面大气，水文，生态，生物过程的主要驱动力。太阳辐射也是气候，水文，生态过程模型重要的输入变量。山区较难到达，地面观测太阳辐射稀少。另外由于地形阻挡，太阳辐射空间差异性较大，少量的地面观测太阳辐射无法代表其在空间上的变化。因而对复杂地形下太阳辐射模拟研究尤为重要。　　目前有较多基于地理信息系统(GIS)的复杂地形区太阳辐射模型，这些模型可以较好的模拟地形的阻挡作用。根据计算地形阻挡的方法，基于GIS的太阳辐射模型可以大致分为两类:一类为基于太阳方位的方法，一类为基于地面的方法。基于太阳方位的方法是在某个太阳方位下，计算整个区域面上的阻挡情况。基于地面的方法则对研究区每个点周围地形阻挡进行计算，形成一个类似于‘fisheye’图的半球视域viewshed来体现研究点周围的阻挡。目前复杂地形下的太阳辐射模型只针对晴空太阳辐射，而云对太阳辐射的衰减作用非常显著，在山区由于地形抬升和起伏较大，云出现的频率也较高。本论文首先对典型复杂地形区太阳辐射模型进行了评价，然后研究开发了实际天空下复杂地形太阳辐射模型。　　在对典型太阳辐射模型进行评价时，我们提出了独立于观测数据的评价方法，利用人工V/U型面，计算其上理论直接辐射和散射辐射，进而利用理论值对典型太阳辐射模型（Kumar和SolarAnalyst模型）的直接辐射和散射辐射部分分别进行了评价，并对两个模型计算中的误差来源进行了分析。　　对于直接辐射，总体上，两个模型的模拟结果与理论值之间表现为较好的一致性。日直接辐射，两模型都表现为低估。但是总体上Kumar模型结果较Solar Analyst模型好。水平阻挡角计算中由于DEM离散带来的误差是两个模型共有的误差来源。同时两个模型都有数值积分过程带来的误差。Kumar模型中hillshade低估阴影计算，平均误差为3.55％（以10分钟为时间步长）。Solar Analyst计算半球视域viewshed时，水平阻挡角插值是其另一个误差来源，造成viewshed平均低估8.39％(选择32个方向和sky size为200时计算viewshed)。另外，当sky size的大小和时间步长不匹配，同时sky size非常小的时候，Solar Analyst将会出现较大误差。　　对于散射辐射，Kumar模型表现为高估，Solar Analyst表现为低估。但Solar Analyst散射辐射计算在所有时间尺度上都较Kumar好。因Solar Analyst模型可以对散射辐射在空间上的变化很好的模拟，但Kumar模型不能。两个模型的误差源主要是水平面散射辐射和可见天空因子(sky view factor)的计算。Kumar模型高估水平面散射辐射，平均相对误差为3.98％。同时Kumar高估可见天空因子，平均相对误差为17.02％。Solar Anaylst低估水平面散射辐射，平均相对误差为-3.64％。Solar Aanlyst对可见天空因子的模拟非常好，平均绝对相对误差仅为0.76％。但Solar Analyst中可见天空因子对天顶角分割个数较敏感。　　本研究还提出了一个基于数字高程模型(DEM)和MODIS云属性数据计算实际天空下复杂地形太阳辐射模型。MODIS云顶高度和云光学厚度数据分别用来确定云在空间上的位置以及云对太阳辐射的衰减作用。我们首次提出了用半球天空云分布图cloud sky map来表达云光学厚度在半球天空中的分布。Cloud sky map与viewshed及skymap一样，类似‘fisheye’图，且它们具有相同维度，通过对其两两叠加，从而获得周围地形阻挡以及可见天空中云的分布。　　我们用地面观测数据对提出的实际天空下复杂地形太阳辐射模型进行了评价，模型总体上对晴空总太阳辐射表现为低估，其中平均相对误差为-8.0％。但是对阴天总太阳辐射表现为高估，平均相对误差为27.9％。模型在晴空下模拟较好，平均绝对相对误差为13.7％，而阴天下的平均绝对相对误差为41.4％。模型总体上仍然高估总太阳辐射，其中平均相对误差为7.1％，平均绝对相对误差为26％。另外，模型对viewshed和MODIS云属性数据的误差较为敏感。