在农业气象中,精确的太阳辐射数据对于作物生长和产量模拟、土壤水分蒸发蒸腾的估算等都是至关重要的。与日照时数、温度等常规气象要素相比,太阳辐射数据较匮乏,所以找到一种利用常规气象要素估算太阳辐射的方法就显得很有必要了,一直以来这也是许多研究的热点和重点。随着科技的发展,有时我们研究的模型需要更精确的逐时太阳辐射数据,所以找到一种简单易行的估算逐时辐射的方法也是很重要的。这样,就可以使太阳辐射数据为其他模型提供数据支撑。本文以36个观测站为对象,重点分析了6个站点的太阳辐射和日照时数时间序列变化,构建了基于日照时数的日、月、季和年这四个时间尺度的太阳辐射估算模型,并进行了不同模型之间系数的替换。其中22个台站具有逐时太阳辐射数据,应用日、月、季和年这四个模型分别进行估算得到日总太阳辐射数据,利用Collares-Pereira经验模型进行逐时太阳辐射的估算。结果表明：1)在1961-2000年之间,年均太阳辐射值变化趋势除了西北地区的格尔木站和东北地区的哈尔滨站的较弱外,其他四个站点的年均太阳辐射值都呈明显的下降趋势。在四季中,夏季的太阳辐射波动幅度最大,其次是春季。12个月多年平均太阳辐射变化趋势呈单峰型,太阳辐射值一般是冬季(1月或12月)最低,夏季最高。年均日照时数在每个站点的变化趋势基本相似,呈较强或较弱的下降趋势。四季中,夏季的日照时数波动幅度最大,其次是冬季,春季和秋季的日照时数波动幅度较小。12个月多年平均日照时数各站点的变化趋势差异较大。通过Pearson相关分析,得出四个时间尺度下的太阳辐射和日照时数的相关性,主要表现为日尺度>月尺度>季尺度>年尺度。2)根据Angstrom-Prescott经验模型,得出不同时间尺度下每个站点的太阳辐射估算模型,各站点的平均拟合系数R2由高到低依次是日尺度模型、月尺度模型、季尺度模型和年尺度模型。通过算Pearson相关分析,得出了各模型系数和个站点地理参数之间的关系。结果显示海拔高的西部地区比东部地势较低的地区有更多的晴天。相反的,参数a和(a+b)与经度呈负相关,也就意味着,在研究区随着经度由东到西的降低,而参数a和(a+b)却呈增长趋势。3)将四个时间尺度的模型系数进行替换,并进行验证分析其可行性。结果发现,将月时间尺度模型系数应用到季和年时间尺度模型中,预测精度要好,而将大时间尺度模型系数应用到日时间尺度模型中,预测精度变差。4)本文根据Collares-Pereira模型,将每个站点的模型参数a和b统计出来,由于每个站点每天的日落时角有所变化,故得出的参数a和b每天也是有所不同的。对于参数a来说,各站点呈先上升再下降的趋势,但具体又有所差别。西南地区的台站峰值都较小,东北地区、华北地区和西北地区的峰值普遍较高。参数b的变化趋势刚好与参数a的相反,各站点呈先下降再上升的变化趋势。西南地区的台站低谷值都较大,而东北地区、华北地区和西北地区的低谷值反而较小。5)本文重点以哈尔滨、北京、武汉、重庆、杭州和兰州这六个台站为例,分析逐时辐射的估算结果。在哈尔滨台站、重庆台站、杭州站和兰州站,都是由年尺度模型估算的日总辐射来反推的逐时辐射与逐时辐射观测值拟合最好,拟合决定系数R2最高,分别为0.8493、0.7873、0.8362和0.8645。而在北京台站和武汉站,都是由日尺度模型估算的日总辐射来反推的逐时辐射与逐时辐射观测值拟合决定系数R2最高,分别为0.8619和0.8183。6)将四个模型系数应用到日尺度数据中,得到四个估算的太阳总辐射值,利用Collares-Pereira经验模型进行逐时太阳辐射估算,通过计算得出利用日尺度模型和月尺度模型估算的各站点平均RMSE相等,为0.51MJ·m-2·h-1,季尺度模型次之,为0.52MJ·m-2·h-1,年尺度模型的最差。而平均MAE则是日尺度模型、月尺度模型和季尺度模型的相等,为0.26MJ·m-2·h-1,年尺度模型的较差。通过误差分析发现,经度与误差呈负相关,即随着经度的增大误差也增大；而纬度和海拔与误差都呈正相关。