在区域尺度上准确评估地表水平总辐射（GHI）与直接辐射（DNI）对于太阳能资源开发与新能源电网的优化调度具有重要意义。云层是地表辐照度最主要的调制因子，其宏观光学特性参数反演的精度直接影响地表辐射估算的可靠性。为此，本研究基于我国静止气象卫星风云四号A（FY-4A）高时空分辨率观测数据，构建了一套面向广域、可近实时运行的云光学厚度（COD）及地表太阳辐照度反演物理框架。

在卫星数据预处理阶段，针对太阳位置、云顶高度与卫星视角差异导致的定位偏差，引入了云影校正与视差校正技术，实现了卫星像元、地表场景及其对应云体辐射特征的高精度配准。研究以液态水云为主要对象，使用具备高光谱精度与多角度辐射追踪能力的逐线蒙特卡洛短波辐射传输模型（Shortwave Radiative Transfer Model, SW RTM），精准刻画短波辐射在大气和云层中的多重散射与吸收过程。模型同时融合MODIS地表反照率数据以充分考虑地表的各向异性反照率，从而提高了辐射边界参数的物理真实性。

为突破传统RTM计算效率低的限制，我们采用机器学习中的高斯回归方法构建了SW RTM的代理模型，使其能在给定FY-4A多通道观测值与相关大气与地表参量等条件下实现像元尺度的液态水云COD和地表辐照度的快速高精度反演。验证结果表明，反演得到的地表GHI与中国CERN地面辐射观测数据误差小于20%。

该研究在保持物理约束与高精度的前提下显著提升了模型运行效率，为大范围、高频次、可解释的太阳能气象预报及光伏精细化评估提供了可靠技术支撑。