High-resolution ground-based radiometry measurements are scarce, yet their importance in many solar engineering applications cannot be overstated. In this regard, a new model called the Dirichlet downscaling model (DDM), for synthetic downscaling of the global horizontal irradiance time series, is introduced in this paper. In its current version, the DDM is able to downscale any coarse input time series, with a resolution of 1-h or higher, to 1-min resolution. The DDM revolves around the adequate modeling for the concentration parameter of the Dirichlet distribution—a unique parameter that characterizes the Dirichlet distribution and allows generating downscaling probabilities. The concentration parameter captures all information relevant to downscaling from the input data. It is of particular interest that the DDM does not depend on local climate and weather regimes, facilitating worldwide applications. In the empirical part of the paper, the DDM is validated at 25 geographically dispersed locations. Excellent correspondence is obtained between the generated and measured time series in terms of the Kullback–Leibler divergence and the overlap coefficient. The Kolmogorov–Smirnov integral test is also used to quantify the effectiveness of the method at different timescales. Time order is evaluated by calculating the distribution of the autocorrelation function performed daily for each timescale per lag. To ensure full reproducibility and to facilitate the future uptake of the DDM, the R code is provided as the supplementary material.

中文翻译：

---

合成太阳辐照度时间序列的 Dirichlet 降尺度模型

高分辨率地面辐射测量很少见，但它们在许多太阳能工程应用中的重要性怎么强调都不为过。在这方面，本文介绍了一种称为 Dirichlet 降尺度模型（DDM）的新模型，用于全球水平辐照度时间序列的合成降尺度。在其当前版本中，DDM 能够将分辨率为 1 小时或更高的任何粗略输入时间序列缩小到 1 分钟的分辨率。DDM 围绕 Dirichlet 分布的浓度参数进行充分建模——这是一个表征 Dirichlet 分布并允许生成降尺度概率的独特参数。浓度参数从输入数据中捕获所有与缩小相关的信息。特别令人感兴趣的是，DDM 不依赖于当地的气候和天气状况，从而促进了全球应用。在论文的实证部分，DDM 在 25 个地理分散的位置进行了验证。在 Kullback-Leibler 散度和重叠系数方面，生成的和测量的时间序列之间获得了极好的对应关系。Kolmogorov-Smirnov 积分检验也用于量化该方法在不同时间尺度上的有效性。时间顺序是通过计算每个滞后的每个时间尺度每天执行的自相关函数的分布来评估的。为确保完全可重复性并促进 DDM 的未来采用，R 代码作为补充材料提供。在论文的实证部分，DDM 在 25 个地理分散的位置进行了验证。在 Kullback-Leibler 散度和重叠系数方面，生成的和测量的时间序列之间获得了极好的对应关系。Kolmogorov-Smirnov 积分检验也用于量化该方法在不同时间尺度上的有效性。时间顺序是通过计算每个滞后的每个时间尺度每天执行的自相关函数的分布来评估的。为确保完全可重复性并促进 DDM 的未来采用，R 代码作为补充材料提供。在论文的实证部分，DDM 在 25 个地理分散的位置进行了验证。在 Kullback-Leibler 散度和重叠系数方面，生成的和测量的时间序列之间获得了极好的对应关系。Kolmogorov-Smirnov 积分检验也用于量化该方法在不同时间尺度上的有效性。时间顺序是通过计算每个滞后的每个时间尺度每天执行的自相关函数的分布来评估的。为确保完全可重复性并促进 DDM 的未来采用，R 代码作为补充材料提供。在 Kullback-Leibler 散度和重叠系数方面，生成的和测量的时间序列之间获得了极好的对应关系。Kolmogorov-Smirnov 积分检验也用于量化该方法在不同时间尺度上的有效性。时间顺序是通过计算每个滞后的每个时间尺度每天执行的自相关函数的分布来评估的。为确保完全可重复性并促进 DDM 的未来采用，R 代码作为补充材料提供。在 Kullback-Leibler 散度和重叠系数方面，生成的和测量的时间序列之间获得了极好的对应关系。Kolmogorov-Smirnov 积分检验也用于量化该方法在不同时间尺度上的有效性。时间顺序是通过计算每个滞后的每个时间尺度每天执行的自相关函数的分布来评估的。为确保完全可重复性并促进 DDM 的未来采用，R 代码作为补充材料提供。