地表下行短波辐射是陆面模式、气候模式等的重要输入参数,因此准确获取地表下行短波辐射对地表辐射平衡研究、地表太阳能估算等具有重要意义。卫星遥感具有大面积观测、快速获取目标物的特点使其成为获取地表下行短波辐射的重要手段。目前,利用卫星遥感技术获取地表下行短波辐射虽然有了长足进步,但仍存在不少问题。第一,有云条件下地表下行短波辐射的计算方法,往往将云假设为水云,忽略了不同相态云对地表下行短波辐射影响的差异,导致对地表下行短波辐射估算引入一定误差;第二,即使考虑了水云和冰云,在冰云模型中将冰晶粒子假设为球形冰晶,这也会对地表下行短波辐射的估算引入一定误差;第三,基于传统查找表的地表下行短波辐射方法,该方法随着输入参数的增多,会导致计算效率大大降低;第四,现有辐射产品的时空分辨率较低（如空间分辨率低于1°、时间分辨率低于3小时）,很难满足陆面和气候模式的输入需求。本研究针对上述存在问题,着重开展了以下几方面的研究:（1）、针对云下地表下行短波辐射的估算问题,本研究对不同的云相态（水云、冰云）进行了分别考虑,且在冰云的模型中,使用了非球形的冰晶粒子Voronoi来取代以往球形粒子的假设,进而提高对冰云下的地表下行短波辐射计算精度。（2）、针对传统查找表法估算地表下行短波辐射因参数输入过多而导致计算效率较低的问题,本研究从大气辐射传输原理出发,结合大气辐射传输模式RSTAR构建地表下行短波辐射估算查找表,并将构建的查找表作为训练样本开发了基于深度学习的地表下行短波辐射估算算法。相较于传统的查找表法,该算法不仅具有更优的精度,还具有更高的计算效率。（3）、针对现有辐射产品时空分辨率较低的问题,本研究利用上述开发获得的深度学习算法,应用于葵花-8新一代静止气象卫星（以二级云、气溶胶产品作为输入数据）,计算获得了2016年高时间（10分钟）、高空间（5km）分辨率的地表下行短波辐射结果。经7个Network（AERONET、BOM、BSRN、CMA、ESRL、GTMBA、Xianghe）共计123个站点的地面观测数据验证,总体的日均值平均偏差MBE、均方根误差RMSE和决定系数R²分别为8.16Wm^-2、29.30Wm^-2和0.89,具有较高的精度。相较于传统的查找表法,基于深度学习的地表下行短波辐射估算算法可以为地表下行短波辐射的近实时监测提供有力的技术支撑。