Este estudio evalúa tres métodos de corrección de sesgos, Regresión Ridge, Bosque Aleatorio y FM-CNN-LSTM, para mejorar las estimaciones de radiación solar de corta duración del ERA5 en la provincia de Hubei, ubicada en la segunda región topográfica de China. Las observaciones de seis estaciones fotovoltaicas revelaron sesgos sistemáticos significativos en el conjunto de datos original de ERA5, particularmente sobreestimaciones (~50-100 W/m) de la radiación máxima y subestimaciones durante períodos nublados. El Bosque Aleatorio proporcionó consistentemente las mejores correcciones, logrando los coeficientes de correlación más altos (0.84-0.88), el RMSE más bajo (86.14 W/m en la estación de Wuhan) y el MAE más pequeño (60.05 W/m en la estación de Wuhan). La Regresión Ridge ofreció mejoras estables pero ligeramente inferiores, mientras que FM-CNN-LSTM mostró inconsistencias notables. Espacialmente, los datos corregidos por Bosque Aleatorio exhibieron patrones de radiación realistas alineados con la topografía compleja, destacando el noreste y el este de Hubei (>1350 kWh/m anualmente) como regiones ideales para el desarrollo fotovoltaico. En general, se recomienda el método de Bosque Aleatorio como el enfoque óptimo de corrección de sesgos, mejorando sustancialmente las estimaciones de radiación solar críticas para la planificación de energía renovable en terrenos complejos.