NCEP 氣象數據結合SRTM 地形數據的高海拔山區風資源評估方法

李云婷，葛 瑩，張 杰，王 沖，周靖斐，肖勝昌

(1．河海大學地球科學與工程學院，南京市210098;2．中國電力建設集團昆明勘測設計研究院有限公司，昆明市650051)

0 引 言

在進行風電場宏觀選址時，風資源評估是關鍵。高海拔山區缺少足夠的風速實測數據，所以如何得到風速數據以完成復雜地形風電場選址具有重要的實際意義［1-2］。近年來，國內外學者對美國國家環境預報中心(national centers for environmental prediction，NCEP)氣象數據的可靠性和空間插值方法展開了一系列研究。Swail 等采用回報海浪場方法對NCEP 的3 種不同高度處風數據進行分析，認為10 m 高程風數據回報誤差最小［3］。李兆芹等比較了多種NCEP插值方法，認為北半球的雙線性插值結果較優［4］。施曉輝等表示，地形對NCEP 氣象數據應用的可靠性程度有較大的影響［5-6］。馮雙磊等提出了一種風指數法，以評價NCEP 在風資源評估中的精度［7］。鄧院昌等結合地形因子，繪制出我國地形適宜度圖，為風電場宏觀選址中地形分析與評價提供依據［8］。可見，NCEP 氣象數據具有較高的可靠性，但應用時需考慮哪些地形因子以及在傳統插值方法中如何加入地形因子仍有待研究。

本文以NCEP 氣象數據結合航天雷達地形測繪計劃(shuttle radar topography mission，SRTM)地形數據為數據源，選用反距離插值法和地形權重插值法這2 種方案，生成考慮和不考慮地形因子的2 套復雜地形風速模擬數據，并將其分別與云南省紅河州8個風電場20個測風塔(風電場以字母編號，如A;測風塔以數字編號，如A1)實測風速進行比較，以此確定適用于高海拔山區風資源評估的NCEP 插值方法。再利用ArcGIS 繪制出云南省全年50 m 高度平均風速圖，分析云南省風資源的地域特征和季節特點，為云南省風電場宏觀選址提供參考依據。

1 NCEP 和SRTM 簡介

NCEP 是由美國環境預報中心和美國大氣研究中心聯合推出的氣象數據，以全球2.5° ×2.5°柵格數據形式免費向全世界提供使用，是迄今公開時間最長的綜合性氣象數據，包括風數據、溫度、熱通量等，廣泛應用于氣象模擬、預測等研究［6］。NCEP 數據有2種格式:GRIB 和NetCDF(以下簡稱NC)，ArcGIS 軟件可直接讀取和處理。本文選用NC 格式的NCEP。NCEP 有3 種風數據:10 ～1000 hPa 不同等壓面風數據、近地面層風數據(約50 m 高程)和10 m 高程風數據。本文選擇50 m 近地面風速數據試驗，并以此高度測風塔實測風速作為參考進行精度分析。每個測風塔都有1年的完整數據，測風儀每10 min 記錄1次平均風速。

SRTM 是航天雷達地形測繪計劃的簡稱，由美國太空總署、美國國防部測繪局、德國及意大利空間局合作共同實施。近年來，美國太空總署向外免費提供3″分辨率(水平分辨率90 m ×90 m)SRTM DEM 數據。該數據覆蓋全球80%陸地面積，在相關領域得到了廣泛應用［9］，可為風資源評估提供高分辨率DEM 數據［10］，為引入地形因子改善NCEP 插值精度奠定了良好的基礎。

本文選用數據有:(1)2012年7月—2013年6月的NCEP月平均數據，分辨率為2.5° ×2.5°，距離地面50 m 高度緯向風和經向風的高斯格點再分析數據;(2)20個測風塔各自1 整年的測風數據，如測風塔C4 的2012年7月1 日00:00—2013年6月30 日23:50 每10 min 記錄1次的平均風速數據;(3)云南省及其周圍SRTM DEM 數據，經緯度范圍19° ～30°N，96° ～108°E。

2 研究方法與思路

風速與山地實際地形間的關系復雜，針對云南省高海拔山區地形特點，本文選用反距離插值法和地形權重插值法這2 種方案，分別生成NCEP 風速模擬數據進行比較。

2.1 反距離插值法

在氣象模擬中，采用較多的空間插值方法是反距離插值法，將現有NCEP 氣象數據內插得到未知點的風速［11］。該方法主要考慮未知點與NCEP 格網點之間的距離，如:

式中:r 是未知點與已知點間的距離;R 為影響半徑，表示位于該距離內已知點，對未知點取值有影響;m為大于1 的整數。由函數w(r)可知，未知點離已知點越近，其權重越大。

2.2 地形權重插值法

顯然，以距離為權重的插值法，沒有顧及地形對風資源的影響，沒有體現高海拔山區的特點。本文借鑒Yizhak 等提出的一種優化風場矢量插值方法［12］。余琪等將該方法用于局部地區，得到了較好結果［11-13］。在內插的權重函數中，我們不僅考慮了距離因子，還加入了海拔高度h、起伏度r、坡度s、坡向a另4 種對風資源分布有影響的因子，使其更適合高海拔山區的風資源評估。利用20個測風塔2012年7月到2013年6月1 整年的年平均風速與地形因子做線性回歸，得到方程式:

式中y 的標準差為0.798，且地形因子的系數較小，未能準確反映其對風速的影響。究其原因，海拔高度、起伏度、坡度、坡向這4個因子的計量單位不同且數值差異較大，如果直接用原始數據進行試驗，會突出數值較高因子在綜合分析中的作用，為了合理區分各因子的重要性，將評價指標無量綱化。

常見的5 種線性無量綱方法如表1 所示［14］。比較各線性回歸y 值的標準差，選擇極大化法進行地形因子的無量綱化，得到回歸方程如下:

表1 5 種線性無量綱方法及其y 值的標準差Tab．1 The linear dimensionless methods and σ value of y

由因子前面對應的系數可知，高程h 對風速影響最大，且風速隨海拔升高而增大。于是，考慮在權重函數中加入高程因子h，權重函數改造為式(5)。由r、h 的定義可知，變量r 和h 的大小可表達已知點和未知點之間的地形起伏大小。再采用極大值法進行無量綱化處理，進一步區分距離因子r 和高程因子h的重要度，改進后如式(6)。

式中a、b 為非負數。

2.3 插值效果分析

2.3.1 反距離插值法和地形權重插值法比較

分別用反距離插值法和地形權重插值法，對云南省紅河州20個測風塔2012年7月(夏季)月平均風速進行估算。對式(6)從a =1，b =1 進行迭代，發現引入SRTM 地形因子可以改善NCEP 插值結果精度，相對誤差減少約10%;且a 和b 取值對結果影響不大，插值法改進后的相對誤差，一直圍繞0.3 上下波動，如圖1 所示。

圖1 云南省2013年7月的月平均風速Fig.1 Monthly average wind speed in July 2013 in Yunnan Province

2.3.2 模擬風速與實測風速比較

選取云南省紅河州20個測風塔，統計50 m 高度的月平均風速測量值，比較云南省紅河州的測風塔月平均風速與NCEP 模擬數據。

結果表明，20個測風塔月平均風速模擬值與實測值線性擬合較好，相關系數0.4≤|R|≤1 屬于顯著相關，其中40%測風塔0.7≤|R|≤1 呈高度相關。以測風塔C3 為例，其平均風速與實測風速相關性曲線如圖2 所示。盡管NCEP 模擬風速在絕對值上與實測風速還有差距，但兩者相關系數較高，表明模擬風速和實測風速變化趨勢一致，所以NCEP 對云南省高海拔地區風資源分布整體趨勢模擬是可行的。

圖2 測風塔C3月平均風速相關性曲線Fig.2 Correlation curve of monthly average wind speed of anemometer tower C3

3 云南省風資源評估

按照上述思路，利用NCEP 數據作為氣象數據、云南省SRTM DEM(90 m ×90 m)作為地形數據，采用地形權重插值法生成云南省風速模擬值。

圖3 是云南省海拔高度分類圖。圖4 給出了云南省1月(冬季)、4月(春季)、7月(夏季)、10月(秋季)4個時段的平均風速模擬圖，水平分辨率為90 m ×90 m。從云南省NCEP 風資源模擬圖來看，云南多個地區風速在3.0 m/s 以上，年平均風速大致范圍為1.9 ～5.4 m/s，風能分布廣泛，并且地形效應顯著。

圖3 云南省SRTM DEM 分類Fig.3 Classification of SRTM DEM in Yunnan Province

圖4 云南省NCEP月平均風速模擬圖Fig.4 Simulation of NCEP monthly average wind speed in Yunnan Province

進一步分析云南省風速分布情況，可知:(1)云南省1月份風速為2.0 ～5.5 m/s，西部、中部丘陵地帶及其他低海拔地區風速較小，其風速一般在2.0 ～3.3 m/s，局部地區可達到3.5 m/s 左右;3.5 m/s 以上地區主要分布在云南西北部和中東部高海拔地帶，風速隨高度增加趨勢較明顯;(2)4月份風速范圍與冬季基本一致，但是風速大于3.5 m/s 區域明顯擴大，包括昆明西南片、楚雄、玉溪局部區域，此外，保山、臨滄、普洱的風速也明顯提高;(3)7月份風速普遍較1、4月份增大，而分布趨勢與1、4月基本一致，變化范圍為1.9 ～6.0 m/s，風速較大區域主要分布于云南省西北部和中東部高海拔地帶，范圍變化不大;(4)10月份風速風速比1月偏小，但分布情況基本一致。

為了分析云南省風速的季節變化情況，從NCEP模擬風速圖上提取紅河州內20個測風塔風速隨月份的變化曲線(圖5)。由圖4、5 可知，總體來說，云南省風速四季變化明顯。其中冬、春季風力為全年最大，風能極具開發價值，從9月份風速開始變大。該結果與顧本文等對云南省風資源分析一致［15-17］。

圖5 20個測風塔月平均風速趨勢線Fig.5 Trend line of monthly average wind speed of 20 anemometer towers

4 結 論

(1)由地形權重插值法生成的NCEP 風速模擬數據能較準確地描述云南省風速實際分布情況。在實測風數據缺乏時，由地形權重插值法生成NCEP 風速模擬數據不失為一種獲得風速數據的較好方法。

(2)值得一提的是，采用SRTM DEM(90 m ×90 m)分辨率較低，因而對地形的平滑作用更明顯，出現風能豐富區、較豐富區、可利用區面積比實際偏小，貧乏區面積偏大等問題。若能采用更高精度的DEM，如我國資源三號衛星數據，其模擬效果和風資源評價的準確性將會進一步提高。

致 謝

本文中實驗方案的制定和實驗數據的搜集工作是在中國電力建設集團昆明勘測設計研究院有限公司楊林波、張箭、聞平等工作人員的大力支持下完成的，在此向他(她)們表示衷心的感謝。

［1］洪祖蘭．云南山區風電場選址的方法問題［J］． 云南水力發電，2007，23(3):8-12．

［2］沈宏濤．山區風資源特點和風電場選址方法［J］．電力建設，2013，34(12):92-96．

［3］Swail V R，Cox A T． On the use of NCEP/NCAR reanalysis surface marine wind fields for a long-term North Atlantic wave hindcast［J］．Journal of Atmospheric ＆ Oceanic Technology，2000，17 (4):532-545．

［4］李兆芹，姚益平，姚克敏．NCEP/NCAR 再分析溫度資料在農業氣象中的應用可行性［J］． 南京氣象學院學報，2004，27(3):420-427．

［5］施曉暉，徐祥德，謝立安． NCEP/NCAR 再分析風速，表面氣溫距平在中國區域氣候變化研究中的可信度分析［J］． 氣象學報，2006，64(6):709-722．

［6］周青，趙鳳生，高文華．NCEP/NCAR 逐時分析與中國實測地表溫度和地面氣溫對比分析［J］．氣象，2008，34(2):83-91．

［7］馮雙磊，王偉勝，劉純，等． NCEP/NCAR 再分析數據在風能資源評估中的應用研究［J］．資源科學，2009，31(7):1233-1237．

［8］鄧院昌，余志，鐘權偉．風電場宏觀選址中地形條件的分析與評價［J］．華東電力，2010 (8):1244-1247．

［9］曾雪蘭，余志，鄧院昌，等．SRTM 數字高程模型在MM5 風場模擬中的應用［J］．資源科學，2008，30(5):662-666．

［10］呂雪芹，余志，鄧院昌，等．基于特征點修正的SRTM 數據在風能資源微觀評估中的應用［J］．測繪科學，2008，33(4):161-162．

［11］高陽華，王堰，邱新法，等．基于GIS 的復雜地形風能資源模擬研究［J］．太陽能學報，2008，29(2):163-169．

［12］Feliks Y，Gavze E，Givati R． Optimal vector interpolation of wind fields［J］． Journal of Applied Meteorology，1996，35 (7):1153-1165．

［13］余琦，劉原中．復雜地形上的風場內插方法［J］．輻射防護，2001，21(4):213-218．

［14］郭亞軍，易平濤．線性無量綱化方法的性質分析［J］． 統計研究，2008，25(2):93-100．

［15］顧本文，王明，施曉暉． 云南風能資源的特點［J］． 太陽能學報，2000，21(1):45-49．

［16］洪祖蘭，張云杰．山區風資源特點和對風電機組、風電場設計的建議［J］．云南水力發電，2008，24(3):4-9，21．

［17］邢婷，鄭有飛，朱勇，等． 云南風能資源及其開發利用研究進展［J］．氣象與環境科學，2013，36(4):55-61．