基于GIS的陜西風電場微地形選址技術研究

王娟敏，高雪玲，毛明策，雷楊娜

（1.陜西省氣候中心，西安 710014；2.陜西省環境科學研究設計院，西安 710061）

基于GIS的陜西風電場微地形選址技術研究

王娟敏1，高雪玲2，毛明策1，雷楊娜1

（1.陜西省氣候中心，西安 710014；2.陜西省環境科學研究設計院，西安 710061）

以陜西已建成的風電場區域為對象，通過對其數字高程模型 （Digital Elevation Model，簡稱DEM）進行宏觀和微觀的數字地形分析，了解其不同地形因子的數字分布閾值，確定滿足風電場建設的地形因子條件；再結合風能資源數值模擬結果，形成風電場微地形選址的重要條件；通過該條件對全省1∶25萬DEM進行網格式搜索，最終形成全省風電場選址建設區劃圖。

風能資源；地形因子；風電場微地形選址

風能資源是重要的可持續發展的新能源，風電資源的合理開發利用，既可以提供充足的電力，又充分減少了環境的壓力，還可為當地增加新的旅游景觀，具有明顯的社會效益和環境效益［1－2］。為企業選擇合適的風電場場址是風電項目建設前期工作的重要內容，風電項目選址除了需要分析當地的風能資源，還要考慮電網接入、交通條件、地形條件、土地利用等影響因子，而地形條件是影響風能資源豐富程度的重要因素［3－4］。

目前陜西風電場選址方法主要是內業地圖判讀和外業現場調研相結合，內業判讀是在GIS軟件中通過數字高程模型 （Digital Elevation Model，簡稱DEM）對待選地點的大致地形進行初次判讀，了解其海拔高度、地形起伏度等情況，再通過外業實地調查來進一步考察確定具體選址地點。但由于內業判讀時僅僅是了解大致地形地貌，對其微觀地形如坡度變率、坡向變率、地表粗糙度等未進行細致研究，常導致外業調查與內業判讀結果會有較大偏差，有時不得不重新選址，因此，該方法已經不能滿足風電場選址要求，需要尋找一種適合于大面積篩選、可自動化處理的手段來分析地形狀況，初步判別其建設風電場的可行性［5］。以陜西省已建成的風電場區域為對象，通過對其數字高程模型進行宏觀和微觀的數字地形分析，了解其不同地形因子的數字分布閾值，確定滿足風電場建設的地形因子條件；再結合風能資源數值模擬結果，形成風電場微地形選擇的重要條件；利用該條件對全省1∶25萬DEM進行網格式搜索，最終形成全省風電場選址建設區域劃分圖，實現風電場選址工作的自動化和科學化。

1 數據和方法

1.1 三種風能資源觀測資料的融合

1.1.1 風能資源數值模擬資料 采用中尺度模式MM5及診斷風場模型CALMET進行全省風能資源的短期數值模擬。MM5（Mesoscale Model 5）是由美國國家大氣研究中心 （NCAR）和美國賓州大學 （PSU）在原有的流體靜力模式MM4基礎上發展的新一代中尺度非流體靜力模式，具有多重嵌套能力、非靜力動力模式以及四維同化的能力，用來模擬或預報中尺度和區域尺度的大氣環流。CALMET是美國EPA （US Environmental Protection Agency）推薦的由Sigma Research Corporation（現在是Earth Tech，Inc的子公司）開發的環境空氣質量模擬系統中用來模擬復雜地形風場的氣象模式，利用質量守恒原理對風場進行診斷，是一個包括地形影響下的動力學流體效應、地形阻塞效應參數化、差分最小化和一個用于海陸邊界層和大面積水體區域上的，計算混合層高度、穩定度、海陸風環流、山谷風環路等的基于3D網格點的邊界層氣象學模型［6－8］。

MM5模擬計算區設置為雙重嵌套，第一重網格精度27km，南北66個網格，東西99個網格；第二重網格精度為9km，南北103個網格，東西64個網格；中心經緯度均為35.5°N，108.5°E。CALMET模擬依據兩個詳查區，設置兩個模擬區域，以陜北長城沿線詳查區為基礎，設置模擬區一，中心經緯度37.25°N，108.5°E，網格精度1km，東西568個網格，南北460個網格；以渭南黃河沿岸詳查區為基礎，設置模擬區二，中心經緯度33.25°N，108.5°E，網格精度1km，東西568個網格，南北460個網格。物理過程采用濕微物理過程參數化，邊界層物理過程參數化。其中邊界層物理過程參數化使用 Mellor＆Yamada的level 2.5閉合方案和MRF方案。

模擬時段為2009年6月至2010年5月。逐日進行模擬，積分時間36h。起算時間為每日12時 （世界時），第三日00時終止。模式輸出結果為后24h逐時 （即北京時09、10、11、12、13、14、15、16、7、18、19、20、21、22、23、24，第二日01、02、03、04、05、06、07、08）距離地面150m高度范圍內每10m間隔高度層上每個格點的風向、風速以及地面溫度、相對濕度和氣壓。輸入資料包括：地形地表資料——水平分辨率為3″的SRTM3資料；Landuse數據使用30″水平分辨率的USGS資料。第一初值場采用2009年5月31日至2010年6月1日每日4個時次的NCEP1°×1°全球再分析資料；常規氣象資料為北京時08時與20時陜西境內96個地面氣象站及4個探空站的觀測資料，以每日12時 （世界時）的NCEP再分析資料為初始時刻。

圖1為模式輸出的陜西2009年6月—2010年5月全省年平均風速模擬結果。由圖可見，全省年平均風速為1.6～8m/s，其中陜北地區為風速最大，大部分地區平均風速大于6m/s，延安屬于年平均風速較高的地區為5.1～6m/s；關中和陜南地區風速較小，受地形影響顯著，部分地區風速低于3m/s。

1.1.2 測風塔觀測資料 目前全省已經建成并開展觀測 （7層觀測數據）的107座風塔中，有9座已具有2009—2010年觀測數據，使用 “風能資源計算評估系統”軟件對9座測風塔2009—2010年的測風數據進行合理性檢驗及訂正處理，計算得到其70m高度的年平均風速，風速主要集中在4.6～6.6m/s之間。

1.1.3 氣象站風觀測資料 提取2009年6月—2010年5月全省各氣象站風速觀測資料，計算得到各站年平均風速值，并根據公式 （1）將其換算為70m高度平均風速

比較測風塔觀測數據、氣象站觀測數據和數值模擬資料可見，氣象站觀測資料明顯小于其他兩種數據，為了保證數據的合理性，不采用氣象站觀測資料。

1.1.4 風能資源資料融合 由于具有2009—2010年觀測數據的測風塔只有9座，主要集中在陜北榆林地區，不能代表全省其他區域的風資源情況，因此選取榆林地區作為研究區域。

提取測風塔所在位置的模擬數據，與觀測資料進行差值計算，并將計算結果插值到整個研究區域；將插值結果與模擬數據相加得到訂正后的結果 （見圖2）。從圖2可知，榆林地區定邊、靖邊和橫山的部分地勢較高的地區風速最高達到6m/s以上，榆林市、神木和府谷縣部分地區為5.1～6.0m/s，其他地區小于5m/s。根據 《風能資源綜合評價技術要求》風功率資源等級劃分標準，年平均風速達到5.8m/s的風速等級為1級，主要集中在定邊、靖邊、榆林市和橫山部分地區。

圖1 陜西省風能資源數值模擬結果

圖2 榆林地區年平均風速分布圖

1.2 基于DEM的地形因子提取及閾值確定

1.2.1 提取風能資源豐富的已建成風電場區域DEM 根據榆林地區已建成的風電場區域，疊加年平均風速分布圖、DEM數據，提取風能資源豐富區域的DEM （如圖3）。

圖3 榆林地區測風塔位置分布圖

1.2.2 提取地形因子 數字地形分析是以數字高程模型為數據源進行地形表面特征提取和表達的地形處理方法，數字地形分析的基礎和必要條件是對地面形態進行簡單精確的數字化表達。許多地形因子都是基于DEM數據進行一階或二階計算推導出來的，也有的是通過某種組合或復合運算得到的，如坡度、坡向、變異系數等因子是對DEM進行一階求導得到的；平面曲率、剖面曲率等是對DEM求二階導數得到的。不同的地形因子反映不同的地貌特征，這些地形因子都是反映自然界特點的最基本的地理要素。總體上說，可以將地形因子分為兩類：微觀地形因子和宏觀地形因子。微觀地形因子是對地面上具體的某個點的特征進行描述，如果范圍是一定區域，微觀地形因子則沒有實際意義。而宏觀地形因子是對一定區域內的地貌特征進行描述，在某一具體的點上宏觀地形因子是沒有實際意義的［9］。

根據已建成風電場區域的數字高程模型，使用ArcGIS空間分析功能，從宏觀和微觀地形因子兩方面對其進行數字地形空間分析，其中宏觀地形因子包括地形粗糙度、地形起伏度和高程變異系數；微觀地形因子分析包括坡度、坡向、剖面曲率、平面曲率、坡度變率、坡向變率等。各地形因子提取結果。

①坡度是指表面的傾斜或者陡峭程度，提取結果在0～30°之間，其中0～15°的坡地占總面積超過90% （見圖4）。

②坡度變率 （Slope of Slope，SOS）是指地面坡度在微分空間的變化率，是依據坡度的求算原理，在所提取的坡度值的基礎上對地面每一點再求算一次坡度。即坡度之坡度。提取結果在0～10之間，其中0～3的變率占總面積約90%（如圖4）。

③地形起伏度是在所指定的分析區域內所有柵格中最大高程與最小高程的差。它是描述一個區域地形特征的宏觀性指標，其每個柵格的值是以這個柵格為中心的確定領域的地形起伏度。地形起伏度的計算，可先使用Spatial Analyst中的柵格鄰域計算工具Neighborhood Statistics分別求得最大值和最小值，然后對其求差值即可。由提取結果可見，風電場區域的地形起伏度主要集中在0～35m之間，即地形較為平緩，起伏不明顯。

圖4 坡度和坡度變率提取結果

④地表粗糙度是反映地表的起伏變化和侵蝕程度的宏觀指標，一般定義為地球表面積與其投影面積之比。地面粗糙度的提取步驟：選擇表面分析中的坡度 （Slope）工具，提取得到坡度數據層Slope；點擊Slope圖層，在Spatial Analyst下使用柵格計算器Raster Calculator，公式為1/cos （［Slope］3.14159/180），即可得到地面粗糙度數據層。需要注意的是，在ArcGIS中，cos使用弧度值作為角度單位，而利用表面分析工具提取得到的坡度是角度值，所以在計算時必須把角度轉為弧度。計算結果如圖5，由圖可見，風電場區域的地表粗糙度主要集中在1～1.02之間，即地表比較均勻，粗糙度小。

圖5 地表粗糙度提取結果

⑤高程變異系數是反映分析區域內地表單元格網各頂點高程變化的指標。一般鄰近范圍內相同高程點的數量較多的地方主要位于平原或臺地的中間，而鄰近范圍內高程差異較大的地貌單元主要為山地或丘陵地區，因此可以把鄰近范圍內高程不同點的數量作為重要參考指標，以此來描述局部地形起伏變化。它以格網單元頂點的高程標準差與平均高程的比值來表示。計算結果如圖6。由圖可見，風電場區域的高程變異系數較小，主要集中在0～0.01之間，說明相對變化小，地形相對平坦的地方適合建風電場。

圖6 高程變異系數提取結果

1.2.3 確定適宜的地形因子條件 總結各地形因子的提取結果，得到滿足風電場選址的地形因子條件為：坡度＜15°，坡度變率＜3，地形起伏度＜35m，地表粗糙度為1～1.02，高程變異系數＜0.01。

根據全省1∶25萬DEM數據，在ArcGIS軟件中，分別提取坡度、坡向、坡度變率、地形起伏度、地表粗糙度和高程變異系數等，并將各提取結果按照滿足風電場選址的地形因子條件進行二值化處理 （設風電場選址建設的不適宜區的值為0，適宜區的值為1）；將以上各地形因子計算結果值進行疊加運算，即柵格值相乘，即可得到全省適宜風電場選址建設的潛在微地形區域如圖7。

圖7 全省適宜風電場選址建設的潛在微地形區域圖

2 結果分析

將圖7與全省風能資源數值模擬結果圖 （圖1）疊加，得到全省風電場選址建設區域劃分圖（圖8）。由圖可見，全省適宜建設風電場的區域主要集中在風能資源相對豐富的陜北榆林長城沿線區域，該區域處于陜西省最北部，黃土高原北端，毛烏素沙漠南部邊緣。主要包括榆林的定邊縣、靖邊縣、橫山縣和榆陽區的長城沿線區域以及神木縣西北部部分地區。另外延安地區的洛川、黃龍以及渭南市的韓城、合陽、澄城黃河沿岸區域從地形和風資源狀況兩方面都適宜建設風電場。陜北榆林地區南部、延安大部、關中地區以及陜南漢中盆地及商洛和安康部分地區風能資源較好，地形相對平緩，在一定條件下也能滿足風電場建設要求。秦嶺山地地形相對復雜，對風電場的局地影響非常顯著，同時年平均風速低于3m/s，不適宜建設風電場。

圖8 全省風電場選址建設區域劃分圖

3 結論與討論

（1）陜西省適宜建設風電場的區域主要集中在風能資源相對豐富的陜北榆林長城沿線、延安地區的洛川、黃龍以及渭南市的韓城、合陽、澄城黃河沿岸區域區域；全省較適宜建設風電場的區域主要集中在陜北榆林地區南部、延安大部、關中地區以及陜南漢中盆地及商洛和安康部分地區；秦嶺山地地形相對復雜，對風電場的局地影響非常顯著，同時年平均風速低于3m/s，不適宜建設風電場。

（2）研究中存在的問題以及下一步需要改進的方面主要有：①同期測風塔數據較少，訂正完成的榆林地區年平均風速分布結果不夠準確，導致提取的已建風電場的DEM數據也不夠準確。②DEM數據精度為1∶25萬，數據分辨率較低，本身已經剔除了很多精確的微地形信息，考慮選用更高精度的DEM進行計算。③根據不同地形因子的數值分布閾值，疊置形成滿足風電場選址條件時，對于有影響力的地形因子只是簡單的疊加，下一步工作可以考慮計算各因子所占的權重，通過建立合適的評價模型來最終確定適宜風電場建設的微地形區域。

［1］張希良 .風能開發利用 ［M］.北京：化學工業出版社，2005.

［2］羅勇，楊振斌，陳顯揚，等 .中國風能資源評估工作現狀分析及發展計劃咨詢報告 ［R］.北京：中國氣象局，2005.

［3］于力強，蘇蓬 .風電場選址問題綜述 ［J］.中國新技術新產品，2009 （7）：7－156.

［4］包小慶，張國棟 .風電場測風塔選址方法 ［J］.資源節約與環境，2008，24 （6）：06－55.

［5］吳培華 .風電場宏觀和微觀選址技術分析 ［J］.科技情報開發與經濟，2006，16（15）：154－155.

［6］周榮衛，何曉鳳，朱蓉.MM5/CAMLET模式系統在風能資源評估中的應用 ［J］.自然資源學報，2010，25 （12）：2101－2112.

［7］惠小英，高曉清，桂俊祥，等 .酒泉風電基地高分辨率風能資源的數值模擬 ［J］.高原氣象，2011，30 （2）：538－544.

［8］張超，羅伯良.基于GIS技術的湖南風能資源精細化評估 ［J］.湖南電力，2011，31 （3）：11－14.

［9］畢曉玲 .地形因子在四川省滑坡災害敏感性評價中的適用性分析 ［D］.北京：首都師范大學，2011：11－16.

TM614

A

王娟敏，高雪玲，毛明策，等 .基于GIS的陜西風電場微地形選址技術研究 ［J］.陜西氣象，2014（4）：15－19.

1006－4354 （2014）04－0015－05

2014－01－23

王娟敏 （1983—），女，山西壽陽人，漢族，碩士，工程師，從事氣候變化及氣候資源應用研究。

陜西省自然科學基金項目 （2012JM5012），陜西省氣象局科技創新基金項目 （2012M－4），陜西省氣象局2012年重點項目 （2012z－3）