基于Sentinel-1合成孔徑雷達衛星影像的福建沿海區域風能資源分析

朱 琳，謝 婷，王怡人，胡利平，耿旭樸*

(1.廈門大學海洋與地球學院，近海海洋環境科學國家重點實驗室，海洋遙感大數據福建省高校工程研究中心，福建 廈門 361102；2.北京環境特性研究所電磁散射重點實驗室，北京 100854)

風能屬于可再生能源，具有無污染、可持續等優勢，且隨著風能發電技術的不斷改進與完善，其發電生產成本大幅降低，已逐步接近傳統能源，是最具開發前景的新能源發電方式之一.目前，近海風能資源分析研究經常利用實地監測結果、衛星反演結果以及數值模擬結果等.使用衛星反演數據進行風能資源分析可以克服實測數據測量成本高、序列數據少等缺點.其中星載合成孔徑雷達(SAR)是一種具有高成像分辨率的主動成像式微波雷達，可以在全天時、全天候條件下工作，其探測不受云層影響，空間分辨率最高可達米級，能夠獲取臺風的很多細節信息，因此SAR在觀測臺風時有很大的優勢[1-3].

提取SAR圖像風向信息主要有快速傅里葉變換(FFT)法和局部梯度(LG)法等.基于這些方法可以從同極化(VV或HH模式)SAR圖像自帶風條紋中提取風向信息，去除180°模糊后可以得到唯一確定的風向.反演SAR數據同極化VV模式的風速利用地球物理模式函數(GMF)CMOD系列反演模型，由歐洲中尺度天氣預報中心(ECMWF)設計，目前有CMOD4、CMOD5、CMOD5.N、CMOD7等模型產品.如Alexis等[4]結合CMOD系列模型與多普勒頻移效果進行SAR風場反演，該方法在Sentinel-1衛星SAR數據風場反演中取得了較好結果.Yang等[5]將美國西部海岸3年QuickSACT散射計風場數據與Radarsat-1 SAR衛星遙感反演風場數據進行了相應時空匹配工作，證明了SAR數據更適用于近海風場反演.福建省風能資源開發潛力巨大[6]，其中臺灣海峽區域更因其獨特“狹管效應”優勢而形成天然海上風庫，是我國海上風電開發的重點關注區域，國內學者已對此進行了一些風能資源的研究[7-9]，但以往研究風能分布大多數是基于測風塔或模式再分析等資料，其數據量過少且分辨率不夠高.Hasager等[10]使用SAR影像及散射計數據反演了丹麥近岸海域風場，證明了SAR技術在近岸海域風能資源分析方面的適用性.但在涉及中國近海區域的SAR影像風場反演工作及風能資源評估分析中，對于海面不同高度處風能資源狀況的時空分析較少，缺乏結合實際風電場選址的風能參數分析工作，不能對風能資源分布進行準確評估.

針對以上問題，本研究基于哨兵一號Sentinel-1衛星的福建沿海區域SAR影像數據，使用FFT法計算得到區域海面風向；再與歐洲氣象中心資料ERA-interim的外部風向數據相結合，輸入地球物理模型CMOD5.N中，計算得到對應區域海面風速數據；并使用有效風速、有效風能密度、風能變異系數、風向頻率等指標對福建沿海區域風能資源時空分布特征進行分析.

1 數據與方法

1.1 數據來源

1.1.1 Sentinel-1數據

哨兵一號衛星(Sentinel-1 A/B)是歐洲航天局(ESA)哥白尼計劃(Copernicus Program)專門設計和開發的新衛星.數據來源：https:∥scihub.copernicus.eu/dhus/#/home.

本研究使用Sentinel-1衛星IW(interferometric wide swath)模式的L1級高分辨率GRD(ground range detected)地距影像產品數據，共122景，其分布范圍為22°～26° N、117°～121° E，圖像覆蓋區域如圖1所示.時間跨度為2015—2019年，各年影像數量依次為18，29，26，29，20，每年各月影像數量總體分布均勻，具有較好的統計意義[11].

圖1 Sentinel-1 SAR數據覆蓋圖

1.1.2 ERA-interim數據

ERA-interim是一套數據量大、時空分辨率高、使用廣泛的全球大氣模式再分析規劃化網格數據，是ERA整套數據中最新的數據產品，由ECMWF提供(https:∥apps.ecmwf.int/datasets/data/interim-full-daily/levtype=sfc/)，在觀測資料的應用及同化方法方面有很大改進[12].ERA-interim再分析數據時間范圍覆蓋1979年1月1日至今，不斷更新，時間間隔為6 h，空間范圍覆蓋全球，其產品包括氣壓、海表溫度、海表風場等大氣海洋參數[12-13]，其風場數據與衛星觀測資料有很好的匹配性[14]，滿足中國近海風場研究精度要求.因此，本研究使用ERA-interim產品中的0.125°×0.125°分辨率數值模擬風場數據，為SAR數據風向反演提供輔助風向數據.

1.2 方 法

收集Sentinel-1衛星福建沿海區域SAR影像數據，基于SAR影像自帶風條紋，使用FFT法計算得到SAR影像區域海面風向，與ERA-interim外部風向數據相結合，并將得到的對應風向數據代入地球物理模型CMOD5.N中，計算得到對應區域的海面風速數據，結合海面風向及風速數據得到福建沿海區域高空間分辨率風場數據.進而使用反演得到的風場數據對福建沿海區域進行風能有效性和穩定性分析，其中風能有效性的評估指標為有效風速和有效風能密度，風能穩定性的評估指標為風能變異系數和風向頻率.最后使用SAR反演風場結果結合再分析數據，對福建沿海區域風能進行時空變化特征分析.

1.2.1 風向反演

在進行海表風場反演前，分別進行輻射定標、陸地掩膜、噪聲處理等數據預處理工作.用GMF模式函數求解海面風速時，需要風向信息作為初始信息輸入.風向信息的來源主要有SAR自帶風條紋提取風向和外部風向輸入兩種類型.為保證風向數據的時空匹配性及分辨率的統一性，以直接提取SAR影像自帶風條紋方法獲取風向數據為主、ERA-interim風場數據為輔獲取風向信息.

為了去除諸如海冰、溢油等海表特征因素對SAR圖像風場反演的影響，對SAR影像進行一次初始篩選，得到可用于提取風向的SAR影像.篩選過程中，利用非均勻性參數CVAR作為影像篩選判斷條件，計算公式如下[15]：

CVAR=var(I)/I2，

(1)

其中I為子圖塊后向散射系數，var為方差計算函數.使用該公式可檢驗SAR影像100 m×100 m分解圖塊的同質性.當CVAR大于1時，圖像影響因素不均勻，存在中尺度海洋或大氣影響因素，舍棄此類影像圖塊區域，后續使用ERA-interim海面風向數據作為這些圖塊區域的風向輸入，由此可以排除SAR影像中的中尺度海洋或大氣因素對風向提取的影響.

風向提取的方法主要有基于頻率域和基于空間域兩種.基于頻率域的常見風向提取方法有FFT法等，基于空間域有LG法、二維連續小波變換(2D-CWT)法等[16-17].研究表明FFT法較適合小風速范圍風向反演，具體步驟如下：

1)選取合適的SAR子圖像，進行濾波去噪處理；

2)對子圖像進行FFT得到其頻譜圖；

3)對頻譜圖進行尺度分離，得到兩個譜能量峰；

4)對兩個譜能量峰連線，風向與該連線垂直，但具有180°模糊；

5)將ERA-interim風場數據作為風向輔助數據，利用北半球海區的熱帶氣旋(TC)呈現逆時針方向旋轉的風場特征，對計算得到的風向進行校正，消除風向180°模糊的問題.

1.2.2 風速反演

SAR反演海面風場的基本原理為Bragg共振機制.在20°～60°的入射角范圍內，海面粗糙度與雷達波束遵循Bragg諧振機制，而海面風場對海表面粗糙度數值產生影響，可使后向散射系數發生變化[18]，關系表達式為：

kr=2kemsinθ，

(2)

其中，kr為Bragg共振波數，kem為電磁波波數，θ為SAR雷達波束入射角.因此，基于SAR影像后向散射系數可進行海洋表面風場反演.

地球物理函數模型建立了VV極化模式與衛星方位角、入射角以及海面風場的函數關系.選用CMOD5.N模式進行風速反演，該模式由Hersbach[19]于2010年對CMOD5模式函數的參數進行相應校正后開發得到，具體計算公式如下：

σ0=b0(1+b1cosφ+b2cos 2φ)1.6,

(3)

其中，σ0為后向散射系數，φ為相對風向，b0、b1和b2是關于風速的經驗系數.

由上述方法反演得到的是海面10 m高度處的風場數據，而通常風能隨海面高度的增高而呈上升趨勢,因此使用指數規律風廓線進行海面不同高度風場數據的求取.以SAR影像同極化VV模式反演得到的海面10 m高度風場數據為基礎,利用指數規律風廓線工具，計算得到不同高度的風場數據，具體計算公式[20]如下：

(4)

其中，vn和v10分別為海面n和10 m高度處的風速，Zn和Z10為海面高度，α為風廓線切變指數(該指數主要與區域大氣穩定度及下墊面海面粗糙度有關).式(4)是風能評估中最常用的公式[21-27].丁國安等[22]的研究表明，采用指數公式計算所得不同高度的風速十分接近實測值.

1.2.3 有效風速

在實際區域海上風能發電生產過程中，3～25 m/s范圍的風速通常被稱為有效風速，可以有效產生風能[28].一般情況下，風速低于3 m/s則風機設備無法正常啟動，因此3 m/s通常被稱為切入風速；當風速高于25 m/s時，風機將會判斷風速過大，為避免設備產生損壞而切斷發電進程，因此25 m/s也被稱為切出風速.有效風速在風能發電領域應用十分廣泛.

1.2.4 有效風能密度

海面風能數值的大小與風速密切相關.風能密度用來表示在一定時間范圍內垂直通過某單位面積的風所帶來的所有能量數值,該參數是風能資源評估分析工作中極為重要的綜合指標之一，應用十分廣泛.具體計算公式[29]為：

(5)

其中：W為風能密度，W/m2；ρ為空氣密度，kg/m3；v為風速，m/s.從該計算公式可以看出，對應海域的空氣密度大小是風能密度的影響因素之一，因此在風能密度計算前，需要結合海面高度、大氣壓、海面溫度等海面特征進行對應海域空氣密度的計算[30]，計算后本研究海域ρ為1.34 kg/m3.

有效風能指使用風電機組正常運行風速范圍計算得到的風能資源，其風速范圍為3～25 m/s.處于該范圍內的所有風能密度稱為有效風能密度，即在一定時間段內通過規定單位面積的有效風能，該指標可用于對某特定區域的海上風能資源進行分析與評估.

1.2.5 風能變異系數

風能變異系數是風能穩定性分析的一個重要評估指標[31]，具體計算公式為：

(6)

1.2.6 風向頻率

風向頻率表示一定時間段范圍內各方位的風向次數占總數的百分比，通常用風向玫瑰圖來直觀化表示.通過風向玫瑰圖可以得到目標區域主導風向及風向變化穩定性，從而輔助該區域風能資源分析.

1.2.7 經驗正交函數(EOF)分析

EOF分析方法可以實現對海表風速矩陣數據的結構特征分析，并提取其主成分特征向量，用盡可能少的模態表達出主要的時間和空間變化.自Lorenz在20世紀50年代首次將其引入氣象和氣候研究，該方法現已被廣泛應用于海洋和其他學科[32].EOF分析方法的主要原理如下[33]：首先將觀測風速資料用矩陣表示，記為矩陣X;矩陣X可以分解為空間函數和時間函數兩部分的乘積，通過求XXT的非零特征值，可以得出空間函數矩陣以及時間系數.特征向量對應的是空間樣本，在一定程度上反映要素場的空間分布特點；主成分對應的是時間變化，反映相應空間模態隨時間的權重變化.

2 結果與分析

2.1 風能有效性

根據國家標準風電場風能資源評估方法[34]，主要測量10，30，50 m高度風速數據，對福建沿海區域海面3個高度測量的多年平均有效風能結果如圖2所示(反演分辨率為5 km×5 km).可以看出：1)福建沿海區域不同高度的風能資源空間分布較為一致，風能密度大小隨高度增加而增大；2)使用SAR影像反演得到的福建沿海區域風能密度數據空間細節分布更為突出，可以對此進行細節風能資源評估與分析.

圖2 福建沿海區域10 m(a)、30 m(b)和50 m(c)高度的多年平均有效風能密度

對所有風能計算格點數進行統計，分別求出福建沿海各月和各季風能總量及有效風能量，得到有效風能概率，結果如圖3所示.可以看出，福建沿海區域有效風能概率較高，總計有效風能占比68.21%，其中分月特征變化趨勢為：4—10月有效風能占比較低，最低為8月，僅39%；11月—次年3月有效風能占比較高，最高為12月，達98%.分季特征變化趨勢為：春、夏季較低，夏季僅為44%；秋、冬季較高，冬季達96%.風速范圍大的秋、冬季有效風能占比較高，符合海上風電資源開發條件.

圖3 福建沿海區域各月(a)和各季(b)有效風能概率

2.2 風能穩定性

除風能有效性外，風能的穩定性也是風能資源分析的重要組成部分，一定程度上決定了風電機組建設的安全性及生產效率大小.下文從風能變異系數和風向頻率分布方面進行風能穩定性的時空特征分析.

福建沿海多年平均風能變異系數結果如圖4所示：從臺灣海峽至廈門區域風能變異系數逐漸降低，符合客觀規律，即臺灣海峽附近由于地形及狹管效應影響，風能較不穩定，而靠近大陸地區風能較穩定.但上述多年平均結果可能將平均季節性信號丟失，因此將風能密度結果按春(3—5月)、夏(6—8月)、秋(9—11月)、冬(12月—次年2月)四季分別求平均值，得到各季平均風能密度并計算季節平均風能變異系數，結果如圖5所示.可以看出：1)福建沿海多年平均風能穩定性較好，大部分區域風能變異系數均在0.5以下；2)各季節風能變異系數分布特征存在一定差異，春、秋、冬季數值較低，大部分在0.5以下，而夏季風能變異系數較大，風能穩定性較差.

圖4 多年平均風能變異系數

圖5 春(a)、夏(b)、秋(c)、冬(d)季的風能變異系數

對福建沿海區域各季節有效風向進行百分比統計并按10°分區繪制風向玫瑰圖(包括風向180°模糊)，結果如圖6所示.可以看出，福建沿海區域常年風向以東北—西南風為主，夏季偏北，秋季偏東，春、冬季東北—西南風占大部分，風向較為穩定，變化較小.

圖6 春(a)、夏(b)、秋(c)、冬(d)季的風向玫瑰圖

2.3 風能時空變化特征

福建沿海區域各月風速和風能密度變化趨勢如圖7所示.可以看出，福建沿海區域的風能密度與風速變化趨勢相似，風能時空特征的主要變化趨勢為：9—10月風速呈上升趨勢，12—1月到達頂峰，3—4月呈下降趨勢，在5—8月達到海面風速最低值.

圖7 各月風速(a)和風能密度(b)變化趨勢

用EOF方法對福建沿海區域風場數據進行分析，得到海面風速時間序列的主成分特征向量，其中第一和第二模態的分析結果如圖8和9所示.

第一模態的方差貢獻率為89.56%，遠高于其他模態的方差貢獻率，從圖8可知，這一模態可能是影響福建沿海區域季風強盛時期的狀況.福建沿海風能資源空間分布主要為東北—西南遞減類型，即西南區域年平均風速較小，而東北區域年平均風速較大.EOF分析的第二模態方差貢獻率為4.47%，如圖9所示，第二模態的特征向量在空間上也體現出福建沿海風能資源空間分布主要為東北—西南類型，但與第一模態不同的是在臺灣海峽中部出現了風速較大值區域，可能是因為臺灣海峽狹管效應的空間分布.狹管效應是指當氣流由開闊地帶流入地形構成的峽谷時，空氣質量不能大量堆積，于是加速流過峽谷，風速增大；當流出峽谷時，空氣流速又會減小.臺灣海峽與常年盛行的東北風形成的狹管效應，使得福建沿海區域的風速加大，可利用風速持續時間加長.第一模態與第二模態的累計方差貢獻率為94.03%，因此EOF分析的前兩個模態能夠較好地解釋福建沿海風能資源的時空分布特征.

圖8 福建沿海風場EOF分析的第一模態時間序列(a)及填色圖(b)

圖9 福建沿海風場EOF分析的第二模態時間序列(a)及填色圖(b)

3 結 論

本研究使用Sentinel-1衛星SAR影像VV同極化數據進行海表風場反演，得到高空間分辨率的2015—2019年福建沿海區域風場數據，再將SAR海面風場反演結果與ERA-interim再分析風場數據進行1 km×1 km的網格化處理，并從風能有效性、風能穩定性及風能時空分布3個方面進行了福建沿海區域風能資源時空特征分析.研究結果表明：

1)福建沿海區域不同高度的風能資源空間分布較為一致，風能密度均隨高度增加而增大；經SAR影像反演得到的風能密度空間細節分布更為突出，據此得到的月、季有效風能結果表明風速數值范圍較大的秋、冬季有效風能所占百分比較高.

2)福建沿海多年平均風能穩定性較好，各季節風能變異系數分布存在一定差異，春、秋、冬季較低，大部分在0.5以下，而夏季風能變異系數數較大，風能穩定性較差；風向玫瑰圖表明福建沿海區域風向變化較小，較為穩定；

3)福建沿海各月風速、風能密度變化趨勢圖說明風能密度變化趨勢與風速變化趨勢相似；EOF分析結果表明，福建沿海風能的空間分布主要為東北—西南走向遞減類型，在臺灣海峽中部區域出現風能最大值.

上述結果表明Sentinel-1衛星SAR影像VV同極化數據反演海面風場方法具有可行性且能用于福建沿海區域風能資源評估；但本研究中未考慮VV同極化以外其他極化模式的風場反演方法，因此在之后的研究中，可采用多種類型SAR衛星數據，并采用多源再分析數據進行輔助分析，以提高分析準確度.