NCEP 气象数据结合SRTM 地形数据的高海拔山区风资源评估方法

李云婷，葛 莹，张 杰，王 冲，周靖斐，肖胜昌

(1．河海大学地球科学与工程学院，南京市210098;2．中国电力建设集团昆明勘测设计研究院有限公司，昆明市650051)

0 引 言

在进行风电场宏观选址时，风资源评估是关键。高海拔山区缺少足够的风速实测数据，所以如何得到风速数据以完成复杂地形风电场选址具有重要的实际意义［1-2］。近年来，国内外学者对美国国家环境预报中心(national centers for environmental prediction，NCEP)气象数据的可靠性和空间插值方法展开了一系列研究。Swail 等采用回报海浪场方法对NCEP 的3 种不同高度处风数据进行分析，认为10 m 高程风数据回报误差最小［3］。李兆芹等比较了多种NCEP插值方法，认为北半球的双线性插值结果较优［4］。施晓辉等表示，地形对NCEP 气象数据应用的可靠性程度有较大的影响［5-6］。冯双磊等提出了一种风指数法，以评价NCEP 在风资源评估中的精度［7］。邓院昌等结合地形因子，绘制出我国地形适宜度图，为风电场宏观选址中地形分析与评价提供依据［8］。可见，NCEP 气象数据具有较高的可靠性，但应用时需考虑哪些地形因子以及在传统插值方法中如何加入地形因子仍有待研究。

本文以NCEP 气象数据结合航天雷达地形测绘计划(shuttle radar topography mission，SRTM)地形数据为数据源，选用反距离插值法和地形权重插值法这2 种方案，生成考虑和不考虑地形因子的2 套复杂地形风速模拟数据，并将其分别与云南省红河州8个风电场20个测风塔(风电场以字母编号，如A;测风塔以数字编号，如A1)实测风速进行比较，以此确定适用于高海拔山区风资源评估的NCEP 插值方法。再利用ArcGIS 绘制出云南省全年50 m 高度平均风速图，分析云南省风资源的地域特征和季节特点，为云南省风电场宏观选址提供参考依据。

1 NCEP 和SRTM 简介

NCEP 是由美国环境预报中心和美国大气研究中心联合推出的气象数据，以全球2.5° ×2.5°栅格数据形式免费向全世界提供使用，是迄今公开时间最长的综合性气象数据，包括风数据、温度、热通量等，广泛应用于气象模拟、预测等研究［6］。NCEP 数据有2种格式:GRIB 和NetCDF(以下简称NC)，ArcGIS 软件可直接读取和处理。本文选用NC 格式的NCEP。NCEP 有3 种风数据:10 ～1000 hPa 不同等压面风数据、近地面层风数据(约50 m 高程)和10 m 高程风数据。本文选择50 m 近地面风速数据试验，并以此高度测风塔实测风速作为参考进行精度分析。每个测风塔都有1年的完整数据，测风仪每10 min 记录1次平均风速。

SRTM 是航天雷达地形测绘计划的简称，由美国太空总署、美国国防部测绘局、德国及意大利空间局合作共同实施。近年来，美国太空总署向外免费提供3″分辨率(水平分辨率90 m ×90 m)SRTM DEM 数据。该数据覆盖全球80%陆地面积，在相关领域得到了广泛应用［9］，可为风资源评估提供高分辨率DEM 数据［10］，为引入地形因子改善NCEP 插值精度奠定了良好的基础。

本文选用数据有:(1)2012年7月—2013年6月的NCEP月平均数据，分辨率为2.5° ×2.5°，距离地面50 m 高度纬向风和经向风的高斯格点再分析数据;(2)20个测风塔各自1 整年的测风数据，如测风塔C4 的2012年7月1 日00:00—2013年6月30 日23:50 每10 min 记录1次的平均风速数据;(3)云南省及其周围SRTM DEM 数据，经纬度范围19° ～30°N，96° ～108°E。

2 研究方法与思路

风速与山地实际地形间的关系复杂，针对云南省高海拔山区地形特点，本文选用反距离插值法和地形权重插值法这2 种方案，分别生成NCEP 风速模拟数据进行比较。

2.1 反距离插值法

在气象模拟中，采用较多的空间插值方法是反距离插值法，将现有NCEP 气象数据内插得到未知点的风速［11］。该方法主要考虑未知点与NCEP 格网点之间的距离，如:

式中:r 是未知点与已知点间的距离;R 为影响半径，表示位于该距离内已知点，对未知点取值有影响;m为大于1 的整数。由函数w(r)可知，未知点离已知点越近，其权重越大。

2.2 地形权重插值法

显然，以距离为权重的插值法，没有顾及地形对风资源的影响，没有体现高海拔山区的特点。本文借鉴Yizhak 等提出的一种优化风场矢量插值方法［12］。余琪等将该方法用于局部地区，得到了较好结果［11-13］。在内插的权重函数中，我们不仅考虑了距离因子，还加入了海拔高度h、起伏度r、坡度s、坡向a另4 种对风资源分布有影响的因子，使其更适合高海拔山区的风资源评估。利用20个测风塔2012年7月到2013年6月1 整年的年平均风速与地形因子做线性回归，得到方程式:

式中y 的标准差为0.798，且地形因子的系数较小，未能准确反映其对风速的影响。究其原因，海拔高度、起伏度、坡度、坡向这4个因子的计量单位不同且数值差异较大，如果直接用原始数据进行试验，会突出数值较高因子在综合分析中的作用，为了合理区分各因子的重要性，将评价指标无量纲化。

常见的5 种线性无量纲方法如表1 所示［14］。比较各线性回归y 值的标准差，选择极大化法进行地形因子的无量纲化，得到回归方程如下:

表1 5 种线性无量纲方法及其y 值的标准差Tab．1 The linear dimensionless methods and σ value of y

由因子前面对应的系数可知，高程h 对风速影响最大，且风速随海拔升高而增大。于是，考虑在权重函数中加入高程因子h，权重函数改造为式(5)。由r、h 的定义可知，变量r 和h 的大小可表达已知点和未知点之间的地形起伏大小。再采用极大值法进行无量纲化处理，进一步区分距离因子r 和高程因子h的重要度，改进后如式(6)。

式中a、b 为非负数。

2.3 插值效果分析

2.3.1 反距离插值法和地形权重插值法比较

分别用反距离插值法和地形权重插值法，对云南省红河州20个测风塔2012年7月(夏季)月平均风速进行估算。对式(6)从a =1，b =1 进行迭代，发现引入SRTM 地形因子可以改善NCEP 插值结果精度，相对误差减少约10%;且a 和b 取值对结果影响不大，插值法改进后的相对误差，一直围绕0.3 上下波动，如图1 所示。

图1 云南省2013年7月的月平均风速Fig.1 Monthly average wind speed in July 2013 in Yunnan Province

2.3.2 模拟风速与实测风速比较

选取云南省红河州20个测风塔，统计50 m 高度的月平均风速测量值，比较云南省红河州的测风塔月平均风速与NCEP 模拟数据。

结果表明，20个测风塔月平均风速模拟值与实测值线性拟合较好，相关系数0.4≤|R|≤1 属于显著相关，其中40%测风塔0.7≤|R|≤1 呈高度相关。以测风塔C3 为例，其平均风速与实测风速相关性曲线如图2 所示。尽管NCEP 模拟风速在绝对值上与实测风速还有差距，但两者相关系数较高，表明模拟风速和实测风速变化趋势一致，所以NCEP 对云南省高海拔地区风资源分布整体趋势模拟是可行的。

图2 测风塔C3月平均风速相关性曲线Fig.2 Correlation curve of monthly average wind speed of anemometer tower C3

3 云南省风资源评估

按照上述思路，利用NCEP 数据作为气象数据、云南省SRTM DEM(90 m ×90 m)作为地形数据，采用地形权重插值法生成云南省风速模拟值。

图3 是云南省海拔高度分类图。图4 给出了云南省1月(冬季)、4月(春季)、7月(夏季)、10月(秋季)4个时段的平均风速模拟图，水平分辨率为90 m ×90 m。从云南省NCEP 风资源模拟图来看，云南多个地区风速在3.0 m/s 以上，年平均风速大致范围为1.9 ～5.4 m/s，风能分布广泛，并且地形效应显著。

图3 云南省SRTM DEM 分类Fig.3 Classification of SRTM DEM in Yunnan Province

图4 云南省NCEP月平均风速模拟图Fig.4 Simulation of NCEP monthly average wind speed in Yunnan Province

进一步分析云南省风速分布情况，可知:(1)云南省1月份风速为2.0 ～5.5 m/s，西部、中部丘陵地带及其他低海拔地区风速较小，其风速一般在2.0 ～3.3 m/s，局部地区可达到3.5 m/s 左右;3.5 m/s 以上地区主要分布在云南西北部和中东部高海拔地带，风速随高度增加趋势较明显;(2)4月份风速范围与冬季基本一致，但是风速大于3.5 m/s 区域明显扩大，包括昆明西南片、楚雄、玉溪局部区域，此外，保山、临沧、普洱的风速也明显提高;(3)7月份风速普遍较1、4月份增大，而分布趋势与1、4月基本一致，变化范围为1.9 ～6.0 m/s，风速较大区域主要分布于云南省西北部和中东部高海拔地带，范围变化不大;(4)10月份风速风速比1月偏小，但分布情况基本一致。

为了分析云南省风速的季节变化情况，从NCEP模拟风速图上提取红河州内20个测风塔风速随月份的变化曲线(图5)。由图4、5 可知，总体来说，云南省风速四季变化明显。其中冬、春季风力为全年最大，风能极具开发价值，从9月份风速开始变大。该结果与顾本文等对云南省风资源分析一致［15-17］。

图5 20个测风塔月平均风速趋势线Fig.5 Trend line of monthly average wind speed of 20 anemometer towers

4 结 论

(1)由地形权重插值法生成的NCEP 风速模拟数据能较准确地描述云南省风速实际分布情况。在实测风数据缺乏时，由地形权重插值法生成NCEP 风速模拟数据不失为一种获得风速数据的较好方法。

(2)值得一提的是，采用SRTM DEM(90 m ×90 m)分辨率较低，因而对地形的平滑作用更明显，出现风能丰富区、较丰富区、可利用区面积比实际偏小，贫乏区面积偏大等问题。若能采用更高精度的DEM，如我国资源三号卫星数据，其模拟效果和风资源评价的准确性将会进一步提高。

致 谢

本文中实验方案的制定和实验数据的搜集工作是在中国电力建设集团昆明勘测设计研究院有限公司杨林波、张箭、闻平等工作人员的大力支持下完成的，在此向他(她)们表示衷心的感谢。

［1］洪祖兰．云南山区风电场选址的方法问题［J］． 云南水力发电，2007，23(3):8-12．

［2］沈宏涛．山区风资源特点和风电场选址方法［J］．电力建设，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 再分析温度资料在农业气象中的应用可行性［J］． 南京气象学院学报，2004，27(3):420-427．

［5］施晓晖，徐祥德，谢立安． NCEP/NCAR 再分析风速，表面气温距平在中国区域气候变化研究中的可信度分析［J］． 气象学报，2006，64(6):709-722．

［6］周青，赵凤生，高文华．NCEP/NCAR 逐时分析与中国实测地表温度和地面气温对比分析［J］．气象，2008，34(2):83-91．

［7］冯双磊，王伟胜，刘纯，等． NCEP/NCAR 再分析数据在风能资源评估中的应用研究［J］．资源科学，2009，31(7):1233-1237．

［8］邓院昌，余志，钟权伟．风电场宏观选址中地形条件的分析与评价［J］．华东电力，2010 (8):1244-1247．

［9］曾雪兰，余志，邓院昌，等．SRTM 数字高程模型在MM5 风场模拟中的应用［J］．资源科学，2008，30(5):662-666．

［10］吕雪芹，余志，邓院昌，等．基于特征点修正的SRTM 数据在风能资源微观评估中的应用［J］．测绘科学，2008，33(4):161-162．

［11］高阳华，王堰，邱新法，等．基于GIS 的复杂地形风能资源模拟研究［J］．太阳能学报，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，刘原中．复杂地形上的风场内插方法［J］．辐射防护，2001，21(4):213-218．

［14］郭亚军，易平涛．线性无量纲化方法的性质分析［J］． 统计研究，2008，25(2):93-100．

［15］顾本文，王明，施晓晖． 云南风能资源的特点［J］． 太阳能学报，2000，21(1):45-49．

［16］洪祖兰，张云杰．山区风资源特点和对风电机组、风电场设计的建议［J］．云南水力发电，2008，24(3):4-9，21．

［17］邢婷，郑有飞，朱勇，等． 云南风能资源及其开发利用研究进展［J］．气象与环境科学，2013，36(4):55-61．