基于ENVISAT ASAR影像与QuikSCAT风场数据的近海风能资源评价——以香港东南海域为例

蒋洁，刘永学，2＊，李满春，2，钟礼山，陈振杰，2，张荷霞

（1.江苏省地理信息技术重点实验室，南京大学，江苏 南京 210023；2.中国南海研究协同创新中心，南京大学，江苏 南京 210023）

风能作为一种清洁可再生能源，越来越受到世界各国的重视。由于海面粗糙度较小，海洋风能资源较陆地更为丰富，具有更大的开发潜力［1］。开展风能资源评价是合理开发利用海洋风能资源的前提，其关键在于获取可靠的风向、风速等风场参数及其时序变化。以遥感图像为信息源，以图像处理、信息提取为技术手段，反演海洋风场参数的方法日趋成熟［2］。与传统船舶、岛屿站、海上浮标数据相比，卫星遥感资料能提供长时间序列、大面积同步的海面风场数据，在海面风场观测和研究中发挥着越来越重要的作用［3，4］。其中，微波散射计可获得全球全天候条件下的海面风场数据，其时间分辨率较高，空间分辨率（25～50km）不足［5］；合成孔径雷达SAR（Synthetic Aperture Radar）以其数十米甚至更高的空间分辨率弥补了这方面的不足，但其时间分辨率较低。目前，利用卫星遥感资料进行海面风场的研究一方面侧重SAR影像风场反演方法的研究，证明遥感影像风场反演的可行性［6－9］，但这些研究并未进一步进行风能资源评价；另一方面侧重利用微波散射计资料进行大范围的风能资源评价［10－12］，由于微波散射计资料大多已包含海面风场信息，所以这些研究并不涉及风场反演。

基于此，本研究拟将多时相遥感影像风场反演和风能资源评价相结合，利用ENVISAT（European Environmental Satellite）ASAR（Advanced Synthetic Aperture Radar）影像的较高空间分辨率优势与QuikSCAT（Quick Scatterometer）风场数据的高时间分辨率优势，进行风能资源的时空分布特征评价，为风力发电提供决策依据。

1 研究区和数据源

研究区地处我国东南沿海的近海区域（22°7′～22°20′N，114°21′～114°34′E），是我国风能资源较为丰富的地区，属于风力发电的理想场所［13］；气候类型为热带季风气候，年均温在22℃以上，季风气候显著，盛行热带气旋。研究区紧邻的香港是全球重要的经济、金融和航运中心，经济产业发达，人口密集，用电需求量大，对该地区的风能资源评价可为香港近海风力发电提供参考依据。

选取空间分辨率较高的ENVISAT ASAR影像，时间为2006年8月2日－2009年7月22日，共计39幅，均为VV极化方式，空间分辨率30m，像元大小12.5m×12.5m。收集了2006年3月1日－2009年2月28日共计1 096幅时间分辨率较高的QuikSCAT风场数据，用于分析风速的时序特征，风速精度小于2m／s［11］。

2 近海风能资源评价方法

研究技术路线如图1所示。

图1 研究技术路线Fig.1 Technology framework of the study

2.1 预处理

数据预处理包括ENVISAT ASAR影像的轨道参数更新、辐射定标、几何校正及QuikSCAT风向、风速数据的提取。其中，ENVISAT ASAR影像的辐射定标较为关键。ENVISAT ASAR传感器记录了雷达反射信号的强度和振幅信息，进行风场反演需利用其强度信息。然而影像的原始强度信息受入射角、极化方式等因素影响巨大，需进行辐射定标以使不同时期的影像有可比性，为风场参数的反演提供基础。定标公式如下［14］：

式中：σ0ij是第i行第j列像元的后向散射系数，DNij是第i行第j列像元的原始强度，θij是第i行第j列像元的雷达波入射角，K是绝对定标系数。

2.2 风向反演

基于ENVISAT ASAR影像的纹理特征反演风向：合成孔径雷达影像上存在与海面风向平行的风条纹，这些条纹由于海洋大气边界层的不稳定形成［8］，间距1～8km，使用低波数谱法便能识别并计算其方向［9］，公式如下：

式中：Y为图像的低波数谱，X为图像的灰度值，l（m）＝1，2，…，N。

上述过程得到的风向仍存在180°的方向模糊，可参考同日QuikSCAT风场数据的主方向消除方向模糊，确定最终风向。

2.3 风速反演

ENVISAT ASAR影像反演风速的方法起源于C波段散射计模型，该模型是描述中度稳定大气条件下海洋上空10m高度的风速与后向散射系数关系的地球物理模型，其中较为成功的有CMOD4、CMOD－IFR2、CMOD5等模型［15，16］。本文选择较新的CMOD5模型进行风速反演，其基本形式如下：

式中：σ0为雷达后向散射系数，φ为仪器方位角与风向的夹角，B0、B1、B2为风速V和入射角θ的复杂函数。令x＝（θ－40）／25，则：

上述公式涉及的28个系数可查表获得。因此，基于已反演的风向信息，结合CMOD5模型便可反演海面风速。

2.4 风速验证

ENVISAT ASAR影像的风速反演结果为海面10m高度风场，本文使用同一时间同为海面10m高度的QuikSCAT风场数据进行精度验证。由于风速反演结果为离散点数据，因此需对其进行空间插值以得到覆盖整个研究区的风速，采用反距离权重插值IDW方法进行空间插值，其公式如下：

式中：z0是点O的估计值，zi是控制点i的值，di是点O和控制点i的距离，n是所用的控制点个数，k为指定的幂［17］。

2.5 风能资源评价

研究选用3个指标进行风能资源评价：风力等级和风向、风功率密度、风速时序统计特征。

（1）对反演的风速划分风力等级并附上风向信息，即可直观地分析风力等级和风向的时空变化情况，对风能资源进行初步评价。

（2）风功率密度定义为“在与风向垂直的单位面积内风所具有的功率”，是衡量一个地区风能大小、评价其风能资源潜力的重要参数。在设定时段内平均风功率密度公式如下［18］：

式中：DWP为平均风功率密度（W／m2），n为设定时段内的记录数，ρ为空气密度（kg／m3），Vi为第i条记录的风速（m／s）。

用式（10）计算39个时相的平均风功率密度，将风功率密度进行分级，便能评价研究区风能资源的丰富程度及并网风力发电潜力。

（3）风速的时序统计特征通过求取3年间1 096幅QuikSCAT风场数据的月平均风速，绘制风速按月变化图表而实现。

3 结果与分析

3.1 风速反演结果

在NEST软件中对原始ENVISAT ASAR影像进行轨道参数更新、辐射定标、几何校正后，通过计算低波数谱反演存在180°方向模糊的风向，借助QuikSCAT风场数据消除方向模糊，得到确定的风向数据。基于风向反演结果，结合CMOD5模型进行风速反演。现选取2008年的风速反演结果进行分析（图2）。图2表明，ENVISAT ASAR影像反演的风速主要分布在0～20m／s间。从空间上看，不同位置风速变化较大，风速分布也较随机，但每月都有3～8个风速较大的区域。从月份上看，2008年风速总体呈现“先减后增”的趋势：上半年风速逐渐减小，到7月达到最小值（风速基本在13m／s以下，且大部分地区的风速在1～6m／s之间），之后风速逐渐增大。从季节上看，秋季和冬季风速较大，春季和夏季风速较小。

图2 ENVISAT ASAR影像反演的风速Fig.2 Wind speed retrieved from ENVISAT ASAR imagery

3.2 风速验证结果

对ENVISAT ASAR反演的风速，用QuikSCAT风场数据进行验证。QuikSCAT风场数据空间分辨率较低，在研究区一般只有2～3个点，因此一共检验了39个时段共计106个点（图3）。图3表明，ENVISAT ASAR影像反演的风速和QuikSCAT风场数据的风速接近，误差较小。其中，误差绝对值在0～1m／s之间的有84个，占79.25%；误差绝对值在1～2m／s之间的有16个，占15.09%；误差绝对值在2～2.6m／s之间的有6个，占5.66%。反演误差主要由三方面引起：CMOD5模型误差、IDW插值误差以及反演数据与验证数据的时间误差。由验证结果可知，基于ENVISAT ASAR影像的海面风场反演方法切实可行且精度较高。

图3 ENVISAT ASAR影像反演的风速验证Fig.3 Verification of the wind speed retrieved from ENVISAT ASAR imagery

3.3 风力等级和风向

对验证后的风速进行风力等级划分并附上风向数据，从风速和风向上对风能资源进行初步评价。现选取2008年风力等级图进行分析（图4）。图4表明，风力等级在季节上明显表现出冬秋季较大、春夏季较小的特点，且夏季（图4e、图4f）盛行西南风，冬季（图4a、图4i）盛行东北风。上述规律与研究区热带季风气候的特点“冬季风速较大，夏季风速较小”相一致。冬季蒙古西伯利亚高压的冷气团在南下时受地转偏向力的影响右偏为东北季风，夏季南半球的东南信风北移越过赤道在地转偏向力的作用下右偏为西南季风。

图4 风力等级和风向Fig.4 Wind scale and wind direction

3.4 平均风功率密度

为进一步评价风能资源丰富程度及并网风力发电潜力，将39幅ENVISAT ASAR影像反演的风速代入风功率密度公式求得整个研究区2006－2009年的平均风功率密度，并对其划分等级（表1），得到研究区3年的平均风功率密度图（图5）。图5表明，研究区平均风功率密度在232.07～734.31W／m2之间，风功率密度等级为4－7级。由表1可知，4－7级的风功率密度能很好地应用于并网风力发电。从空间上看，研究区大部分范围的风功率密度等级是6级和7级，其中，西南部的风功率密度最大（7级），西北部的风功率密度最小（4级和5级）。总体而言，研究区风能资源丰富，可开展并网风力发电。

表1 风功率密度等级（海面10m高度）Table 1 Wind power density level（10m height above the sea surface）

图5 平均风功率密度Fig.5 The average wind power density

3.5 风速时序变化

风力发电除需考虑风能资源的空间分布外，还需注意风速的时序变化特征。由于ENVISAT ASAR影像的时间分辨率较低，故采用时间分辨率较高的QuikSCAT风场数据分析研究区风速的时序变化特征。基于2006－2008年1 096个时相QuikSCAT风场数据，计算每月平均风速后可得2006－2008年的风速时序变化图（图6）。图6表明，研究区风速季节性变化规律明显：冬季（当年12月至来年2月）风速最大，2006－2008年3年冬季的平均风速分别为9.50m／s、10.01m／s、9.63m／s，冬季风速相当于7级的风功率密度（表1）；夏季（6－8月）风速最小，2006－2008年3年夏季的平均风速分别为7.10m／s、7.09m／s、7.07m／s，相当于5－6级的风功率密度；春季和秋季的风速介于夏冬季之间，两者的风速相当于6－7级的风功率密度，且秋季平均风速（8.75m／s）稍大于春季平均风速（7.36m／s）。

图6 风速的时序变化Fig.6 The temporal variation of wind speed

4 结论

将ENVISAT ASAR影像和QuikSCAT风场数据结合使用，可充分利用前者较高的空间分辨率和后者高时间分辨率优势，从而在空间和时间尺度上对近海风能资源进行评价，为近海风能资源的开发利用提供基础。对ENVISAT ASAR影像先通过低波数谱法反演风向，再运用CMOD5模型反演风速，得到海面10m高度风场数据的方法是切实可行的。通过QuikSCAT风场数据的验证可知，该风场反演方法的精度较高。

研究区平均风功率密度介于232.07～734.31 W／m2，为4－7级，说明风能资源丰富，并网风力发电前景良好。研究区风速季节性变化规律明显，总体呈现出“先减后增”的趋势，冬季平均风速最大，夏季平均风速最小，春秋季风速介于冬夏之间，且秋季风速大于春季。因此，在进行并网风力发电时，冬秋季需做好电力储备工作，夏春季需做好电力调节工作。

［1］ 辛华龙.中国海上风能开发研究展望［J］.中国海洋大学学报（自然科学版），2010，40（6）：147－152.

［2］ BEAUCAGE P，BERNIER M，LAFRANCE G，et al.Regional mapping of the offshore wind resource：Towards a significantcontribution from space－borne synthetic aperture radars［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2008，1（1）：48－56.

［3］ 吕柯伟，胡建宇，杨小怡.南海及邻近海域海面风场季节性变化的空间差异［J］.热带海洋学报，2012，31（6）：41－47.

［4］ CARRERE L，MERTZ F，DORANDEU J，et al.Observing and studying extreme low pressure events with altimetry［J］.Sensors，2009，9（3）：1306－1329.

［5］ 张雷，石汉青，龙智勇，等.星载合成孔径雷达图像反演海面风场方法综述［J］.海洋通报，2012，31（6）：713－720.

［6］ BIRGITTE R，FUREVIK，KORSBAKKEN E.Comparison of derived wind speed from synthetic aperture radar and scatterometer during the ERS tandem phase［J］.IEEE Transactions on Geoscience and Remote Sensing，2000，38（2）：1113－1121.

［7］ HORSTMANN J，VACHON P，LEHNER S，et al.SAR measurements of ocean wind and wave fields in hurricanes［A］.Learning from Earth′s Shapes and Sizes［C］.2003.230－232.

［8］ 王铁.合成孔径雷达反演黄海海面风场［J］.海洋湖沼通报，2007（4）：10－13.

［9］ 杨劲松，黄韦艮，周长宝，等.合成孔径雷达图像的近岸海面风场反演［J］.遥感学报，2001，5（1）：13－16.

［10］ 丁赟.QuikSCAT／NCEP混合风场资料在海上风资源评估中的应用［J］.水电与新能源，2011（2）：69－71.

［11］ 刘春霞，何溪澄.QuikSCAT散射计矢量风统计特征及南海大风遥感分析［J］.热带气象学报，2003，19（S1）：107－117.

［12］ 沈春，蒋国荣，施伟来，等.南海QuikSCAT海面风场变化特征分析［J］.海洋预报，2012，29（3）：1－8.

［13］ 孟昭翰，徐焕，杜慧珠.中国东南沿海风能资源评价［J］.自然资源学报，1991，6（1）：1－12.

［14］ 李苗，臧淑英，那晓东，等.ENVISAT－ASAR数据产品介绍与数据处理［J］.测绘与空间地理信息，2012，35（1）：63－65.

［15］ MONALDO F M，THOMPSON D R，BEAL R C，et al.Comparison of SAR－derived wind speed with model predictions and ocean buoy measurements［J］.IEEE Transactions on Geoscience and Remote Sensing，2001，39（12）：2587－2600.

［16］ FUREVIK B R，JOHANNESSEN O M，SANDVIK A D.SAR－retrieved wind in polar regions－comparison with in situ data and atmospheric model output［J］.IEEE Transactions on Geoscience and Remote Sensing，2002，40（8）：1720－1732.

［17］ 邓晓斌.基于ArcGIS两种空间插值方法的比较［J］.地理空间信息，2008，6（6）：85－87.

［18］ 姜波，刘富铀，徐辉奋，等.浙江省沿海海洋风能资源评估［J］.海洋技术，2012，31（4）：91－94.