中国陆上风电开发土地需求的定量研究

张力小 陈云钊 张鹏鹏 李雨芩 武子凡 杨娜

摘要 随着气候变化、能源短缺等问题的日益突出，大规模开发可再生清洁能源已成为世界各国的普遍选择。其中，陆上风电以其技术成熟、安全高效的优势，在全球能源转型的进程中发挥着重要作用。然而，风能资源具有能量密度低、不稳定和空间分散等特点，大规模开发陆上风电需要大量土地资源支撑。为保障碳中和目标下风电发展的土地资源需求，该研究对中国陆上风电的土地占用情况进行了定量研究。首先，以排他性为界定标准，从时空维度重新划分了风电场土地占用类型。其次，融合样本参数法和α形状算法，分类核算了中国现有陆上风电场的占地面积。最后，综合考虑风电技术发展趋势，系统模拟预测了碳中和目标下不同发展情景的中国风电用地需求。结果表明：①基于排他性原则，风电场总占地面积在空间维度上可分为直接影响区域和间接影响区域两部分；直接影响区域在时间维度上可分为永久用地和临时用地两部分。②2022年中国陆上风电场风机基础占地、永久用地、临时用地和直接影响区域占地面积分别达到48. 28 km2、352. 08 km2、1 234. 86 km2和1 638. 81 km2。③2022年中国陆上风电场间接影响区域占地面积和总占地面积分别达到了9. 81×104 km2和9. 99×104 km2，总占地面积几乎与全国城镇总用地面积相当。④与当前技术水平情景相比，技术进步与风机换代情景下，2060年中国风电各类用地需求均有大幅下降，且用地需求在2050年前后达到峰值，风电机组的大型化替代对土地资源的节约潜力巨大。因此，完善风电建设用地标准、提升风电开发用地效率、统筹推进海上风电建设，是协同风能资源开发与土地资源可持续利用的重要路径。

关键词 风电场；排他性；用地强度；面积核算；土地需求

中图分类号 X37 文献标志码 A 文章编号 1002-2104（2024）05-0046-12 DOI：10. 12062/cpre. 20231003

发展可再生能源、推动能源转型，已成为解决能源安全问题、应对气候变化的全球共识。作为一种可再生的清洁能源，风电的开发利用得到了世界各国的高度重视。据国际能源署（IEA）《2020年可再生能源报告》［1］估算，从2020年到2025年，全球风电将以每年65～90 GW的速度增长。然而，全球风能理事会（GWEC）在《全球风能报告2022》［2］中披露的数据表明，2021年全球风电装机容量已达837 GW，其中新增装机容量为93. 6 GW，超过了国际能源署给出的增长预期区间上限。这表明，全球风电将以超出人们预期的速度加快发展，全球风电开发的潜力将被进一步释放。在全球能源转型与风电开发的大潮中，中国占据着极为重要的地位。2021年10月，国务院印发《2030年前碳达峰行动方案》［3］，要求全面推进风电、太阳能发电大规模开发和高质量发展，并设定了风电、太阳能发电总装机容量达到12亿kW以上的碳达峰战略目标。随后，国家发展改革委等部门联合印发了《“十四五”可再生能源发展规划》［4］，要求在“十四五”期间，可再生能源发电量增量在全社会用电量增量中的占比超过50%，风电和太阳能发电量实现翻倍。在政策文件的利好作用下，2022年，中国风电装机容量达到365. 4 GW，同比增长11. 2%，占当年全国电力装机容量的14. 25%［5］，比上年提高0. 43 个百分点；新增风电装机容量达到37. 6GW，占当年全国电力新增装机容量的18. 8%［6］。据《风能北京宣言》预计，到2060年碳中和目标实现时，中国风电装机容量将达到3 000 GW［7］，是2022年装机容量的8倍多，占2060 年全国电力装机容量的比例超过30%［8］。由此可见，在推动实现碳中和目标的过程中，风电发挥着极其重要的作用。然而，风能属于“非碳基”资源，具有能量密度低、稳定性差和空间分散等特点。捕获风力资源，并将其转化为电力需要投入大量能源基础设施，而陆上风电场的基础设施会占用大量土地资源。而且，与光伏电站通过集中排列光伏模块节约土地的方式不同，为确保每台风机的能量转换效率，避免“尾流效应”［9］，风电场内的风电机组往往采取较大间隔的布局方式［10］。此外，陆上风电场还需在场内外铺设许多道路和塔线设施［11］，进一步增加了土地需求量［12］。系统研究中国陆上风电开发的土地占用情况，对于保障碳中和目标下风电发展的土地资源需求，协同风能资源与土地资源的可持续利用具有重要指导意义。

1 文献综述与风电场土地占用类型的界定

目前，国际学术界已逐步开展风电开发土地需求与风电场土地利用效率等方面的研究［13-17］，但国内相关领域的研究尚属空白。Christie等［16］为探究风电场布局方式与用地效率问题，提出了土地需求维度的功率密度（power density），即风电场单位占地面积的发电功率，并指出基于经济效益与土地利用效率视角的开发方案存在极大差异。Felix等［17］参考奥地利和丹麦风电发展的土地利用指标，定量估算了捷克能源转型过程中风电开发引起的潜在土地需求量，指出捷克风电开发所需土地量高于当前土地可用量。需要指出的是，由于未对风电场土地占用类型进行明确界定，这些研究所指的土地需求量概念内涵差异较大。因此，本研究将从中国风电场实际案例入手，分析风电场的土地占用性质与特征，对风电场土地占用类型进行明确界定，并通过样本参数法、α形状算法等多种研究方法，对中国陆上风电开发的土地需求进行量化与分析。

与其他大型可再生能源工程项目不同，风电场内土地占用性质较为复杂，土地占用类型相对多样。首先，风电场是非封闭式的，缺乏明确的场区边界，难以准确圈定场区范围。其次，风电场对土地的占用是分散而非集中式的［18］，场区内部除了点状分布的风机以及线状分布的道路［19］外，还存在许多受风电场间接影响和间接占用的面状区域。因此，为准确核算中国风电开发的土地需求，必须对风电场土地占用类型进行明确界定。

目前，针对风电场土地占用类型的界定，国内外尚无明确的标准和依据。2012年，住建部等多部门共同颁布了《电力工程项目建设用地指标（风电场）》［20］（以下简称《指标》），成为迄今为止国内风电场用地类型界定的主要标准。然而，《指标》仅仅从工程建设的角度出发，将风电场土地占用类型分为永久用地和临时用地两类，而并未考虑风电场的非工程用地，忽略了风电场的间接性土地占用。有鉴于此，国内外许多学者提出了风电场非工程用地或间接性土地占用的概念，即所谓影响区域。Denholm等［21］将风电场土地占用分为两种类型，即直接影响区域（direct impact area）和风电场总面积（total wind plantarea）。其中，直接影响区域是指被风电场内电力设备或施工设施直接占用的土地，例如风电机组硬化基座所占用的土地；而在直接影响区域之外，还分布有大片“闲置”土地，这些土地受到了风电场内设施的间接干扰和间接占用，因此被归入风电场总面积之中。McDonald等［22］提出了被清理的土地（cleared land）和总足迹（total footprint）两种土地占用类型，前者表示在风电场建设和运行过程中被清理、平整的土地区域，后者则代表受风电场干扰和影响的最大范围，类似前文中直接影响区域和风电场总面积的概念。在国内，郭索彦等［23］提出了项目建设区和直接影响区的概念，前者是指风电场建设期和运行期直接占用的土地，而后者是指在项目建设区之外，受风电场影响和干扰的土地区域。这些研究成果将非工程用地纳入风电场用地类型之中，填补了《指标》等工程标准在这一领域的空白。此外，也有部分学者并未区分风电场内工程用地和非工程用地，而是将其统一纳入风电场场区范围之中，但风电场场区的概念和界定方法却存在较大差异。Miller等［24］介绍了两种风电场场区界定方法，一种是基于风机点位构建沃罗诺伊图（Voronoi diagram），以多边形外部边界作为风电场场区范围；另一种是为每台风机设置缓冲区，缓冲距离为8 倍叶轮直径。Turkovska等［25］提出了风团（wind cluster）和部署区域（beployment region）的概念。风团是指距离小于6 km的风电场多边形的集合，而部署区域则是以风团为基础的缓冲区，缓冲距离为3 km。Diffendorfer等［26］收集了风电机组和场内道路数据，以此为基础构建了每台风机和每条道路的1 km缓冲区，并将融合后的缓冲区作为风电场场区范围。由此可见，虽然现有文献已从多个角度界定和划分了风电场土地占用类型，但仍存在一定不足和缺陷。首先，上述研究并未提出明确的界定依据，仅以定性词汇描述了风电场不同用地类型，而定性词汇在不同语境下含义差异较大，例如Denholm等［21］和郭索彦等［23］的研究分别以直接影响区域和直接影响区两个极其相似的词组描述了两种截然相反的土地占用类型，存在划定标准不明确、概念含义不清晰的问题。其次，上述研究并未对风电场非工程用地的范围做出确切规定，缓冲区的距离设置存在一定主观倾向，对间接性土地占用的分析仅停留在概念描述阶段，而并未形成统一的、客观的风电场场区划定方法，导致其难以直接用于风电场占地面积的分类核算。

基于上述研究成果，该研究对风电场土地占用性质和占用特征进行分类研究，探讨了风电场用地类型界定标准和风电场土地占用类型划分体系。通过分析，不难发现风电场内不同土地的占用性质存在明显差异，集中体现在土地利用的排他性方面。在风电场内部，一些土地被混凝土等构筑物覆盖，不能进行其他经济活动；部分土地暂时堆放一些零部件，移除后可逐渐恢复原状；还有一部分土地基本保持原貌，但仅可用于放牧等部分经济生产活动［27］。这就意味着，风电场内不同土地在时空维度上呈现出不同的经济活动排他性。因此，以这种排他性为界定原则，可对风电场内不同土地占用类型进行明确划分。

在空间维度上，风电场内不同土地分别表现出了完全排他性或部分排他性（图1）。具体而言，风机硬化基座、场内道路以及设备材料仓库等设施会完全占据所在区域原有土地，彻底破坏地表原有物体和植被［28］，导致这些土地呈现出完全排他性，因此这部分土地属于直接影响区域，即风电场内相关设施直接占用的土地区域。而风电场内若干设施的周边区域，虽未受到风电场建设和运行的直接占用，但其潜在用途仍在一定程度上受到了风电开发的排他性限制。例如被风机包围的一片草地，理论上能够进行一定的经济活动（放牧、农业种植等），但已不具备足够的空间和适宜的环境条件来承载居民楼、商业大厦和大型工厂等经济活动。换言之，这些土地并不会排斥所有经济活动，但却限制了经济活动的范围，具有部分排他性，因此属于间接影响区域。间接影响区域涵盖了受风电场排他性影响的最大范围，其外围边界可认为是风电场的总体边界。因此，可将风电场总占地面积定义为直接影响区域与间接影响区域面积之和。相应地，只需计算风电场总占地面积和直接影响区域面积，即可得到间接影响区域面积。

与空间维度不同，风电场内不同土地在时间维度上的排他性更为复杂，在全生命周期中的变化也存在较大差异，主要表现为永久用地和临时用地两类（图1）。其中，永久用地在风电场建设与运行阶段具有完全的排他性，因此属于直接影响区域，主要包括风机基础、机组变电站、升压站及运行管理中心、集电线路杆塔、风电场内道路和电缆沟等固定设施用地［29］。而有些土地在风电场建设期间具有暂时的排他性，但在风电场建成投运后，这种排他性逐渐降低，能够恢复施工以前的状态［30］，这部分土地属于临时用地，即风电场施工期间暂时占用的土地，主要包括：施工临时便道、风机吊装场地、临时住所、综合加工厂、材料设备仓库、直埋电缆等临时设施用地［31］。随着风电项目开发流程的推进，临时用地分别具有完全排他性和部分排他性，因此，其在不同的时间节点分别属于直接影响区域和间接影响区域。根据《中华人民共和国土地管理法》［32］和《土地复垦条例》［33］等相关法律法规，土地使用者应在临时用地期满之日起一年内完成土地恢复工作，这使得临时用地在法律义务和经济成本方面区别于间接影响区域。为便于统计核算受风电开发活动直接占用的最大区域面积，该研究将临时用地面积纳入直接影响区域面积之中，即直接影响区域面积包含永久用地和临时用地面积两部分。

2 研究方法与数据基础

2. 1 样本参数法

收集了114个陆上风电场的可行性研究报告或环境影响评价报告作为研究样本。这些风电场样本分布于25个省份，包含了从0. 75 MW到4 MW等数种不同单机容量的风电机组，涵盖了山地、平原、丘陵、戈壁等多种地形地貌，建设时间从2010年到2022年不等，具有良好的代表性。

上述风电场样本提供了详细的工程建设和土地占用数据，例如风电场道路宽度、升压站占地面积以及施工临时设施所占用的土地面积等。此外，根据《指标》要求，114个风电场样本普遍提供了永久用地和临时用地面积数据，研究过程中对其进行了归纳整理。需要说明的是，部分样本报告中给出的永久用地和临时用地面积统计口径与前文所述用地类型划分体系存在一定差异，例如少数风电场将巡检道路占地归入临时用地之中。因此，参照前文定义对样本数据进行了核准修正。

在此基础上，以样本风电场占地面积（aij）和样本风电场装机容量（cij）分别计算了不同土地占用类型和不同单机容量条件下的风电场用地强度（Iij），见式（1）；构建了风电场用地强度参数库，并结合中国陆上风电装机容量（Cij），分类核算了中国陆上风电占地面积Ai，见式（2）。

为便于计算，将风电机组单机容量分为<2. 00 MW、2. 00～<3. 00 MW、≥3. 00 MW 3组。

2. 2 α形状算法

如前所述，本研究收集的114个风电场样本均提供了工程性占地面积，即直接影响区域面积，仅有33个样本提供了总占地面积的估算数据，存在样本数量较少与数据不确定性等问题。为更加准确计算风电场间接影响区域和总占地面积，除了采用样本数据进行参数确定外，还利用α形状算法对比验证了样本参数法的间接影响区域和总占地面积用地强度计算结果。该算法参考了Denholm［21］和Turkovska等［25］学者的研究成果，能够以风电场外围风机为锚点，构造环绕场区的多边形边界，并以其包覆区域作为风电场场区范围，进而计算场区总占地面积。α形状（alpha shape）表示与平面有限点集相关的、由一系列首尾相连的简单线段组成的平面图形，最早由Edelsbrunner等［34］于1983 年定义。对于半径为1/α 的圆来说，若其内部不包含任何平面点集中的点，且其边界经过点集中2 个点，则以线段连接两点，该线段即为α 形状的边。平面上所有符合上述条件的线段，共同组成了平面点集的一个α形状。因此，在α参数不同的条件下，α形状能够分别表示平面点集的凸包（convex hull）（α→0）或凹包（concave hull）（α>0），从而将平面点集的分布区域具象化，并提供了明确的图形边界。基于上述概念，Bellock等［35］开发了α形状工具箱（alpha shape toolbox），可针对点状要素生成对应的α形状。换言之，该工具可根据风机点位生成相应的场区多边形。以该工具箱为基础，编写了α 形状算法程序，并将α 参数值设定为0. 000 1［36］。

为有效运用该算法，采集114个风电场样本的风电机组点位，以此作为输入数据集进行比对。由于部分风电场样本建设时间较晚，以及部分风电场样本变更或取消了建设方案，遥感影像和卫星地图上暂无对应的风电机组，因此共定位并采集了81个与报告数据相对应的样本风电场风机点位。这些样本涵盖了23个省份、4类地形地貌和5种风机功率，具有良好的代表性。部分样本的α形状构建结果如图2所示。

2. 3 中国风电远期用地需求模拟预测方法

为分析碳中和前景下中国陆上风电的土地资源需求，进一步开发了一种模拟预测方法，主要包括动态参数构建和模拟情景设置两部分。

（1）动态参数构建。在“双碳”目标的强力推动下，中国风电技术进步迅速，风机市场呈现快速更新迭代的趋势。为模拟未来大功率风电机组的用地强度，以现有114个风电场样本为基础，通过拟合曲线外推的方式，构建了中国风电未来用地需求的动态参数。拟合曲线自变量为风电机组单机容量（x），因变量为用地强度（I）。4种土地占用类型用地强度的拟合模型如下。

风机基础占地面积：I1 =-42.9ln x +169.1，R2 =0.92（3）

永久用地面积：I2 = 1587.4x-1.05，R2 = 0.99 （4）

临时用地面积：I3 = 8979.6x-0.85，R2 = 0.99 （5）

总占地面积：I4 = 288906.6e-0.11x，R2 = 0.93 （6）

上述模型的拟合优度R2 均在0. 9以上，表现出良好的拟合效果。但必须承认，与所有的技术经济预测模型一样，模拟预测结果会存在一定的不确定性。因此，通过该模型进行的模拟分析应与情景推演相结合。

（2）模拟情景设置。设置了两种模拟情景：一是当前技术水平情景，以现有用地强度参数计算未来用地需求；二是技术进步与风机换代情景，假设未来风电场所安装的风电机组处于一种动态变化和更新之中，旧的小功率风机逐渐被新型大功率风机取代。为此，基于不同的时间节点设置了不同的平均单机容量，以模拟风机不断迭代的情景。其中，2022年中国陆上风电平均单机容量取114个风电场样本的平均单机容量（2. 02 MW），平均用地强度取所有样本的平均用地强度；2030—2060年中国陆上风电平均单机容量分别取4. 0～10. 0 MW，该设置参考了此前的研究成果，即主导风机大小（dominant wind turbine size）每5年约增加1 MW的迭代规律［37］，相应地，平均用地强度由上文拟合曲线式（3）—式（6）获得。2030—2060年各时间节点的风电总装机容量数据来自GEIDCO 发布的《中国2060年前碳中和研究报告》［8］。为便于模拟计算，本研究将未来时间节点的风电总装机容量视作陆上风电装机容量。在技术进步与风机换代情景下，各时间节点的总装机容量、平均单机容量与平均用地强度见表1。

3 中国陆上风电土地需求的定量核算与模拟预测

以上述研究方法为基础，定量核算了中国现有陆上风电场的各类用地面积，并对碳中和前景下中国风电的远期用地需求进行了模拟预测。

3. 1 现有陆上风电场直接影响区域面积核算

分类计算了114个风电场样本的风机基础占地、永久用地、临时用地和直接影响区域用地强度，结果如图3所示。

由图3可以看出，4种土地占用类型的用地强度平均值均随风电机组单机容量的增加而下降。其中，在3类单机容量不同的风电场样本中，风机基础用地强度的中位数和平均数都十分接近，且风机基础占地的样本点集聚程度是四种土地占用类型中最高的。该结果表明，风机基础的建设标准已相对成熟，不同风电场普遍能以相近的用地指标修建风机基础，而且点状分布的风机基础受地形条件的影响相对更小，因此能够在不同风电场间做到用地强度的相对集中。临时用地强度远高于永久用地强度，在3类单机容量不同的风电场样本中，两者平均值之比分别达到了2. 30：1、4. 03：1和5. 88：1，平均为3. 52：1，表现出随单机容量增加而扩大的趋势。Denholm等［21］得出了相似的研究结果，作者以172个平均单机容量为1. 58 MW的美国风电场作为研究样本，得到的临时用地与永久用地强度值之比为7：3，该比例与2. 00 MW以下风电场样本的计算结果相符。具体来看，临时用地的主要来源为施工临时道路，其次是风机吊装场地，在全部114个风电场样本中，二者用地强度平均值分别为2 376. 59m2/MW 和867. 80 m2/MW，分别占临时用地的54. 9% 和20. 0%。而弃土弃渣场、施工临时住所和设备材料仓库等其他施工临时设施占用土地相对较少，占临时用地的比例不足25%。永久用地的主要来源为场内巡检道路，在所有风电场样本中，其用地强度平均值达到了964. 20m2/MW，占永久用地的78. 4%，而风机基础用地强度平均值仅占永久用地的12. 9%。根据Denholm 等［21］的研究，场内巡检道路占永久用地的比例为79%，施工临时道路占临时用地的比重也达到了62%，这与上文计算结果基本吻合。由此可见，风机基础占地并不是永久用地和直接影响区域的主要来源，场内道路、升压站和运行管理中心等配套设施用地占永久用地的80%以上。如果忽略施工临时道路改建为场内巡检道路的特殊情况，将施工临时道路和场内巡检道路合并处理，则全部样本的场内道路用地强度平均值达到了3 340. 79 m2/MW，占直接影响区域的60. 1%。该结果表明，场内道路是直接占用土地最多的一类风电场内设施。综合永久用地和临时用地计算结果可知，直接影响区域用地强度为5 562. 06 m2/MW，该数字略低于Diffendorfer 等［26］的研究结果（6 500 m2/MW），但相对误差仅有14. 4%～16. 9%。若以样本风电场平均单机容量2. 02 MW计算，则每台风机的直接影响区域为1. 12 hm2，这与美国土地管理局［38］以及Strickland等［39］得到的研究结果相符（两项研究所得结果分别为0. 4～1. 2 hm2 和0. 5～1. 4 hm2）。由此可见，基于114个风电场样本的直接影响区域用地强度计算结果误差较小，可靠性良好。

2022年，中国风电总装机容量达到了365. 4 GW，其中陆上风电装机容量为334. 9 GW。根据风能专委会发布的《2022年中国风电吊装容量统计简报》［40］，2022年中国<2. 00 MW、2. 00～<3. 00 MW和≥3. 00 MW单机容量的陆上风电场累计装机容量占比分别为27. 6%、45. 1%和27. 3%，结合3 类单机容量风电场样本的用地强度平均值，求得2022年中国陆上风电场风机基础占地、永久用地、临时用地和直接影响区域占地面积，其数值分别为48. 28 km2、352. 08 km2、1 234. 86 km2和1 638. 81 km2。

正如前文所述，风机基础占地并不是风电场直接性土地占用的“主力”，场内道路等配套设施用地构成了风电场直接影响区域的主要部分。若以前文所述78. 4%的道路占比计算，则风电场内巡检道路占地面积为276. 03km2。考虑到场内巡检道路路基宽度多为4. 5～6. 5 m，取较为常见的5. 5 m作为计算依据，则2022年中国陆上风电场场内道路总里程达到了5. 02万km，约为2022年中国公路总里程（528. 07万km）［41］的0. 95%。此外，若将中国现有全部风电项目征用的临时性土地同时聚集起来，则1 234. 86 km2的临时用地面积超过了上海浦东新区（约1 210 km2）［42］，是永久用地面积的3. 5倍。大量临时用地给风电场场方带来了较大的土地复垦和生态恢复压力，提高了风电项目征地成本和总体支出［43］。

总体来看，2022年中国陆上风电场直接影响区域占地面积达到1 638. 81 km2，约占中国国土总面积的0. 02%。考虑到碳中和前景下中国风电超过3 000 GW的装机容量发展目标［7］，若对风电场直接影响和直接占用的土地数量不加限制，则2060年中国风电场直接影响区域面积有可能超过1. 6万km2，该数值约与整个北京市行政区域的面积相当（约16 410 km2）［44］。

3. 2 现有陆上风电场间接影响区域面积核算

由于含有总占地面积估测数据的样本数量较少，因此统一计算了不同单机容量风电场样本的总占地面积和间接影响区域用地强度平均值与中位数，计算结果如下。

3. 2. 1 基于样本参数法的间接影响区域用地强度

通过整理含有总占地面积的样本数据，得到33个风电场样本的总占地面积用地强度，其结果如图4所示。由图4可以看出，以2022年为基准，中国陆上风电场总占地面积的用地强度处于0. 067～1. 530 km2/MW之间，用地强度平均值为0. 421 km2/MW，中位数为0. 307 km2/MW。其中，有75%左右的样本点集中于中位数附近，换言之，均值线超过了75%左右的样本点，因此，中位数具有更好的代表性。随后，以总占地面积用地强度减去直接影响区域用地强度（114个样本均值为5 562. 06 m2/MW），可得间接影响区域用地强度，其平均值为0. 415 km2/MW，中位数为0. 301 km2/MW。由于中位数的代表性相对较好，因此选择以0. 301 km2/MW 作为基于样本参数法的间接影响区域用地强度计算结果。

3. 2. 2 基于α形状算法的间接影响区域用地强度

借助α形状算法，计算了81个风电场样本的总占地面积用地强度，结果如图4所示。其中，总占地面积用地强度平均值为0. 290 km2/MW，中位数为0. 257 km2/MW。相应地，间接影响区域用地强度的平均值为0. 284 km2/MW，中位数为0. 251 km2/MW。需要注意的是，与样本参数法的计算结果相比，α形状算法计算得到的81个样本数据点并未出现特别显著的集聚现象，数据点分布较为均匀，且平均值与中位数差异较小。在这种情况下，平均值具有更好的代表性，因此，选择以0. 284 km2/MW作为基于α形状算法的间接影响区域用地强度计算结果。

图4反映了两种方法的样本计算结果。对比二者可知，除个别样本点外，两组结果数值较为接近，差异相对较小。从具体样本点来看，在两种方法共有的风电场样本中，若以样本参数法计算结果为真值，则有37. 04%的样本α形状算法计算结果相对误差低于25%，有81. 48%的样本α形状算法计算结果相对误差低于50%。从样本统计值来看，不论以何种方法计算结果作为间接影响区域用地强度的真值，两种方法的相对误差绝对值均在5%～6%之间（5. 65%和5. 99%），证明两种彼此独立的计算方法可以在很大程度上相互验证，其计算结果可信度较高、可靠性较好。因此，该研究选择以两种方法所得计算结果的平均值，即0. 293 km2/MW作为中国陆上风电场间接影响区域用地强度计算结果。相应地，总占地面积用地强度为0. 298 km2/MW。与已有研究成果相比，Denholm 等［21］提供的风电场总面积容量密度（capacitydensity）范围约为1. 0～11. 2 MW/km2，平均值为3. 0 MW/km2，即0. 33 km2/MW，与前文所得结果相差仅10%。Harrison?Atlas 等［45］采用凸包（convex hull）算法计算了1 089个美国风电场的总占地面积容量密度，其平均值为4. 3 MW/ km2，即0. 23 km2/MW，这与美国能源部［46］得出的总占地面积用地强度相近（0. 2 km2/MW）。Harrison?Atlas等［45］指出，与环境影响报告等规范性文件提供的数据相比，以凸包算法等几何图形方法计算得到的风电场总占地面积往往趋于保守。这与上文研究结果相符，即α形状算法计算结果往往低于样本参数法计算结果。因此，融合了样本参数法和α形状算法的风电场总占地面积用地强度，理论上要高于纯几何图形方法的计算结果。

由前文可知，2022 年中国陆上风电总装机容量为334. 9 GW，结合上述间接影响区域用地强度计算结果，可得2022年中国陆上风电场间接影响区域占地面积和总占地面积，其数值分别为9. 81×104 km2和9. 99×104 km2。

该结果表明，与直接影响区域相比，间接影响区域是风电场土地占用的最大贡献者，在总占地面积中占比高达98. 1%，而风机基础占地在风电场总占地面积中仅占0. 05%，这一结果得到了相关文献的证实：Diffendorfer等［26］指出，风电场内直接受影响的土地只占总占地面积的一小部分，其比例通常为1%～4%，平均值为1. 61%，而美国能源部［46］提供的数据为2%～5%。由此可见，由风电场内风电机组和配套设施所造成的间接性土地占用，比它们自身直接占用的土地要大得多。

从地理空间上讲，9. 99×104 km2的陆上风电场总占地面积，约占全国陆地国土总面积的1. 0%［47］；从土地利用上讲，根据2021年8月公布的《第三次全国国土调查主要数据公报》［48］，现有陆上风电场总占地面积远超城市用地面积（5. 22×104 km2），几乎与城镇总用地面积相当（1. 04×105 km2）。由此可见，当前中国陆上风电场的土地占用量已经达到了相对较高的水平。考虑到“人多地少”的基本国情，风电开发有可能进一步加剧中国土地资源紧张形势，甚至会对国土空间规划产生一定影响。此外，如果考虑不同区域土地资源稀缺性与生态敏感性的约束，风电发展对不同省份造成的土地需求压力也会存在极大差异。

3. 3 碳中和目标下中国陆上风电土地需求预测

基于前文提出的模拟预测方法，分别计算两种情景下中国陆上风电的远期用地需求。在当前技术水平情景下，2060年中国风电发展的土地需求总面积为7. 46×105km2，占中国陆地国土面积的7. 8%，相当于中国现有城镇化土地（1. 04×105 km2）［48］的7. 2 倍。其中，直接影响区域、永久用地、临时用地和风机基础占地面积分别为1. 39×104 km2、3 075. 95 km2、1. 08×104 km2和398. 00 km2。上述情景模拟结果说明，若仅以当前技术水平推进陆上风电大规模开发建设，则实现碳中和风电发展目标所需的土地资源量巨大，有可能进一步增加中国国土资源保障压力。

为高质高效达成碳中和风电发展目标，必须着力提升风电技术水平，降低风电场用地强度和土地需求。因此，本研究设置了技术进步与风机换代情景，用以探究技术进步背景下中国风电的用地需求变化。

由图5 可以看出，在技术进步与风机换代情景下，2060年中国风电场风机基础占地面积、永久用地面积、临时用地面积和风电场总占地面积分别为175. 80 km2、705. 71 km2、3 171. 01 km2和2. 40×105 km2，与当前技术水平情况相比，四种土地占用类型的土地需求均有大幅下降。其中，永久用地的土地需求降幅最大，达到77. 06%。永久用地的主要组成部分是场内巡检道路等相关配套设施，而随着风电技术的发展，风电场施工建设流程和配套设施标准逐步完善，采用新型大功率风电机组的风电场，其配套设施的用地强度往往低于老旧风电场。例如样本中采用1. 5 MW风电机组的风电场，其场内巡检道路用地强度为1 461. 73 m2/MW，而采用3 MW 风电机组的风电场，其场内巡检道路用地强度仅为504. 22 m2/MW。因此，风电场内配套设施用地强度的下降，为风电场永久用地的需求降幅创造了较大空间。

除此之外，在技术进步与风机换代情景下，风机基础占地、临时用地和总占地面积均有较大幅度下降，降幅分别达到了55. 83%、70. 72% 和67. 76%，分别节约了222. 20 km2、7 658. 19 km2 和505 354. 47 km2 的土地。由此可见，技术进步推动下的大型化风电机组既能在风机功率大幅增加的情况下限制风机塔筒和基座的扩大趋势，也能有效降低包括风机安装在内的风电场施工用地和间接用地需求。

4 讨 论

上述结果表明，推动风电技术革新，以新型大功率风机取代老旧风机［49］，是降低风电开发远期土地需求的有效手段。从模拟结果曲线来看，4种土地占用类型的用地需求均在2060 年之前达到了峰值，达峰时间约为2050年，之后呈现缓慢下降的态势。这表明，在风电助力碳达峰碳中和的过程中，风电自身的土地需求也可能存在一个逐步“达峰”的过程。需要指出的是，该情景模拟结果并未考虑分散式风电以及海上风电的发展，而海上风电往往具有更高的发电效率［50］。因此，碳中和目标下陆上风电开发所需的土地资源，有可能低于上述模拟结果。

然而，受资源禀赋等因素影响，碳中和目标下不同省份的风电发展形势却存在较大差异，集中体现在电力需求与土地资源的错配方面。长期以来，中国电力需求呈现“东高西低”的不平衡格局，而土地资源与风资源量却呈现“西多东少”的逆向态势，由此带来的供需错配现象亟须引起重视。以山东省为例，2022年，山东省全社会用电量超过7 000亿kWh，位居全国第二。为满足日益增长的电力需求，《山东省碳达峰实施方案》［51］明确指出，到2030年，全省风电装机容量应达到4 500万kW。鉴于山东省海上风电占比不足5%的现状，即使2030年该比例升至10%，仍需要建设约4 000万kW的陆上风电。然而，根据前文测算结果，4 000万kW陆上风电场的总占地面积超过1万km2，约占山东省陆地面积的7. 6%。考虑到山东省人口密集、未利用土地相对较少的特点，该数值无疑会给山东省经济社会稳定发展带来较大压力。除山东省外，广东、江苏、浙江等经济发达省份也存在着相似问题。与此同时，“三北”地区，尤其是西北地区，电力需求相对较小，但却拥有广袤的土地和良好的风能资源。假设全国现有334. 9 GW陆上风电的地理分布以各省份用电需求为唯一标准，即电力需求较大的省份“分得”了更多风电场，则各省份用于建设风电场的土地资源比例存在极大差异：用电量排名第一的广东省需要提供全省5. 3%的土地以支撑31. 7 GW风电场，山东省需要提供全省5. 7%的土地以建设29. 7 GW风电场，江苏省甚至需要动用全省8. 0%的土地去兴建28. 6 GW风电场。而在广袤的“三北”地区，内蒙古自治区仅需0. 4%的土地就可以达到15. 9 GW的风电装机容量，新疆维吾尔自治区仅需0. 2%的土地就能够完成13. 9 GW的风电开发规模，甘肃省也只需0. 4%的省内土地就可以支撑起6. 0 GW的风电场（各省份陆域面积和用电量数据来自《中国统计年鉴2022》［47］）。上述现象与Felix等［17］指出的捷克风电困境类似，即经济发达地区风电需求大，但土地资源不足。

由此可见，由于土地资源稀缺性的限制和约束，全国各省份因风电开发而产生的土地需求压力存在极大差异，东西部地区的风电开发方案在经济利益和土地效益方面也存在一定区别，这与上文中Christie等［16］的研究相符。在这种形势下，各省份不能采取均一化、同质化的碳中和实施方案，也不能囿于省份内部而推行“自给自足”的风电开发策略。应充分发挥制度优势，从“全国一盘棋”的战略高度统筹调节全国各省份风电发展规划，重点开发风资源良好、土地资源丰富的“三北”地区“沙戈荒”风电基地，减轻东部人口密集区的风电用地压力，并借助特高压等新型输电技术，进一步强化“西电东送”战略实施，满足经济发达省份的用电需求，从而化解风电开发过程中出现的电力需求与土地资源错配现象，实现各省份的优势互补和战略协同。

5 结论与政策建议

5. 1 结论

在“双碳”目标推动下，中国风电呈现加速式发展态势，发展潜能进一步被释放。但作为一种低密度能源，陆上风电的大规模开发必然会引起土地需求的激增，有可能加剧国土资源保障压力。本研究聚焦于中国陆上风电开发的土地资源需求，从风电场土地占用类型界定、现有陆上风电场占地面积核算以及碳中和目标下中国陆上风电用地需求预测三个维度展开了系统分析与核算模拟研究，主要结论如下。

（1）以排他性作为界定标准，建立风电场土地占用类型划分体系：在空间维度上，将风电场总占地面积分为直接影响区域和间接影响区域两部分；在时间维度上，将直接影响区域分为永久用地和临时用地两部分。

（2）以2022年为基准，中国陆上风电场风机基础占地、永久用地和临时用地面积分别达到48. 28 km2、352. 08 km2和1 234. 86 km2，直接影响区域占地面积达到1 638. 81 km2，约占中国陆地国土面积的0. 02%。其中，场内道路全口径用地面积占直接影响区域的60. 1%，是直接占用土地最多的一类风电场内设施。中国陆上风电场间接影响区域占地面积达到9. 81×104 km2，总占地面积达到9. 99×104 km2，几乎与全国城镇总用地面积相当，风机基础占地仅占风电场总占地面积的0. 05%，而间接影响区域占比高达98. 1%，是风电场土地占用的最大贡献者。

（3）在碳中和目标下，技术进步与风机换代情景的风机基础占地、永久用地、临时用地和总占地面积需求量分别比当前技术水平情景下降55. 83%、77. 06%、70. 72%和67. 76%，且四种土地占用类型的用地需求均在2050年左右达到峰值。由此可见，技术进步是提高风电用地效率、降低风电用地需求的重要推动力。

5. 2 政策建议

碳中和目标为中国以风电为代表的可再生能源发展注入强劲动力，也提出了新要求、新任务，机遇与挑战并存。在新形势下，风电行业要实现可持续健康发展，需重点关注中国风电的土地资源占用问题，切实做好风电开发的用地需求保障。

（1）完善风电建设用地标准。及时修订与风电发展新态势相匹配的用地标准，建立科学系统的风电场用地类型划分体系，严格界定风电场不同土地占用类型；重视间接影响区域等非工程用地，准确统计风电场各类占地面积，加强风电项目征地审批和管理。

（2）提升风电开发用地效率。提高风电核心技术水平，推动新型大功率风电机组的研发应用，加快老旧风电场的升级换代；完善风电场内道路规划，加强场内道路建设管理，降低配套设施工程量和占地面积。

（3）统筹推进海上风电建设。充分利用海上风电优势，加快建设海上风电基地，提高海上风电装机容量占比；构建风电发展的海陆协同模式，鼓励沿海省份优先发展海上风电，以缓解陆上风电发展带来的土地需求压力。

参考文献

［1］ YASMINA A， HEYMI B， TREVOR C， et al. Renewables 2020：

analysis and forecast to 2025［R］. Paris： International Energy Agency，

2020.

［2］ JOYCE L， ZHAO F. Global wind report 2022［R］. Brussels： Global

Wind Energy Council， 2022.

［3］ 国务院. 国务院关于印发2030年前碳达峰行动方案的通知［J］.

中华人民共和国国务院公报，2021（31）：48-58.

［4］ 李曦. 国家发展改革委等九部门：印发《“十四五”可再生能源发

展规划》［J］. 中国设备工程， 2022（ 13）： 1.

［5］ 中华人民共和国国家统计局. 中华人民共和国2022年国民经济

和社会发展统计公报［J］. 中国统计， 2023（3）： 8-22.

［6］ 国家统计局. 中华人民共和国2021年国民经济和社会发展统计

公报［J］. 中国统计，2022（3）：9-26.

［7］ 本刊. 风能北京宣言：开发30亿风电，引领绿色发展，落实“30·

60”目标［J］. 风能，2020（11）：34-35.

［8］ 全球能源互联网发展合作组织. 中国2060年前碳中和研究报告

［R］. 2021.

［9］ 金盛. 风力机尾流对风电机组排布的影响研究［J］. 科技创新与

应用，2021（1）：73-76.

［10］ PAPADOPOULOS K H，HELMIS C G，SOILEMES A T， et al.

Study of the turbulent characteristics of the near?wake field of a me?

dium?sized wind turbine operating in high wind conditions［J］. Solar

energy，1995，55（1）：61-72.

［11］ 张亮亮. 某区域化山地风电场设计研究［D］. 兰州：兰州理工大

学，2021.

［12］ 王雪芹. 风电项目运营期生态影响分析探讨［J］. 环境与发展，

2018，30（5）：10-11，25.

［13］ KATI V，KASSARA C，VRONTISI Z，et al. The biodiversity?wind

energy?land use nexus in a global biodiversity hotspot［J］. Science

of the total environment，2021，768：144471.

［14］ CHEN Y K，KIRKERUD J G，BOLKESJ? T F. Balancing GHG

mitigation and land?use conflicts：alternative Northern European

energy system scenarios［J］. Applied energy，2022，310：118557.

［15］ TERCAN E. Land suitability assessment for wind farms through bestworst

method and GIS in Balikesir Province of Turkey［J］. Sustainable

energy technologies and assessments，2021，47：101491.

［16］ CHRISTIE D，BRADLEY M. Optimising land use for wind farms

［J］. Energy for sustainable development，2012，16（4）：471-475.

［17］ FELIX N，OLGA T，JOHANNES S. Observation?based estimates of

land availability for wind power：a case study for Czechia［J］. Energy，

sustainability and society，2019，9（1）：45.

［18］ 周世文. 49. 5兆瓦风力发电工程设计及其环境效益建模［D］.

银川：宁夏大学，2014.

［19］ 王志科，张嘉宸，李廷山，等. 高海拔地区风电场建设对环境的

影响及水土保持对策探讨：以共和县切吉乡1000 MW风电项

目为例［J］. 绿色科技，2020（20）：140-142.

［20］ 住房和城乡建设部，国土资源部， 国家电力监管委员会. 电力

工程项目建设用地指标（风电场）［M］. 北京： 中国电力出版

社， 2012： 1-33.

［21］ DENHOLM P， HAND M， JACKSON M， et al. Land use requirements

of modern wind power plants in the United States［R］. Golden，

Co（United States）：National Renewable Energe Lab，2009.

［22］ MCDONALD R I，FARGIONE J，KIESECKER J，et al. Energy

sprawl or energy efficiency：climate policy impacts on natural habitat

for the United States of America［J］. PLoS one，2009，4（8）：

e6802.

［23］ 郭索彦，苏仲仁. 开发建设项目水土保持方案编写指南［M］.

北京：中国水利水电出版社，2009.

［24］ MILLER L M，KEITH D W. Observation?based solar and wind

power capacity factors and power densities［J］. Environmental research

letters，2018，13（10）：104008.

［25］ TURKOVSKA O，CASTRO G，KLINGLER M，et al. Land?use impacts

of Brazilian wind power expansion［J］. Environmental research

letters，2021，16（2）：024010.

［26］ DIFFENDORFER J E，DORNING M A，KEEN J R，et al. Geographic

context affects the landscape change and fragmentation

caused by wind energy facilities［J］. Peer journal，2019，7：e7129.

［27］ 汪天呈，王克，甘瑜前. 大型风电场并网运行的若干技术问题

研究［J］. 机电信息，2020（23）：100-101.

［28］ 武超. 乌拉特中旗风电场建设项目前评估研究［D］. 北京：华北

电力大学，2014.

［29］ 云巴图. 风电项目环境影响评价指标研究［D］. 北京：华北电力

大学，2014.

［30］ 郭昆. 内蒙古太仆寺旗贡宝拉格风电场项目综合效益评价研

究［D］. 保定： 华北电力大学（河北）， 2008.

［31］ 冯超. 大唐科右前旗风电场一期工程项目后评价研究［D］. 北

京： 华北电力大学， 2012.

［32］ 全国人大常委会办公厅. 中华人民共和国土地管理法［M］. 北

京： 中国民主法制出版社， 2019.

［33］ 国务院. 土地复垦条例［N］. 人民日报， 2011-12-08（15）.

［34］ EDELSBRUNNER H，KIRKPATRICK D，SEIDEL R. On the

shape of a set of points in the plane［J］. IEEE transactions on information

theory，1983，29（4）：551-559.

［35］ BELLOCK K， GODBER N， KHAN P. Alpha Shape Toolbox［EB/

OL］.（2021-04-16）［2023-04-09］. https：//alphashape. readthedocs.

io/en/latest/readme. html.

［36］ 沈蔚，李京，陈云浩，等. 基于LIDAR数据的建筑轮廓线提取及

规则化算法研究［J］. 遥感学报，2008，12（5）：692-698.

［37］ YANG J H， ZHANG L X， CHANG Y， et al. Understanding the

material efficiency of the wind power sector in China： a spatialtemporal

assessment［J］. Resources， conservation and recycling，

2020，155： 104668.

［38］ Bureau of Land Management. Final programmatic environmental

impact statement on wind energy development on BLM administered

land in the western United States［R］. 2005.

［39］ STRICKLAND D， JOHNSON D， ERICKSON W P， et al. Overview

of what we know about avian?wind interaction［C］// National

Wind Coordinating Collaborative Wildlife Workgroup Research

Meeting Ⅵ. Washington， D. C. ： The National Wind Coordinating

Collaborative， 2006： 14.

［40］ 中国可再生能源学会风能专业委员会. 2022年中国风电吊装

容量统计简报［J］. 风能，2023（ 4）：40-56.

［41］ 殷缶，梅深. 交通运输部发布《2021年交通运输行业发展统计

公报》［J］. 水道港口，2022，43（3）：346.

［42］ 上海市浦东新区统计局. 浦东年鉴（2022）［M］. 上海：《 浦东

年鉴》编辑部， 2022.

［43］ 张玉明. 建设项目临时用地复垦存在的问题及其对策［J］. 南

方农业，2022，16（19）：112-115.

［44］ 国家统计局. 北京市地区数据-城市概况-城市建设［EB/OL］.

（2019-11-30）［ 2023-05-11］. https：//data.stats.gov.cn/easyquery.

htm？cn=E0103.

［45］ HARRISON?ATLAS D，LOPEZ A，LANTZ E. Dynamic land use

implications of rapidly expanding and evolving wind power deploymen

［t J］. Environmental research letters，2022，17（4）：044064.

［46］ Department of Energy （United States）. 20% wind energy by 2030：

increasing wind energy's contribution to US electricity supply［R］.

Washington，D. C. ：EERE Publication and Product Library， 2008.

［47］ 国家统计局. 中国统计年鉴（2022）［M］. 北京： 中国统计出版

社， 2022.

［48］ 国务院第三次全国国土调查领导小组办公室， 自然资源部， 国

家统计局. 第三次全国国土调查主要数据公报［N］. 人民日

报， 2021-08-27（17）.

［49］ 马小萍. 我国老旧风电机组更换研究［J］. 风能，2021（4）：

66-71.

［50］ 刘吉臻，马利飞，王庆华，等. 海上风电支撑我国能源转型发展

的思考［J］. 中国工程科学，2021，23（1）：149-159.

［51］ 山东省人民政府. 关于印发山东省碳达峰实施方案的通知

［EB/OL］.（2022-12-28）［2023-05-11］. http：//www. shandong.

gov. cn/art/2022/12/28/art_107861_123022. html.

（责任编辑：李琪）