-
随着广东省海上风电重点建设基地规划的实施，海上风能资源评估等工作显得日益迫切。由于海上观测站点较为稀疏、历史观测资料较为匮乏，海洋观测能力尚不能完全满足海上风电工程的实际应用。近年来，再分析数据和卫星反演资料逐渐成为了重要的海面风场格点数据，为海上风场分布特征的研究提供了参考。评估再分析数据和卫星反演资料在海上风电工程区域的适用性，对于海上风电工程前期资源普查和规划选址等工作具有重要的现实意义。
再分析数据融合了多种观测资料和过去的短期天气预报结果重新生成天气综合资料集，是对历史的气候和天气的最完整地展示。目前欧洲中期预报中心（European Centre for Medium-Range Weather Forecasts, ECMWF）的再分析资料集（ERA5[1]）和美国气象环境预报中心（National Centers for Environmental Prediction, NCEP）的再分析资料集（FNL）的数据质量位于全球领先水平[2-4]。卫星遥感技术起源于20世纪60年代，随着科技发展，卫星遥感资料因其具备的空间覆盖面大、分布均匀等优势，可以部分代替实测资料，在一定程度上弥补了海洋观测资料不足的缺点[5-7]。美国微波散射计（Advanced Scatterometer，ASCAT）具有较优的性能，其反演风场较为广泛应用；DASCAT属于ASCAT卫星资料的二级产品，是使用算法和资料融合形成的ASCAT逐日分辨率的格点风场资料。
国内外学者对再分析数据和卫星反演资料在海上的适用性开展了大量检验评估工作。研究表明[8-10]，ERA5和FNL再分析数据在中国近海具有较高可信度，可以较好表现出海面风场的分布特点和变化特征，但存在低估实际风速的系统偏差。国外学者[11-12]利用海上浮标资料检验了DASCAT卫星反演风场集的适用性，研究表明DASCAT在热带印度洋具有较好的适用性，可以替代QuickSCAT产品，而在朝鲜半岛海域DASCAT和ECMWF资料准确度较好。国内学者[13-16]主要利用海上浮标资料检验了ASCAT风场产品的适用性，研究表明ASCAT在中国近海具有较好适用性，离岸较远的海域效果优于离岸较近的海域。然而，目前DASCAT风场资料集在中国近海的适用性检验研究尚不足。国内对再分析数据和卫星反演资料适用性研究工作主要基于海洋局的浮标资料，其布放位置在海上风电场区域内非常稀疏，使得研究区域通常较大以获得足够的统计样本。海上风电规划建设的区域主要在水深50 m以内的近海区域，受限于实测资料的不足，目前针对海面风场资料在海上风电区域内的研究工作仍然不足。
为了检验再分析数据和卫星反演的海面风场资料在广东省阳江海上风电场区域的适用性，文章采用阳江海上风电场区域内4个风电场测站测风资料，对ERA5、FNL再分析数据和DASCAT卫星反演的10 m风场资料开展检验评估工作，为后续实际工程应用提供科学依据。
-
文章选用广东省阳江海上风电场区域内的2座海上测风塔和2个海上漂浮式激光雷达实际测风资料。所选测风点分布情况如图1所示，测风点均位于宽阔的海面上，距离海岸线约60 km范围内，水深在50 m以内。
Figure 1. The distribution schematic of wind measurement stations (blue dash lines indicate the ocean depth, units: meter)
海上测风塔一共2座（AT1、AT2），位于阳江海域近海浅水区（水深小于35 m，下称“浅水区”）。测风塔类型为绗架式测风塔，塔高均为100 m。测风塔上分别安装了2套德国Ammonit公司的测风设备，2个支臂安装朝向分别为东南向（135°）和西北向（315°）。在2个支臂上离海面不同高度安装了风速、风向传感器，以达到采集高质量测风数据目的，可实现风场观测的高度层如表1所示。
类型 站名 风速测量高度/m 风向测量高度/m 测风仪器 测风时段 数据完整率/% 水深/m 海上测风塔 AT1 20/50/60/70/80/90/100 20/50/60/80/100 风速：德国Ammonit
风向：德国First Class2016.01～2016.12 100.0 25 AT2 20/30/50/70/80/90/100 20/50/70/100 2016.01～2017.12 100.0 28 海上漂浮式
激光雷达PF1 13/41/60/80/100/120/130/140/160/180/200 英国ZephIR-ZX300M 2022.01～2022.12 98.90 40 PF2 13/30/41/50/70/80/90/100/110/120/200 2020.04～2021.03 76.44 45 Table 1. Information of wind measurement station
海上漂浮式激光雷达一共2个（PF1、PF2），分别固定安装在浮标平台上，浮标投放在阳江海域近海深水区（水深35～50 m，下称“深水区”）。激光雷达型号均为英国ZephIR公司的连续波海上激光雷达ZX300M，其风场观测高度可覆盖10～300 m，风速分辨率小于0.1 m/s，风向分辨率小于0.5°。激光雷达可实现风速、风向同层观测，观测的高度层见表1。激光雷达出厂前均经过DNV-G分级认证测试和质检认证。PF2激光雷达由于受到浮标平台供电不稳定因素影响，导致数据完整性相对较低，但可满足国家规范（GB/T 37523－2019）[17]对测风资料完整率的要求。
-
被检验的格点资料包括DASCAT卫星反演资料，ERA5和FNL再分析资料。卫星反演资料是由法国海洋开发研究院（Bentamy等[18]）制作的ASCAT日平均海面10 m风场资料集（DASCAT），属于ASCAT卫星资料的二级产品。该海面风场资料集使用COARE3.0算法，融合ECMWF逐6 h分析资料对ASCAT L2b卫星产品进行加工，生成全球格点海面10 m高度等效中性稳定层结风场资料，空间分辨率为0.25°×0.25°，时间分辨率为逐日，该产品生成时间滞后实际时间48 h。ASCAT散射计作为欧洲航天局发射的Metop系列极轨卫星上携带的仪器，实质是一种使用垂直极化天线的实测孔径雷达，工作频率为C频段（5.3 GHz），该波段的电磁波能穿透云层，受云雨影响小，是全天候遥感器，因此ASCAT成为目前观测海洋表面风场的最重要的卫星散射计仪器之一。
ERA5是ECMWF第五代大气再分析资料集，通过ECMWF综合预测系统（IFS）的CY41R2中的四维变分数据同化产生的，垂直方向具有137个混合sigma/pressure（模型）层次，最高水平为0.01 hPa。本文所使用的是ERA5再分析单层的10 m风场资料，数据空间分辨率为0.25°×0.25°，时间分辨率为逐小时。
FNL是由美国气象环境预报中心（NCEP）和美国国家大气研究中心（NCAR）联合制作的再分析资料集，采用先进的全球资料同化系统和完善的数据库，对各种来源（地面、船舶、无线电探空、测风气球、飞机、卫星等）的观测资料进行质量控制和同化处理。文章所使用的是FNL再分析数据中海面10 m风场资料集，数据空间分辨率为1°×1°，时间分辨率为逐6 h。
采用距离平方反比权重插值方法，将DASCAT、ERA5和FNL格点风场插值到各测风站点处，并将ERA5和FNL处理成逐日数据。
-
在风力发电领域相关的国家标准（GB/T 37523－2019）中推荐使用幂律法对风速资料进行风速推算。使用海面50 m高度层及以下的风速样本进行拟合得到实测低层风切变指数，并根据公式（1）外推至海面10 m高度：
$$ {v}_{10}={v}_{{\textit{z}}}{\left(\dfrac{{\textit{z}}}{10}\right)}^{\alpha } $$ (1) 式中：
$ {v}_{10} $ ——10 m高度的订正风速（m/s）；
$ {v}_{{\textit{z}}} $ ——高度z的实测风速（m/s）；
z ——距离10 m最近的风速测量高度（m）；
$ \alpha $ ——50 m高度层及以下的风速样本拟合的整体风切变指数。
在风力发电领域相关的国际标准（IEC
61400 -12-1∶2022）[19]中提出采用风向转向率来描述风向随着高度变化的快慢，其中正的风向转向率表示风向随着高度增加出现顺时针旋转。通过统计海面50 m高度层及以下的风向转向率来获得海面10 m高度风向数据：$$ {\theta }_{10}={\theta }_{{\textit{z}}_1}-{\phi }_{{\mathrm{veer}}}({\textit{z}}_1-10) $$ (2) $$ {\phi }_{{\mathrm{veer}}}={(\theta }_{{\textit{z}}_2}-{\theta }_{{\textit{z}}_1})/({\textit{z}}_2-{\textit{z}}_1) $$ (3) 式中：
$ {\theta }_{10} $ ——10 m高度的订正风向（°）；
$ {\phi }_{{\mathrm{veer}}} $ ——风向转向率（°/m）；
z1、z2 ——距离10 m最近的两层风向测量高度且满足$ {\textit{z}}_1 < {\textit{z}}_2\leqslant 50 $（m）；
$ {\theta }_{{\textit{z}}1} $、$ {\theta }_{{\textit{z}}2} $ ——高度z1、z2的实测风向（°），其中$ {\theta }_{{\textit{z}}2}-{\theta }_{{\textit{z}}1} $的计算过程采用1.2.2节风向偏差计算方法。
-
气象上以风的来流方向定义为风向角度，如0°表示北风。因风向为矢量，不能简单直接做减法获取风向偏差，以实况下不同风速下的实际风向作为起点：
$$ {\mathrm{d}}\theta ={\theta }_{x}-{\theta }_{{\mathrm{obs}}} $$ (4) $$ {{\mathrm{d}}\theta }^{{'}}=\left\{\begin{array}{l}360-{\mathrm{d}}\theta ,{\mathrm{d}}\theta > 180\\ {\mathrm{d}}\theta ,-180\leqslant {\mathrm{d}}\theta \leqslant 180\\ 360+{\mathrm{d}}\theta ,{\mathrm{d}}\theta < -180\end{array}\right. $$ (5) 式中：
$ {\theta }_{x} $ ——不同资料集的风向（°）；
$ {\theta }_{{\mathrm{obs}}} $ ——同一时刻的实际风向（°）。
根据公式（5）计算得到的风向偏差$ {{\mathrm{d}}\theta }^{{'}} > 0 $表示用于对比的风向相对于实际风向偏向右侧（顺时针方向），变化范围为（0°，180°）；若计算得到的风向偏差$ {{\mathrm{d}}\theta }^{{'}} < 0 $表示用于对比的风向相对于实际风向偏向左侧（逆时针方向），变化范围为（−180°，0°）。
-
使用相关系数、标准差、均方根误差等统计指标对各类海面风速资料进行对比检验。各项统计指标的计算公式如下：
相关系数：
$$ R=\dfrac{\displaystyle \sum\limits _{i=1}^{n}\left({x}_{i}-\bar{x}\right)\left({y}_{i}-\bar{y}\right)}{\sqrt{\displaystyle \sum\limits _{i=1}^{n}{({x}_{i}-\bar{x})}^{2}\sum _{i=1}^{n}{({y}_{i}-\bar{y})}^{2}}} $$ (6) 平均偏差：
$$ {\mathrm{ME}}=\dfrac{1}{n}\displaystyle \sum\limits _{i=1}^{n}\left({x}_{i}-{y}_{i}\right) $$ (7) 标准差：
$$ {\mathrm{std}}=\sqrt{\dfrac{1}{n}\displaystyle \sum\limits _{i=1}^{n}{({x}_{i}-\bar{x})}^{2}} $$ (8) 平均绝对误差：
$$ {\mathrm{MAE}}=\dfrac{1}{n}\displaystyle \sum\limits _{i=1}^{n}\left|{x}_{i}-{y}_{i}\right| $$ (9) 均方根误差：
$$ {\mathrm{RMSE}}=\sqrt{\dfrac{1}{n}\displaystyle \sum\limits _{i=1}^{n}{({x}_{i}-{y}_{i})}^{2}} $$ (10) 变异系数：
$$ {{\mathrm{CV}}}_{x}={{\mathrm{std}}}_{x}/\bar{x} $$ (11) 式中：
$ x $、$ y $ ——不同资料集的相同气象要素；
$ \bar{x} $ ——$ x $所有样本的算数平均值；
$ n $ ——资料集统计样本数。
-
为了分析各资料集的海面风场资料与实际观测值之间的误差特征，分别计算各个测风站点的逐日风场误差结果，并通过标准化的泰勒图进行展示，如图2所示。在标准化泰勒图中，不同颜色的数据点代表不同的资料集，对应的数字代表不同的测风站点位。图中各数据点的方位角表示资料集与实测风场之间的相关系数，各数据点与坐标原点的径向距离表示资料集与实测风场之间的归一化标准差，各数据点与横坐标“REF”（观测参考值）点之间的距离表示资料集与实际风场之间的归一化均方根误差。
Figure 2. Normalized Taylor diagram of actual wind speed and wind direction with data set at different sea surface wind fields
从图2（a）可以看出，对于风速而言，PF1、PF2的各颜色数据点相比AT1、AT2的数据点更接近“REF”点，表明各资料集与实测风场的相关系数、均方根误差在深水区的站点（PF1、PF2）均优于浅水区的站点（AT1、AT2）。具体表现为在浅水区，各资料集与实测风场的相关系数达到0.8以上，对于同一测风站点而言，ERA5资料集最优，表现为与实测风场相关性最高、均方根误差最小，其次是DASCAT资料集，与实测风场的归一化标准差最优，最后为FNL资料集。在深水区，各资料集与实测风场的相关系数均达到0.85以上，对于同一测风站点，从与实测风场的相关系数和均方根误差判断，ERA5资料集最优，其次是FNL资料集，然后是DASCAT资料集。从图2（b）可以看出，对于风向而言，风向归一化均方根误差随着水深增大而减小。再分析资料风向的归一化均方根误差和相关系数优于DASCAT，归一化标准差与DASCAT相当。
根据以上分析，风速与风向的统计指标存在较明显的海域差异性，因此将4个站点根据水深分为2个海区，分别是AT1、AT2所在的浅水区和PF1、PF2所在的深水区，进一步分析不同水深海区的风场误差特征。
-
从风场相关性及其数值分布区间来看，如图3所示，各资料集的风速与实测风速具有较强相关性（$ R $>0.8），相关性随着水深的增加而增加，在浅水区风速相关性在0.83～0.88，深水区的风速相关性在0.91～0.95。两个区域内ERA5的风速相关性均最高，其次为FNL和DASCAT。在浅水区，实测风速集中在3～9 m/s，DASCAT风速集中在3～8 m/s，ERA5风速集中在2.5～7.5 m/s，FNL风速集中在2.5～6.5 m/s，FNL和ERA5风速数据拟合线较灰色虚线（实测风速与对比风速相等的线）明显偏低，表明FNL和ERA5风速存在较为显著的低估现象，FNL风速主要在实测风速2 m/s以上时出现低估，ERA5主要在实测风速5 m/s以上时出现低估，而DASCAT风速主要在实测风速10 m/s以上时才出现低估。在深水区，各资料集的风速拟合情况均较浅水区有较大提升，再分析资料风速低估现象得到明显改善，体现为实测风速集中在3～11 m/s，DASCAT风速集中在3～10 m/s，ERA5风速集中在2.5～10 m/s，FNL风速集中在2.5～9 m/s。
Figure 3. Scatter plot of wind speed and wind direction samples at SWZ and DWZ
各资料集的风向与实测风向具有较强相关性（$ R $>0.75），较同一水域的风速相关性弱。再分析资料在两组风向样本中的相关性均比DASCAT高。在浅水区，实测风向集中在50°～100°，DASCAT风速集中在25°～100°，ERA5风速集中在25°～80°，FNL风速集中在25°～85°。在深水区，实测风向集中在30°～100°，DASCAT风速集中在30°～80°，ERA5风速集中在25°～80°，FNL风速集中在25°～80°。
统计风速（表2）和风向（表3）的整体偏差情况。各资料集的风速与实测风速的均方根误差随着水深的增加而减小。在浅水区内风速均方根误差在2.5 m/s以内，其中DASCAT最优，其次为ERA5和FNL；在深水区内风速均方根误差在1.2 m/s以内，其中ERA5最优，其次为FNL和DASCAT。由此可见，采用日风速序列进行统计的结果表明ERA5资料集在浅水区与深水区均具有较好的风速刻画能力。从平均风速数值来看，ERA5风速较实际值偏低，而DASCAT与实测平均风速更接近，相比再分析资料更具有参考意义，尤其位于浅水区。
分组 测风同期平均风速/(m·s−1) 相关系数$ R $ 平均绝对误差$ {\mathrm{MAE}} $/(m·s−1) 均方根误差$ {\mathrm{RMSE}} $/(m·s−1) 观测 DASCAT ERA5 FNL DASCAT ERA5 FNL DASCAT ERA5 FNL DASCAT ERA5 FNL 浅水区 6.83 6.65 5.84 4.89 0.83 0.88 0.84 1.13 1.26 2.06 1.49 1.55 2.43 深水区 7.11 7.19 6.77 6.76 0.91 0.95 0.93 0.90 0.78 0.87 1.17 0.99 1.09 Table 2. Statistical results of sea surface wind speed data and measured wind speed
分组 测风同期平均风向/(°) 主导风向（16扇区） 相关系数$ R $ 均方根误差$ {\mathrm{RMSE}} $/(°) 观测 DASCAT ERA5 FNL 观测 DASCAT ERA5 FNL DASCAT ERA5 FNL DASCAT ERA5 FNL 浅水区 84.5 73.6 75.8 90.8 E ENE NE ENE 0.76 0.90 0.88 34.7 23.8 29.9 深水区 71.4 84.0 83.6 92.4 ENE ENE NE ENE 0.82 0.86 0.89 30.9 21.2 25.3 Table 3. Statistical results of sea surface wind direction data and measured wind direction
各资料集的风向与实测风向的均方根误差均在35°范围内，均方根误差随着水深的增加而减小。ERA5在两个区域的均方根误差均最小。从各资料集的主导风向分布（16扇区）来看，DASCAT和FNL相比ERA5更接近实测主导风向，ERA5相比实测主导风向大致有1～2个扇区的偏移（22.5°～50°）。阳江地区受广东省海岸线影响，主要以偏东和偏北风为主，各资料集可以大致刻画出风向分布特征。
进一步分析风场偏差的分布特征，如图4所示，在浅水区各资料集与实测风速的偏差概率密度分布呈现对称分布。其中，DASCAT风速偏差为左偏（0.19 m/s），第5%～95%分位数区间主要集中在−2.5～2.0 m/s；ERA5和FNL风速偏差分布同样为左偏形态（>0.99 m/s）。在深水区各资料集的表现较浅水区更好，体现在风速偏差概率密度分布更集中，其中ERA5和FNL为左偏形态（0.34 m/s），DASCAT为右偏形态（0.09 m/s）。总体而言，DASCAT风速偏差数值小于再分析资料，与前文DASCAT与实测平均风速更接近的结论相一致。
Figure 4. Probability density distribution histogram of wind speed and wind direction deviation at SWZ and DWZ (the blue solid lines on both sides represent the 5th and 95th quantiles respectively)
对比不同分组的风向偏差分布，基本以0°为中心对称分布。从风向平均偏差来看，DASCAT和ERA5在浅水区出现左偏（>4.9°），FNL则右偏1.3°；在深水区各资料集的风向较为一致地表现出右偏形态（>2.7°）。
-
风向偏差样本的离散度在浅水区中随风速增大而明显减小，如图5所示，表明各资料集的风向偏差随着实际风速增大而快速减小。在实测风速达8 m/s以上的风向偏差分布相对集中，基本分布在第10%～90%分位数区间内。DASCAT风向偏差样本在实测风速小于8 m/s时主要集中在±180°之间，在8 m/s以上时主要集中在±30°之间，并且风向偏差样本基本以0°为中心对称分布；ERA5和FNL风向偏差样本在实测风速小于8 m/s时，主要集中在−100°～150°，在8 m/s以上时集中在±25°之间。在深水区，风向偏差样本离散度和实际风速大小之间没有明显的关系，在全风速段内风向偏差样本基本分布在第10%～90%分位数区间内，即集中在±30°之间。
Figure 5. Scatter plot of deviation between sea surface wind direction data set and measured wind direction in SWZ and DWZ (the blue solid lines above and below represent the 90th and 10th quantiles respectively)
-
根据蒲福风力分级表，将站点实测风速分为4个等级，即0～2级（低风速，0～3.3 m/s）、3～5级（中等风速，3.4～10.7 m/s）、6～9级（高风速，10.8～24.4 m/s）和10级以上（强风速，≥24.5 m/s）。从统计结果来看，实测海面风速大小范围均分布在9级以内，无10级风以上样本。
在0～2级低风速段中，风速样本量占比7%～9%。各资料集风速与实测风速相关性较弱，浅水区$ R $<0.4，深水区$ R $<0.5，其中浅水区中FNL和深水区中DASCAT的皮尔逊相关系数显著性水平（p值）大于0.05，说明此时相关程度不显著。DASCAT和ERA5风速平均偏差在两组分区样本中均为正值，FNL的风速平均偏差为负值。再分析数据在低风速段中表现优于DASCAT。
在3～5级中等风速段中，风速样本量最大，占比81%～86%。各资料集风速相关性较高，浅水区相关系数在0.75～0.82，深水区相关系数在0.86～0.89。在浅水区，风速平均偏差均为负值，其中DASCAT最小（$ {\mathrm{ME}} $＝−0.18 m/s），风速均方根误差DASCAT<ERA5<FNL；在深水区，DASCAT风速平均偏差均为正值，ERA5和FNL为负值，风速均方根误差ERA5<DASCAT<FNL。在中等风速段中，DASCAT和ERA5表现接近，优于FNL。
在6～9级高风速段中，风速样本量占比7%～10%。再分析资料在浅水区和深水区的相关性（$ R $>0.8）均明显高于DASCAT。DASCAT、ERA5和FNL的风速平均偏差均为负值，说明各风速资料集在高风速段均出现低估现象，其中FNL对风速低估程度最大，其次是ERA5，DASCAT最小。在浅水区中DASCAT均方根误差最小，在深水区中ERA5均方根误差最小。在高风速段中，再分析数据相关性明显优于DASCAT，但在浅水区内DASCAT的误差最小，如表4所示。
资料集 风级分组 浅水区 深水区 $ n $ $ R $ $ p $值 $ {\mathrm{ME}} $/(m·s−1) $ {\mathrm{RMSE}} $/(m·s−1) $ n $ $ R $ $ p $值 $ {\mathrm{ME}} $/(m·s−1) $ {\mathrm{RMSE}} $/(m·s−1) DASCAT 0～2级 73 0.25 0.03 0.47 1.27 58 0.23 0.08 0.79 1.35 3～5级 937 0.75 6.9E−168 −0.18 1.46 519 0.87 6.0E−161 0.09 1.06 6～9级 76 0.60 1.3E−8 −1.01 1.88 62 0.46 1.6E−4 −0.65 1.75 >10级 0 — — — — 0 — — — — ERA5 0～2级 74 0.32 5.9E−3 0.11 0.90 58 0.35 6.4E−3 0.06 0.66 3～5级 947 0.82 1.3E−234 −0.98 1.49 523 0.89 3.4E−184 −0.31 0.97 6～9级 76 0.80 8.3E−18 −2.24 2.48 62 0.82 6.3E−16 −1.00 1.35 >10级 0 — — — — 0 — — — — FNL 0～2级 74 0.16 0.19 −0.14 0.89 58 0.48 1.2E−4 0.19 0.64 3～5级 947 0.75 3.1E−171 −1.90 2.30 523 0.86 1.8E−153 −0.32 1.10 6～9级 76 0.82 1.5E−19 −4.24 4.33 62 0.88 5.44E−21 −1.02 1.38 >10级 0 — — — — 0 — — — — Table 4. Lower deviation of sea surface wind speed data and measured wind speed periods
-
利用变异系数来表示资料集风速均方根误差逐月分布的离散程度，变异系数越小表明离散程度越低。统计结果表明，变异系数在浅水区中为FNL（10%）<ERA5（11%）<DASCAT（18%），在深水区中为FNL（14%）<DASCAT（16%）<ERA5（18%），结合风速均方根误差数据，说明FNL的风速均方根误差逐月变化稳定在一个大值，ERA5和DASCAT在相对FNL误差小的数值内波动变化。从误差数值来看，浅水区整体大于深水区。在浅水区内，FNL的风速均方根误差在10月至次年1月较大，逐月平均值为2.41 m/s，较另外两套资料集大；DASCAT和ERA5的误差分布比较接近，平均值分别为1.46 m/s和1.53 m/s，误差曲线呈现双峰形态，4～5月和10月为误差峰值。在深水区内，DASCAT和ERA5的误差分布趋势较为接近，主要表现为7月份为误差峰值，12月至次年1月为误差谷值，3种资料集中ERA5均方根误差平均值更优（0.97 m/s）。
如图6所示，DASCAT在深水区内7～8月出现较大的均方根误差的原因在于热带气旋的影响。阳江海域在2022年7月受到2203号台风“暹巴”影响，PF1站点于7月2日出现了最大日平均风速，而DASCAT的峰值出现在前一天；在2022年8月受到2209号台风“马鞍”影响，PF1站点于8月25日出现了最大日平均风速，而DASCAT的峰值同样出现在前一天，体现了DASCAT资料集在热带气旋影响期间的局限性，其原因可以解释为卫星观测到的是一种消除了大气层结状态影响的参考风，表示的是海面10 m高的等效中性稳定层结风[20]。FNL在均方根误差平均值上介于ERA5和DASCAT中间，在春、冬季误差较大，夏、秋季节误差以波动为主，FNL在热带气旋影响期间的表现较好，具体表现为：PF1站点最大日平均风速实测为19.51 m/s，FNL为20.54 m/s，出现在2203号台风“暹巴”影响过程中，最大日平均风速实测为13.32 m/s，FNL为12.01 m/s，出现在2209号台风“马鞍”影响过程中；PF2站点最大日平均风速实测为16.42 m/s，FNL为16.30 m/s，出现在2016号台风“浪卡”影响过程中。
Figure 6. RMSE of monthly average wind speed at SWZ and DWZ
-
广东省阳江市位于热带和亚热带季风气候区，夏季盛行西南季风和东南季风，冬季盛行东北季风。从统计的阳江海域10 m多年（2016～2022年）平均风速分布图来看，如图7所示，各资料集的10 m平均风速分布形态与海岸线近于平行，基本呈现自北向南、自西向东递增趋势，在浅水区以内风速梯度较大。从平均风速大小来看，DASCAT>ERA5>FNL，表现为浅水区内DASCAT、ERA5和FNL风速分布范围分别在6.4～6.8 m/s、5.6～6.4 m/s和4.4～6.2 m/s；深水区内DASCAT、ERA5和FNL风速分布范围分别在6.6～7.0 m/s、6.4～6.8 m/s和5.4～6.6 m/s。
Figure 7. Spatial distribution of 2016～2022 averaged wind speed at 10 m of DASCAT、ERA5 and FNL
从4个测风站点10 m高度平均风速与各资料集在不同测风点位的多年平均风速的对比，在空间分布上ERA5更具优势，即风速自北向南、自西向东增大，且风速梯度方向基本与海岸线平行，与4个测风站点风速梯度方向更吻合；在平均风速数值上DASCAT具有优势，即DASCAT在阳江海上风电区域内的多年平均风速与实际观测的平均风速更接近，而ERA5和FNL偏小。
-
文章选用广东省阳江海域内海上测风塔和漂浮式激光雷达的现场测风资料，分别对DASCAT卫星反演、ERA5和FNL再分析资料的10 m风场资料开展了区域适用性评估工作，取得主要的结论如下：
1）3种资料集的风速和风向相关性分别达0.8和0.75以上。风速相关性ERA5均最高；风向相关性在浅水区中ERA5最高，深水区中FNL最高。风速和风向均方根误差分别在2.6 m/s和35°以内。风速均方根误差在浅水区中DASCAT最优，深水区中ERA5最优。FNL和ERA5在浅水区中出现显著的风速低估现象；DASCAT风速平均偏差数值在浅水区和深水区均小于FNL和ERA5，其平均风速与实测更接近。风向均方根误差ERA5均最小，且ERA5风向平均偏差样本在不同风速下的分布相比DASCAT和FNL更集中，但DASCAT和FNL更接近实测主导风向。
2）各风速段下风速均方根误差统计表明，浅水区中，FNL在低风速段最小，DASCAT在中、高风速段最小；深水区中，ERA5在全风速段内均最小。对于风速相关性，浅水区和深水区中，ERA5在低、中风速段均最高，FNL在高风速段均最高。风速误差逐月变化的分析发现，浅水区内DASCAT和ERA5风速逐月误差较小且分布比较接近，4～5月和10月为风速误差峰值；深水区内ERA5误差最小，7月为风速误差峰值，12月至次年1月为风速误差谷值。讨论发现DASCAT在深水区内7～8月出现较大的均方根误差的原因在于热带气旋的影响。
3）3种风场资料集的10 m多年平均风速分布特征均表现为风速自北向南、自西向东递增，在浅水区以内风速梯度较大。与4个测风站点10 m高度平均风速的对比发现，ERA5更好地展示了实测风速梯度的空间变化，DASCAT更接近实测平均风速数值。
总体而言，ERA5的10 m风场资料在研究区域内相比DASCAT和FNL适用性更高，但DASCAT和FNL在不同的场景下也有各自的优势。研究成果可以为格点风场资料在阳江海域的海上风电工程应用提供一定的参考依据。例如，实际工程应用中，当项目离岸较远或国家气象站资料风速相关性较差时，可以考虑采用相关性较优的ERA5风速数据对现场短期测风数据进行插补；在风速代表年订正中，可以考虑使用DASCAT多年平均风速值先对ERA5多年风速序列进行均值订正，再对短期测风资料进行代表年订正处理。文章是基于阳江海域内4个风电场的实测风场开展检验工作，随着海上风电项目的进一步发展，日后可以搜集更多风电场区内的实测资料，开展更为细致的研究工作。
Applicability Analysis of Sea Surface Wind Field Data for Yangjiang Offshore Wind Farm in Guangdong Province
doi: 10.16516/j.ceec.2024.6.12
- Received Date: 2023-09-11
- Rev Recd Date: 2023-10-23
- Available Online: 2024-05-17
- Publish Date: 2024-11-30
-
Key words:
- sea surface wind field /
- offshore wind farm /
- DASCAT /
- ERA5 /
- FNL /
- applicability research
Abstract:
| Citation: | HUANG Sui, CAI Yanfeng, WANG Jun, et al. Applicability analysis of sea surface wind field data for Yangjiang offshore wind farm in Guangdong Province [J]. Southern energy construction, 2024, 11(6): 111-123 doi: 10.16516/j.ceec.2024.6.12
|
DownLoad:
