黄土高原半干旱区非均一下垫面粗糙度分析

利用2007年4月17日-2008年4月16日兰州大学半干旱气候与环境观测站边界层气象塔的风速、 风向、 温度、 气压、 湿度等观测资料, 采用经典的廓线法和风速、 风向标准差法, 分别计算了中性大气层结下观测站下垫面粗糙度长度, 并得到了具有黄土高原地理特征的地表粗糙度及其时空变化特征。计算结果表明, 季节变化对粗糙度的影响幅度可达0.159 m, 空间非均一性对粗糙度的影响幅度可达0.155 m。测站附近粗糙度春季为0.017 m, 夏季为0.062 m, 秋季为0.065 m, 冬季为0.018 m。测站西北方向上游粗糙度春季为0.17 m, 夏季为0.22 m, 秋季为0.34 m, 冬季为0.05 m。测站东南方向上游粗糙度春季为0.11 m, 夏季为0.17 m, 秋季为0.19 m, 冬季为0.05 m。该站下垫面粗糙度计算宜选用风速为6±1.5 m·s-1, 风向变化30°范围内的数据。     

利用255m铁塔研究城市化对地面粗糙度的影响

利用天津255m气象塔近10年观测资料,采用风速梯度资料拟合对数风速廓线的方法,定量计算天津255m气象塔空气动力学粗糙度随下垫面的改变情况.结果表明各方位的粗糙度存在明显差异,偏北方向的粗糙度大于偏南方向,但各方位粗糙度在总体是逐年递增趋势,个别年代减小与城市改造有关,粗糙度与城市建筑群高度之间存在线性关系.同时利用冬季风廓线资料研究城市化对边界层风场结构的影响:结果表明受下垫面影响近地面风向逐年趋于紊乱,平均风速呈逐年递减趋势,十年间城市冠层厚度增加10m,2005年城市冠层厚度在40～60m之间.     

深圳风廓线雷达与气象梯度塔对风速观测的对比分析

为更好地了解风廓线雷达低层风速观测的准确性,利用356 m气象梯度塔和风廓线设备在深圳石岩气象综合观测基地进行了一次成功的风速观测对比试验(时间为2017年6月1日—8月15日)。试验对两种探测设备测得的风速资料进行了不同时次和不同高度的对比,结果表明:由两种手段获得的所有4层(100、160、300和350 m)匹配高度上风速平均值一致性很好,30 min相关系数在0.6以上,风廓线雷达探测的风速相对偏小。使用矢量法对4层高度上的风向资料进行平均,得到风向的30 min和日平均值,两者的相关系数都在0.75以上。6月12—13日"苗柏"台风影响深圳期间,两者的风速风向变化趋势一致,较好地刻画了台风的变化过程。     

风廓线雷达与多普勒天气雷达风矢产品对比及相关分析

利用成都地区2010年8月和北京沙河地区2011年7—8月风廓线雷达以及多普勒天气雷达的风廓线探测资料,结合对应时段的天气现象相关记录,通过对比分析得到以下结论:①弱降水条件下,在300~2100m高度内,风廓线雷达与多普勒天气雷达探测具有很好的相关性,风向相关系数平均值为0.596,风速相关系数平均值为0.736,在做预报时两者可以同时应用,互为补充;②强降水天气条件下,风廓线雷达与多普勒天气雷达探测的风向、风速变化趋势基本一致,特别是在300~2100m之间各个高度上风向、风速相关性较好,风向相关系数平均值为0.573,风速相关系数为0.508,且风廓线雷达比多普勒天气雷达探测到的各层风向、风速变化更为详细、直观;③阴天条件下风廓线雷达与多普勒天气雷达的风向、风速相关性低层比高层好;④晴天条件下,风廓线雷达更适合用于预报和监测天气。     

典型特大城市下垫面空气动力学特征参数的计算与分析研究

基于2012年12月—2013年11月上海徐家汇气象铁塔风和湍流观测资料及铁塔周边500m半径范围(平均建筑高度为39.5 m)下垫面信息,分别利用温度方差方法、风速标准差方法、涡度相关法和形态学方法计算典型特大城市下垫面零平面位移和动力学粗糙度。结果表明,温度脉动方差法计算的零平面位移与建筑物高度分布存在差异,但在58~208°方向与建筑顶面积系数呈现正相关(相关系数0.73),计算公式的经验参数、稳定度阈值和风速对计算结果影响较为显著;涡度相关方法和风速标准差方法计算的动力学粗糙度随风向分布趋势相似(相关系数0.94),并与零平面位移呈负相关关系。形态学方法与动力学方法之间数值和随风向的变化趋势均存在差异,风温观测仪器源区和形态学方法分析区域具有显著影响。     

深圳气象梯度塔与测风激光雷达观测对比分析

为了更好的了解WindView 10多普勒风廓线激光雷达的准确性,2017年7月在深圳石岩气象综合观测基地进行了一次成功的风速风向观测对比试验(时间为2017年7月20—30日),利用356 m气象梯度塔与测风激光雷达测得的风数据进行了不同时次和不同高度(40、80、100和150 m)的对比,结果表明:梯度塔和雷达在300 m以下高度范围内风速风向的观测结果比较一致,各层风速风向结果的标准差、最小最大值、均值、中位数都非常接近。风速的均值偏差最小为-0.000 09 m/s,标准差偏差最小为0.002 63 m/s,风向均值偏差最小为0.169 83°,标准差偏差最小为-1.304 83°。4层高度风速风向的相关系数都很高,风速的相关系数普遍在0.95以上,风向由于360°的过零问题导致相关系数较低,但也普遍大于0.75。同时,激光雷达测得的风速均值普遍小于梯度塔,风向均值在低层小于梯度塔,在高层则偏大。验证结果表明,该型多普勒测风激光雷达是一款观测结果可靠的低层大气风廓线测量仪器。     

名山站探空资料与风廓线雷达资料的对比分析

应用四川省名山站2015~2017年6月21日~7月31日每日四个时次的西南涡加密探空资料与风廓线雷达资料,对比分析了在对流层低层风探测上两种资料的差异。结果表明:名山站风廓线雷达资料有效探测高度约为4200m;风廓线雷达和探空测得的风场廓线形状总体接近,两者的风速偏差较小,仅在个别层次和时次偏差大,风速的偏差大小与风廓线风速大小存在正相关关系,除少数情况外风廓线雷达测得的风速均大于探空;两者风向差值随高度的变化规律与风速相反,在中高层较小,低层较大;除01:15时次的500m高度外,其余时次自低层到高层两者观测到的主风向均由偏东北风变为偏西南风,一致性较好;U风和V风散点分布主要沿对角线呈棒槌型,V风质量优于U风,19:15这一时次的风廓线雷达探测U风相对探空资料存在明显系统性正偏差;风廓线雷达探测高度受降水影响较大,在07:15和13:15时次有降水时其探测高度明显高于无降水时。      

不同台风降水强度下风廓线雷达适用性

以2019年8月在浙江舟山对1909号超强台风“利奇马”的移动观测试验为基础,利用同一地点释放的9次GPS探空气球,对比了风廓线雷达和多普勒激光测风雷达与GPS探空的吻合程度,并利用车载雨滴谱仪对风廓线雷达在不同台风降水强度下的适用性进行了研究。结果表明,在100~300 m高度范围内激光测风雷达观测风速比风廓线雷达更准确。由水平风速对比结果可知,风廓线雷达在3~4 km高度范围内偏差最小(3.59 m/s),相关性最高(0.86),而在1 km高度下偏差最大(6.39 m/s),相关性最低(0.54);在中雨及大雨条件下适用性最差,最大风速偏差约为18 m/s。由水平风向对比结果可知,风廓线雷达与GPS探空总体上吻合较好,相关系数均大于0.85,均方根偏差均小于11 °。另外,降水强度对风廓线雷达的风向观测影响较小,风向偏差随降水强度的变化总体趋于平稳,基本分布在-20 °~20 °之间。      

一次秋季大暴雨的风廓线特征分析

2008年10月21日青岛胶南地区出现大暴雨过程,胶南站降水量达到了149.5mm。利用胶南边界层风廓线雷达资料,分析了这次大暴雨过程中风廓线资料演变以及利用风廓线资料计算得到的风暴相对螺旋度（SRH）特征。结果表明：当风廓线资料中存在弱风区时,虽然上下层间有风向顺转和有暖平流,但对应地面降水较小。随着最大风速增大及其高度的下降,地面降雨逐渐增强。12m·s-1风速的最低高度不断降低、大于12m·s-1的风的整体厚度不断增大的过程,对应了地面降雨强度不断增大过程。低层SRH与降雨强度有较好的对应关系,在短时临近预报中应该重点考察低层SRH的变化。在实际工作中应实时计算SRH,与风廓线风羽图对比使用将会更有效。     

风廓线雷达资料在重庆暴雨过程中应用分析

本文首先利用2013年沙坪坝探空站资料与沙坪坝风廓线雷达资料进行对比分析,计算出逐月不同高度上两种资料中风速、风向均方根偏差,验证风廓线雷达资料的可用性。计算结果表明,风廓线雷达资料与探空资料风速、风向的均方根偏差在500h Pa以下层次较小,资料具有较高的可用性。但随着高度继续增加,两者风速、风向偏差均增大,资料可用性降低。在此基础上,选取2013年6月8~9日重庆一次暴雨天气过程,对比分析中低层影响系统在探空观测和风廓线雷达观测中的演变,结果表明,降水过程前后,探空资料可显示有低槽、切变线、冷锋过境,但受时间分辨率限制,无法揭示具体过境时间和演变细节。而风廓线雷达资料能更为细致的显示低槽、切变线、锋面具体过境时间以及西南气流强度变化,为降水预报提供更多可参考信息。     

应用印痕函数研究测风塔资料代表性

影响测风塔代表性的因素很多,为了合理地确定测风塔观测结果能够代表的区域范围,需要通过适当的方法综合考虑这些因素。湍流通量代表性研究中常用的印痕函数是风速、稳定度、下垫面粗糙度等的函数,可以定量地刻画单点观测结果的代表性。利用印痕函数方法对中国风能资源观测网中来自不同下垫面的44个测风塔2010年的观测结果进行了测风塔资料的代表性分析。首先,根据两层(10、70 m)的风速和温度计算稳定度参数L_p并确定中性层结,粗糙度的计算选取了中性层结条件下满足对数风廓线的资料。然后,利用中性层结下70 m高度主导风向和风向频率较大方位的资料分析了两种印痕函数方法(Schuepp和Hsieh方法)的适用性及代表性范围与粗糙度的关系。两种方法得到的印痕函数对应距离(即代表性范围)比较接近。但是,在复杂山地Schuepp方法已不适用。当粗糙度小于10 m时,粗糙度与印痕函数对应距离的关系可用对数-线性函数描述。根据经验推荐了利用印痕函数积分90%对应的距离以及下垫面显著变化位置来确定测风塔代表范围。但是,印痕函数积分阈值仍需要通过示踪实验或数值模拟检验。     

Analysis of Wind Power Assessment Based on the WRF Model

Assessing wind energy is a key step in selecting a site for a wind farm. The accuracy of the assessment is essential for the future operation of the wind farm. There are two main methods for assessing wind power： one is based on observational data and the other relies on mesoscale numerical weather prediction（NWP）. In this study, the wind power of the Liaoning coastal wind farm was evaluated using observations from an anemometer tower and simulations by the Weather Research and Forecasting（WRF） model, to see whether the WRF model can produce a valid assessment of the wind power and whether the downscaling process can provide a better evaluation. The paper presents long-term wind data analysis in terms of annual, seasonal, and diurnal variations at the wind farm, which is located on the east coast of Liaoning Province. The results showed that, in spring and summer, the wind speed, wind direction, wind power density, and other main indicators were consistent between the two methods. However, the values of these parameters from the WRF model were significantly higher than the observations from the anemometer tower. Therefore, the causes of the differences between the two methods were further analyzed. There was much more deviation in the original material, National Centers for Environmental Prediction（NCEP） final（FNL） Operational Global Analysis data, in autumn and winter than in spring and summer. As the region is vulnerable to cold-air outbreaks and windy weather in autumn and winter, and the model usually forecasted stronger high or low systems with a longer duration, the predicted wind speed from the WRF model was too large.     

Estimation of sector roughness lengths and the effect on prediction of the vertical wind speed profile

An estimate of roughness length is required by some atmospheric models and is also used in the logarithmic profile to determine the increase of wind speed with height under neutral conditions. The choice of technique for determining roughness lengths is generally constrained by the available input data. Here, we compare sets of roughness lengths derived by different methods for the same site and evaluate their impact on the prediction of the vertical wind speed profile.Wind speed and direction data have been collected at four heights over a three-year period at the North Norfolk Wind Monitoring Site. Wind speed profiles were used to generate sector roughness lengths based on the logarithmic profile formula. This is the only direct way of determining roughness lengths. The simplest and cheapest method is to use maps with published tables giving roughness length estimates for different terrain types. Alternatively Wieringa (1976, 1986) and Beljaars (1987) give formulae for determining roughness lengths from wind speed gusts or standard deviations.The four sets of estimated roughness lengths vary considerably. They were used to estimate 34 m wind speeds from 12.7 m observations. The profile-derived roughnesses are used simply as a check on the prediction of the wind speed profiles. The terrain-derived roughness lengths give reasonable results. Gust-derived and standard deviation roughnesses both predict wind speeds which are lower than the observed ones. The error is greater in the case of standard deviation roughnesses. If stability corrections are applied in the prediction of the vertical wind speed profile, the results are considerably improved.     

基于不同时间尺度风切变指数推算风资源的对比分析

利用2014—2018年辽宁省探空资料分析了水平风速的垂直风廓线分布特征。用2座代表性测风塔逐时梯度风观测分析了采用不同高度组合方案计算出风切变指数的月、日变化特征, 分别用月、小时、年风切变指数推算高层风速和风功率密度, 并与实测对比。结果表明: 沈阳相较于大连地区风速随高度增加较快, 180 m高度以上风速基本保持不变, 而大连因其纬度低且靠近海洋, 300 m以下风速均匀上升。在非复杂地形情况下, 距地面10 m高度以上间隔一定高度设立4层风观测, 基本可以满足近地层风资源评估需求。受太阳辐射、下垫面、海陆热力性质差异等影响, 辽宁省风切变指数日变化特征比月变化更显著。利用小时风切变指数推算高层风速和风功率密度的方案优于采用月、年风切变指数方案。风切变指数日变化越显著, 采用逐时风切变指数推算方案越优于其他计算方案。     

风电场选址模式化研究

本工作旨在风电场已初选，并有一至几个月的短期测风资料为前提的情况下，研究出一种有较先进的方法、较高的精度、较快的速度推算场址风能参数的模式。由于风能是风速立方的函数，因此，习惯上用寻求两地风能参数相关的订正方法误差较大。这次工作立足于先订正原始风速及标准差，再用这两参数推算各风能参数。经计算比较，选择全概率公式订正风向风速，再用差值法订正标准差，最后用韦伯尔公式计算风能参数。风电场选址时风向风速都应该考虑，因此，选择各风向均出现的时段作考察月为好。比较结果发现，９、１０、１１月作为考察期准确性较高。     

Wind profiles,momentum fluxes and roughness lengths at Cabauw revisited

We describe the results of an experiment focusing on wind speed and momentum fluxes in the atmospheric boundary layer up to 200 m. The measurements were conducted in 1996 at the Cabauw site in the Netherlands. Momentum fluxes are measured using the K-Gill Propeller Vane. Estimates of the roughness length are derived using various techniques from the wind speed and flux measurements, and the observed differences are explained by considering the source area of the meteorological parameters. A clear rough-to-smooth transition is found in the wind speed profiles at Cabauw. The internal boundary layer reaches the lowest k-vane (20 m) only in the south-west direction where the obstacle-free fetch is about 2 km. The internal boundary layer is also reflected in the roughness lengths derived from the wind speed profiles. The lower part of the profile (< 40 m) is not in equilibrium and no reliable roughness analysis can be given. The upper part of the profile can be linked to a large-scale roughness length. Roughness lengths derived from the horizontal wind speed variance and gustiness have large footprints and therefore represent a large-scale average roughness. The drag coefficient is more locally determined but still represents a large-scale roughness length when it is measured above the local internal boundary layer. The roughness length at inhomogeneous sites can therefore be determined best from drag coefficient measurements just above the local internal boundary layers directly, or indirectly from horizontal wind speed variance or gustiness. In addition, the momentum and heat fluxes along the tower are analysed and these show significant variation with height related to stability and possibly surface heterogeneity. It appears that the dimensionless wind speed gradients scale well with local fluxes for the variety of conditions considered, including the unstable cases.     

贵州威宁边界层风廓线雷达与L波段探空雷达的风向风速一致性初探

利用2019年6月至12月威宁县边界层风廓线雷达数据和威宁探空数据,预设二者风速偏差<=3m/s、风向偏差<=20°为有效数据样本,研究两者在不同风速、风向范围和不同高度、时次、降水条件下风向、风速数据对比及相关性分析。结果表明：（1）风廓线雷达和探空的风速、风向均具有较好的正向相关性;（2）在不同高度下,且无论有无降水或任意时次,风速有效样本比率大体上高于风向有效样本比率,500米左右高度以下有效样本比率总是最小（不足50%）,而中高层较大;（3）不同时次对风速、风向数据有效性影响不大;（4）有降水时风速、风向有效样本比率比无降水时偏小且变化剧烈;（5）除东北（20°-40°）和西南（200°-260°）风向外,其他方位风向数据一致性较差;（6）除大于24m/s的风速外其他大小风速均具有较好的一致性。     

新疆风区下垫面动力学粗糙度估测值与模式定义值的对比

按风向风速标准差法估算了新疆风能资源详查区17座测风塔一定范围内的动力学粗糙度,并与期间利用的3 km和1 km分辨率的数值模式中的动力学粗糙度理论定义值进行了对比。结果表明:除了采用的landuse基数据在一些区域的错误判识而导致本研究的估测值与中、小尺度模式中的动力学粗糙度理论定义值有较大差别外,大多数比较接近,今后有必要对这些区域的landuse的分类进行客观订正;夏季强风区的动力学粗糙度估测值普遍小于中尺度模式的理论定义值;对于主、次风向上动力学粗糙度值极不均匀区域,风向与风速标准差估算法需结合使用;本研究估算的动力学粗糙度是在中性层结条件下进行的,对于中性层结条件较少发生的区域,该动力学粗糙度估算值的普适性将受到限制。     

彭州边界层铁塔风梯度特征研究

利用2018年10月~2020年12月彭州边界层铁塔的风速风向观测资料,分析了彭州地区近地面各季节平均风速日变化、盛行风向及污染系数特征,在此基础上,选取彭州大风天气个例,对按月分类法和风速区间法的反演结果进行了有效性验证。结果表明:除夏季10m高度盛行西风以外,其余三季各高度均盛行东北风,秋冬两季各高度东北风出现频率大于春夏两季,每个季节随着高度增加,东北风出现频率均逐渐增大,对应平均风速均逐渐增大。春夏季10m高度的最大污染系数在偏西方向,其他各高度最大污染系数均在东北方向,各层高度最小污染系数多在东南或偏南方向;秋冬季各高度污染系数均大于春夏季,最大均为东北方向,10~20m最小污染系数多在偏南或偏东南方向,60~90m最小污染系数为偏西北方向;彭州铁塔偏西和东北方向不宜布设污染源。两种风速反演方法均能对近地面风速进行较为有效的反演,风速区间法在大风区间的反演效果优于按月分类法。