大连地区风能资源评估及分布

利用大连地区1971～2000年基本气象站和2006～2009年自动气象站风速观测资料,估算了风能的主要特征指标:风速、有效小时数、平均风功率密度、有效风功率密度。根据风能特征指标分析了大连地区风能资源状况和分布特征。结果表明:大连地区风能资源丰富,大部分地区年有效风功率密度在80W/m2以上,其中旅顺最大,为191.7W/m2,长海、大连、瓦房店都在150W/m2以上,金州为104.2W/m2,庄河、普兰店不足100W/m2。大连地区的风速有效时数大部分在4500h/a以上,其中大连、长海在6500h/a以上,旅顺、瓦房店、金州在4800～5500h/a之间。大连地区风能主要呈现沿海(海岛)大于内陆区域、南部地区大于北部地区、西海岸大于东海岸的空间分布。     

1964-2013年大连地区暴雨气候特征及变化规律

利用1964—2013年大连地区6个气象站逐日降水资料,采用线性倾向估计、Mann-Kendall和 Yamamoto检验及最大熵谱分析等方法,对大连地区暴雨的气候特征及变化规律进行分析。结果表明：大连地区3—12月均可出现暴雨,72.7％的暴雨出现在7—8月,7月暴雨出现最多,8月上旬是暴雨出现最集中的时期。4—8月各月暴雨日数均呈上升趋势,且4月暴雨日数上升最明显,8月次之,至9月暴雨日数呈下降趋势。大连地区各站年平均暴雨日数为1.8—2.8 d,暴雨日数分布从大连西北内陆向东南沿海地区逐渐增多,暴雨日数大值中心在庄河（2.8 d）。各站年暴雨日数均呈上升趋势,大连北部普兰店、东部长海和西南部旅顺地区年暴雨日数呈显著上升趋势,其他地区年暴雨日数上升趋势较弱。近50 a来,大连地区暴雨初日有所提前,暴雨终日变化不明显。年暴雨日数、暴雨强度和暴雨贡献率均呈不显著的上升趋势,且均从2003年以来增加明显,均有2.0—3.0 a的周期振荡;此外,年暴雨日数、暴雨强度和暴雨贡献率分别存在准12.5 a、准5.0 a和准16.7 a的振荡周期,仅年暴雨贡献率在1977年和1978年发生显著突变。     

近50年我国风向变化特征

利用我国基本和基准气象台站1956—2005年的一日4次风向和风速资料, 对近50年我国风向变化做了尝试性分析。分析发现:我国大部分地区年最大风向频率呈减小趋势, 其中西北、华南和西南地区最大风向频率减小趋势最为显著, 只有西部个别地区略有增加; 全国大部分地区年最大风向频率对应的风速均呈明显的减小趋势。同时, 年最大风向频率对应的风速减小趋势比年平均风速的减小趋势更为显著, 最大风向频率对应的风速减小是平均风速减小的主导因素; 我国冬季主要盛行的偏北风和夏季主要盛行的偏南风都呈明显的减小趋势。偏北风（冬季）和偏南风（夏季）的减小主要是亚洲冬季风和夏季风减弱造成的。     

城市化进程对安徽省风速的影响

利用1981-2010年安徽省61个站的逐日风速资料,结合卫星遥感台站分类方法,统计分析了城市化进程对年、季节平均风速、最大风速和小风日数的影响和贡献。结果表明：(1) 近30年安徽省年、季节平均风速和最大风速呈显著减少趋势,小风日数呈显著增加趋势。城市站的变化速率明显大于乡村站,郊区站基本介于二者之间。(2) 2000年开始安徽省城市化进程加快,导致城市站与乡村站平均风速及小风日数距平的差异有明显增大趋势。(3) 城市站与乡村站年平均风速的趋势系数之差为-0.10 (m/s) /10a,城市化对年平均风速减弱的贡献率为40.0%,春季更明显;城市站与乡村站年小风日数的趋势系数之差为15.58 d/10a,城市化对年小风日数增多的贡献率为46.9%,秋、冬季更明显;城市化对年最大风速的影响不明显。     

洪雅地区近40年日照时数和风的变化特征分析

根据洪雅地区近40a(1977—2016年)的日照时数和风向风速资料,分析了该地区日照时数和风向风速变化特征,结果表明:(1)洪雅地区近40a平均日照时数为921.2h,日照时数呈缓慢下降趋势,年日照时数变幅很大。通过M—K检验可知在2011、2015、2016年日照时数发生了突变,但日照时数没有明显的突变特征。从小波分析可以看出年日照时数存在7a的时间尺度变化特征。(2)洪雅地区近40a风向以西风和西北风为主,频率为11.2%。近40a平均风速为1.1m/s,风速呈缓慢上升趋势。近40a四季平均风速变化较小。     

2013—2018年大连中心城区臭氧时空变化及其影响因子分析

基于2013—2018年大连中心城区O_(3)监测数据和气象数据,分析了该区O_(3)污染时空变化特征及气象要素对O_(3)污染的影响。结果表明:2013—2018年大连中心城区O_(3)已经逐渐成为最主要的大气污染物之一。O_(3)年平均浓度由2013年的66.66μg·m^(-3)上升至2018年的101.62μg·m^(-3)。秋季和夏季是大连O_(3)浓度较高的季节,其次是冬季和春季。O_(3)最高浓度月份主要为5月、6月及9月。O_(3)浓度日变化呈明显的单峰状,从上午08时开始增加,在下午14—16时达到最高,白天浓度高于夜晚。O_(3)污染物在2013—2017年从大连中心城区的西南向东北扩散。大连中心城区O_(3)与其他5种大气污染物均存在不同程度的负相关,与气温呈显著正相关,与相对湿度、气压及风速相关性较差。有利于大连O_(3)污染天气的气象条件主要为高气温(>30℃)、低湿度(≤80%)、低风速(1.5—2.0 m·s^(-1))、北风风向和长日照时间。高污染日的出现可能是受高温天气与本地逐渐增加的排放物共同影响。     

中国中部典型高山气象站风速的均一性检验及其变化特点

采用二相回归方法并结合台站历史沿革信息,在对中国中部典型高山站南岳和庐山1960-2017年平均风速资料进行均一性检验和订正的基础上,分析其变化特征及其与周边低海拔台站的差异,并利用NCEP/NCAR再分析风速资料对其差异进行验证。结果表明：南岳站平均风速序列存在一个由测风仪器变更而导致的非均一点,而庐山站不存在非均一点;南岳和庐山年及四季平均风速均显著高于周边台站,且高山站以春季和夏季风速最大,而低海拔台站各季节风速差异较小;近58 a高山站及周边低海拔台站的年及四季平均风速均呈显著的减小趋势,但高山站的减小速率显著高于低海拔台站;同区域NCEP/NCAR的1000 hPa和850 hPa平均风速变化的差异与高山站和低海拔台站的差异基本一致,说明中低空和地面风速的这种差异在中国中部地区具有一定的普遍性。     

川藏地区及川藏铁路沿线风场特征分析

雷暴大风是影响铁路建设和交通运营安全的主要气象灾害之一,而川藏铁路作为连接四川省和西藏自治区的干线铁路,其沿线地理形势复杂,气候特征多样,被称为“最难建的铁路”,本文旨在定量分析川藏地区和川藏铁路的风场变化特征,以为川藏铁路建设和铁路列车运行、防灾减灾以及实时动态监测预警和风险评估提供科学依据。文章采用2004—2020年地面气象站观测风场和2006—2020年极大风风速资料,结合2000—2020年近21年的NCEP FNL地面风场数据,对川藏地区和川藏铁路沿线拉萨、林芝、雅安、成都4个高铁站附近的风场时空分布特征和变化规律进行分析,研究表明：(1)川藏地区西部风力高于东部,高原内陆风力大于高原东南缘和四川省。11月至次年3月是高原内陆风速最大的月份,月平均风速在高原北部和南缘能够达到7 m/s以上,夏秋季风速较小。(2)选取川藏铁路沿线拉萨站、林芝站、雅安站和成都站4个站点风场进行分析,风速表现为高原西部向东部减小的趋势。(3)在研究时段内,2018—2020年川藏铁路沿线平均风速和极大风速均呈明显增加趋势,拉萨和林芝站的大风日数也有所增加,因此2018年以来川藏铁路沿线处于风速上...     

河西走廊风速变化及风能资源研究

利用河西走廊地区25年风速气候资料和风塔周年资料,研究了该区域近地面风速及风能的演变和分布。结果表明:河西走廊绿洲内风速下降十分明显,而其它高山站风速比较稳定,没有明显的减少趋势;风速变化具有周期振荡特点;垂直风速差由近地面向上减小,高层风速极大(小)值滞后于低层;风速随高度按自然对数规律增大,风能距地面8 m层内随高度变化迅速;该地区4~12 m/s风居多,是风能的主要贡献者;2~4月风速最大,1,5月最小;该地区风能丰富,10~70 m层内年风能储量在2200 khW/m2以上。     

近32a安徽省风速、风向分布特征

基于安徽省1981~2012年近32 a风速、风向资料,利用常规气象统计方法,分析了安徽省平均风速、最大风速以及极大风速的空间分布特征,重点分析了最大风速易出现的方位、季节以及各重现期下的风速分布。结果表明:平均风速与最大风速的空间分布相似,大别山区和皖南山区低海拔地区为风速低值区,黄山以及大别山区以北和以东的平原和丘陵地区为风速大值区。除大别山区北部和皖南山区南部的部分地区外,近32 a全省大部风速普遍呈现显著减少趋势。长江以北地区的最大风速出现偏西风的频率最高,大别山区和皖南山区最大风速出现频率最高的方位空间差异明显。此外,最大风速出现在春季的频率最高。     

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。     

大连地区闪电活动时空特征分析及雷击风险度综合指数预测研究

本文利用辽宁省大连市2007年1月—2011年12月连续5 a的闪电监测数据,分析了大连地区闪电频数和强度的时空分布特征,并基于雷电频次和强度构建雷电危险度综合指数预测模型。研究结果表明,大连地区闪电高发期集中在6—8月,该段时间内闪电数超过全年闪电总数的80%;6、7月雷电明显集中于午后和夜间,而从8月开始雷电发生时间向凌晨时段集中,午后明显减少,夜间闪电次数略高于白天。大连地区大部分区域的平均雷击密度值低于10次·km-2,两个极大值中心位于长海县和普兰店市;大连地区大部分区域的平均雷击强度值介于5~30 k A之间,平均雷击强度的极大值中心位于主城区、金州区、瓦房店市西部及庄河市东部,最大可达98 k A。本文依据模糊函数法综合闪电频次与雷击电流,构造雷电危险度综合指数预测模型,并以2011年4月14日雷击灾害为例,预报雷电危险度等级为4级。该模型可对大连地区的雷电危险度等级进行预测并发布预警,更加直观、方便、高效地为公众提供气象服务信息。     

Effects of Wind Fences on the Wind Environment around Jang Bogo Antarctic Research Station

This study investigated the flow characteristics altered by Jang Bogo Antarctic Research Station using computational fluid dynamics(CFD) modeling. The topography and buildings around Jang Bogo Station were constructed with computeraided-design data in the CFD model domain. We simulated 16 cases with different inflow directions, and compared the flow characteristics with and without Jang Bogo Station for each inflow direction. The wind data recorded by the site's automatic weather station(AWS) were used for comparison. Wind rose analysis showed that the wind speed and direction after the construction of Jang Bogo Station were quite different from those before construction. We also investigated how virtual wind fences would modify the flow patterns, changing the distance of the fence from the station as well as the porosity of the fence. For westerly inflows, when the AWS was downwind of Jang Bogo Station, the decrease in wind speed was maximized(-81% for west-northwesterly). The wind speed reduction was also greater as the distance of the fence was closer to Jang Bogo Station. With the same distance, the fence with medium porosity(25%–33%) maximized the wind speed reduction.These results suggest that the location and material of the wind fence should be selected carefully, or AWS data should be interpreted cautiously, for particular prevailing wind directions.     

采用次网格地形方案对白鹤滩水电站坝区一次大风天气的数值模拟

基于中尺度气象模式,采用次网格地形方案模拟了2019年3月19~20日四川、云南交界处白鹤滩水电站的一次大风过程,对10 m风速、风向和2 m温度空间分布及日变化的模拟结果进行检验评估,并结合地形分析了坝区易产生大风的原因。结果表明:此次西南大风天气是由高低空一致的西南气流配合地面“东高西低”的环流形势共同造成的。午后热低压发展强盛,地面风速增大,坝区出现8级大风。采用次网格地形方案后,风速的平均绝对误差和均方根误差最高可分别减小17%和14%,同时该方案有效地缓解了模式对白天风速的低估和夜间风速的高估,在大风和小风时段均对风速有较好的模拟能力,从而能更好地刻画风速的日变化特征。综合来看,次网格地形方案能显著改善风场的模拟效果,其中Jiménez方案更适用于坝区大风的模拟,但次网格地形方案对温度模拟没有改善作用。白鹤滩水电站的大风受局地地形影响极大,南北向狭长河谷地形产生的狭管效应使气流增速显著,坝区主体高度区河谷风的放大系数超过3.0,使得白鹤滩水电站极易出现灾害性大风天气。      

北京及周边地区2013年1—3月PM2.5变化特征

2013年1—3月北京及周边地区雾、霾高发,气候特征异于常年。利用2013年1—3月北京及周边地区6个地面观测站观测资料,研究PM_2.5和黑碳 (BC) 的质量浓度、区域分布特征及气象要素的影响情况。结果表明:北京及周边地区PM_2.5污染呈区域性高值、污染局地积累以及由南向北输送的特征。北京上甸子站在雾、霾与清洁期间BC与PM_2.5质量浓度的比值分别为7.1%和10.3%,雾、霾期间低于清洁期间;而河北固城站在雾、霾与清洁期间BC与PM_2.5质量浓度的比值分别为17.5%和11.9%,雾、霾期间明显高于清洁期间。二者相反的比值特征反映在清洁的下游地区雾、霾过程中二次生成的气溶胶所占比例较污染的上游地区偏高。     

探测环境对北京气象站气温观测值的影响分析

为深入了解气象探测环境对气温观测数据的影响,利用2017年北京市观象台（54511）与南海子站（A1274）逐小时地面气象要素数据,分析两站气温差异以及因站点探测环境导致的日照、风速和降水对两站气温差异的影响。结果表明：2017年两站气温差异较明显,年平均气温54511站比A1274站高0.75℃;两站逐月平均气温54511站全年高于A1274站,两站差值7月最低为0.60℃,9月最高为1.09℃;两站平均日最高气温较接近,平均日最低气温差异较大,54511站较A1274站高1.24℃;两站气温的日变化特征相似,呈单峰分布,54511站气温日较差低于A1274站。两站小时气温差值随着日照时长和强度的增加而增加,短波辐射效应最强的10-14时和长波辐射效应最强的19-23时两站气温差值与当日白天直接辐射曝辐量的相关系数分别为0.459和0.601;水平风速对两站气温差值的影响较大。水平风速超过5 m·s^-1时,两站气温差小于0.1℃;当水平风速不超过1 m·s^-1时,两站观测气温差值达到1.28℃;降水天气下两站的气温差值小于非降水天气,出现降水时次54511站平均气温仅比A1274站高0.2℃。两站相距4.3 km,气候均一,测站周边2 km范围内建设用地占比54511站比A1274站高约30%,植被占比低28%,水体占比相差不大。另外,54511站附近的五环路具有低反射率和高热容的特征,白天能够吸收太阳辐射储存较多的热量,这些热量在夜间释放,可能是两站探测环境对太阳辐射吸收的差异决定了两站温差受太阳辐射和风速的影响较大,而受降水影响较小。     

2014年夏季青藏高原狮泉河与林芝降水低频振荡及陆—气过程日变化特征

根据“第三次青藏高原大气科学试验” 2014年7、8月青藏高原西南部狮泉河站、东南部林芝站的3 m涡动相关系统原始数据和10 Hz湍流资料以及中国气象局台站观测资料、JRA-55（Japanese 55-year Reanalysis）逐日再分析资料、GPCP（Global Precipitation Climatology Project）全球降水逐日观测资料,分别讨论了这两个站在10~20天低频振荡的天气背景下其干、湿位相近地层气象要素的日变化特征以及湍流变化特征。结果表明:两站高低空环流场、水汽通量场、热源的10~20天低频分量在其干、湿位相期间的配置相反。低频地表感热和潜热的不同变化对降水的影响分别在高原西部和东部有不同表现。狮泉河站的低频振荡在纬向上自西向东传播,而林芝站的低频振荡在纬向上自东向西传播,结果表明这两个站分别存在两种不同起源的低频振荡。两站干、湿位相的近地面气象要素以及湍流通量具有明显的日变化特征,通常温度极大值出现在午后14时（北京时,下同）,但狮泉河站干、湿位相的温度极大值均出现在夜间20时;由波文比可知,狮泉河站湿位相全天以潜热为主导,干位相期间,06时之前以潜热为主,06时之后以感热为主;林芝站干、湿位相均为08时之前以感热为主,08时之后以潜热为主。两站湍流平均动能与平均风速正相关,垂直动量表现为向下传输,热量和水汽表现为向上传输。     

Characteristics of wind speed and wind direction in the atmospheric boundary layer on the southern coast of Bulgaria

The characteristics of wind speed and wind direction in the boundary atmospheric layer measured at the meteorological station in Akhtopol (Bulgaria) are presented. The measurements were carried out with the Scintec sodar and MK-15 automatic meteorological station. The sodar measurement data on wind parameters at different heights in different months are presented as well as the frequency of inshore and offshore wind directions, that enables to trace the intensity of the breeze circulation. The frequency of calms and wind speeds at the heights of 50, 100, and 200 m according to gradations for different months and the probability of wind of various speeds depending on the direction are also given. The breeze front characteristics in June–September of 2009 are computed from the speed and direction of surface wind measured with the acoustic anemometer of MK-15 complex.     

THE TEMPORAL AND SPATIAL DISTRIBUTION OF SEA SURFACE WIND ALONG THE COAST OF GUANGDONG PROVINCE IN CHINA

Temporal and spatial distribution characteristics of sea surface wind in Guangdong''s coastal areas were analyzed with data from four offshore observational stations between 2012 and 2015. The results are shown as follows: (1) The probability distribution of wind speed was basically consistent with Gaussian distribution characteristics; winds of Beaufort force 6 or higher were observed mainly in far offshore stations from October to March. (2) The probability distribution of wind direction was represented well by Weibull distribution. The deviation of wind direction of far station was relatively small for it was mainly controlled by monsoon over the South China Sea, while the near offshore station had a relatively large diurnal variation because of the influence of local synoptic systems such as sea-land breeze. (3) There were significant seasonal differences in wind speed and direction observed by different offshore observational stations. In strong wind seasons, the deviation of wind direction was relatively small while the deviation of wind speed was relatively large, and vice versa. In contrast with Class I station, the other three stations exhibited approximately normal distribution of wind direction and wind speed deviations. (4) Wind direction diurnal variation was moderate in windy periods, while it was obvious in relatively lower speed conditions. The deviation of wind speed in windy periods was generally greater because it was influenced by mesoscale weather systems for 10-20 h, and the influence was complicated, resulting in greater local differences in wind speed.