基于SWAN模式的近10年南海北部波浪能资源研究

利用QN(QuikSCAT/NCEP)混合风场驱动第三代海浪数值模式SWAN(SimulatingWaves Nearshore),得到中国南海北部1999年8月—2009年7月的海浪场,对该海域的波浪能资源进行综合分析,研究发现中国南海北部海域蕴藏着丰富的、适宜开发的波浪能资源.     

利用WW3模式实现中国周边海域波浪能流密度数值预报——以2次冷空气过程为例

近年来中国在海洋能研究方面得到快速发展,但目前为止尚未实现波浪能的预报。本研究以T639预报风场作为WW3(WAVEWATCH-III)海浪模式的驱动场,对2013年3月发生在中国周边海域的2次冷空气过程所致海浪场进行模拟,充分利用来自朝鲜半岛、日本、台湾岛的观测资料,检验WW3模式对能流密度的预报能力,实现了波浪能流密度的数值预报,为海浪发电、海水淡化等波浪能开发工作提供保障。研究表明:1)以T639预报风场驱动WW3海浪模式,可以较好地预报冷空气影响下的中国周边海域波浪能流密度。无论预报值与观测值在曲线走势上,还是从相关系数、偏差、均方根误差、平均绝对误差等定量来判断,预报能流密度都具有较高精度,其中在朝鲜半岛、日本周边海域的预报效果好于台湾岛周边的预报效果。2)在冷空气影响下,中国周边海域的波浪能流密度伴有明显的增幅。在渤海、渤海海峡、黄海北部,由于海域狭小,海浪得不到充分成长,能流密度的增幅相对较小,大值区的范围也相对较小;冷空气进入黄海中部、东海后,能流密度迅速增加,高值中心可达80 kW/m以上;冷空气进入南海后,虽然也使得能流密度明显增大,但由于南海纬度较低,冷空气南下行进至南海后强度大为减弱,能流密度的大值区范围较东海缩小。     

南海波浪能资源与其他清洁能源的优缺点比较研究

基于前人和自己已有的工作,将南海的波浪能资源与其他各种清洁能源的优缺点进行比较,为清洁能源的开发与利用提供参考．通过比较发现：南海具有较为丰富的、适宜开发的波浪能资源,且南海也属于中国太阳能资源和风能资源较丰富的地区,在南海实行海浪发电为主,波浪能、太阳能和风能联合发电,必将具有广阔的前景．     

南海波浪能资源与其他清洁能源的优缺点比较研究

基于前人和自己已有的工作,将南海的波浪能资源与其他各种清洁能源的优缺点进行比较,为清洁能源的开发与利用提供参考．通过比较发现：南海具有较为丰富的、适宜开发的波浪能资源,且南海也属于中国太阳能资源和风能资源较丰富的地区,在南海实行海浪发电为主,波浪能、太阳能和风能联合发电,必将具有广阔的前景．     

近45年全球海域波浪能资源研究及等级区划

基于来自ECMWF的资料将1957年09月---2002年08月风浪、涌浪分离的ERA-40 wave reanalysis,对全球海域的波浪能资源进行重新审视．充分依据涌浪具有能量大、稳定性好等优点,利于波浪能的采集与转换,从提高波浪能资源有效利用率的角度出发,综合考虑能流密度的大小、能级频率、能流密度的稳定性和长期变化趋势等,对全球海域的波浪能资源进行系统性研究,并构建一套波浪能资源评估系统,对全球海域的波浪能资源进行功能区划,为海浪发电、海水淡化等波浪能资源开发工作提供科学依据．     

波浪能、海上风能资源开发前景展望

在能源危机日益严峻的当今世界,人类将目光聚焦新能源,尤其是资源丰富的海洋能．本研究对波浪能、海上风能资源的评估方法及开发利用现状展开讨论,介绍了海浪发电装置的类别、国内外先进的海浪发电装置,同时展望了海浪发电、海上风力发电、风力海浪联合发电等措施的前景,为缓解能源危机,促进人类的可持续发展提供参考．     

南海制图的中美对比分析——基于批判制图学视角

运用文本分析,从中美关于南海制图的特点及差异着手,探讨了中美制图所表达的南海领域化过程以及地图对于领域化实践的作用。研究发现：1）中美制图中南海海域范围、岛礁地名及海疆边界表达的演变,是国家权力影响制图的表现。2）中美南海制图差异源于维护国家核心利益的需求：中国通过制图（再）领域化,对内加强南海海域管控,强化国民海权意识,对外宣示南海主权;美国通过制图（去）再领域化,强调南海的公海和多国属性。3）地图作为领域化工具,能够在国际舞台上讲述中国人的南海故事,也能清晰表达中国对南海诸岛和附近水域拥有主权的一贯和明确立场。应从地图维权、地图创新、地图宣传等方面加强对南海的领域化表达,使地图在南海海洋国土治理中发挥更重要的作用。     

试论三沙市与中国南海“海权论”防御思想

2007年11月中国国务院批准成立三沙市(属海南省),这等于宣布中国对南海领域西沙群岛、南沙群岛、中沙群岛13 km2岛屿、260×104 km2海域拥有主权与法理上的行政区划建制.简要回顾了中国与东南亚诸国在中国南海领域争议情况,并从战略区位、油气资源、海洋生物资源3方面分析了南海领域(南沙群岛等)的区位特征.最后借鉴美国Aigred T Mahen“海权论”思想,从资源保护与旅游开发、大陆与台湾、陆地防御与海洋防御3个方面探讨了中国南海防御战略.     

中国近海初级生产力的遥感研究及其时空演化

利用分级初级生产力模式反演估算了2003~2005年0^o~41^oN,105^o~130^oE海域的初级生产力,并分析了它们的时空演化。同时还计算了该时段内渤海、北黄海和南黄海、东海北部和南部以及南海的平均初级生产力状况,结果得出它们的年平均初级生产力 (2003~2005年) 分别为564.39、363.08、536.47、413.88、195.77和100.09 gCm^-2a^-1。北黄海、南黄海及东海南部的初级生产力分别在春季 (4~6月) 和秋季 (10、11月) 出现两次峰值,且春季的峰值高于秋季。然而,南海的两个峰值则分别出现在冬季 (1月)和夏季 (8月),且冬季的峰值高于夏季。渤海和东海北部则呈现单峰 (6月) 分布。渤海和南黄海的初级生产力几乎在整年内都高于其它海域,而东海南部和南海的初级生产力则在整年内都低于其他海域。其中,南海的初级生产力最低,月平均全都低于400 mgCm^-2d^-1。除南海以外的其它5个海域,在春季时期 (东海南部为3~6月,其他海域为4~7月) 的初级生产力最高,平均约占年平均值的41%,其年际变化也最大,平均标准偏差为6.68;而秋季时期 (东海南部为10~1月,其他海域为8~11月) 对年平均的贡献也很大,平均约33%;其他月份 (东海南部为2月和7-9月,其他海域为12~3月) 的贡献则最小。南海的初级生产力则在冬季时期 (12~3月) 最高,约占年平均的42%,夏末秋季 (8~11月) 次之,约30%,春季时期 (4~7月) 最低。叶绿素-a、海表温度、光合有效辐射、季风活动、河流排放、上升流、黑潮以及沿岸流等物理-化学环境因子是造成中国近海初级生产力时空演化的主要原因。     

981钻井平台南海探得大气田

近日深水钻井平台“海洋石油981”在南海北部深水区陵水17—2-1井测试获得高产油气流。据测算,陵水17—2为大型气田,是中国海域自营深水勘探的第一个重大油气发现,这标志着我国深水油气田勘探开发取得历史性突破。陵水17～2构造位于南海琼东南盆地深水区的陵水凹陷,距海南岛约150公里,平均作业水深1500米。     

柴达木盆地雅丹地貌区风况数据集

为了明确柴达木盆地雅丹地貌发育的风况特征,对盆地中南部鲸背状雅丹区和西北部长垄状雅丹区的风况分别进行了长期的野外实地观测。对实测的风速风向数据按照罗盘16方位分风速段统计分析,计算输沙势,得到柴达木盆地雅丹地貌区风况数据集。该数据集包括两个数据文件：（1）盆地中南部的鲸背状雅丹区风况数据（WinReg_WhaleBackYardang_QB）;（2）盆地西北部的长垄状雅丹区风况数据（WinReg_LongRidgeYardang_QB）。每个数据文件均包含3个工作表,分别为观测周期内的原始风速风向记录,各月份、季节、年度的风频和输沙势。本数据集存储为.xls格式,压缩后的数据量为2.73 MB。本数据集不仅可准确阐释柴达木盆地雅丹地貌发育的风况特征,也为进一步研究雅丹地貌的发育演化模式奠定了基础。本数据集的相关研究成果发表在《中国沙漠》2013年33卷第5期和《Journal of Arid Land》2019年11卷第5期。     

河西走廊不同强度冷锋型沙尘暴环流和动力特征

利用常规气象观测资料、ECMWF ERA-Interim 逐6 h的0.75°×0.75°再分析资料,对河西走廊3次不同强度区域性典型冷锋型沙尘暴的大气环流形势和高低层水平螺旋度、uv分量场和垂直速度进行对比分析。结果表明：（1）影响沙尘暴强度和范围的主要因素有高空冷空气强度、高低空风速、地面热低压中心、冷锋前后变压梯度以及冷锋入侵河西走廊的时间;（2）700 hPa风速和冷锋入侵河西走廊的时间影响最明显,低空风速越大,沙尘暴往往越强,强沙尘暴一般出现在中午到傍晚。一般、强和特强沙尘暴700 hPa风速阈值分别为18、22 m·s^-１和24 m·s^-１;（3）高（低）层正（负）水平螺旋大值中心越大,配合越好,下游沙尘暴强度越强,一般、强和特强沙尘暴的高（低）层水平螺旋度正（负）值中心阈值分别为400（-200）m²·s^-2、800（-1 000）m²·s^-2和1 000（-1 000）m²·s^-2;（4）高空强风动量下传到近地面的风速越大,沙尘暴强度越强,一般、强和特强沙尘暴下传到近地面的u、v分量风速阈值分别为8、10 m·s^-１和12 m·s^-１;（5）700 hPa以下上升运动越强,沙尘暴强度越强,一般、强和特强沙尘暴700 hPa以下垂直速度中心阈值分别为-0.4、-0.7 Pa·s^-１和-1.40 Pa·s^-１;（6）垂直风场表现为≥15 m·s^-1大风下传高度越低,沙尘暴强度越强,一般、强和特强沙尘暴下传高度分别为600、500 m和50 m以下。     

青海共和盆地固定支架式光伏阵列对阵内风场的影响

青海省共和盆地是中国最大的新能源基地之一,大规模光伏设施的建设对区域生态环境必然产生较大的影响。通过在光伏阵列内外建立风况观测断面,架设5套5梯度的自动气象站,实施同步监测,对不同风向条件下光伏阵列对阵内风场的影响进行观测研究。结果表明：（1）光伏阵列具有导向作用,使风向以顺光伏组串长轴方向的偏西风和偏东风为主。当旷野风向与光伏组串长轴方向夹角β≥45°时,光伏阵列内出现围绕光伏串的横向绕流,阵列内存在明显的双风向,且β越大,双风向特征越明显。（2）光伏阵列整体具有减速作用,且减速率随高度呈指数递增关系,但20 cm高度风速减弱作用具有很大的不确定性,甚至出现增强风速的作用。减速率随风向的变化呈三峰三谷的区间分布特征,三峰三谷区间的极大值出现在β=45°或β=67.5°处,极小值多出现在β=22.5°处。（3）受光伏组串北高南低的结构和光伏阵列内风程长度的影响,光伏阵列内风向和风速变化存在非对称性特征。光伏阵列对阵内风场的影响,一方面有利于光伏面板除尘,另一方面会增加阵内地表就地起尘的潜在风险。光伏场建设应更加注重光伏阵列内生态保护和修复,提高地表植被覆盖度,减少起尘量,提高发电效率。     

科尔沁沙地西部横向沙丘间的风况和输沙势

以科尔沁沙地西部一处典型横向沙丘群为研究对象,在沙丘顶部、丘间走廊和迎风坡脚各布设一套自动气象站,对流动性的横向沙丘群内部的风况进行了连续16个月的实地观测。为有效说明沙丘群外围气象站是否能真实反映沙丘群内部实际风况特征,从翁牛特旗国家站获取了同时段风况的小时数据。结果表明：（1）丘间走廊年内主导风向为SW,与迎风坡脚基本一致但频率更高,相对于沙丘顶部（WNW）和翁牛特旗（NW）而言,风向大角度向左偏转;（2）丘间走廊年内平均风速为3.28 m·s^-1,春季平均风速可达4.74 m·s^-1,瞬时风速大于起沙风速;丘间走廊会发生较强烈的风沙活动,这对塑造丘间走廊完整形态、形成稳定的横向沙丘群空间格局具有重要作用;（3）利用日均值计算丘间走廊的输沙势为37.94 VU,低于沙丘顶部94.54%,高于翁牛特旗86.99%,由此可知,沙丘群外围气象台站测得的风况数据不能真实反映沙丘群内部风沙活动的实际情况。为更精确地估算沙丘群内部的真实输沙状况,建议至少在沙丘顶部和丘间走廊各布设一套全自动气象站进行联动观测。本研究对于揭示沙丘群落整体风况变化规律和沙尘灾害防治具有重要的理论和技术支撑价值。     

不同时间尺度下农田土壤风蚀可蚀性的变化

土壤风蚀可蚀性（简称土壤可蚀性）作为风蚀模型的必要输入参数之一,会随风蚀事件过程、耕作措施以及气象气候等因素发生显著变化,但目前对其变化趋势尚认识不足。本文采用野外观测、采样分析与空间换时间的方法,就次风蚀事件、风蚀月、风蚀季、多年4个时间尺度下坝上地区农田土壤可蚀性变化问题进行研究。结果表明：严重风蚀事件过程中,地表土壤中粒径<0.85 mm干团聚体颗粒的含量明显降低,临界起沙摩阻风速明显升高,输沙率明显减弱,三者均显示土壤可蚀性出现明显降低的趋势。风蚀月、风蚀季和多年3个时间尺度下,农田特别是翻耕农田土壤可蚀性均呈下降的趋势,并且时间尺度越长,土壤可蚀性的下降幅度越大。强烈的风蚀搬运作用可能是造成各时间尺度下坝上地区农田土壤可蚀性普遍下降的主因。为了降低坝上地区农田风蚀的危害,应减少新农田的开垦并尽量避免在风蚀事件高发期进行农田翻耕。     

基于RWEQ模型的内蒙古巴彦淖尔市土壤风蚀变化特征及归因分析

土壤风蚀是干旱半干旱地区面临的主要生态环境问题。基于修正风蚀方程模型（RWEQ）与GIS技术,分析了1980—2018年内蒙古巴彦淖尔市土壤风蚀变化并分析成因。结果表明：（1）研究期间,巴彦淖尔市土壤风蚀模数总体呈下降趋势,多年均值为40.26 t·hm^-2,10年倾向率为-8.02 t·hm^-2。2000年前以中度风蚀为主,2000年以后以微度风蚀为主。（2）空间上,巴彦淖尔市土壤风蚀高值区主要分布在西北部地区,低值区主要分布在南部地区。不同风蚀强度面积占比排序为中度>轻度>强烈>微度>极强烈>剧烈,微度和轻度风蚀面积呈现增大趋势,中度、强烈、极强烈和剧烈风蚀面积均呈现减小趋势。总体上,全区土壤风蚀均呈现下降趋势,西北部下降幅度最大,南部下降幅度最小。（3）内蒙古巴彦淖尔市土壤风蚀主要受风速（u）、温度（T_a）、植被覆盖度（VC）和土壤含水量（sw）影响,u的直接作用最明显,而T_a、VC和sw主要产生间接影响。总体来说,u对巴彦淖尔市土壤风蚀变化的综合决定能力最强,sw的综合决定能力最弱。