刘鸿波, 董理, 严若婧, 等. 2021. ERA5再分析资料对中国大陆区域近地层风速气候特征及变化趋势再现能力的评估[J]. 气候与环境研究,26(3): 299−311. LIU Hongbo, DONG Li, YAN Ruojing, et al. 2021. Evaluation of Near-Surface Wind Speed Climatology and Long-Term Trend over China’s Mainland Region Based on ERA5 Reanalysis [J]. Climatic and Environmental Research (in Chinese), 26 (3): 299−311.doi:10.3878/j.issn.1006-9585.2021.20101
ERA5再分析资料对中国大陆区域近地层风速气候
特征及变化趋势再现能力的评估
刘鸿波 1 董理 1, 2 严若婧 1, 2 张晓朝 3 郭辰 4 梁思超 5
屠劲林 5 冯笑丹 5 王雪璐
5
1 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室，北京 100029
2 中国科学院大学地球与行星科学学院，北京 100049
3 中国华能集团有限公司，北京 100036
4 中国华能集团清洁能源技术研究院有限公司，北京 100081
5 华能新能源股份有限公司，北京 100081
摘 要 基于台站观测资料，评估了欧洲中期天气预报中心（ECMWF ）最高时空分辨率的第五代大气再分析资料（ERA5）对1979～2018年间中国大陆区域10 m 高度风速的气候特征及其变化趋势的再现能力，并同步对比分析了ERA5资料100 m 高度风速的特征和长期趋势。结果表明，ERA5资料10 m 和100 m 风速在空间分布、年—季节—月尺度演变的气候特征方面与台站观测非常一致，10 m 风速气候态空间相关系数达到0.66。观测和再分析资料均显示，中国近地层风速呈现出显著的区域性特征，风速大值区主要分布在内蒙古、东北地区西部、新疆北部以及青藏高原西部地区，上述区域的风速季节差异也相对明显，春季风速最大。台站观测、ERA5资料10 m 和100 m 全国平均风速在4月达到最大值，分别为2.6、3.0、4.5 m s –1，8月为最小值，分别为2.0、2.4、3.5 m s –1。从月平均序列来看，ERA5资料的10 m 风速较台站观测偏高0.3～0.5 m s –1，而100 m 的风速较10 m 风速整体偏高1.2～1.4 m s –1。在风速变化方面，台站观测风速在中国陆地区域整体呈下降趋势–0.4 m s –1 （39 a ）–1，春季下降趋势最显著[–0.5 m s –1（39 a ）–1]，且1979～1992年冬季风速降幅最大[–0.7 m s –1（14 a ）–1]，2013年以后风速逐渐增强。ERA5资料两个高度层的风速在整个中国区域均没有明显的长期变化趋势，4个季节风速变化趋势的空间分布与观测也存在差异，100m 风速的长期变化趋势与10 m 一致但变化幅度大于10 m 风速。总之，ERA5资料对中国大陆区域气候平均风速具有较好的再现能力，但无法呈现台站
观测风速的长期变化趋势。关键词 ERA5资料 10 m 风速 100 m 风速 气候特征 线性趋势 中国
文章编号 1006-9585(2021)03-0299-13 中图分类号 P425.4 文献标识码 A doi:10.3878/j.issn.1006-9585.2021.20101
Evaluation of Near-Surface Wind Speed Climatology and Long-Term
Trend over China’s Mainland Region Based on ERA5 Reanalysis
LIU Hongbo 1
, DONG Li 1, 2
, YAN Ruojing 1, 2
, ZHANG Xiaochao 3
, GUO Chen 4
,
LIANG Sichao 5, TU Jinlin 5, FENG Xiaodan 5, and WANG Xuelu
5
收稿日期 2020-08-26；网络预出版日期 2021-02-25
作者简介 刘鸿波，女，1981年出生，博士，副研究员，主要从事边界层风场结构、极端降水演变机理及模拟分析研究。E-mail:
******************.ac
资助项目 中国华能集团公司总部科技项目HNKJ18-H31
Funded by The Headquarter Scientific Project of China Huaneng Group Co., Ltd. (Grant HNKJ18-H31)
第 26 卷第 3 期气 候 与 环 境 研 究
Vol. 26 No. 32021 年 5 月
Climatic and Environmental Research
May 2021
1 State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics, Institute of
Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029
2 College of Earth and Planetary Sciences, University of Chinese Academy of Sciences, Beijing 100049
3 China Huaneng Group Co., Ltd., Beijing 100036
4 China Huaneng Group Cleaning Energy Technology Academy Co., Ltd., Beijing 100081
5 Huaneng Renewables Co., Ltd., Beijing 100081
Abstract The ability of the most recently released high spatio-temporal resolution dataset, the fifth generation of European Centre for Medium-Range Weather Forecasts atmospheric reanalysis data (ERA5), to reproduce near-surface wind speed climatology and the linear trend is analyzed over China’s mainland during the period of 1979–2018. Results indicate that the 10-m and 100-m wind speeds are highly consistent with in situ station observations in both spatial distribution and annual–seasonal–monthly evolutions. The spatial correlation coefficient of the 10-m wind speed climatology be
tween ERA5 and station observation is 0.66. The near-surface wind speed shows obvious regional characteristics with strong wind in Inner Mongolia, west of Northeast China, north of Xinjiang, and west of Tibet Plateau.
Wind speeds in the above regions also exhibit a seasonal difference with peak intensity observed in spring. The strongest (weakest) national-averaged wind speed obtained from the station observation, 10-m, and 100-m ERA5 reanalysis is 2.6,
3.0, and
4.5 (2.0, 2.4, and 3.5) m s−1 in April (August), respectively. The 10-m ERA5 monthly-mean wind speeds are
0.3–0.5 m s−1 stronger than those of the observation and 1.2–1.4 m s−1 weaker than those of the 100-m wind speed. Since
1979, the observed wind speed shows an overall decreasing trend of −0.4 m s−1 (39 a) –1. This trend is most obvious in spring [−0.5 m s−1 (39 a)–1], with the biggest drop in the winter of 1979–1992 [−0.7 m s−1 (14a) –1]. Since 2013, the surface wind speed has been increasing. ERA5 reanalysis fails to capture the above decreasing trends in both layers.
Moreover, the spatial patterns of the linear trend in four seasons are also different from those of the observations. It is concluded that ERA5 performs well in reproducing the near-surface wind climatology over China but fails to capture the long-term trend.
Keywords ERA5 data, 10-m wind speed, 100-m wind speed, climatology, linear trend, China
1 引言
随着全球经济的快速发展，传统能源结构与经济可持续发展、环境保护之间的矛盾日益突出，人们对低成本、可再生的清洁能源开发利用的需求不断增加。相对于煤炭和石油等传统能源，风能作为一种可再生能源，除了经济节约之外，更重要的是对环境的友善，是传统能源的宝贵替代。风能的开发利用减少了人为能源制造过程中对环境的破坏和影响，是清洁能源发展的重点。预计到2050年，风能供电将占全球电力需求的1/4～1/3（Veers et al., 2019）。因此，调查、分析气候变化及人类活动等自然和人为因素对未来风能资源及其变化趋势的影响已经成为气象、能源、电力、经济等多领域专家所共同关心的热点问题之一。
作为风能产品的基本要素之一，近地层风速在气候变化背景下的演变近年来日益受到关注，地表观测、全球再分析资料均被用来从不同的角度对全球和区域风速的变化进行分析（Torralba et al., 2017; Miao et al., 2020），这其中也包含中国区域近地面及对流层低层风速的气候特征及其变化趋势的研究（Lin et
al., 2013; 郑祚芳等, 2014; Zhang R H et al., 2019）。现有分析表明，自20世纪70年代起，北半球中纬度大陆地区近地面年平均风速整体呈现出减小的趋势（任国玉等, 2005; Xu et al., 2006; Vautard et al., 2010; Jiang et al., 2010; 王楠等, 2019）。就整个中国地区而言，风速的下降以强风的减弱更为明显（Guo et al., 2011; Zhang and Wang, 2020）。台站观测和再分析资料的诊断分析及模式数值模拟结果表明，中国区域近地面风速减小的可能原因分自然因素和人为因素两方面，前者包括气候变化背景下海陆热力差异、南北热力差异减小导致对流层低层气压梯度力的减弱，进而造成东亚冬季风和夏季风的减弱（大气环流因素，Xu et al., 2006; Guo et al., 2011），以及因气候变化导致的地表植被增加带来的地表粗糙度增大造成的风速下降等（Vautard et al., 2010；Zhang Z T et al., 2019）；后者包括人类活动伴随的土地利用变化和城市化导致的地表粗糙度的变化，以及气溶胶排放引起的地表辐射收支变化导致的气压梯度力的变化等（Bichet et al.,
气 候 与 环 境 研 究26 卷300Climatic and Environmental Research Vol. 26
2012; Han et al., 2016; Wu et al., 2018; 丁一汇等, 2020）。由于地表风速的变化存在明显的区域性特征，并且上述自然因素和人为因素并不是完全独立的（如气溶胶排放也会引起大气环流的变化），因此对于特定地区地表风速变化趋势的成因分析需综合考量各种潜在因素。与此同时，随着观测资料的更新，研究表明自2010年前后，北美、欧洲、东亚地区地表风速开始增加，这与植被和城镇化影响会造成风速持续下降的研究结果是矛盾的，因此风速的年代际变化（下降—上升）还会受到海气耦合系统内部
振荡（如太平洋年代际振荡，北大西洋年代际振荡，北太平洋阿留申低压的变化等）的影响和调制（Zeng et al., 2019; Zhang and Wang, 2020）。
事实上，对地表风速长期气候状态的全面分析在一定程度上依赖于分析资料的质量，风速的演变更是存在显著的区域差异，因此对风速的分析还需考虑区域因素。中国幅员辽阔，大陆地形基本上分为3个阶梯，因此近地面风速会因观测站点的海拔高度不同而呈现不同的变化（陈昊明, 2009），同时西部地区因站点相对稀疏，对其气候状态的认识也较为有限。再分析资料因受预报系统和模式系统性偏差的限制，导致不同资料间近地面及对流层低层风速的气候分布和演变趋势存在较大的差异。在北半球中纬度大陆地区，欧洲中期天气预报中心（ECMWF）的ERA-Interim、美国的MERRA-2、CFS再分析资料均显著高估了气候平均10 m风速，相比之下，日本的JRA-55再分析资料对风速低估，偏差较小，上述资料系统性偏差同时存在季节和区域差异（Torralba et al., 2017; Miao et al., 2020）；对于北半球陆地区域（中国地区），现有再分析资料无法再现观测风速的趋势和年代际变化（Zhang and Wang, 2020）。
尽管再分析资料存在一定的不确定性，然而在观测资料时间长度有限、空间分布不均的前提下，长时间序列、高时间和空间分辨率的全球再分析资料在对地表风速气候特征分析以及风能资源的认识和评估方面依然有潜在优势。2017年，ECMWF 发布了目前为止时空分辨率最高的全球再分析资料ERA5。ERA5利用其先进的模式和资料同化系统融合了大量的历史观测资料，由于短时预报准确性的提高，ERA5资料的预报精度高于其前身ERA-Interim（ERA5资料南、北半球500 hPa位势高度的365 d平均距
平相关系数高于ERA-Interim）；由于时空分辨率的提高，ERA5资料对热带气旋的刻画（中心气压数值及位置、气旋结构精细的时间演变）也更加准确；在日降水量、月降水时间演变方面ERA5资料与观测也较ERA-Interim更为接近（Hersbach et al., 2020）。美国国家航空航天局发布的MERRA-2再分析资料也是当前应用较为广泛的高时空分辨率全球再分析资料，Olauson（2018）评估了ERA5和MERRA-2这两套资料对欧洲地表风场的再现能力，结果表明ERA5表现总体好于MERRA-2。目前，尚没有利用最新发布的ERA5资料对中国区域近地层风速开展研究的工作。因此，本文将基于台站观测资料，评估ERA5再分析资料对中国区域近地层风场气候特征及其变化趋势的再现能力，同时丰富对中国区域近地层风能资源的认识。
2 资料和方法
ERA5为ECMWF第五代全球大气再分析资料，资料起始时间为1979年，并持续更新至实时5 d 以内，其空间分辨率为31 km（约为0.28°），时间分辨率为逐小时（wf.int/ display/CKB/ERA5%3A+data+documentation [2020-07-15]）。ERA5相对于其他再分析资料提供了100 m风场资料的输出，而这一高度正好是风电塔（风机轮毂）所在高度附近，是风电场最为关注的层次之一，且该高度层受下垫面的影响也相对较小。本文将同步分析并对比ERA5资料10 m和100 m 高度的风速特征（两个高度均处于近地层）。ERA5资料的分析时段为1979～2018年，共40年。春、夏、秋、冬四个季节分别为3～5、6～8、9～11、12月至次年2月。本研究关注中国区域近地层风速的气候特征，
因此首先计算了原始资料每小时10 m和100 m水平风速，再把小时风速资料处理到月平均进行相关的分析，文中的标准偏差（ SD ）反映了近地层风速的年际变化，近地层风速线性趋势的分析均应用了显著性为90%的置信度检验（Student’s t 检验）。
为验证ERA5再分析资料的可信度，本文所用的台站观测为国家气象信息中心提供的中国地面气候资料日值数据集V3.0的日平均风速（a. cn/[2020-07-15]）。由于2018年一些台站数据缺失，因此台站资料的分析时段为1979～2017年，全国共826个站点。ERA5再分析资料也插值到台站进
3 期刘鸿波等：ERA5再分析资料对中国大陆区域近地层风速气候特征及变化趋势再现能力的评估
No. 3LIU Hongbo et al. Evaluation of Near-Surface Wind Speed Climatology and Long-Term Trend over (301)
行相应的对比。
3 结果分析
3.1 近地层风速年—季节—月平均气候特征
图1展示了1979～2017年台站观测及1979～2018年ERA5资料中国区域39（40）年气候平均10 m 和100 m 风速及其年际标准偏差的空间分布。
台站及ERA5资料10 m 年平均风速均集中在1～5 m s –1
，其中大风区（风速大于3 m s –1
）分布在东
刘瑞瑞北三省西部、内蒙古、新疆北部、青海以及西藏中西部，除了内陆成片的风速大值区外，东部沿海地区（30°N 以北）风速也相对较大。相比之下，中国中部、南部地区风速整体偏弱（1～3 m s –1
）。台站观测在中国东部地区一些高山站点风速很高 （大于5 m s –1
）。总体来说，ERA5资料反映的年
图 1 中国区域（a ）1979～2017年平均台站观测地表风速、1979～2018年平均ERA5再分析资料（c ）10 m 风速和100 m 风速及其标准偏差（右列）的空间分布
Fig. 1 Spatial distribution of (a) the annual mean for in situ observed surface wind speed, (b) 10-m wind speed and (c) 100-m wind speed of ERA5reanalysis and their standard deviation (right) over China during 1979–2017 (station)/ 1979–2018 (ERA5 reanalysis)
气 候 与 环 境 研 究
26 卷302
Climatic and Environmental Research Vol. 26
平均10 m 风速分布与台站观测大体一致，在826个观测站点二者气候态的空间相关系数达到0.66 （通过置信度为99%的t 检验）；在新疆南部的塔里木盆地，台站观测的风速较弱（1～2 m s –1
），ERA5资料风速有明显高估（大于3 m s –1
）。此外，ERA5资料具有均一的空间分布，从而较台站观测能够更加完整并细致地刻画100°E 以西地区地面风速的空间特征，如青藏高原中西部的风速大值区。ERA5资料100 m 高度的风速范围在1～8 m s –1
，较10 m 风速普遍偏强，其大风区（风速大于5 m s –1
）的空间分布与10 m 高度风速一致（对比图1c 和1e ）。中国地区近地层风速的气候分布与地形密切相关，青藏高原西部及内蒙古所处的内蒙古高原风速普遍比东部平原地区风速强，四川盆地、青藏高原东南部、东部平原和低海拔地区风速相对弱。台站观测及ERA5资料两个高度层的年平均风速标准偏差量值分布与年平均风速量值的空间分布相似，即风速大的站点/地区其年际变化也相对大。然而，
台站观测的年平均风速标准偏差明显高于ERA5资
料，特别是在中东部地区二者的差异更为明显（对比图1b 和1d ），ERA5资料10 m 年平均风速标准偏差在变化最大的青藏高原西北部地区也只有
0.2～0.4 m s –1
（图1d ）。100 m 高度年平均风速的标准偏差同样显著高于10 m ，在内蒙古东部、新
疆东部及青藏高原西部可达1.4 m s –1
以上，云南地区尽管100 m 风速相对较弱，但其年际变化较大，
风速标准偏差仍可以超过1.0 m s –1
（图1f ）。
台站观测及ERA5资料的10 m 风速都存在明显的季节变化，且ERA5的风速偏强（图2和图3）。以两大风速大值区为例，青藏高原西部冬春两季风速强，夏秋两季风速弱；内蒙古地区四季风速都相对较大，其中春季风速最大，冬、秋两季风速大值区位于内蒙古的东部地区，而夏季位于西部地区。然而，在新疆地区，春、夏两季风速强，秋季次之，冬季最弱，台站和ERA5资料在这一地区比较一致 （尽管ERA5资料新疆南部地区风速较台站观测明
图 2 1979～2017年台站观测风速（a ）冬季（DJF ）、（b ）春季（MAM ）、（c ）夏季（JJA ）、（d ）秋季（SON ）季节平均的空间分布Fig. 2 Spatial distribution of the seasonal mean for in situ observed surface wind speed in (a) winter (DJF), (b) spring (MAM), (c) summer (JJA), and (d) autumn (SON) during 1979–2017
3 期刘鸿波等：ERA5再分析资料对中国大陆区域近地层风速气候特征及变化趋势再现能力的评估
No. 3
LIU Hongbo et al. Evaluation of Near-Surface Wind Speed Climatology and Long-Term Trend over (303)
发布评论