1 引言
推进绿色低碳技术创新、 发展以风能为代表的清洁能源转型是减少碳排放、 实现“碳中和”及2030年风光12×108 kW 装机目标的重要举措。国家能源局（2020）统计结果显示， 截至2019年底， 我国风电累计装机2.1×108 kW， 其中陆上装机2.04×108 kW， 持续位居世界首位。风电的迅速发展也使得大规模风电场建设运行对气候环境的影响受到社会的广泛关注。
早期对风电场气候效应的研究主要采用直接的风电场观测数据及卫星遥感数据。Frandsen et al（2010）利用丹麦一个风电场的观测资料分析表明， 风电场会对下游风速产生明显的削弱作用。Smith et al（2013）收集了美国中西部地区2012年4月4日至5月20日的风机观测资料进行对比研究发现， 风机在不同的距离会对风速、 位温产生不同影响， 夜间和白天的影响程度也有所差别。徐荣会（2014）利用现场观测数据进行研究发现内蒙古地区风电场对风速的影响随着周围环境风速的增大而减小。Walsh-Thomas et al（2012）利用Landsat 5卫星数据通过对1984 -2011年San Gorgonio Pass风电场的温度研究发现， 在风电场下游的不同位置均出现了增温的趋势。Armstrong et al （2016）利用Scotland的Black Law风电场的野外观测数据研究发现， 在夜间风机转动可以使风电场内的气温、 绝对湿度发生变化， 通过昼夜循环增加能见度及土壤表层温度。Zhou et al （2013）利用2003 -2011年得克萨斯州中西部MODIS的地表温度（Land Surface Temperature， LST）数据发现， 风电场会造成夜间地表温度增加0.31~0.70 ℃， 并且在夏季的影响更加明显。夜间大气边界层比白天的稳定且薄， 因此夜间效果更强。Harris et al（2014）利用MODIS的LST卫星数据通过美国爱荷华州5个区域的风场地表温度的变化特征来研究风电场对地表温度的影响。Chang et al （2016）基于MODIS的LST数据对中国西北瓜州地区大型风电场进行研究， 结果表明在2005 -2012年夏季、 秋季和冬季的夜晚有明显的增温趋势， 其中夏季增温最强［0.51 ℃·（8a）-1］， 冬季最弱［0.38 ℃·（8a）-1］， 但在白天没有明显的影响。Xia et al （2016）进一步研究得克萨斯州中西部的风电场地表温度变化发现， 风机引起的湍流相对于背景湍流动能的日变化和季节变化对确定风电场地表温度变化的大小起着至关重要的作用。
由于观测资料在时空代表性方面的局限性， 使得全面科学认识风电场的气候效应研究受到限制。因此， 近年来数值模拟成为风电场气候效应评估的重要手段。早期的数值模拟研究大多通过增加地表动力学粗糙长度的方式对风机气候效应进行数值参数化（Keith et al， 2004； Kirk-Davidoff et al， 2008； Wang and Prinn， 2010）， 模拟结果在一定程度上可以再现地表风速减弱、 表面潜热通量增加、 2 m气温升高等特征。但由于数值模式贴地层的气象条件被直接进行了修改， 相关的陆-气状态参数（如模式最低层高度及热力学粗糙长度等）变化直接依赖于预设的Z0， 而不是对风机发电和叶轮扫风扰动的物理反馈， 造成Z0方案模拟的近地层气象变量的变化幅度与观测结果偏差较大（Fitch， 2015）。
近年来， 在大涡模拟和观测资料分析基础上， Fitch et al（2012， 2013）通过动量汇和湍流源对风机发电和叶轮扫风扰动物理过程进行显式的数值参数化， 为定量开展风电场气候效应的数值模拟工作奠定了基础。Fitch风机模型主要通过风机推力系数（平均风速的函数）对每个格点处风机从大气中提取的动能进行解析计算， 借助水平风速趋势项实现对水平风速、 平均动量和湍流动能（TKE）等物理要素的传递。将Fitch风机模型与MYNN方案结合， 可实现对风电场风场及不同要素的模拟。Fitch et al（2012）利用WRF-Fitch模式研究发现从海上风电场延伸到其60 km下游区域的中性边界层厚度下均有风速衰减现象， 风电场区域内风速衰减最多可达16%。Cervarich et al （2013）使用WRF-Fitch模式模拟了2010年夏季得克萨斯州中西部一处大型风电场边界层条件的变化特征， 结果表明夜间风电场下游区域温度增加， 模拟的地表温度变化相较于MODIS数据观测到的变化小。Xia et al （2017）利用WRF-Fitch模式模拟了美国得克萨斯州中西部的大型风场建立前后的地面温度， 通过对比变化发现在夜间风电场区域的西南和东北部的地表温度略暖， 而风电场区域的地表温度较冷。王姝等（2018）运用WRF-Fitch模型进一步探究了不同大气稳定度下风电场对风速和尾流效应的影响， 结果表明在大气层结很不稳定的情况下， 尾流效应很快在下游被混合消散掉， 下游风速能够尽快恢复； 在大气层结较稳定的情况下， 尾流效应对风速削弱作用更强。Jmangara et al （2019）用WRF-Fitch模式模拟了中国渤海地区沿岸的风电场对气候的影响， 结果表明在风电场下游10 km范围内， 风速减少超过4%； 对于高度为150 m或者在下游25 km的区域， 风速减弱约2%， 这一影响基本可以忽略。可见， WRF-Fitch已成为国内外开展风电场气候效应研究最常用的数值模拟工具， 因此本文也选择使用该工具开展不同下垫面条件下风电场气候效应研究。
上述研究为认识大规模风力发电工程的气候环境效应奠定了良好的基础， 但已有研究均未见针对不同下垫面条件下风电场的气候响应特征的对比分析， 尤其在黄河上游地形复杂且气候敏感区域开展重大风电工程的气候效应研究的工作更少。而第四次全国风能资源详查结果显示， 位于青海湖南部（乌兰茶卡至共和沙珠玉）风资源丰富， 风能技术开发量大（图1 ）， 具备建设百万千瓦级风电场基本条件（中国气象局， 2014）。国家“十四五”规划明确指出“加快发展非化石能源， 坚持集中式和分布式并举， 大力提升风电、 光伏发电规模， 建设一批多能互补的清洁能源基地， 非化石能源占能源消费总量比重提高到20%左右”， 其中黄河上游和几字湾区域为规划中的大型清洁能源基地之一。因此， 综合考虑本研究关注的多种典型下垫面条件的实际需求， 选择以上述风能资源丰富区为中心， 在空间上分别向其南北两侧外延， 形成（98°16′57″E -100°21′42″E， 35°47′27″N -37°27′19″N）的空间范围作为研究区域（图1 ）， 开展不同下垫面条件下风电场运行对局地气候的影响特征数值模拟研究， 以期为未来风能资源高效利用及气候友好型风电场布局规划提供科学支撑。
2 资料来源与方法介绍
2.1 数据资料
用于驱动中尺度数值模式的气象背景场资料来源于美国国家环境预报中心（National Centers for Environmental Prediction， NCEP） FNL再分析资料， 时段为2017年7月1 -31日， 代表典型夏季月份， 时间分辨率为6 h， 空间分辨率为1°×1°。数值模式使用的土壤分类、 土地利用、 地形高度、 土壤湿度、 植被、 反照率等静态数据来自于WRF自带的MODIS卫星遥感数据集。
用于检验数值模式模拟效果的茶卡气象站（98.08°E， 36.78°N）观测数据来自国家气象信息中心建设的全国综合气象信息共享平台（CIMISS）， 包括2017年7月1 -31日逐小时气温、 风速和相对湿度。
2.2 检验及评估方法
利用茶卡气象站观测值与该点模拟值之间的相关系数（R）对WRF模式的模拟效果进行检验。相关系数R是用来反映两组变量之间相关关系密切程度的统计指标。
式中： xs 为模拟值； xo 为观测值。
采用t值来检验风电场引起的气象要素变化的显著程度。每个模拟网格点处均有多组时间序列数值， 分别对应参照试验（ ）、 敏感性试验（ ）。序列 代表敏感性试验与参照试验之间的差值（ ）。t值计算公式如下：
式中： n为样本数， 全样本包含744个值（2017年7月逐小时数据）， 白天或夜间包含124个值［白天： 11:00（北京时， 下同） -14:00； 夜间： 22:00 -01:00］； 代表物理量在时间序列上的平均值； 表示时间序列上物理量的标准差。通过式（2） 计算出来每个格点上的t值与t 0.1对应的值进行比较， 来确定差异置信度为90%的格点。
3 模式设置及模拟效果检验
3.1 WRF模式模拟参数设置
本文使用中尺度WRF模式研究不同下垫面风电场对局地气候的影响。模式采用三层双向嵌套， 模拟中心点位于36.93°N， 98.48°E， 其中d01区域水平分辨率为15 km， 格点数为100×100， d02区域水平分辨率5 km， 格点数109×97， d03区域水平分辨率为1 km， 格点数181×181。d03区域覆盖青海湖西南部的乌兰县茶卡湖与共和县沙珠玉乡， 为本文的研究区（图2 ， 涉及中国国界和行政区划的地图均基于中国科学院资源环境数据云平台2015年中国省级行政边界shape矢量数据绘制， 底图无修改， 数据下载链接为https： //www.resdc.cn/Default.aspx）。模式垂直方向设置30层， 其中1 km以下7层， 风机叶片扫风范围内3层。在研究关注时段内（2017年7月1日00:00至31日18:00）， 以FNL全球再分析资料作为初始场和背景场， 每7天驱动一次WRF模式， 每次连续积分7天， 前一次模拟的最后1天与后一次模拟的第1天重叠； 以每次模拟结果的前24 h作为模式spin-up时间， 保留后6天的模拟结果； 循环运行5次， 即完成整月模拟。
本文数值模拟研究中的微物理过程选择WSM5方案（Hong et al， 2004）、 长波辐射选择RRTM方案（Mlawer et al， 1997）、 短波辐射选择Dudhia方案（Dudhia， 1989）、 近地面过程选择MM5方案（Jimenez et al， 2012）、 陆面过程选择Noah方案（Chen and Dudhia， 2001）、 积云参数化选择Kain-Fritsch方案（Kain et al， 2004）、 边界层过程选择MYNN方案（Nakanishi and Niino， 2006）， 该方案配合Fitch模块进行积分运算。已有研究表明， 上述物理过程参数化方案组合对我国近地层气候特征具有较好的模拟效果（Sun et al， 2018； 王姝等， 2018）。
3.2 WRF数值模拟效果检验
3.3 敏感性数值试验设计
有别于以往研究中选择Fitch模块自带的普适风机类型（轮毂高度75 m， 叶片直径150 m， 额定功率2.0 MW）， 本文敏感性数值试验中针对青海高海拔地形特征， 选择高海拔风机类型（GW150-3.0）。风机基本性能参数为轮毂高度95 m， 叶片直径150 m， 额定功率3.0 MW。该机型对应的推力系数曲线和功率曲线（图4 ）。
从d03区域内7月平均风场和地形分布特征（图5 ）可以看出， 夏季在青海湖西侧的南山和鄂拉山之间的峡谷地区盛行东南风， 风向与山脉走势一致， 风速相较于其他区域偏大。由于夏季湖面和陆地的温度差异， d03区域东北部的青海湖上空存在一个非常稳定的气旋性环流。同时， d03区域西南部为高海拔复杂山地。由此可见， 研究区域范围内存在3种典型的下垫面， 为研究不同下垫面条件下风电场的气候效应提供了较好的基础条件。
图5 d03区域内2017年7月95 m高度平均风速（彩色区， 单位： m·s-1）和风向（矢量）（a）以及d03区域内风机排布位置（实心圆点）及地形高度（彩色区， 单位： m）（b）试验一为黑色圆点， 试验二为蓝色圆点， 试验三为红色圆点 Fig.5 Averaged wind speed （color area， unit： m·s-1） and wind direction （vector） at 95-meter during July 2017 （a）， terrain heights （color area， unit： m） and the location （solid dots） of wind farms will be installed （b）.Black， blue， and red dots represent EXP1， EXP2 and EXP3， respectively |
借助上述独特的地形和气候特征优势， 本文设计了3组敏感性数值试验来研究不同下垫面条件下风电场运行对局地气候的影响。试验一将风机沿着主导风风向排布在峡谷盛行风地区， 共设置2936个风机； 试验二将风机排布在西南部海拔大于4350 m的高海拔山地上， 共设置2951个风机； 试验三将风机排布在东北部的青海湖水体上方， 共设置2995个风机［图5 （b）］。为了更好地展现数值试验中风电场覆盖范围， 图5 （b）中风机点位做了稀疏化处理， 实际试验中相邻风机排布的间隔为1 km， 约为风机叶片直径（150 m）的7倍， 3组试验装机量均为9 GW左右。具体试验设计参数见表1 。
表1 数值试验设计Table 1 Numerical experiment design |
| 试验名称 | 风电场下垫面 | 装机量 | 风机参数化方案 |
|---|---|---|---|
| 参照试验 | 无 | 无 | 无 |
| 试验一 | 平坦峡谷 | 约9 GW（2936台风机） | Fitch风机方案及GW150-3.0风机 |
| 试验二 | 高海拔山地 | 约9 GW（2951台风机） | Fitch风机方案及GW150-3.0风机 |
| 试验三 | 青海湖水体 | 约9 GW（2995台风机） | Fitch风机方案及GW150-3.0风机 |
根据相关资料， 目前研究区域铺设风机约150多台， 主要分布在靠近茶卡湖的山谷地区， 也就是本文平坦峡谷情景下铺设区域内。结合茶卡站观测数据， 7月平均温度（16.49 ℃）高于6月（11.67 ℃）和8月（14.53 ℃）， 平均风速（2.74 m·s-1）低于6月（2.99 m·s-1）和8月（2.88 m·s-1）， 能够更好地表征夏季的气候特点， 因此选择7月为此次模拟夏季的代表月（丁慧， 2011； 董俊玲等， 2011； 李思等， 2020）。需要特别指出的是， 尽管本文关注区域内的夏季平均风速不高， 风资源状况比冬季略差一些， 但根据Fitch模型参数化原理可知， 风机的推力系数和功率曲线直接影响风电场的气候响应程度（Fitch et al， 2012）， 而对照风机的推力系数和功率曲线可见（图4 ）， 平均风速越小， 其对应的推力系数越大， 风机从大气中吸收的动能占比越大， 而此时风转电的能力较弱， 因此， 风电场运行产生的近地层气候响应信号相对较强， 这也与我国瓜州地区大型风电场夏季（环境风速小）气候响应强于冬季（环境风速大）的研究结果一致（Chang et al， 2016）。由此可见， 本研究在平均风速较低（推力系数较大）的情景下， 设计9 GW大型风电场的“理想化”数值试验， 在一定程度上放大了风电场的局地气候响应程度， 突出了不同下垫面风电场气候效应之间的差异； 同时偏保守的评估结果也对气候友好型风力发电工程设计具有一定的支撑。
4 风电场对局地气候的影响分析
4.1 对近地层风速的影响
图6 3组敏感性试验与参照试验轮毂高度（95 m）日平均风速差值（单位： m·s-1）打点区为通过90%显著性检验区域 Fig.6 Daily mean wind speed difference at hub height （95-meter） between different sensitivity experiments and control experiment.Unit： m·s-1.Regions with 90% confidence level of differences calculated based on the contrast experiment t-test in Section 2.1 are highlighted with black dots |
这里分别定义11:00 -14:00、 22:00 -01:00为白天和夜间来研究风电场气候效应的日变化特征。平坦峡谷风电场内白天风速减弱最高达1.0 m·s-1， 约为参照风速的25%； 模拟区域内风速减弱通过显著性检验的格点数为1766个， 约占风机铺设范围的60%； 水平风速在风电场下游约60 km处基本恢复［图7 （a）］。夜间风电场内的风速减弱比白天更显著， 最高达2.4 m·s-1， 超过参照风速的35%； 模拟区域内风速减弱通过显著性检验的格点数明显多于白天， 为3344个， 接近风机铺设范围； 水平风速在风电场下游约100 km处仍未完全恢复（约为参照风速的90%）［图7 （d）］。高海拔山地风电场内白天风速减弱不明显， 减小幅度约为20%； 模拟区域内风速减弱通过显著性检验的格点数较少， 不足风机铺设范围的一半［图7 （b）］。夜间风电场内风速减弱比白天显著， 最高达2.0 m·s-1； 模拟区域内风速减弱通过显著性检验的格点范围与风机铺设范围相当［图7 （e）］。水体条件下的风电场内白天风速减弱最高约30%； 模拟区域内风速减弱通过显著性检验的格点数为2804个［图7 （c）］。夜间风电场内风速明显减弱， 减小幅度超过35%； 模拟区域内风速减弱通过显著性检验的格点数为3266个［图7 （f）］。对比3组试验风速日变化特征来看， 由于模拟区域内夜间风速大于白天， 风电场内风速在夜间的减弱程度更强、 影响空间范围更广。平坦峡谷条件下， 风速响应的日变化最显著， 夜间明显强于白天， 风速减弱最高可达2.4 m·s-1； 水体下垫面条件下次之， 夜间略强于白天， 风速减弱最高可达2.0 m·s-1； 高海拔山地的风速响应日变化最弱。
图7 3组敏感性试验与参照试验白天与夜间轮毂高度（95 m）风速的差值（单位： m·s-1）打点区为通过90%显著性检验区域 Fig.7 Daytime and nighttime mean wind speed difference at hub height （95-meter） between different sensitivity experiments and control experiment.Unit： m·s-1.Regions with 90% confidence level of differences calculated based on the contrast experiment t-test in Section 2.1 are highlighted with black dots |
将图6 风电场内风速变化通过显著性检验的格点范围内的风速进行平均， 得到区域平均及昼夜的风速廓线（图8 ）， 其中实线和虚线分别为参照试验和敏感性实验的平均风廓线。与参照试验相比， 3组敏感性试验的平均风速在垂直高度上均有不同程度的衰减， 风速衰减主要位于风机叶片划过的高度范围内， 其中在轮毂高度95 m处衰减最大（刘磊等， 2012）。从日平均风速来看， 平坦峡谷风电场的风速在轮毂高度处的衰减最明显， 减小了约1.0 m·s-1， 随着高度的升高， 风速衰减程度逐渐减弱， 在600 m高度处风速恢复至原有水平的96%［图8 （a）黑线］； 高海拔山地风电场轮毂高度处风速减小了约0.5 m·s-1， 在600 m高度风速恢复到原有水平［图8 （a）蓝线］； 水体下垫面条件下风速在轮毂高度处减小了约0.7 m·s-1， 在600 m高度风速也恢复到原有水平［图8 （a）红线］。试验一风机分布在峡谷地形中， 背景风速较大， 风速衰减现象更明显。同时， 风电场内风机旋转加强了气流垂直混合， 垂直方向上不同层次的风速差异减小。白天和夜间的平均风速垂直变化特征与上述日平均风速的变化特征类似， 只是夜间平均风速比白天大， 风电场内风速衰减现象更明显［图8 （b）， （c）］。总体而言， 不同下垫面条件下， 风电场风速在垂直高度上的衰减强度不同， 其中平坦峡谷条件下衰减最明显， 影响高度超过600 m； 水体次之， 风速在600 m高度基本恢复； 高海拔山地上的衰减最弱。
图8 3组敏感性试验中典型区域平均的风速垂直变化特征灰色横虚线为风机轮毂高度， 绿色横虚线为风机叶片扫风范围 Fig.8 Vertical mean wind speeds of different sensitivity experiments and control experiment in typical regional.The dashed gray and green line represent the hub height of the wind turbines and range swept by wind turbines blade， respectively |
4.2 对近地层气温的影响
从3组敏感性试验与参照试验地面2 m日平均气温差值分布（图9 ）中可见， 峡谷和水体风电场内近地面气温主要呈现降低特征［图9 （a）， （c）］， 其中平坦峡谷风电场内最大降温幅度为0.25 K， 风电场下游区域出现小范围增温， 最高达0.1 K ［图9 （a）］， 这一特征与Walsh-Thomas et al（2012）和Xia et al（2017）的研究结论一致。高海拔山地条件下的气温变化较弱， 具有区域分散性， 在靠近峡谷的低海拔山地出现弱降温， 而在高海拔山地则呈现高达0.15 K的升温特征， 但上述气温变化均未通过显著性检验［图9 （b）］， 说明高海拔山地区域风电场内2 m气温的影响因素较复杂。水体风电场内呈现较强的局地降温特征， 降温幅度最高达0.3 K， 且通过显著性检验［图9 （c）］。同时， 图9 （c）中可见模拟区域西南部的非风电场区出现明显的增温特征， 最大增温幅度达0.3 K， 这一增温可能与该区域特有的垂直环流特征有关（见后文分析）。总体来看， 3组试验中峡谷和水体下垫面条件下设置的风电场对2 m温度的影响较大， 其中水体下垫面条件下降温最为显著， 最高达0.3 K， 峡谷次之， 最高达0.25 K， 而高海拔山地下垫面条件下2 m气温的变化较分散。
图9 3组敏感性试验与参照试验地面2 m日平均气温差值（单位： K）打点区为通过90%显著性检验区域 Fig.9 Daily mean 2-meter temperature difference between different sensitivity experiments and control experiment.Unit： K.Regions with 90% confidence level of differences calculated based on the contrast experiment t-test in Section 2.1 are highlighted with black dots |
进一步分析3组敏感性试验中2 m气温差值的日变化特征发现（图略）， 峡谷风电场内表现为昼夜一致的降温特征， 且夜间降温幅度强于白天， 最高降温可达0.4 K， 同时风电场下游区域出现增温现象， 与上述日平均气温的变化特征一致； 高海拔山地风电场的夜间降温特征也比白天更明显， 最大降温幅度为0.3 K； 水体条件下风电场内白天2 m气温略有升高， 夜间则降温显著， 降温幅度最高达0.5 K。对比3组敏感性试验2 m气温差值的日变化可见， 水体条件下， 2 m气温差值的日变化最显著， 白天弱增温转变为夜间显著降温， 降温最高可达0.5 K； 平坦峡谷次之， 夜间降温强于白天， 降温最高可达0.4 K； 高海拔山地条件下， 2 m气温差值的日变化不明显。
为了进一步分析造成不同下垫面风电场近地层气温变化差异的原因， 这里选取图9 中气温差异较明显的区域（95%分位数以上）， 绘制上述区域平均的气温垂直变化图（图10 ）。从图10 中可见， 平坦峡谷上空为负温度梯度， 表现为上冷下暖的分布特征。当风机旋转增强大气的垂直运动时， 上层冷空气夹卷至地表层， 使得地面降温 （Roy and Schneider， 2010）。高海拔山地上空虽同为负温度梯度， 但近地面温度变化并不明显， 可能与该地区强烈的垂直运动有关。水体上空为正温度梯度， 由于夏季青海湖是冷源， 大气的温度垂直特征为下冷上暖。白天在正温度梯度下， 风电场内的弱增温与气流下沉增温有关。夜间水体局地降温可能与风机运行造成的蒸发增强有关， 湖面水汽蒸发加速（水汽混合比最大减小幅度为0.12 g·kg-1以上）， 吸收热量， 出现了局地降温特征。综上可见， 3组敏感性试验中2 m气温变化的物理机制不同， 平坦峡谷和高海拔山地风机叶片将上层冷空气携卷到地面造成降温， 水体条件下风机叶片加速湖面水汽蒸发， 造成近地层气温降低。
由水体下垫面条件下2 m气温差值图［图9 （c）］可见， 模拟区域东北部的青海湖和西南部的高海拔山地存在较强的反向温度响应。为了探究这一现象的可能原因， 沿图9 （c）黑线所示位置分别绘制了参照试验和敏感性试验三与参照试验差值的风速垂直剖面图。白天垂直环流变化特征不明显（图略）， 夜间［图11 （a）］近地层6 km的垂直范围内， 在高海拔山地、 平坦峡谷及湖面之间存在明显的垂直环流圈。当风机铺设在青海湖地区时， 风机旋转使得湖区水汽大量蒸发， 吸收热量， 底层气温降低， 水体区域气流的向上运动受到抑制， 向上的动量输送减弱， 6 km高度附近的水平运动减弱， 进而抑制了高海拔山地上空的大气运动［图11 （b）］， 在垂直向上的上升运动减弱， 使得高海拔地区近地面大气增温。
图11 沿图9（c）黑线截面的夜间平均垂直风速（彩色区， 单位： m·s-1）及u、 w合成风（矢量， u和w×100合成风， 单位： m·s-1）垂直剖面Fig.11 Averaged vertical velocity （color area， unit： m·s-1） and the vertical cross-section of the combined wind of u and w in nighttime （vector， combined wind of u and w×100， unit： m·s-1） along the black line in Fig.9（c） |
4.3 对近地面湿度的影响
从3组敏感性试验与参照试验地面2 m水汽混合比差值分布图（图12 ）中可见， 3种不同下垫面条件下的风电场内湿度变化总体不明显， 主要呈现弱的变干特征， 其中平坦峡谷风电场内近6成格点处的湿度减小， 最大减小幅度为0.08 g·kg-1， 变干区域主要位于风电场中心位置及其下游地区［图12 （a）］； 高海拔山地风电场内的湿度变化比较分散， 特征不显著； 水体下垫面条件下的风电场内以弱变干为主， 约占风电场区域格点的78%， 最大减小增幅为0.02 g·kg-1 ［图12 （c）］。进一步分析3组敏感性试验中2 m水汽混合比差值的日变化特征发现（图略）， 峡谷风电场内白天以变干为主， 最大减小幅度为0.12 g·kg-1， 夜间则以增湿为主， 湿度增加的格点约占风电场区域格点的90%， 最高达0.20 g·kg-1； 水体条件下风电场内夜间近地层湿度呈现大范围（近8成格点）减小特征， 减小幅度最高达0.10 g·kg-1。对比3组敏感性试验水汽混合比差值的日变化可见， 平坦峡谷风电场内白天以变干为主， 夜间增湿更明显； 水体下垫面条件下， 夜间以变干为主， 最高可达0.10 g·kg-1。
图12 3组敏感性试验与参照试验地面2 m日平均水汽混合比差值（单位： g·kg-1）Fig.12 Daily mean 2-meter water vapor mixing ratio between different sensitivity experiments and control experiment.Unit： g·kg-1.Regions with 90% confidence level of differences calculated based on the contrast experiment t-test in Section 2.1 are highlighted with black dots |
4.4 对边界层高度的影响
从3组敏感性试验与参照试验对边界层高度（PBLH）差值分布（图13 ）可见， 风电场范围内PBLH均显著升高， 其中平坦峡谷风电场内PBLH增幅最高达60 m［图13 （a）］， 高海拔山地地区风电场内的增幅最高达70 m［图13 （b）］， 水体下垫面条件下风电场内PBLH增幅最显著， 局部超过80 m［图13 （c）］。总体而言， 水体下垫面条件下风电场内边界层高度升高最明显； 高海拔地区次之； 平坦峡谷地区变化最弱。这与以往研究中指出， 风电场主要通过增加粗糙度和风机扰动作用增强边界层内的湍流强度， 从而增强大气边界层内部温度和水汽的混合扩散， 最终使大气边界层高度升高（胡菊， 2012）的结论一致。
图13 3组敏感性试验与参照试验边界层高度差值（单位： m）打点区为通过90%显著性检验区域 Fig.13 Daily mean planetary boundary layer height between different sensitivity experiments and control experiment.Unit： m.Regions with 90% confidence level of differences calculated based on the contrast experiment t-test in Section 2.1 are highlighted with black dots |
5 结论与讨论
在青海湖西南部的乌兰茶卡至共和沙珠玉乡的平坦峡谷、 高海拔山地和水体3种不同下垫面条件下， 分别设计相同装机量的风电场铺设情景， 运用WRF-Fitch模型开展夏季典型月（2017年7月）的敏感性数值试验， 通过对3组敏感性试验与参照试验近地层气象要素差值的统计分析， 探究不同下垫面条件下风电场对局地气候的影响， 发现：
（1） 风电场内轮毂高度处风速减弱， 平坦峡谷下垫面条件下， 风速衰减最强， 水体次之， 高海拔山地最弱。日变化上， 夜间平均风速高于白天， 风速衰减的幅度及范围也强于白天， 平坦峡谷条件下， 风速差值的日变化最显著， 水体次之， 高海拔山地最弱。垂直高度上轮毂高度处的风速衰减最明显， 随着高度升高风速逐渐恢复， 其中高海拔山地和水体条件下， 风速在600 m高度基本完全恢复， 而平坦峡谷条件下， 风速在600 m高度恢复至原水平的96%。
（2） 风电场内2 m气温以降低为主。平坦峡谷下垫面条件下降温明显， 与该地区负的温度梯度有关； 高海拔复杂下垫面条件下， 气温变化不显著， 可能与该地区强烈的垂直运动有关。水体下垫面条件下， 白天呈现弱升温， 可能与气流下沉增温及正温度梯度有关， 而夜间降温显著， 则可能与风机运行造成的蒸发增强有关。
（3） 风电场内2 m比湿变化不明显， 总体以弱降低为主， 其中平坦峡谷风电场内近地层湿度降低的区域主要位于风电场中心位置及其下游区域； 而水体风电场内夜间湿度减小更明显。
（4） 风电场内边界层高度增加， 与风机旋转造成的垂直混合增强有关， 其中水体下垫面条件下风电场内边界层高度升高最明显， 高海拔地区次之， 平坦的峡谷地区最弱。
总体而言， 在理想装机条件下， 背景风速较大的平坦峡谷下垫面条件下， 风电场运行对风速的影响最明显， 水体下垫面条件下， 风电场运行对近地层气温和相对湿度的影响最大， 而高海拔山地条件下， 风电场运行对近地层气象要素的影响最弱， 这不仅与该试验情景下风机排列稀疏有关， 同时也受该地区活跃的气流垂直运动的影响。可见， 在风电场建设中需注意不同下垫面条件的影响， 以便减小风电场运行对局地气候的潜在影响。
需要指出的是， 尽管本文从偏保守的角度评估了3种不同下垫面条件下风电场运行对局地气候的影响， 但其影响幅度及范围也远小于气候的自然变率及其带来的温室气体减排效应。同时， 除了本文讨论的不同下垫面条件下风电场的气候响应特征不同外， 风电场的规模大小、 风机间距和排布规则等也会对局地气候产生不同程度的影响， 这也是值得进一步深入研究的问题之一。