1961 -2021年青海省风光水气候要素和资源时空变化特征

  • 段美霞 ,
  • 高妙妮 ,
  • 姜涵 ,
  • 徐润宏 ,
  • 苏布达 ,
  • 姜彤
展开
  • 1. 南京信息工程大学地理科学学院/灾害风险管理研究院,江苏 南京 210044
    2. 南京信息工程大学气候与环境治理研究院,江苏 南京 210044
    3. 青海师范大学地理科学学院,青海 西宁 810008

段美霞(1999 -), 女, 山东淄博人, 硕士, 主要从事气候变化研究. E-mail:

收稿日期: 2023-08-10

  修回日期: 2024-03-20

  网络出版日期: 2024-03-20

基金资助

青海省科学技术厅青海省重点研发与转化计划项目(2022-SF-173)

Spatiotemporal Change in Climate Variables and Resources of Wind, Solar Radiation and Precipitation in Qinghai Province from 1961 to 2021

  • Meixia DUAN ,
  • Miaoni GAO ,
  • Han JIANG ,
  • Runhong XU ,
  • buda SU ,
  • Tong JIANG
Expand
  • 1. School of Geographical Science/Institute of Disaster Risk Management,Nanjing University of Information Science and Technology,Nanjing 210044,Jiangsu,China
    2. Institute of Climate and Environmental Governance,Nanjing University of Information Science and Technology,Nanjing 210044,Jiangsu,China
    3. School of Geography,Qinghai Normal University,Xining 810008,Qinghai,China

Received date: 2023-08-10

  Revised date: 2024-03-20

  Online published: 2024-03-20

摘要

为系统评估青海省风光水气候要素在清洁能源开发和保障方面的潜力, 本研究基于1961 -2021年青海省境内51个气象站点的逐日10 m高度风速、 日照时数及降水观测资料, 分析了青海全年及四季风、 光、 水气候要素和相关资源的时空变化特征。研究发现: (1)青海省年平均风速、 太阳辐射和降水量分别为2.67 m·s-1、 6084.2 MJ·m-2和299.7 mm。风速总体呈现西部大、 东部小的特点, 青海西部及青海湖环湖等地区风速超过3 m·s-1, 达到风能资源开发标准。全境年太阳辐射均超过5040 MJ·m-2, 达国标“很丰富”等级, 柴达木盆地达“最丰富”等级, 适宜太阳能资源开发。降水量自东南向西北递减。青海省的风、 光、 水资源存在季节互补性, 呈现出“春季风大、 光好、 水少, 夏季风小、 光好、 水丰”的规律。(2)在气候变化背景下, 青海省年平均风速和年总太阳辐射以0.16 m·s-1·(10a)-1和29.04 MJ·m-2·(10a)-1的速率显著降低, 海西西部和中部地区变化幅度最大, 但仍维持在风能和光伏资源开发标准范围内。降水量以8.85 mm·(10a)-1的速率显著增多, 玉树西部、 海西东部等地区增幅最大。春季风速降低最显著, 夏季太阳辐射减小速率最快但降水大幅增加。总云量增多是太阳辐射和降水变化的可能原因。(3)青海风速和太阳辐射达到适宜开发标准的地区受影响较小且极端性减弱, 可保障清洁能源稳定开发。青海西部(如唐古拉山)的风能资源、 柴达木盆地的太阳能资源、 长江、 黄河和澜沧江三大流域的水能资源仍具有较大开发潜力。本研究结果可为发展风光水多能互补清洁能源开发提供理论依据, 助力国家“双碳”目标的实现和青海省高质量发展。

本文引用格式

段美霞 , 高妙妮 , 姜涵 , 徐润宏 , 苏布达 , 姜彤 . 1961 -2021年青海省风光水气候要素和资源时空变化特征[J]. 高原气象, 2024 , 43(6) : 1614 -1629 . DOI: 10.7522/j.issn.1000-0534.2024.00041

Abstract

In order to evaluate the potential of wind, solar radiation and precipitation in guaranteeing the development of clean energy comprehensively, this study analyzed the temporal and spatial changes in climate variables and resources of wind speed, solar radiation and precipitation in Qinghai Province throughout the year and four seasons from 1961 to 2021 based on the observation data of daily 10-meter-height wind speed, sunshine duration and precipitation at 51 meteorological stations.The results are as follows: (1) The annual average wind speed, solar radiation and precipitation in Qinghai Province are 2.67 m·s-1, 6084.2 MJ·m-2, and 299.7 mm, respectively.Wind speed tends to be higher in the western regions and lower in the east, which exceeds 3 m/s and reaches the standard for wind energy resource development in western Qinghai.The annual solar radiation in the entire Province exceeds 5040 MJ·m-2, and reaches the "very rich" level according to China Solar energy GB Standards.The solar radiation of Qaidam Basin is at its highest abundance level, which is ideal for solar energy resource development.Precipitation generally decreases from southeast to northwest.The resources of wind, solar radiation, and precipitation in Qinghai Province exhibits seasonal complementarity, characterized by a pattern of “strong winds, good sunlight, and less water in spring, whereas weak winds, good sunlight, and abundant water in summer”.(2) Under climate change, the annual average wind speed and total solar radiation in Qinghai Province show a significant decrease at rates of 0.16 m·s-1·10a-1and 29.04 MJ·m-2·(10a)-1, respectively.The western and central parts of Haixi are most affected by these changes, but the wind speed and solar radiation still remain within the acceptable range for wind energy and photovoltaic resource development.Meanwhile, precipitation increases significantly at a rate of 8.85 mm·(10a)-1, with the largest increase observed in western Yushu, eastern Haixi and northern Guoluo.The most significant decrease in wind speed is observed in spring, while summer solar radiation decreases at the fastest rate but with a substantial increase in precipitation.The changes in solar radiation and precipitation could be ascribed to the increased cloud cover in this region.(3) The changes in the areas where wind speed and solar radiation meet suitable development standards in Qinghai Province are not significant with reduced variabilities, which could ensure the stable development of clean energy.Wind energy resources in western Qinghai (such as Tanggula Mountains), solar energy resources in the Qaidam Basin, and water energy resources in the three major river basins of the Yangtze River, Yellow River, and Lancang River have great potential for development.Overall, the results provide a theoretical foundation for the development of a balanced clean energy system encompassing wind, solar and hydropower.This contributes to achieving national "dual carbon" goals and enhancing the high-quality development of Qinghai Province.

1 引言

2020年, 中国明确提出“碳达峰”“碳中和”目标。中国共产党第二十次全国代表大会指出以能源绿色低碳发展为关键, 提出着力西部能源开发, 在沙漠、 戈壁、 荒漠地区加快规划建设大型风电光伏基地项目(董丝雨和刘温馨, 2023)。《国民经济和社会发展第十四个五年规划和2035年远景目标纲要草案》指出, “十四五”期间我国将重点建设包括青海省黄河上游在内的九大大型清洁能源基地。2023年4月, 世界气象组织指出, 为将温升控制在1.5 ℃以内, 必须在根本上将能源生产方式从燃烧化石燃料转变为利用风能、 太阳能等可再生能源。青海省具备风光水资源富集的优势, 作为首批3家新型电力系统省级示范区之一, 通过特高压输电线路和储能系统, 青海省可以将其丰富的可再生电力输送到中国中部和东部的电力消费中心, 替代大量当地的化石燃料设施(Tang et al, 2023)。因此, 评估气候变化背景下青海省清洁能源相关的气候要素及资源时空特征, 对加快清洁能源开发利用、 响应国家能源战略、 生态环境保护等方面具有重要意义。
联合国政府间气候变化专门委员会第六次评估报告指出, 2011 -2020年全球平均温度相较于工业化革命前升高了1.09 ℃, 且未来全球气候变化将更加显著, 极端事件发生频率也将增加(IPCC, 2021)。青海省地处青藏高原, 地理位置特殊且地形地貌复杂, 生态环境脆弱, 极易受到气候变化的影响(秦大河和丁永建, 2009陈虹举等, 2021)。过去几十年的观测结果表明, 北半球中高纬度地区的地表风速已经大幅下降, 中国地面风速减弱趋势为0.1~0.28 m·s-1·(10a)-1Han et al, 2016Diao et al, 2020Zhang and Wang, 2020), 北方地区和青藏高原下降幅度最大(Guo et al, 2011Lin et al, 2013You et al, 2014)。同时, 风速的变化趋势也呈现时空分异特征, 例如21世纪前中国西北地区地表风速减小, 随后增大(Ge et al, 2021吴佳等, 2022)。针对青海省, 王慧(2013)利用该地区29个气象站点的逐年和逐月风速资料分析发现1960 - 2010年间其风速呈下降趋势。由此可见, 青海省站点稀疏, 且分布不均匀, 需要采用站点更密集的资料开展风速特征分析, 同时保障风能资源开发所需的风速随时间的波动性特征尚不清楚。
青海省87%以上的区域海拔在3000 m以上, 空气稀薄, 日照时间长, 是我国太阳能资源最丰富的地区之一(王江山和李锡福, 2004)。青海省的光伏产业已经实现了跨越式发展, 国家能源局发布的《2023年上半年光伏发电建设运行情况》显示, 截至2023年6月底, 其光伏发电站累计并网容量位居全国前十, 而发电量受太阳辐射强度变化起伏不定, 其发电量与当地太阳辐射强度和日照时间直接相关(保广裕等, 2017)。已有研究发现, 受气溶胶排放以及化石燃料消耗造成的二氧化硫和碳排放影响, 中国地表太阳辐射呈现动态变化特征, 20世纪60年代、 70年代增多, 80年代、 90年代减少, 1990年发生了趋势转变, 从“变暗”到“变亮”(Liang and Xia, 2005杨溯等, 2013Sweerts et al, 2019)。已有学者指出青海省太阳辐射总体呈下降趋势, 但不同地区和时间段其变化特征差异较大(王振海等, 2015保广裕等, 2017张少婷等, 2017)。然而, 青海省境内地面气象站中仅有个别站点有太阳辐射观测项目(李林等, 2013), 太阳辐射数据较少, 已有的研究或利用较短时间段的少量太阳辐射站点观测资料或直接采用日照时数来衡量太阳辐射变化, 未能全面反映青海全省的太阳辐射及太阳能资源等级现状。
前人研究发现, 水电对气候变化十分敏感, 受河流径流影响较大。青海作为长江、 黄河、 澜沧江的发源地, 其降水量变化将直接影响径流量及水利发电(Berghuijs et al, 2014伍云华, 2017)。例如, Chilkoti et al(2017)发现水电站发电量和降水变化关系密切, 发电站发电量随降水增加而增加。全球变暖背景下, 中国区域季风增强, 地表降水总量显著增加, 尤其是青海、 新疆等地区, 且区域异质性增大(Wu et al, 2016Zhang et al, 2017)。部分研究指出, 青藏高原冬季和夏季降水增加, 春季和秋季减少(Liu et al, 2005Wang et al, 2013)。青海省总降水量自东南向西北递减, 降水总量总体呈增加趋势, 但存在一定的周期性波动, 不同区域周期性表现不同, 且季节性差异较大(李晓英等, 2016Wan et al, 2017刘晓琼等, 2019)。
至2022年底, 青海省风能资源开发主要集中在海西州和海南州, 例如海西柴达木盆地的格尔木、 茫崖及海南的共和县等(王中敏等, 2014)。同时, 在柴达木盆地的德令哈市和共和县的塔拉滩, 已经建立了超大装机容量的光伏发电站, 以开发太阳能资源(叶晨凤等, 2023吴旭力, 2023)。青海境内的长江、 黄河和澜沧江三大流域, 其水资源可利用量占全省总量的89.2%~91%。目前, 河湟地区水资源开发利用率最大, 如西宁市利用率达51.56% 。相比之下, 果洛和玉树等地区的开发利用率最低, 仅有0.12%(伍云华, 2017)。那么, 青海省清洁能源的开发程度和潜力仍需进行系统研究。
综上所述, 前人研究集中关注青海风光水中单一要素的时空变化特征, 由于青海省地形复杂多样, 气象观测站点分布不均匀、 东密西疏, 且其中的太阳辐射观测站点及太阳辐射观测资料稀少, 部分研究使用的站点数量较少, 不能全面反映青海省全境的风光水气候要素变化特征。此外, 气候变化背景下, 涉及绿电开发的青海省风光水资源可开发潜力和可开发区域的变化特征尚不清楚, 资源的季节互补性、 随时间的波动幅度, 以及能源能否持续保障开发等问题尚有待系统研究。因此, 基于青海省境内51个气象站点的观测资料, 本研究拟对青海近60年的风光水气候要素的长期变化特征进行较为系统的分析, 并探讨其与清洁能源开发及保障的关联, 以期为气候变化背景下青海省清洁资源开发利用、 能源保障等方面提供理论依据。

2 数据资料及研究方法

2.1 研究区概况

青海省位于中国西北内陆, 深居欧亚大陆腹地, 界于31°36′N -39°19′N, 89°35′E -103°04′E, 北部和东部同甘肃相接, 西北部与新疆相邻, 南部和西南部与西藏毗连, 东南部与四川接壤, 位于四大地理区划的青藏地区, 地理位置上处于中国地势“三大阶梯”的一级阶梯, 平均海拔4000 m以上。青海省地势总体呈西高东低, 南北高中部低的态势, 地形复杂, 地貌多样。青海省具有显著的高原大陆性气候特征(白大勇等, 2022)。文中涉及地图是基于中华人民共和国自然资源部审图号为GS(2022)1873号的中国地图制作, 底图无修改。

2.2 数据来源

本文采用青海省境内51个气象站点的逐日10 m高度风速、 降水量及日照时数资料, 数据时间范围为 1961年1月1日至2021年12月31日。前人研究指出1970年前后中国风速发生突变, 其可能原因为大规模更换风速表所致(Jiang et al, 2013)。因此, 为避免仪器更换造成的系统误差影响, 本文仅使用了1970年以来青海省的逐日10 m高度风速资料。为分析不同季节青海省风光水气候要素的变化特征, 本研究将一年划分为四季, 包括春季(3 -5月)、 夏季(6 -8月)、 秋季(9 -11月)、 冬季(12月至次年2月)。
为探究青海省太阳辐射和降水量变化的可能原因, 本文使用了美国国家环境预报中心-国家大气研究中心(National Centers for Environmental Prediction-National Center for Atmospheric Research, NCEP-NCAR)发布的NCEP/NCAR再分析资料(1.0), 数据时间范围为1948 -2023年, 空间分辨率为2.5°×2.5°(Kalnay et al, 1996)。本文采用1961 -2021年的逐月总云量数据, 分析了青海省总云量的时空变化特征。

2.3 研究方法

2.3.1 基于日照时数的日总辐射计算模型

青海省地面气象站中仅有个别站点有太阳辐射观测资料, 不足以全面反映全省太阳能资源状况。因此, 为保证数据的一致性, 本研究利用51个站点的日照时数资料, 基于日总辐射模型计算太阳辐射。该模型具有参数容易获得且计算结果准确性较高的优势, 因此被广泛应用于太阳辐射研究中(Ångström, 1929周勇等, 2022)。该模型中的a、 b经验参数采用了《青海省太阳能风能监测评估服务技术》中基于青海省太阳辐射站点观测样本拟合计算出的本地化参数, 模型的拟合效果合理, 可用于估算青海省各地区的日总辐射量(李林等, 2013)。计算模型如式(1)所示,
Q = Q 0 ( a + b s )
式中: Q为太阳总辐射; ab均为经验参数, a=0.25, b=0.5; s为日照百分率, 即实际日照时数与可能最大日照时数的比值。天文辐射日总量Q 0的计算公式为:
Q 0 = T I 0 π ρ 2 ( ω 0 s i n φ s i n δ + c o s φ c o s δ s i n ω 0 )
ρ = 1 1 + 0.033 c o s ( 2 π / 365 )
δ = 0.409 s i n ( 0.0172 J - 1.39 )
ω 0 = a r c c o s ( - t a n δ   t a n φ )
式中: T=86400 s为周期; I 0=13.67×10-4 MJ·m-2·s-1为太阳常数; ρ=14960×104 km为日地相对距离; J为一年内的天数, 从1月1日开始到12月31日结束, 依次从1计数至365或366(闰年); φ为地理纬度; ω 0为日落时角(单位: rad); δ为太阳赤纬(单位: rad)。

2.3.2 太阳能资源等级判断标准

本文根据太阳能气候资源评估方法(GB/T 37526-2019)(全国气候与气候变化标准化技术委员会,2019), 以年太阳总辐射为指标, 判定青海省太阳能资源等级, 其等级划分见表1
表1 太阳能资源(GHR)丰富度等级划分

Table 1 Classification of solar resourceGHRrichness

等级名称 分级阈值/(MJ·m-2
最丰富 GHR≥6300
很丰富 5040≤GHR<6300
丰富 3780≤GHR<5040
一般 GHR<3780

2.3.3 风能资源判断标准

风能的大小取决于风速的大小。为比较各地风能资源, 必须明确风机的启动风速和截止风速。目前国内多采用3~25 m·s-1区间风速计算可利用风能, 作为表示风能潜力的一种指标。根据国内外风能利用经验, 当某地区年平均风速达到3 m·s-1以上, 其风能具有一定开发价值(李林等, 2013)。因此, 本文以年均和季节平均风速超过3 m·s-1为标准, 识别青海省具有风能开发潜力的区域。

2.3.4  Theil-Sen趋势估计与Mann-Kendall非参数检验方法

本研究采用Theil-Sen趋势估计方法估算风光水气候要素全年及四个季节的时间序列变化趋势, 它是一种稳健的非参数统计的趋势计算方法, 其优点为计算效率高, 且对于测量误差和离群数据不敏感, 常被应用于长时间序列数据的趋势分析中(Yue et al, 2002)。
同时, 本研究还采用Mann-Kendall趋势检验方法对Theil-Sen趋势估计方法估算出的风光水气象要素时间变化趋势进行显著性检验(Mann, 1945Kendall, 1957)。该检验方法属于非参数方法, 其优点为不需要样本遵从一定的分布, 也不受少数异常值的干扰, 计算简便。

3 结果分析

3.1 风光水气候要素和资源的空间分布特征和时间变化趋势

本文首先分析了青海省1961 -2021年间风光水气候要素全年及各季节平均的空间分布特征(图1~3)。1970年以来, 青海省年平均风速为2.67 m·s-1, 总体呈现西部大、 东部小的空间分布特征, 大部分地区风速在1~3 m·s-1图1(a)]。玉树和柴达木盆地西部、 唐古拉山及果洛北部等地区风速超过3 m·s-1, 达到风能资源开发标准, 其中玉树西部风速达4 m·s-1及以上, 风能资源最丰富。在四个季节中, 各季节风速空间分布特点与年平均大致相同。其中, 春季风速最大, 大部分地区风速达到可利用标准, 大值区集中在青海西部及中部偏东地区[图1(c)]。如图1(b)~(e)所示, 青海西部和青海湖西北部地区全年风速大小均能达到可利用标准, 可以保障风能资源全年稳定开发。从时间变化上来看, 青海省年平均及各季节平均风速均显著减小, 年平均风速减小速率为0.16 m·s-1·(10a)-1, 春季减小速率最快, 达0.2 m·s-1·(10a)-1图1(f)~(j)]。风速变化趋势的空间分布图表明, 青海省大部分地区全年和各季节平均风速均显著下降, 在气候态上风速较大的青海西部风速减小速率更快, 海西中部及西北部风速减小幅度最大, 超过0.4 m·s-1·(10a)-1图4(a)~(e)]。相较于其他季节, 春季风速减小的空间范围更大。玉树南部小范围区域的风速在冬、夏、秋季三季呈现显著上升趋势。
图1 1970 -2021年青海省年均(a, f)及冬季(b, g)、 春季(c, h)、 夏季(d, i)、 秋季(e, j)平均风速的空间分布(单位: m·s-1)和时间序列及其变化趋势

*表示变化趋势通过95%的信度检验

Fig.1 Spatial distribution and time series of annual (a, f), winter (b, g), spring (c, h), summer (d, i), and autumn (e, j) wind speed (unit: m·s-1) in Qinghai Province from 1970 to 2021.* indicate the results are significant at 95% confidence level

图4 1970 -2021年青海省年均和四季平均风速[a~e, 单位: m·s-1·(10a)-1]、 1961 -2021年全年和四季太阳辐射[f~j, 单位: MJ·m-2·(10a)-1)与降水[k~o, 单位: mm·(10a)-1]的变化趋势空间分布

黑点覆盖区域表示结果通过95%信度检验

Fig.4 Spatial distribution of the trends of annual and seasonal wind speed [a~e, unit: m·s-1·(10a)-1] during 1970 -2021, solar radiation [f~j, unit: MJ·m-2·(10a)-1] and precipitation [k~o, unit: mm·(10a)-1] during 1961 -2021 in Qinghai Province.Black dots indicate the results are significant at 95% confidence level

1961 -2021年, 青海省平均太阳辐射为6084.2 MJ·m-2, 空间上呈现自西北向东南递减的分布特征[图2(a)]。根据国家标准太阳能资源评估方法, 青海全境太阳辐射均超过5040 MJ·m-2, 达“很丰富”等级。海西柴达木盆地太阳辐射最强, 年总太阳辐射超过6300 MJ·m-2, 达“最丰富”等级, 其西北部的冷湖地区年总太阳辐射超6600 MJ·m-2, 有利于光伏能源开发利用。除冬季各地太阳辐射总量相对较低, 且各地区之间差异较小外, 春、 夏、 秋季三个季节太阳辐射空间分布特征与年总太阳辐射值呈现相似的规律[图2(b)~(e)]。青海省太阳辐射主要集中在春夏两季, 最大值出现在夏季, 高值区仍位于柴达木盆地, 其西北部的茫崖、 冷湖等地区太阳能资源非常丰富。自1961年以来, 年总太阳辐射以29.04 MJ·m-2·(10a)-1的速率显著减少。同时, 春、 夏和秋季三季太阳辐射均显著减少, 减少速率分别为4.36 MJ·m-2·(10a)-1、 17.22 MJ·m-2·(10a)-1、 7.87 MJ·m-2·(10a)-1图2(f)~(j)]。如图4(f)~(j)所示, 除唐古拉山和果洛北部地区外, 青海省年总太阳辐射均减少, 太阳辐射最强烈的柴达木盆地也是下降速率最快的地区, 超过50 MJ·m-2·(10a)-1。冬季青海北部地区太阳辐射显著减少, 而西南部地区则显著增加。
图2 1961 -2021年青海省年均(a, f)及冬季(b, g)、 春季(c, h)、 夏季(d, i)、 秋季(e, j)太阳辐射的空间分布(单位: MJ·m-2)和时间序列及其变化趋势

*表示变化趋势通过95%信度检验

Fig.2 Spatial distribution and time series of annual (a, f), winter (b, g), spring (c, h), summer (d, i), and autumn (e, j) solar radiation (unit: MJ·m-2) in Qinghai Province from 1961 to 2021.* indicate the results are significant at 95% confidence level

青海省1961 -2021年年均累计降水量为299.7 mm, 空间分布差异明显, 总体呈现出自东南向西北递减的特点[图3(a)]。其中西宁市、 黄南、 果洛和玉树南部等地区年降水量最多, 达450 mm 及以上。在四个季节中, 冬季降水量最少, 夏季最多, 各季节降水量分布特点与年降水量相似[图3(b)~(e)]。在该时间段内, 青海年降水量以8.85 mm·(10a)-1的速率显著增加, 其中在平均降水量最多的夏季其增速也最快, 达4.01 mm·(10a)-1图3(f)~(j)]。从降水量变化趋势的空间分布可见, 青海大部分地区年及春、 夏季降水量显著增加[图4(k)~(o)]。从年平均值来看, 降水大值区位于青海东部、 东南部, 但降水增加幅度最大的地区位于玉树西部和海西、 海北、 海南、 果洛交界一带, 超过15 mm·(10a)-1
图3 1961 -2021年多青海省年均(a、 f)及冬季(b、 g)、 春季(c、 h)、 夏季(d、 i)、 秋季(e、 j)降水量的空间分布(单位: mm)和时间序列及其变化趋势

*表示变化趋势通过95%信度检验

Fig.3 Spatial distribution and time series of annual (a, f), winter (b, g), spring (c, h), summer (d, i), and autumn (e, j) precipitation (unit: mm) in Qinghai Province from 1961 to 2021.* indicate the results are significant at 95% confidence level

由此可见, 青海省全境太阳能资源丰富, 年总太阳辐射达到国家标准的“很丰富”等级, 其中海西州的柴达木盆地太阳辐射最强, 达“最丰富”等级, 但下降幅度也是最大、 范围最广的。青海西部地区全年风速均达到3 m·s-1开发标准, 可以保证风能资源稳定开发, 但其风速减小幅度也最大。青海省东部至南部, 即长江、 黄河和澜沧江三大流域所在地年降水量最多, 但玉树西部及海西、 海北、 海南、 果洛交界一带降水量增加幅度最大。此外, 如图1~3所示, 在四个季节中, 青海省春季平均风速最大, 风速达到3 m·s-1以上的站点占总站点数的40%左右, 且春季太阳辐射较强, 仅次于夏季。夏季风速达到开发标准的站点数相对较少, 但该季节太阳辐射最强, 青海全境平均太阳辐射均在1700 MJ·m-2以上, 其中柴达木盆地太阳辐射量可达2000 MJ·m-2。同时, 夏季降水量相较于其他季节最多, 大部分地区降水量超过175 mm。因此, 青海省气候要素具有独特的“风-光-水”循环规律, 春季风大、 光好、 水少, 夏季风小、 光好、 水丰, 即风光水资源在不同季节间存在一定互补性, 有利于相关清洁能源互补开发。

3.2 风光水气候要素和资源的年代际变化特征

为进一步研究气候变化背景下风光水气候要素及其相关资源的稳定性, 本文将1961 -2021年划分为1961 -1980年、 1981 -2000年和2001 -2021年三个时间段, 分析了青海省风光水要素和资源的年代际变化特征(图5图6)。由各时间段三个气候要素的概率分布图可知, 青海省平均风速持续减小, 年总太阳辐射先增强后减弱, 年降水量持续增加(图5)。20世纪70年代, 青海省年均风速为3.4 m·s-1, 80、 90年代减小为2.9 m·s-1, 随后在21世纪进一步减小至2.5 m·s-1图6(a)]。春季风速年代际变化则表现为先增大后减小。与之不同的是, 年总太阳辐射由20世纪60、 70年代的6193.6 MJ·m-2略微增加至80、 90年代的6201.5 MJ·m-2, 随后在21世纪大幅下降至6036.1 MJ·m-2图6(b)]。夏季太阳辐射则是先减少后增多。相较于20世纪60、 70年代, 80、 90年代年降水量略有增加, 均值为290 mm, 进入21世纪后大幅增加至325 mm [图6(c)]。夏季降水量则先增加后减少。同时, 通过计算不同时间段内风光水气候要素的方差, 本文进一步发现青海省年平均风速和年总太阳辐射的方差持续减小, 即变率减小, 极端性减弱, 更有利于风光资源开发。然而, 年累计降水量方差持续增大, 即变率增大, 极端性加强。
图5 青海省各时段(1961 -1980年、 1981 -2000年、 2001 -2021年)年均及季节平均风速(a~e)、 累计太阳辐射(f~j)和降水量(k~o)的概率密度函数曲线

Fig.5 The probability density function (PDF) curve of annual and seasonal average wind speed (a~e), cumulative solar radiation (f~j) and precipitation (k~o) during1961 -1980, 1981 -2000 and 2001 -2021 in Qinghai Province

图6 青海省各时段(1961 -1980年、 1981 -2000年、 2001 -2021年)的平均风速(a)、 太阳辐射(b)和降水量(c)及其方差

Fig.6 The average and the variance of wind speed (a), solar radiation (b) and precipitation (c) in Qinghai Province during 1961 -1980, 1981 -2000 and 2001 -2021

为探讨气候变化背景下青海省风光水气候要素相关清洁能源保障情况, 本研究绘制了三个时段各要素平均值的空间分布(图7)。尽管风速不断减小, 但21世纪青海西部大部分地区的年均风速仍能达到开发标准, 而海西南部、 海西西部的茫崖、 果洛北部等地区的平均风速已逐渐低于3 m·s-1图7(c)]。21世纪, 青海全境年总太阳辐射仍大于5040 MJ·m-2, 维持在“很丰富”等级, 柴达木盆地的太阳辐射明显减弱, 但大部分区域仍维持在“最丰富”等级[图7(f)]。青海西南部、 海西东部等地区年降水量增加较为明显[图7(i)]。综合均值和方差的年代际变化特征可见, 气候变化下青海省适宜风能和光能开发的区域受到影响较小, 且风光资源极端性减弱, 仍能维持其稳定开发。前人研究指出, 目前风能开发主要集中在柴达木盆地, 河湟地区水能资源开发利用率最大(王中敏等, 2014伍云华, 2017)。如图7所示, 青海西部风能资源丰富的地区(如唐古拉山)、 青海降水量最多的长江、 黄河和澜沧江三大流域地区, 拥有较大的资源开发潜力, 可进行开发利用。
图7 青海省各时段(1961 -1980年、 1981 -2000年、 2001 -2021年)的平均风速(a~c, 单位: m·s-1)、 太阳辐射(d~f, 单位: MJ·m-2)和降水量(g~i, 单位: mm)空间分布

Fig.7 Spatial distribution of average wind speed (a~c, unit: m·s-1), solar radiation (d~f, unit: MJ·m-2) and precipitation (g~i, unit: mm) in Qinghai Province during 1961 -1980, 1981 -2000 and 2001 -2021

4 讨论和结论

4.1 讨论

为探讨青海省太阳辐射和降水变化的可能原因, 本文进一步分析了青海省云量的变化特征。1961 -2021年, 青海省平均总云量自北向南递增, 海西州云量最小, 导致该地区太阳辐射“很丰富”。海西州(格尔木市代管)、 玉树和果洛南部云量相对较多, 导致降水量较多。同时, 青海省平均总云量以0.24 %·(10a)-1的速率增多, 可能导致了1961年以来该地区太阳辐射减少和降水量增多[图8(a)]。其中, 青海东部及玉树西部部分地区云量显著增多, 造成了海西西部和青海东部等地区太阳辐射的减少以及降水量的增多[图8(b)]。前人研究也指出, 气溶胶排放、 全球变暖引起的大气持水能力增加和气候系统内部变率因子都可能是地表太阳辐射减少或降水量增多的原因(Tang et al, 2011; 刘维成等, 2017; Sweerts et al, 2019)。
图8 1961 -2021年青海省云量时间序列及其变化趋势[单位: %·(10a)-1]时空分布

黑点覆盖区域表示结果通过95%信度检验

Fig.8 Spatial distribution of the trends [unit: %·(10a)-1] and time series of total cloud cover in Qinghai Province from 1961 to 2021.Black dots indicate the results are significant at 95% confidence level

前人研究表明, 风速的变化与海陆和南北热力差异、 大尺度环流变化、 下垫面的改变等存在关联(张爱英等, 2009江滢等, 2018)。Zeng et al (2019)发现海洋/大气振荡是近期陆地风速快速逆转的关键驱动因素。江滢等(2009)指出西伯利亚高压减弱, 海陆温差和气压差减小, 亚洲纬向环流加强、 经向环流指数减弱, 亚洲冬季风和夏季风减弱导致中国平均风速减小。太平洋年代际振荡冷暖位相的转换对风速减弱也有显著影响, 当其由冷位相转向暖位相时, 北太平洋海平面温度降低, 东太平洋和南印度洋海平面温度上升, 进而造成东亚冬季风减弱(卢楚翰等, 2013)。赵宗慈等(2016)发现, 气候系统内部的相互作用和反馈, 是影响中国风速减小趋势的主要原因, 东西方向的海陆气压梯度减弱导致了中国近地面风速减弱, 同时东亚季风和南亚季风减弱也是近地面风速减小的原因。因此, 青海省风速降低、 太阳辐射减少和降水增加的原因值得进一步研究。
在气候变化背景下, 青海省风速和太阳辐射均显著下降, 相应的能源开发可能也会因此受到影响, 本研究发现, 在21世纪, 青海西部适宜开发风能资源的地区, 其风速仍能达到开发标准。青海省全境年总太阳辐射仍能达“很丰富”, 柴达木盆地大部分地区仍能维持“最丰富”等级, 由此可知, 风速和太阳辐射的下降, 可能会对其能源开发产生一定的影响, 但并没有低于开发标准。然而, 风速和太阳辐射的显著下降, 在未来能否持续保障其相关清洁能源开发, 还值得深入研究。
近年来, 极端天气气候事件呈现“多发、 频发、 强发、 并发”的态势, 严重影响了清洁能源的开发和有效利用。针对极端性变化, 前人研究发现, 我国高频次“无风”和“微风”事件在全年均有出现, 在持续4 h无风事件中, 青海大部分地区无风事件发生频次整体较小(小于10次)。高频次“微光”和“少光”事件在青海发生的频次极低, 但在开发太阳能除要考虑经济、 技术因素外, 也要对光伏电站所处地形和当地气候特征进行重点分析(孙景博等, 2023)。本文3.2部分发现风速和太阳辐射的方差减小, 说明其极端性减弱, 而降水与两者相反, 极端降水又是气候变暖最具影响的后果之一(IPCC, 2021), 在此背景下, 大部分陆地地区极端降水发生的频率和强度都呈显著增加趋势(张建云等, 2016Zhang et al, 2021)。由此可见, 未来在气候变化背景下, 风光水气候要素极端性的增强和减弱对清洁能源开发的影响值得进一步研究。

4.2 结论

本研究通过分析1961 -2021年青海省风光水气候要素全年及四季的时空变化特征, 探讨了风光水气候要素时空变化特征及相关清洁能源开发和保障问题, 得出以下主要结论:
(1) 青海省年平均风速、 太阳辐射和降水量分别为2.67 m·s-1、 6084.2 MJ·m-2、 299.7 mm。风速总体呈现西部大、 东部小的特点。青海西部及青海湖环湖地区风速超过3 m·s-1, 达到风能资源开发标准。年太阳辐射总体自东南向西北递增, 全境年太阳辐射均超过5040 MJ·m-2, 达“很丰富”等级, 柴达木盆地达“最丰富”等级, 适宜太阳能资源开发。降水量则自东南向西北递减, 长江、 黄河和澜沧江三大流域地区年降水量最多。其中, 春季风速条件最好, 夏季太阳能资源最优、 降水量最丰富, 风、 光、 水资源存在季节互补性, 呈现出“春季风大、 光好、 水少, 夏季风小、 光好、 水丰”的规律。
(2) 在气候变化背景下, 青海省风速和太阳辐射分别以0.16 m·s-1·(10a)-1和29.04 MJ·m-2·(10a)-1的速率显著降低, 海西西部和中部下降幅度最大, 但仍维持在风能和光伏资源开发标准范围内。降水量以8.85 mm·(10a)-1的速率显著增多, 玉树西部、 海西东部及果洛北部增幅最大。其中, 春季风速下降最为显著, 夏季太阳辐射降低速率最快但降水大幅增加。1961 -2021年, 青海省平均总云量呈弱增长趋势, 其中青海东部和玉树西部部分地区的云量显著增多, 可能导致了1961年以来该地区太阳辐射减少和降水量增多。
(3) 从年代际变化角度, 青海省风速持续减小, 太阳辐射呈现“少-多-少”的波动变化特征, 而降水量持续增加。青海省风速和太阳辐射达到开发标准的地区受其变化的影响较小且极端性减弱, 可保障清洁能源稳定开发。青海西部地区(如唐古拉山)的风能资源、 柴达木盆地的太阳能资源及长江、 黄河和澜沧江三大流域地区的水能资源仍具有较大开发潜力。

参考文献

null
?ngstr?m, 1929.On the atmospheric transmission of sun radiation and on dust in the air[J].Geografiska Annaler11(2): 156-166.DOI: 10.1080/20014422.1929.11880498 .
null
Berghuijs W R Woods R A Hrachowitz M2014.A precipitation shift from snow towards rain leads to a decrease in streamflow[J].Nature Climate Change4(7): 583-586.DOI: 10.1038/nclimate2246 .
null
Chilkoti V Bolisetti T Balachandar R2017.Climate change impact assessment on hydropower generation using multi-model climate ensemble[J].Renewable Energy, 109: 510-517.DOI: 10.1016/j.renene.2017.02.041 .
null
Diao W J Zhao Y Dong Y Y, et al, 2020.Spatiotemporal variability of surface wind speed during 1961-2017 in the Jing-jin-ji region, China[J].Journal of Meteorological Research34(3): 621-632.DOI: 10.1007/s13351-020-9119-5 .
null
Ge J Feng D P You Q L, et al, 2021.Characteristics and causes of surface wind speed variations in Northwest China from 1979 to 2019[J].Atmospheric Research, 254: 105527.DOI: 10.1007/s00704-019-02824-w .
null
Guo H Xu M Hu Q2011.Changes in near‐surface wind speed in China: 1969-2005[J].International Journal of Climatology31(3): 349-358.DOI: 10.1016/j.agrformet.2018.03.002 .
null
Han S J Tang Q H Zhang X Z, et al, 2016.Surface wind observations affected by agricultural development over Northwest China[J].Environmental Research Letters11(5): 054014.DOI: 10. 1155/2014/410198 .
null
IPCC, 2021.Summary for policymakers.In climate change 2021: The physical science basis.contribution of working group i to the sixth assessment report of the intergovernmental panel on climate change[M].Cambridge and New York: Cambridge University Press, 1-41.DOI: 10.1038/446727a .
null
Jiang C Wang F Liu Y X, et al, 2013.Spatial-temporal variation and mutation of wind speed in the northern and southern regions of the Qinling Mountains[J].Scientia Geographica Sinica, 33: 244-250.
null
Kalnay E Kanamitsu M Kistler R, et al, 1996.The NCEP/NCAR 40-year reanalysis project[J].Bulletin of the American Meteorological Society77 (3): 437-472.
null
Kendall M G1957.Rank correlation methods[J].Biometrika44(1/2): 298.DOI: 10.2307/2333282 .
null
Liang F Xia X A2005.Long-term trends in solar radiation and the associated climatic factors over China for 1961-2000[C].Annales Geophysicae.G?ttingen, Germany: Copernicus Publications, 23(7): 2425-2432.DOI: 10.5194/angeo-23-2425-2005 .
null
Lin C G Yang K Qin J, et al, 2013.Observed coherent trends of surface and upper-air wind speed over China since 1960[J].Journal of Climate26(9): 2891-2903.DOI: 10.1175/JCLI-D-12-00093.1 .
null
Liu B Xu M Henderson M, et al, 2005.Observed trends of precipitation amount, frequency, and intensity in China, 1960-2000[J].Journal of Geophysical Research: Atmospheres, 110: D08103.DOI: 10.1029/2004JD004864 .
null
Mann H B1945.Nonparametric tests against trend[J].Econometrica: Journal of the Econometric Society, 245-259.DOI: 10.2307/1907187 .
null
Sweerts B Pfenninger S Yang S, et al, 2019.Estimation of losses in solar energy production from air pollution in China since 1960 using surface radiation data[J].Nature Energy4(8): 657-663.DOI: 10.1038/s41560-019-0412-4 .
null
Tang W J Xu S Zhou X, et al, 2023.Meeting China’s electricity demand with renewable energy over Tibetan Plateau[J].Science Bulletin68(1): 39-42.DOI: 10.1016/j.rser.2010.11.00 .
null
Tang W J Yang K Qin J, et al, 2011.Solar radiation trend across China in recent decades: a revisit with quality-controlled data[J].Atmospheric Chemistry and Physics11(1): 393-406.DOI: 10.5194/acpd-10-18389-2010 .
null
Wan G N Yang M X Liu Z C, et al, 2017.The precipitation variations in the Qinghai-Xizang (Tibetan) Plateau during 1961-2015[J].Atmosphere8(5): 80.DOI: 10.3390/atmos8050080 .
null
Wang W G Shao Q X Yang T, et al, 2013.Changes in daily temperature and precipitation extremes in the Yellow River Basin, China[J].Stochastic Environmental Research and Risk Assessment, 27: 401-421.DOI: 10.1007/s00477-012-0615-8 .
null
Wu Y J Wu S Y Wen J H, et al, 2016.Changing characteristics of precipitation in China during 1960-2012[J].International Journal of Climatology36(3): 1387-1402.DOI: 10.1002/joc.4432 .
null
You Q L Fraedrich K Min J Z, et al, 2014.Observed surface wind speed in the Tibetan Plateau since 1980 and its physical causes[J].International Journal of Climatology34(6): 1873-1882.DOI: 10.1002/joc.3807 .
null
Yue S Pilon P Cavadias G2002.Power of the Mann-Kendall and Spearman's rho tests for detecting monotonic trends in hydrological series[J].Journal of Hydrology259(1/4): 254-271.DOI: 10.1016/S0022-1694(01)00594-7 .
null
Zeng Z Ziegler A D Searchinger T, et al, 2019.A reversal in global terrestrial stilling and its implications for wind energy production[J].Nature Climate Change9(12): 979-985.
null
Zhang Q H Ni X Zhang F Q2017.Decreasing trend in severe weather occurrence over China during the past 50 years[J].Scientific Reports7(1): 42310.DOI: 10.1038/srep42310 .
null
Zhang W X Furtado K Wu P L, et al, 2021.Increasing precipitation variability on daily-to-multiyear time scales in a warmer world[J].Science Advances7(31): eabf8021.DOI: 10.1126/sciadv.abf8021 .
null
Zhang Z T Wang K C2020.Stilling and recovery of the surface wind speed based on observation, reanalysis, and geostrophic wind theory over China from 1960 to 2017[J].Journal of Climate33(10): 3989-4008.DOI: 10.1175/JCLI-D-19-0281.1 .
null
白大勇, 曹矞, 张勇, 2022. 近 60年青海省极端降水时空分布特征分析[J].人民长江, 53(10): 59-64.DOI: 10.16232/j.cnki.1001-4179.2022.10.009.Bai D Y
null
Cao Y Zhang Y2022.Improvement of urban drainage capacity based on combined regulation of LID and pumping operations[J].Yangtze River53(10): 59-64.DOI: 10.16232/j.cnki.1001-4179.2022.10.009 .
null
保广裕, 张静, 周丹, 等, 2017.青海省太阳辐射强度时空变化特征分析[J].冰川冻土39(3): 563-571.DOI: 10.7522/j.issn.1000-0240.2017.0063.Bao G Y
null
Zhang J Zhou D, et al, 2017.Analysis of the spatiotemporal characteristics of solar radiation intensity in Qinghai Province[J].Journal of Glaciology and Geocryology39(3): 563-571.DOI: 10.7522/j.issn.1000-0240.2017.0063 .
null
陈虹举, 杨建平, 丁永建, 等, 2021.多模式产品对青藏高原极端气候模拟能力评估[J].高原气象40(5): 977-990.DOI: 10.7522/j.issn.1000-0534.2020.00104.DOI: 10.7522/j.issn.1000-0534.2020.00104.Chen H J
null
Yang J P Ding Y J, et al, 2021.Evaluation of extreme weather indices over Qinghai-Xizang Plateau in NEX-GDDP[J].Plateau Meteorology40(5): 977-990.DOI: 10.7522/j.issn.1000-0534.2020.00104 .
null
董丝雨, 刘温馨, 2023.贯彻新发展理念助力碳达峰碳中和[N].人民日报, 04-11(010).
null
Dong S Y Liu W X2023.Implement new development concepts to help reach carbon peak and become carbon neutral[N].People's Daily, 04-11(010).
null
江滢, 徐希燕, 刘汉武, 等, 2018.CMIP5 和 CMIP3 对未来中国近地层风速变化的预估[J].气象与环境学报34(6): 56-63.
null
Jiang Y Xu X Y Liu H W, et al, 2018.Projection of surface wind by CMIP5 and CMIP3 in China in the 21st century[J].Journal of Meteorology and Environment34(6): 56-63.
null
江滢, 罗勇, 赵宗慈, 2009.中国及世界风资源变化研究进展[J].科技导报27(13): 96-104.
null
Jiang Y Luo Y Zhao Z C2009.Review of research on wind resources changes in China and in the world[J].Science & Technology Review27(13): 96-104.
null
李林, 汪青春, 时兴合, 2013.青海省太阳能风能监测评估服务技术[M].北京: 气象出版社.Li L, Wang Q C, Shi X H, 2013.Qinghai Province solar and wind energy monitoring and assessment service technology[M].Beijing: Meteorological Press.
null
李晓英, 姚正毅, 肖建华, 等, 2016.1961-2010年青藏高原降水时空变化特征分析[J].冰川冻土38(5): 1233-1240.DOI: 10.7522/j.issn.1000-0240.2016.0144.Li X Y
null
Yao Z Y Xiao J H, et al, 2016.Analysis of the spatial-temporal variation characteristics of precipitation over the Tibetan Plateau from 1961 through 2010[J].Journal of Glaciology and Geocryology38( 5): 1233-1240.DOI: 10.7522/j.issn.1000-0240.2016.0144 .
null
刘维成, 张强, 傅朝, 2017. 近 55 年来中国西北地区降水变化特征及影响因素分析[J].高原气象, 36(6): 1533-1545.DOI: 10.7522/j.issn.1000-0534.2017.00081.Liu W C
null
Zhang Q Fu Z2017.Variation characteristics of precipitation and its affecting factors in Northwest China over the past 55 Years[J].Plateau Meteorology36( 6): 1533-1545.DOI: 10.7522 /j.issn.1000-0534.2017.00081.
null
刘晓琼, 吴泽洲, 刘彦随, 等, 2019.1960-2015年青海三江源地区降水时空特征[J].地理学报74(9): 1803-1820.
null
Liu X Q Wu Z Z Liu Y S, et al, 2019.Temporal and spatial characteristics of precipitation in the source area of Three Rivers in Qinghai Province from 1960 to 2015[J].Acta Geographica Sinica74(9): 1803-1820.
null
卢楚翰, 管兆勇, 李永华, 等, 2013.太平洋年代际振荡与南北半球际大气质量振荡及东亚季风的联系[J].地球物理学报56(4): 1084-1094.DOI: 10.6038/cjg201300404.Lu C H
null
Guan Z Y Li Y H, et al, 2013.Interdecadal linkages between Pacific decadal oscillation and interhemispheric air mass oscillation and their possible connections with East Asian Monsoon[J].Chinese Journal of Geophysics.56(4): 1084-1094.DOI: 10.6038/cjg201300404 .
null
秦大河, 丁永建, 2009.冰冻圈变化及其影响研究现状, 趋势及关键问题[J].气候变化研究进展5(4): 187-195.DOI: 10. 3969/j.issn.1673-1719.2009.04.001.Qin D H
null
Ding Y J2009.Cryospheric changes and their impacts: present, trends and key issues[J].Advances in Climate Change Research5(4): 187-195.DOI: 10.3969/j.issn.1673-1719.2009.04.001 .
null
全国气候与气候变化标准化技术委员会, 风能太阳能气候资源分技术委员会(SAC/TC 540/ SC 2), 2019.GB/T 37526-2019太阳能资源评估方法[S].北京: 中国标准出版社.National Climate and Climate Change Standardization Technical Committee, Wind Energy and Solar Energy Climate Resources Sub-Technical Committee (SAC/TC 540/SC 2), 2019.
null
GB/T 37526-2019 Solar energy resource assessment method [S].Beijing: China Standard Press.
null
孙景博, 王阳, 杨晓帆, 等, 2023.中国风光资源气候风险时空变化特征分析[J].中国电力56(5): 1-10.
null
Sun J B Wang Y Yang X F, et al, 2023.Analysis of spatial and temporal variation character of climate risks of wind and solar resources in China[J].Electric Power56(5): 1-10.
null
王慧, 2013.近50年青海省风速的变化特征分析[J].科技资讯(1): 130-131.DOI: 10.16661/j.cnki.1672-3791.2013.01.197. Wang H , 2013.Analysis of the changing characteristics of wind speed in Qinghai Province in the past 50 years[J].Science and Technology Information (1): 130-131.DOI: 10.16661/j.cnki.1672-3791.2013.01.197 .
null
王江山, 李锡福, 2004.青海天气气候[M].北京: 气象出版社.Wang J S, Li X F, 2004.Qinghai weather and climate[M].Beijing: Meteorological Press.
null
王振海, 黄志凤, 陈艳, 等, 2015.1961-2010年青海玉树地区太阳总辐射的长期变化研究[J].冰川冻土37(3): 692-700.DOI: 10.7522 /j.issn.1000-0240.2015.0078.Wang Z H
null
Huang Z F Chen Y, et al, 2015.Research on variation of solar radiation over Yushu region of Qinghai Province from 1961 to 2010[J].Journal of Glaciology and Geocryology37(3): 692-700.DOI: 10.7522 /j.issn.1000-0240.2015.0078 .
null
王中敏, 雷国波, 杨艳, 2014.浅谈风力发电在青海的发展前景[J].科技创新与应用4(12): 131.
null
Wang Z M Lei G B Yang Y2014.A brief discussion on the development prospects of wind power generation in Qinghai[J].Science and Technology Innovation and Application4(12): 131.
null
吴佳, 吴婕, 闫宇平, 2022.1961-2020年青藏高原地表风速变化及动力降尺度模拟评估[J].高原气象41(4): 963-976.DOI: 10.7522/j.issn.1000-0534.2022.00065.Wu J
null
Wu J Yan Y P2022.Changes of surface wind speed over Qinghai-Xizang Plateau from 1961 to 2020 and evaluation of the dynamical downscaling simulations[J].Plateau Meteorology41(4): 963-976.DOI: 10.7522/j.issn.1000- 0534.2022.00065 .
null
吴旭力, 2023.“双碳”目标下青海风光电发展研究[J].中国国情国力32(1): 16-23.
null
Wu X L2023.Research on Qinghai wind and photovoltaic development under the “dual carbon” goal[J].China’s National Conditions and Strength32(1): 16-23.
null
伍云华, 2017.青海省水资源现状评价及对策建议[J].水利规划与设计30(9): 35-36+54.DOI: 10.3969/j.issn.1672-2469. 2017.09.011.Wu Y H , 2017.Assessment of the current status of water resources in Qinghai Province and countermeasures and suggestions [J].Water Conservancy Planning and Design, 30(9): 35-36+54.DOI: 10.3969/j.issn.1672-2469.2017.09.011 .
null
杨溯, 石广玉, 王标, 等, 2013.1961~2009年我国地面太阳辐射变化特征及云对其影响的研究[J].大气科学37(5): 963-970.
null
Yang Su Shi Guangyu Wang Biao, et al, 2013.Trends in Surface Solar Radiation (SSR) and the effect of clouds on SSR during 1961-2009 in China[J].Chinese Journal of Atmospheric Sciences37 (5): 963-970.
null
叶晨凤, 冯旭, 钟荣林, 2023.基于光伏发电的开发价值研究——以青海塔拉滩光伏发电站为例[J].产业创新研究7(8): 95-97.
null
Ye C F Feng X Zhong R L2023.Research on the development value of photovoltaic power generation-taking Qinghai Talatan Photovoltaic Power Station as an example [J].Industrial Innovation Research7(8): 95-97.
null
张爱英, 任国玉, 郭军, 等, 2009.近30 年我国高空风速变化趋势分析[J].高原气象28(3): 680-687.
null
Zhang A Y Ren G Y Guo J, et al, 2009.Analysis of the changing trend of high-altitude wind speed in my country in the past 30 years [J].Plateau Meteorology28(3): 680-687.
null
张建云, 王银堂, 贺瑞敏, 等, 2016.中国城市洪涝问题及成因分析[J].水科学进展27(4): 485-491.DOI: 10.14042/j.cnki.32.1309.2016.04.001.Zhang J Y
null
Wang Y T He R M, et al, 2016.Analysis of urban flood problems and causes in China [J].Progress in Water Science27(4): 485-491.DOI: 10.14042/j.cnki.32.1309.2016.04.001 .
null
张少婷, 肖国杰, 范广洲, 等, 2017.青海省日照时数的时空变化特征分析[J].干旱区资源与环境31(1): 121-126.DOI: 10.13448/j.cnki.jalre.2017.020.Zhang S T
null
Xiao G J Fan G Z, et al, 2017.Spatial and temporal variation characteristics of sunshine duration in Qinghai Province[J].Arid Zone Resources and Environment31(1): 121-126.DOI: 10.13448/j.cnki.jalre.2017.020 .
null
赵宗慈, 罗勇, 江滢, 等, 2016.近50 年中国风速减小的可能原因[J].气象科技进展6( 3): 106-109.
null
Zhao Z C Luo Y Jiang Y, et al, 2016.Possible reasons for the decrease in wind speed in China in the past 50 years[J].Progress in Meteorological Science and Technology6(3): 106-109.
null
周勇, 刘艳峰, 王登甲, 等, 2022.中国不同气候区日总太阳辐射计算模型适用性分析及通用计算模型优化[J].太阳能学报43(9): 1-7.DOI: 10.19912/j.0254-0096.tynxb.2021-0217.Zhou Y
null
Liu Y F Wang D J, et al, 2022.Applicability analysis of daily total solar radiation calculation models in different climate zones in China and optimization of general calculation models [J].Journal of Solar Energy43(9): 1-7.DOI: 10.19912/j.0254-0096.tynxb.2021-0217 .
文章导航

/