2018, Vol. 37
中国国家能源局发布的《2015年风电产业发展情况》报告显示我国2015年全年风电新增装机容量3 297万千瓦, 新增装机容量再创历史新高, 累计并网装机容量达到1.29亿千瓦, 占全部发电装机容量的8.6%。数据显示我国风电装机逐年增加, 风电开发已经从地形平坦地区转向了地形相对复杂地区。风电开发的前提条件是精准的风能资源评估结果, 风能资源评估结果为风电开发规划和宏观选址提供依据。目前主要采用数值模拟手段提供区域风能资源的评估结果, 龚强等(2006)采用中尺度气象模式PSU/NCAR mesoscale model(MM5)模拟得到辽宁沿海10 km分辨率的风能资源分布图; 李艳等(2007)采用MM5模式模拟得到复杂地形地貌下的岛屿水平分辨率200 m的风能分布; 周荣卫等(2010a, 2010b)采用MM5模式和微尺度气象模块Calmet模拟得到甘肃酒泉以及我国沿海水平分辨率1 km风能资源图谱; 辛瑜等(2010)采用MM5模式针对新疆达坂城—小草湖地区风场进行水平分辨率3 km和1 km的对比实验; 张小培等(2013)采用WRF模式水平分辨率1 km对复杂地形下四种边界层参数化方案对地面风速的模拟效果进行对比分析; Zhang et al(2013)研究分析了WRF模式在复杂地形下风场模拟的误差, 指出复杂地形下风场模拟变得更加复杂; Jimenez et al(2012, 2013)认为复杂地形会强烈改变天气尺度环流, 使得近地面气流产生高空间变化, 研究了复杂地形下水平分辨率2 km的WRF模式对地面风速和风向的模拟能力; 还有不少学者运用WRF模式对复杂地形地貌条件下的气象条件进行了数值模拟研究分析(王田田等, 2016; 王丽霞等, 2017; 李斐等, 2017; 孙学金等, 2017)。此外, 还有学者运用观测资料研究复杂地形风场特征(董保举等, 2016; 李晓霞等, 2017)。
为了提高模式的模拟能力, Stuffer et al(1990)采用牛顿张弛逼近法nudging的四维资料同化方法FDDA(Four Dimension Data Assimilation)为模式提供动力连续的数据集作为模式初始条件。常用的nudging方法有两种:格点分析场的nudging和站点nudging(张爱忠等, 2005)。Liu et al(2006)采用基于FDDA的数值预报系统降低了地面风速的预报偏差; Gryning et al(2013)基于WRF模式研究了nudging方法对于边界层风廓线的效果, 指出nudging方法提高了模拟风速与实测之间的相关性, 降低了模拟风速的均方根误差, 模拟风速的威布尔分布参数也与实测更为接近; Lo et al(2008)以及Bullock et al(2014)采用WRF模式及nudging方法研究动力气候降尺度对于地面风速模拟效果的改进, 另外, 还有学者采用nudging方法同化卫星资料或常规气象观测资料提高模式对台风的模拟能力(黄嘉宏等, 2006; Li et al, 2015)。
采用nudging方法同化气象观测网逐时地面和探空常规观测数据, 针对哈密地区复杂地形条件下进行中尺度气象模式WRF水平分辨率为1 km的数值模拟计算, 对比分析nudging资料同化方法对复杂地形下近地面风场的模拟效果, 并分析复杂地形下高分辨率风场数值模拟结果及风场特征。
2 数值模拟设置及资料介绍采用中尺度气象模式WRF V3.6针对新疆哈密地区进行四重嵌套的模拟(图 1), 水平分辨率分别为27, 9, 3和1 km, 四重嵌套水平网格点数分别为91×121, 121×151, 211×241和451×511, 垂直高度为49层。模式最内重嵌套采用美国国家航空航天局航天飞机雷达地形测绘计划NASA Shuttle Radar Topographic Mission 3″(SRTM3)水平分辨率3″(约100 m)的地形资料, 其余三个嵌套均采用美国地质勘探局United States Geological Survey(USGS)水平分辨率30″(约1 km)地形数据。模式最内重嵌套内地形相当复杂, 地形高度范围为40~4 876 m, 地形高差接近5 000 m。模式采用美国国家环境预报中心National Center for Environment Prediction(NCEP)水平分辨率1°×1°的再分析资料为初始和边界条件。模式物理过程参数化设置为微物理过程采用Ferrier (new Eta) microphysics方案, 长波辐射采用Rapid Radiative Transfer Model(RRTM)方案, 短波辐射采用Dudhia方案, 近地层过程采用Monin-Obukhov方案, 陆面过程采用Unified Noah land-surface model方案, 边界层过程采用Yonsei University(YSU)方案。
|
图 1 模式四重嵌套和气象站位置(a)及最内重嵌套地形(b)示意图 Figure 1 Weather stations in 4 domains (a) and terrain height of the inner domain (b) |
WRF模式模拟计算以00:00(北京时, 下同)23:50一天为一个算例, 模式启动时间从前一天08:00启动, 共计算40 h, 分析取当天00:0023:50的模拟结果, 输出结果时间间隔为10 min。模式计算时间为2011年7月和10月、2012年1月和4月。为了验证nudging同化常规地面和探空观测资料对复杂地形下风场模拟的效果, 所有算例均进行不采用nudging方法(sim01)和采用nudging方法(sim02)的模拟计算。
采用格点nudging和站点nudging的资料同化方法, 采用格点nudging方法更新基于NCEP再分析资料的模式初始和边界条件, 同时采用站点nudging方法在模拟计算过程实时逼近观测值。同化的资料为模式第一重模拟区域内地面和探空常规观测资料, 涉及到的气象站位置示意图(图 1)。地面观测资料时间间隔为1 h, 观测要素为气温、露点温度、气压、风速和风向, 探空观测资料每天两次, 时间分别为08:00和20:00, 探空资料观测要素为特定等压面层上的位势高度、气温、露点温度、风速和风向, 特定等压面层为1 000, 925, 850, 700, 500, 400, 300, 250, 200, 150和100 hPa。
采用模式水平分辨率1 km模拟范围内的测风塔(图 2)观测资料对风速风向的模拟结果进行对比分析, 测风塔观测高度为10, 30, 50和70 m, 观测资料记录的时间间隔为10 min。
|
图 2 测风塔70 m高度处风玫瑰对比 Figure 2 Verification results of wind rose at 70 meters height |
为了验证nudging同化常规地面和探空观测资料对复杂地形下近地层风速的模拟效果, 选取同化常规观测资料前后水平分辨率1 km的模拟结果进行对比分析。
3.1 平均结果对比分析表 1为测风塔不同高度处同化常规观测资料前后风速模拟结果的绝对误差对比, 其中, 测风塔处的绝对误差值为逐日模拟平均风速的绝对误差取绝对值后的平均, sim01代表未采用nudging方法的模拟结果, sim02代表采用nudging方法的模拟结果。从表 1中可以看出, 总体来讲, 同化观测资料后测风塔处模拟风速的绝对误差均有所降低, 且随高度增加效果改进更明显, 10 m高度处绝对误差平均减少0.08 m·s-1, 70 m高度处平均减少0.25 m·s-1; 其中HM01和HM03处模拟效果改进程度与平均结果相似, HM02和HM03在10 m高度同化后绝对误差偏高0.03 m·s-1和0.06 m·s-1, 其余高度均有不同程度的降低; 70 m高度处, 同化资料后风速绝对误差改进最大的为HM06的0.37 m·s-1, 最低的为HM04的0.14 m·s-1, 其余测风塔基本上在0.2 m·s-1以上; 同化资料后, 测风塔不同高度处平均绝对误差分别为0.27, 0.33, 0.37和0.40 m·s-1, 70 m高度绝对误差为0.25~0.73 m·s-1。同化常规地面和探空观测资料可以提高复杂地形下数值模拟精度, 不仅降低地面风速的模拟误差, 同时提高了风能开发利用高度处风速的模拟效果。
|
表 1 测风塔处风速模拟结果绝对误差对比 Table 1 Verification results of simulation wind speed at mast |
图 2为HM01、HM04和HM05测风塔70 m高度处风玫瑰模拟结果的对比结果。从图 2中可以看出, 测风塔HM01位于高大山脊的南侧, 盆地北侧位置, 但山脊在测风塔HM01附近有一南北向垭口, 因而使得HM01处风向都是偏北风, 实测结果显示主导风向为NNW, 次主导风向为N, 这两个方位频率总和达到84%, 同化观测资料前后均能模拟出HM01处偏北风为绝对主导的特征, 两种模拟结果中NNW和N方位的频率和均达到80%, 但同化后的风玫瑰与实测更为接近; HM04和HM05测风塔均分布于西南—东北走向峡谷地带, HM04几乎位于峡谷中间, 而HM05则稍接近于北侧山脉, 这两个测风塔实测风向频率均显示主导风向为ENE, 次主导风向为WSW, 同化资料前后的模拟结果均能够较好的描述出这种西南—东北主导风向的分布特征, 但同化资料前明显高估了东北方向的风向频率, 而同化后的模拟结果则更接近于实测值。总之, 模式在同化观测资料前后均能够较好地描述出复杂地形下风向的分布特征, 但同化观测资料后, 各方位的风向频率值与实测更为接近, 提高了模式在复杂地形下风向的模拟精度。
3.2 逐时模拟结果对比分析图 3分别为HM05测风塔2011年7月4日和HM06测风塔2011年10月31日70 m高度风速风向模拟结果对比。从图 3中可以看出, HM05处同化资料后大幅度修正了风速较小时模拟结果明显偏高的情形, HM06处同化资料后可以修正风速较大时模拟结果明显偏低的情形。同化资料后不仅风速的模拟结果与实测较为接近, 而且风向的模拟效果也有一定的提升, 尤其是HM05风速较小时风向偏差从120°降低到约30°, HM06风速较大时同化前后模拟风向的结果与实测均较为吻合, 但同化后风向模拟效果也有一定的提升。测风塔70 m高度逐时风向风速模拟结果对比显示, 同化资料后风速风向的逐时模拟结果均与实测更加接近, 更加准确地刻画了复杂地形下风场的情形。
|
图 3 测风塔70 m高度处风速风向模拟结果对比 Figure 3 Verification of wind speed and wind direction of simulation results at 70 meters height |
复杂地形下风场的重要特征就是风廓线与平坦地形下的幂指数关系不同, 为了验证模式对于复杂地形下的风速垂直变化的刻画能力, 选取HM05测风塔2011年7月4日以及HM06测风塔2011年10月31日的平均和瞬时风廓线进行对比分析(图 4)。
|
图 4 测风塔风廓线模拟结果对比 Figure 4 Verification of wind profile |
2011年7月4日HM05处风速较小, 实测日平均风廓线30 m以上变化很小, 未同化资料的风廓线在30 m以上有小幅增加趋势, 且各层风速均大大高于实测风速, 同化资料的模拟结果显示平均风速与实测极为吻合, 仅在30 m高度以上各层风速稍稍偏高于实测结果; 06:00实测风廓线在50 m和70 m呈现略微逆梯度情形, 而未同化资料的模拟不仅风速大大高于实测结果, 而且风速随高度增加比较明显, 同化资料后不仅模拟风速略高于实测结果, 而且风速也与实测同样呈现逆梯度现象; 22:00实测风速随高度增加明显, 虽然同化后模拟风速偏低于实测风速, 但风速也是随高度增加, 而未同化资料的模拟结果确呈现大幅度的逆梯度特征, 与实测偏差较大。
2011年10月31日HM06处风速较大, 日平均风速基本呈现随高度增加的特征, 但是30 m高度以上增加趋势低于幂指数特征, 未同化资料的模拟结果大大低估了风速水平; 14:00风速较大, 各层风速均在10 m·s-1左右, 30 m以上风速变化不明显, 未同化资料的模拟结果不仅风速大幅度低于实测结果, 而且没有模拟出10 m与30 m高度间风速变化关系, 同化资料的模拟结果基本上较好地把握住了该时刻风速的垂直变化特征; 19:00风速较小, 但风速随高度变化比较明显, 同化资料后的模拟结果虽然略微偏高, 但是准确刻画了风速的垂直变化关系, 未同化资料的模拟结果不仅风速大大低于实测, 且风速垂直变化不明显。
从风廓线的对比结果可以看出, 同化资料的模拟结果不仅可以准确模拟风速较小和较大时的日平均风廓线特征, 而且还能准备模拟不同风况下风速垂直变化明显和不明显时刻的分布特征。
4 复杂地形下的风场特征分析局地地形的复杂程度差异会造成局地风场分布的不均匀性, 选取2011年7月和10月以及2012年1月和4月分析新疆哈密地区复杂地形下的风参数特征, 如月平均风速及其垂直切变、风向时间变化和垂直变化、以及风机满发状态时风速特征进行分析, 分析结果范围为图 1(b)所示范围。
基于前面对比检验结果, 选取采用nudging技术的sim02算例模拟结果进行分析。针对哈密复杂地形下风参数特征统计分析结果均与测风塔实测数据进行对比检验, 模拟结果统计参数与实测较为一致。
4.1 月平均风速图 5为哈密地区80 m高度月平均风速分布。从图 5中可以看出, 从整体上来讲, 哈密地区春季4月份风速最大, 其次为夏季7月份, 最后为秋季10月份和春季1月份; 另外由于天气系统路径不同, 造成了哈密地区风速分布的差异, 4月份风速分布呈现两个高风速分布区, 分别为山北地区和西部山南垭口附近, 而7月份大风速区则位于西部的山坳南部和北部地区。
|
图 5 哈密地区80 m高度月平均风速(单位: m·s-1) Figure 5 Monthly average wind speed in Hami at 80 meters height.Unit: m·s-1 |
哈密地区地形复杂, 月平均风速水平分布差异较大。4月山北部地区的风速高达12 m·s-1, 西部山南垭口及其南部地区的风速也高达12 m·s-1, 而高山上风速则为4~5 m·s-1, 东南部地形稍平坦地区风速为4~5 m·s-1; 1月山地附近部分地区风速为10 m·s-1左右, 东南部地区风速为7 m·s-1左右, 而有些地区风速则低至2 m·s-1。可见由于局地地形的复杂程度, 造成了哈密地区风速平面分布差异很大。
4.2 风速垂直变化通过计算哈密地区80 m高度处月平均风速与60 m高度的差值, 分析复杂地形下风速的垂直变化特征。从图 6可以看出, 地形复杂地区风速呈现负切变, 且地形越复杂平均风速的负切变越明显, 相对平坦地区平均风速基本表现为正切变。不同月份平均风速垂直变化分布形势基本相同, 2012年1月风速负切变区域分布最广, 且负切变值最大, 结合月平均风速分布可以发现, 1月为风速值最低月; 其余三个月份, 负切变区域随着风速的增加而减少, 且负切变值降低, 同时正切变的值随平均风速的增加而增大。因此可以认为, 风速较小时, 复杂地形下更易表现为负切变, 且平均风速越小负切变值越大, 地形越复杂负切变值越大; 风速较大时, 平均风速基本为正切变, 即使是复杂地形下风速同样为正切变, 但是正切变值比相对平坦地区的值要小, 平坦地形下风速越大正切变值越大。
|
图 6 哈密地区风速垂直变化(单位: m·s-1) Figure 6 Vertical variation of wind speed in Hami.Unit: m·s-1 |
根据目前市面上大部分风机的理论功率曲线, 确定风速12~25 m·s-1为风机的满发风况, 即当风速为12~25 m·s-1时风机的出力达到满发且不随风速变化而变化。通过分析哈密地区80 m高度各月满发风况比例以及满发风况时月平均风速切变值, 研究复杂地形下风速特征对风机满发出力的影响。图 7为哈密地区80 m高度满发风况时次百分比, 统计模拟所得10 min间隔的风速为12~25 m·s-1时所占整月的百分比, 图 8为哈密地区80 m高度风速为12~25 m·s-1时80 m高度风速与60 m高度风速的差值, 仅统计月满发比例达到5%以上的区域, 图 8中空白区域为月满发风速占比小于5%。
|
图 7 哈密地区80 m高度满发风况时次百分比(单位: %) Figure 7 Proportion of wind speed in full-load segment in Hami at 80 m height.Unit: % |
|
图 8 哈密地区满发风况时风速垂直变化(单位: m·s-1) Figure 8 Vertical variation of wind speed in full-load segment in Hami.Unit: m·s-1 |
各月满发风况占比与月平均风速分布几乎一致, 即平均风速越大满发风况占比越多。2012年1月大部分地区满发风况占比低于5%, 仅在山北地区和哈密东部部分区域满发占比为10%~30%, 这些区域地形相对平坦, 风切变均表现为正切变, 80 m高度比60 m高度的风速大0.75 m·s-1左右; 风速最大的4月份, 大部分地区满发风况占比达到20%以上, 尤其是山北地区和西部垭口附近满发风况占比甚至达到了50%以上, 大风速情况下, 这些地区的满发风况下的平均风速垂直变化均表现为正切变关系, 80 m高度平均风速比60 m的大0.60~0.80 m·s-1, 比月平均风速的垂直变化值要大。
4.4 风向时间变化基于模式获取的哈密地区10 min时间间隔的风向模拟结果, 分析复杂地形下风向的变化特征, 图 9为模拟区域内10 min风向变化的月平均值, 图 10为10 min风向变化大于30°的时次百分比。
|
图 9 哈密地区10 min风向变化平均值(单位: °) Figure 9 Average value of wind direction variation between 10 minutes.Unit: (°) |
|
图 10 哈密地区10 min风向变化大于30°的时次百分比(单位: %) Figure 10 Proportion of wind direction variation between 10 minutes that was larger than 30°.Unit: % |
复杂地形下风向变化分布特征与地形特征相关性很高, 整体上来讲, 地形相对平坦地区风向变化值较大, 地形复杂地区风向变化值较小, 风速越小时风向变化值与地形的相关程度越高, 主要是近地面风向主要与局地地形有关, 局地地形特征越明显, 风向相关程度就越高, 因而其变化值就越小, 同样风向变化较大时次的占比也就越少。平均风速最小的1月, 复杂山地处10 min风向变化平均值基本上小于3°, 风向变化超过30°的占比小于1%, 而地形相对平坦地区风向变化平均值最高地区达到10°以上, 风向变化超过30°的占比达到6%以上; 比较特别的是, 7月哈密地区风速分布特征基本表现为从西北山口进入哈密地区, 从而山口附近风速明显高于其余地区, 因而山口以东地区风向变化值较大, 月平均值达到10°以上, 部分地区超过15°, 风向变化大于30°的占比为6%, 部分地区则达到10%, 可见大风系统经过哈密西部山口时, 对附近下游地区风向变化影响程度较大。
总体来讲, 风速较大时, 风向变化不明显, 风速较低时, 风向变化值较大, 且地形较平坦地区风向变化值较大, 地形复杂地区变化值较小。
4.5 风向垂直变化基于哈密地区10 min间隔不同离地高度的风向模拟结果, 分析复杂地形下风向的垂直变化特征, 图 11为60~80 m高度风向垂直变化的月平均值, 图 12为风向垂直变化大于30°的时次百分比。
|
图 11 哈密地区60~80 m高度间风向变化月平均值(单位: °) Figure 11 Monthly average of wind direction variation at the range of 60~80 m height.Unit: (°) |
|
图 12 哈密地区60~80 m高度间风向大于30°的时次百分比(单位: %) Figure 12 Proportion of wind direction variation larger than 30° at the range of 60~80 m height.Unit: % |
分析不同月份间风向的垂直变化(图 12)可以发现, 风速最小的1月风向垂直变化平均值明显高于其余月份, 大部分地区的风向垂直变化的平均值为10°左右, 垂直变化超过30°的比例高于10%, 部分地形特别复杂地区风向垂直变化的平均值超过30°, 超过30°的比例则达20%以上; 风速较大的4月, 风向的垂直变化较小, 大部分地区小于5°, 部分地形相对复杂地区的垂直变化为10°左右。总体来讲, 风向的垂直变化与风速大小关系比较明显, 风速越小, 其垂直变化越大, 风向垂直变化的区域分布与地形复杂程度相关, 地形越复杂风向的垂直变化值越大。
5 结论和讨论采用中尺度气象模式WRF结合nudging观测资料同化技术, 针对新疆哈密复杂地形下风场特征精细化数值模拟研究, 通过对比同化常规观测资料前后的模拟结果研究复杂地形下nudging同化技术对风场模拟效果的改进能力, 以及统计分析哈密地区风速风向10 min时间间隔水平分辨率为1 km的模拟结果, 研究复杂地形下风速风向的水平和垂直分布特征以及风机满发风况下的风场特征, 得出如下结论:
(1) 采用nudging同化常规地面和探空观测资料后, 模拟区域内测风塔风向和风向的模拟效果均有所提高, 10, 30, 50和70 m高度处平均绝对误差降低0.08, 0.19, 0.23和0.25 m·s-1, 同化观测资料后, 测风塔处的风玫瑰图与实测更加吻合; 同化观测资料可以改进模式在风速较大时模拟值明显偏低和风速较小时模拟值大大偏高的情况, 同时可以改进风速廓线的模拟效果。
(2) 哈密地区春季4月风速最大, 其次为夏季7月, 最后为秋季10月和春季1月; 4月高风速区主要为山北地区和西部山南垭口附近, 而7月大风速区则位于西部的山坳南部和北部地区。
(3) 复杂地形下风速较小时风速垂直变化为负切变, 且平均风速越小负切变值越大, 地形越复杂负切变值越大; 风速较大时平均风速基本为正切变, 即使是复杂地形下风速同样为正切变, 但是正切变值比相对平坦地区的值要小, 平坦地形下风速越大正切变值越大。
(4) 哈密地区复杂地形下, 风速12~25 m·s-1的满发风况占比时间和空间分布差异较大, 风速较小的1月仅在山北地区和哈密东部部分平坦区域满发占比为10%~30%, 风速垂直变化为正切变, 风速较大的4月, 大部分地区满发风况占比20%以上, 尤其是山北地区和西部垭口附近满发风况占比甚至达到了50%以上, 80 m高度平均风速比60 m高0.60~0.80 m·s-1, 比月平均风速的垂直变化值要大。
(5) 风速较大时, 风向变化不明显, 风速较低时, 风向变化值较大, 且地形较平坦地区风向变化值较大, 地形复杂地区变化值较小。1月份复杂山地处10 min风向变化平均值基本上小于3°, 风向变化超过30°的占比小于1%;比较特别的是, 7月山口以东地区风向变化值较大, 月平均值达到10°以上, 风向变化大于30°占比部分地区则达到10%。
(6) 风向的垂直变化与风速大小关系比较明显, 风速越小, 其垂直变化越大, 风向垂直变化的区域分布与地形复杂程度相关, 地形越复杂风向的垂直变化值越大。风速最小的1月风向垂直变化平均值明显高于其余月份, 地形特别复杂地区风向垂直变化的平均值超过30°, 超过30°的比例则达到了20%以上; 风速较大的4月, 风向的垂直变化较小, 大部分地区小于5°, 部分地形相对复杂地区的垂直变化为10°左右。
基于同化技术结合中尺度气象模式获取哈密地区复杂地形下水平分辨率1 km的风场数值模拟结果, 分析复杂地形下风场的特征, 由于模拟区域内测风塔高度都仅有70 m, 仅能针对70 m以下的模拟结果进行对比检验, 因而仅对复杂地形下80 m高度以下的风速和风速特征进行了统计分析, 但是, 目前风能资源的开发利用以及其他复杂地形下的工程开发高度越来越高, 今后可以进行更高高度风速风向的观测, 对模拟结果进行对比检验, 从而可以分析复杂地形下更高高度的风场特征。
Bullock O R, Kiran A, Jerold A H, et al. 2014. An observation-based investigation of nudging in WRF for downscaling surface climate information to 12-km grid spacing[J]. J Appl Meteor Climate, 53: 20–33.
DOI:10.1175/JAMC-D-13-030.1 |
|
Gryning S E, Batchvarova E, Floors R. 2013. A study on the effect of nudging on long-term boundary layer profiles of wind and Weibull distribution parameters in a rural coastal area[J]. J Appl Meteor Climate, 52: 1201–1207.
DOI:10.1175/JAMC-D-12-0319.1 |
|
Jimenez P A, Dudhia J. 2012. Improving the representation of resolved and unresolved topographic effects on surface wind in the WRF model[J]. J Appl Meteor Climate, 51: 300–316.
DOI:10.1175/JAMC-D-11-084.1 |
|
Jimenez P A, Dudhia J. 2013. On the ability of the WRF model to reproduce the surface wind direction over complex terrain[J]. J Appl Meteor Climate, 52: 1610–1617.
DOI:10.1175/JAMC-D-12-0266.1 |
|
Li J, Tang J P, Fang J. 2015. High-resolution numerical simulation of typhoon Longwang(2005) with spectrum nudging technique[J]. J Trop Meteor, 121(4): 311–325.
DOI:10.16555/j.1006-8775.2015.04.001 |
|
Liu Y B, Chen F, Warner T, et al. 2006. Verification of a mesoscale data-assimilation and forecasting system for the Oklahoma city area during the joint urban 2003 field project[J]. J Appl Meteor Climate, 45: 912–929.
DOI:10.1175/JAM2383.1 |
|
Lo C F, Yang Z L, Roger A P. 2008. Assessment of three dynamical climate downscaling methods using the Weather Research and Forecasting (WRF) model[J]. J Geophys Res, 113: D09112.
|
|
Stuffer D R, Searnan N L. 1990. Use of the four-dimensional data assimilation in a limited-area mesoscale model Part Ⅰ:Experiment with synoptic-scale data[J]. Mon Wea Rev, 118: 1250–1277.
DOI:10.1175/1520-0493(1990)118<1250:UOFDDA>2.0.CO;2 |
|
Zhang H L, Pu Z X, Zhang X B. 2013. Examination of errors in near-surface temperature and wind from WRF numerical simulations in regions of complex terrain[J]. Wea Forecasting, 28(3): 893–914.
DOI:10.1175/WAF-D-12-00109.1 |
|
董保举, 李建, 孙绩华, 等. 2016. 青藏高原东南缘大理低层风场垂直结构与变化特征[J]. 高原气象, 35(3): 597–607.
Dong B J, Li J, Sun J H, et al. 2016. Vertical structure and variation characteristics of wind field in low-level atmosphere in the southeastern margin of Qinghai-Xizang Plateau[J]. Plateau Meteor, 35(3): 597–607.
DOI:10.7522/j.issn.1000-0534.2015.00041 |
|
龚强, 袁国恩, 张云秋, 等. 2006. MM5模式在风能资源普查中的应用试验[J]. 资源科学, 28(1): 145–150.
Gong Q, Yuan G E, Zhang Y Q, et al. 2006. Application of MM5 model in wind energy resources survey[J]. Res Sci, 28(1): 145–150.
DOI:10.3321/j.issn:1007-7588.2006.01.023 |
|
黄嘉宏, 李江南, 魏晓琳, 等. 2006. 同化Quickscat资料对台风Vongfong(2002)数值模拟的影响[J]. 中山大学学报(自然科学版), 45(4): 116–120.
Huang J H, Li J N, Wei X L, et al. 2006. Assimilation of QuickScat data and its impact on prediction of typhoon Vongfong (2002)[J]. Acta Scientiarum Naturalium Univeritatis Sunyatseni, 45(4): 116–120.
DOI:10.3321/j.issn:0529-6579.2006.04.027 |
|
李斐, 邹捍, 周立波, 等. 2017. WRF模式中边界层参数化方案在藏东南复杂下垫面适用性研究[J]. 高原气象, 36(2): 340–357.
Li F, Zhou H, Zhou L B, et al. 2017. Study of boundary layer parameterization schemes' applicability of WRF model over complex underlying surfaces in Southeast Tibet[J]. Plateau Meteor, 36(2): 340–357.
DOI:10.7522/j.issn.1000-0534.2016.00041 |
|
李晓霞, 黄涛, 王兴, 等. 2017. 兰州新区近地层风场时空特征分析[J]. 高原气象, 36(4): 1001–1009.
Li X X, Huang T, Wang X, et al. 2017. Analysis of characters of wind field in surface layer in Lanzhou New District[J]. Plateau Meteor, 36(4): 1001–1009.
DOI:10.7522/j.issn.1000-0534.2016.00092 |
|
李艳, 王元. 2007. 岛屿型复杂地形地貌条件下有效风能分布的甚高分辨率数值模拟[J]. 太阳能学报, 28(6): 663–669.
Li Y, Wang Y. 2007. Numerical replication for wind energy over island-like complex terrain with very high resolution[J]. Acta Energiae Solaris Sinica, 28(6): 663–669.
DOI:10.3321/j.issn:0254-0096.2007.06.019 |
|
孙学金, 李岩, 张燕鸿, 等. 2017. 基于WRF-LES的干旱湖区近地面风场模拟与敏感性研究[J]. 高原气象, 36(3): 853–844.
Sun X J, Li Y, Zhang Y H, et al. 2017. Near-surface wind simulation over acrid lakeshore area and sensitivity studies using the WRF-LES[J]. Plateau Meteor, 36(3): 853–844.
DOI:10.7522/j.issn.1000-0534.2016.00058 |
|
王丽霞, 王颖, 赖锡柳, 等. 2017. WRF模式不同边界层参数化方案模拟兰州冬季边界层高度的研究[J]. 高原气象, 36(1): 162–171.
Wang L X, Wang Y, La X L, et al. 2017. Study on the simulation of boundary layer height in Lanzhou in winter using WRF model with different boundary layer parameterization schemes[J]. Plateau Meteor, 36(1): 162–171.
DOI:10.7522/j.issn.1000-0534.2016.00011 |
|
王田田, 高晓清, 尹宪志, 等. 2016. WRF模式物理过程参数化方案对酒泉地区暴雨模拟的影响[J]. 高原气象, 35(5): 1257–1269.
Wang T T, Gao X Q, Yin X Z, et al. 2016. Effects of parameterized physical processes of WRF model on simulation of rainstorm in Jiuquan, Gansu Province[J]. Plateau Meteor, 35(5): 1257–1269.
DOI:10.7522/j.issn.1000-0534.2015.00096 |
|
辛渝, 汤剑平, 赵逸舟, 等. 2010. 模式不同分辨率对新疆达坂城-小草湖风区地面风场模拟结果的分析[J]. 高原气象, 29(4): 884–893.
Xin Y, Tang J P, Zhao Y Z, et al. 2010. Simulation of surface wind using MM5 model with different resolutions-A case study of Dabancheng and Xiaocaohu wind farms from April to September 2006[J]. Plateau Meteor, 29(4): 884–893.
|
|
张爱忠, 齐琳琳, 纪飞, 等. 2005. 资料同化方法研究进展[J]. 气象科技, 33(5): 385–393.
Zhang A Z, Qi L L, Ji F, et al. 2005. Advancement in data assimilation method research[J]. Meteor Sci Technol, 33(5): 385–393.
DOI:10.3969/j.issn.1671-6345.2005.05.001 |
|
张小培, 银燕. 2013. 复杂地形地区WRF模式四种边界层参数化方案的评估[J]. 大气科学学报, 36(1): 68–76.
Zhang X P, Yin Y. 2013. Evaluation of the four PBL schemes in WRF model over complex topographic areas[J]. Trans Atmos Sci, 36(1): 68–76.
DOI:10.3969/j.issn.1674-7097.2013.01.008 |
|
周荣卫, 何晓凤, 朱蓉. 2010a. MM5/Calmet模式系统在风能资源评估中的应用[J]. 自然资源学报, 25(12): 2101–2113.
Zhou R W, He X F, Zhu R. 2010a. Application of MM5/Calmet model system in wind energy resource assessment[J]. J Natural Res, 25(12): 2101–2113.
|
|
周荣卫, 何晓凤, 朱蓉, 等. 2010b. 中国近海风能资源开发潜力数值模拟[J]. 资源科学, 32(8): 1434–1443.
Zhou R W, He X F, Zhu R, et al. 2010b. Numerical simulation of the development potential of wind energy resources over China's offshore areas[J]. Res Sci, 32(8): 1434–1443.
|