基于GIS的小尺度城市近地風(fēng)風(fēng)力模擬研究

古黃玲 陳海楠 王韜

【摘 要】在城市的近地風(fēng)場研究中，盛行的大尺度風(fēng)向和地形因素往往會成為主要的影響，目前大多數(shù)研究都是通過各種不同的插值法來實現(xiàn)風(fēng)力資源的評估，但是忽略了近地風(fēng)場的復(fù)雜性不能通過單一數(shù)學(xué)模型來進(jìn)行，因此本文提出使用克里金插值法和Wind Effect兩種數(shù)學(xué)模型進(jìn)行模擬研究。本次研究通過氣象站數(shù)據(jù)的克里金插值，輸出無地形影響的風(fēng)力風(fēng)向的柵格數(shù)據(jù)，然后通過Wind Effect算法得出風(fēng)力柵格圖。

【關(guān)鍵詞】DEM；風(fēng)力；GIS；Wind Effect；插值分析

中圖分類號： F062.2；P208 文獻(xiàn)標(biāo)識碼： A 文章編號： 2095-2457（2018）33-0038-002

DOI：10.19694/j.cnki.issn2095-2457.2018.33.015

【Abstract】In the study of urban near-field wind fields， the prevailing large-scale wind direction and topographic factors tend to be the main influences. At present， most studies use different interpolation methods to achieve wind resource assessment， but ignore the near-field complexity of the wind field cannot be performed by a single mathematical model. Therefore， this paper proposes to use the Kriging interpolation method and the Wind Effect two mathematical models for simulation research. In this study， the Kriging interpolation of the weather station data is used to output the raster data of the wind direction without terrain influence， and then the wind raster map is obtained by the Wind Effect algorithm.

【Key words】DEM； Wind power； GIS； Wind Effect； Interpolation analysis

0 引言

自然地理學(xué)中普遍認(rèn)為，近地風(fēng)的主要影響因素受到地轉(zhuǎn)偏向力，水平氣壓梯度力，摩擦力這三個因素的影響。但是在小尺研究范圍內(nèi)的地轉(zhuǎn)偏向力的影響幾乎可以忽略不計。而在城市中地面固化程度較高，因此在摩擦力系數(shù)相同的情況下，城市近地風(fēng)主要由整體范圍內(nèi)的水平氣壓梯度力和地形起伏決定。

目前，國內(nèi)對近地風(fēng)的研究主要應(yīng)用于風(fēng)能資源的評估，史同廣等利用山東1：50000 DEM數(shù)據(jù)，借助周邊氣象站數(shù)據(jù)，在冬季風(fēng)向背景下，利用ARC/INFO軟件，考慮一系列地形要素的影響，通過編寫AML程序，實現(xiàn)了起伏地形的風(fēng)速空間的分布[1]。高陽華等利用重慶1：250000 DEM數(shù)據(jù)和氣象資料，結(jié)合坡度坡向和高程分析兩種插值方法，模擬了重慶市的風(fēng)速分布[2]。張超和羅伯良通過MM5中尺度氣象模式，結(jié)合CALMET模式和GIS技術(shù)對湖南風(fēng)能進(jìn)行了精細(xì)化的評估[3]。唐矗和洪冠新利用曲面樣條插值建立復(fù)雜地形的三維數(shù)字模型以及其他理論計算三維風(fēng)場[4]。然而在過去的相關(guān)的研究中的大多數(shù)只采用了單一的數(shù)學(xué)模型，卻忽略了近地風(fēng)場在多方因素影響形成的客觀事實。另外部分研究所提出的計算模型只適用于其所研究的區(qū)域的風(fēng)場，不具有普適性。

本文所實使用的Wind Effect算法是基于迎風(fēng)對降水強度的影響取決于盛行的大尺度風(fēng)向和地形屏障的海拔假設(shè)，充分考慮了高空風(fēng)場和地形的影響，因此從數(shù)學(xué)模型的使用方面來看是合理的。而且城市的近地風(fēng)場同樣受高空風(fēng)場和地形的影響較大，因此廣泛的適用于城市近地風(fēng)場的研究。

本文通過克里金插值，通過Wind Effect算法，利用湖南省1：50000 DEM以及湖南省各氣象站點2018年6月的風(fēng)向和風(fēng)速的平均數(shù)據(jù)，以此對株洲市近地風(fēng)的大小進(jìn)行模擬分析。

1 基于DEM風(fēng)速模擬的思路與方法

1.1 預(yù)設(shè)條件

本文中對風(fēng)速的預(yù)測是針對大尺度季風(fēng)背景下對小范圍內(nèi)的精細(xì)化預(yù)測。在研究過程中將風(fēng)的摩擦力簡化到只受到地形起伏的影響，因此更加適用于城鎮(zhèn)地區(qū)或者地形起伏較大下墊面材質(zhì)較為均一的地區(qū)。

1.2 技術(shù)流程

本文利用ArcGis和SAGA-GIS兩個軟件計算城市的近地風(fēng)速。首先，我們將氣象點在地圖上標(biāo)注，通過連接屬性表將從中國氣象數(shù)據(jù)網(wǎng)上下載的數(shù)據(jù)連接，接著實用克里金插值法輸出無地形影響的網(wǎng)格風(fēng)速風(fēng)向，最后同時將研究區(qū)的DEM數(shù)據(jù)和輸出的風(fēng)速風(fēng)向通過Wind Effect算法輸出研究區(qū)的風(fēng)力大小。

1.3 數(shù)學(xué)模型

1.3.1 克里金插值法

克里金插值法，又叫做空間自協(xié)方差最佳插值法，它是一種以變異函數(shù)空間分析為基礎(chǔ)，對有限區(qū)域內(nèi)的變量取值進(jìn)行無偏最優(yōu)估計的方法。其實質(zhì)是通過區(qū)域變化的原始數(shù)據(jù)和變異函數(shù)的結(jié)構(gòu)特點對未知樣點進(jìn)行線性無偏、最優(yōu)估計。無偏是指偏差的數(shù)學(xué)期望為0，最優(yōu)是指估計值與實際值之差的平方和最小[5]。

1.3.2 Wind Effect算法

基于迎風(fēng)對降水強度的影響取決于盛行的大尺度風(fēng)向和地形屏障的海拔假設(shè)，本次研究采用了Wind Effect數(shù)學(xué)模型[7]。我們根據(jù)DEM高程數(shù)據(jù)確定近地的風(fēng)場近似氣壓，對于每個網(wǎng)格單元，都遵循風(fēng)的軌跡，并使用以下公式分析流的加權(quán)垂直角度。

其中，dWHi和dLHi是指迎風(fēng)和背風(fēng)方向的水平距離，dWZi和dLZi是與被考量的柵格單元對應(yīng)的處置距離。公式（1）中的第二個總和代表了先前橫貫山脈的背風(fēng)影響。式（2）中水平距離的對數(shù)化導(dǎo)致背風(fēng)雨影的距離影響較大。最終的風(fēng)效應(yīng)參數(shù)應(yīng)該與大尺度風(fēng)場的相互作用和局部尺度降水特征有關(guān)，計算結(jié)果為H=HL·HW，順風(fēng)位置取0.7，迎風(fēng)位置取1.3。最終我們的計算過程通過開源GIS-SAGA實現(xiàn)。

2 實例研究

根據(jù)上述技術(shù)流程與數(shù)學(xué)模型，選擇株洲市區(qū)作為實驗區(qū)，以湖南省氣象站資料與1：5萬DEM作為基礎(chǔ)數(shù)據(jù)，由于株洲市只有1個氣象站點，為了提高分析精度，因而采用湖南省84個氣象站點的2018年6月的風(fēng)向和風(fēng)速的平均數(shù)據(jù)進(jìn)行模擬。

2.1 氣象數(shù)據(jù)的處理

為了保證氣象數(shù)據(jù)準(zhǔn)確度，所以我們采用整個湖南省84個氣象站的數(shù)據(jù)。

將從中國氣象數(shù)據(jù)網(wǎng)下載的風(fēng)速數(shù)據(jù)，關(guān)聯(lián)到湖南氣象臺站的屬性表中，通過克里金插值法來計算出湖南區(qū)域范圍內(nèi)的的風(fēng)速風(fēng)向，即湖南省風(fēng)速風(fēng)向的柵格數(shù)據(jù)，并裁剪出株洲市區(qū)的風(fēng)速風(fēng)向柵格數(shù)據(jù)（圖1）。

2.2 地形數(shù)據(jù)的處理

由于獲得的株洲市DEM數(shù)據(jù)是分幅存儲的，通過ArcMap的鑲嵌數(shù)據(jù)集工具將其拼接成一幅完整的地形數(shù)據(jù)。并將獲得的株洲市區(qū)的風(fēng)速風(fēng)向柵格數(shù)據(jù)與地形數(shù)據(jù)進(jìn)行坐標(biāo)的匹配、投影以及像素分辨率的統(tǒng)一，獲得的株洲市DEM數(shù)據(jù)（圖2）。

2.3 網(wǎng)格風(fēng)力大小的計算

由于風(fēng)力大小和三個因素有關(guān)——地形、風(fēng)向、風(fēng)速，且計算非常的復(fù)雜，結(jié)合J.Boehner，A.Ringeler，O.Conrad 等人提出的WindEffect算法[7]，利用開源軟件 SAGA GIS，將準(zhǔn)備好的三種數(shù)據(jù)，利用 WindEffect 算法，計算出風(fēng)力大小分布柵格圖（圖3）。

3 結(jié)果分析

結(jié)果顯示，以時間尺度上來說，在2018年6月內(nèi)，株洲市區(qū)的風(fēng)力大小在0.7378到1.3555米/秒?？傮w基本上沒有變化。在空間尺度上來說，西南角和東部地區(qū)風(fēng)力較大，中部地區(qū)風(fēng)力較小。

與以往利用地形高程數(shù)據(jù)對風(fēng)力的模擬研究對比，本次研究結(jié)合了GIS技術(shù)手段，除了考慮地形高差的影響外，還充分考慮了坡度、坡向等地貌要素對風(fēng)力的影響。

4 結(jié)語

此次研究可以用作風(fēng)速的預(yù)測，可以通過風(fēng)速風(fēng)向月平均數(shù)據(jù)進(jìn)行克里金插值和Wind Effect算法模擬出株洲市風(fēng)力大小柵格圖，可作為風(fēng)力預(yù)測的參考值。該參考值不僅可用作突發(fā)環(huán)境事件空氣污染物的擴散分析的基本風(fēng)速數(shù)據(jù)，也可以用作實地監(jiān)測在缺乏相關(guān)儀器時的參考數(shù)據(jù)。另外風(fēng)能作為目前國家重點開發(fā)清潔能源，其風(fēng)力預(yù)測有著對風(fēng)電場選址和風(fēng)能資源開發(fā)都有著重要意義，本次研究對于該應(yīng)用具有一定的指導(dǎo)意義。

【參考文獻(xiàn)】

[1]史同廣，閆業(yè)超，王林林，王智勇.基于DEM的大尺度季風(fēng)風(fēng)速空間分布模擬研究[J].地理與地理信息科學(xué)，2007（02）：26-29.

[2]高陽華，王堰，邱新法，陳志軍，陳艷英，馬力，繆啟龍，王中.基于GIS的復(fù)雜地形風(fēng)能資源模擬研究[J].太陽能學(xué)報，2008（02）：163-169.

[3]張超，羅伯良.基于GIS技術(shù)的湖南風(fēng)能資源精細(xì)化評估[J].湖南電力，2011，31（03）：11-14.

[4]唐矗，洪冠新.基于地形高程數(shù)據(jù)的復(fù)雜地形風(fēng)場建模方法[J].北京航空航天大學(xué)學(xué)報，2014，40（03）：360-364.

[5]馮俊軍，王恩元，沈榮喜，李學(xué)龍，朱亞飛，景林波.基于克里金插值法的煤體應(yīng)力場分布規(guī)律研究[J].煤炭科學(xué)技術(shù)，2013，41（02）：38-41.

[6]王玉璟.空間插值算法的研究及其在空氣質(zhì)量監(jiān)測中的應(yīng)用[D].開封：河南大學(xué)，2010： 6-19.

[7]Boehner，J.，Antonic，O.Land-surface parameters specific to topo-climatology.In：Hengl，T.，Reuter，H.[Eds.]：Geomorphometry–Concepts，Software，Applications.Developments in Soil Science，2009，Volume 33，p.195-226，Elsevier.