高鐵沿線某區(qū)段最大風速時空分布特征分析

鞏燦燦，葉小嶺，2，熊 雄，姚錦松，金瞳宇，陳 昕

（1.南京信息工程大學 自動化學院，南京 210044；2.南京信息工程大學 氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京 210044）

風是基本的氣象要素之一，它與人們的生產生活有著密切的聯(lián)系。風蘊含巨大的能量，從古至今，人們對風的探索與利用從未停止過，從古代的帆船到現代的風力發(fā)電。風作為清潔能源，使用起來安全又環(huán)保［1-3］。

然而風也會帶來巨大的破壞。近年來，我國國民經濟快速增長，交通運輸業(yè)在其中發(fā)揮著越來越重要的作用，作為國民經濟大動脈的鐵路交通行業(yè)更是得到了飛速發(fā)展。我國“十三五規(guī)劃”指出“到2020年建成布局合理、覆蓋廣泛、高效便捷、功能完善、世界上最現代化的鐵路網和高鐵網”。正是在高速鐵路快速發(fā)展的背景下，對高速鐵路安全運行的研究則顯得愈加重要［4-6］，本研究也是在此背景之下展開。高速鐵路一般架設在無人區(qū)、鐵路沿線，不可避免地會經過一些地形復雜、自然環(huán)境惡劣的地段，其中風對列車運行安全的威脅最為嚴重。隨著高速列車行駛速度的不斷提升，加之在強橫風環(huán)境的影響下，列車周圍的空氣動力會急劇惡化，對高鐵的安全運行造成極大的威脅。國內外由于強橫風引起的列車事故時有發(fā)生，對交通經濟和人員安全造成極大的損失和危害［7-9］。

風致列車傾倒或停運造成的生命危害和經濟損失不容忽視，因此對高鐵沿線風的觀測與分析至關重要。根據高鐵沿線風速的分布情況，可以在大風區(qū)增加風監(jiān)測點，以獲取更全面準確的數據，為后面的分析提供數據基礎；針對研究出來的大風區(qū)域，可以設立風屏障或采取其他措施以減小風對高鐵的影響；風速時空分布分析，可以為后期高鐵的修建路線提供參考，通過避開大風區(qū)，或者選擇和大風主風向一致的方向來減小大風對高鐵的影響。

風對人們的生產生活起著重要的作用，人們對風的探索從未停止過，氣象學者關于風的分布做了很多研究。例如，陶勇等利用歐洲中尺度天氣預測中心（ECWMF）提供的1979—2012年每天8個時次地面（10 m高度）陣風后處理資料，通過Mann-Kendall突變檢驗和經驗正交函數分解等方法，統(tǒng)計分析了江門市年最大風速的變化趨勢及時空分布特征［10］。甄靜等以新疆地區(qū)71個站點的最新資料為基礎，探究新疆地區(qū)1993—2013年極大風速的時間演變現象和空間分布特征，給出新疆地區(qū)年、月極大風速出現日數的分布及風速方向特征［11］。陳兵等根據江蘇省34年最大風速數據資料，用EOF、REOF方法研究了江蘇省年最大風速的空間分布形式和長期時間變化趨勢［12］。本文為了研究高鐵沿線某區(qū)段最大風速的分布特征，以氣象站的日最大風數據為基礎，利用風資源評估軟件Meteodyn WT建模計算出高鐵沿線的最大風數據，利用統(tǒng)計算法和經驗正交分解法對沿線的最大風速進行分析。

1 數據和方法

1.1 數據

原始數據采用的是氣象站的測風數據，來自中國國家級地面氣象站基本氣象要素日值數據集（V3.0），數據的完整率在98%以上。本文研究的高速鐵路從2006年開始立項啟動，所使用的數據集更新到2016年初，所以選擇2006—2015年的數據來研究高鐵線路從建設到運行近10年的風速分布情況，為高鐵的安全運行提供數據支持。本文使用了距離研究區(qū)段最近的兩個氣象站（吳中和昆山）2006—2015年風數據集中的日最大風數據，包括日最大風速和風向。本文所講的最大風速是指1 d內10 min平均風速的最大值。這些數據均經過界限值檢查，內部一致性檢查，時間一致性檢查等基本的質量控制，去除了粗大誤差。

1.2 方法

1.2.1 獲取研究區(qū)段各站點風數據

本文研究的是高鐵沿線某區(qū)段最大風速分布特征，由于研究的范圍較小，區(qū)域內的氣象站點較少，為了更精確地獲得高鐵沿線的最大風數據，對研究區(qū)段進行站點的劃分，以1公里為間隔，共劃分為23個模擬站點，如圖1所示。以距離研究區(qū)段最近的吳中和昆山氣象站2006—2015年日最大風數據為基礎，利用計算流體力學（computational fluid dynamics，CFD）模式Meteodyn WT（簡稱WT）模擬高鐵沿線的風流場，對研究區(qū)段進行流體力學計算，得到研究區(qū)段各站點2006—2015年的日最大風數據。

CFD是流體力學和計算機科學相結合的一種新型學科，它把流體力學的計算方法移植到計算機上，利用計算機快速的計算能力，求解出問題的近似解。本文使用的Meteodyn WT模式是一款以CFD為算法支撐的風資源評估行業(yè)內的專業(yè)軟件，而且考慮到研究區(qū)域下墊面的情況，如粗糙度、障礙物等因素，所以預測的精度較高，模擬出來的風數據較可靠［13-15］。使用Meteodyn WT模式獲取站點日最大風數據的步驟如下：

1）風數據準備：選取距離研究區(qū)段比較近的兩個氣象站2006—2015年日最大風數據，包括日最大風速和風向；

2）站點位置信息準備：針對研究區(qū)段以1 km為間隔劃分的23個模擬站點，獲取其位置信息（經緯度坐標）；

3）其他文件的準備：將建模計算所需的等高線地形圖、粗糙度文件準備好。WT所使用的粗糙度文件是來自歐洲航天局的ESA（2010）300 m分辨率粗糙度，本文研究區(qū)域大范圍的粗糙度如圖2所示。

圖1 劃分站點圖

圖2 研究區(qū)域大范圍粗糙度

4）計算風數據：將氣象站日最大風數據文件，各站點位置信息，等高線地形圖，粗糙度文件導入Meteodyn WT模式中，進行流體力學的計算，輸出各站點2006—2015年的日最大風數據，Meteodyn WT模式的建模計算如圖3所示。

圖3 WT建模計算

1.2.2 時空分布分析方法

本文首先對各站點的日最大風速進行了統(tǒng)計分析，發(fā)現各站點的日最大風速主要分布在3.5～6.5 m/s，由于研究區(qū)段位于江蘇內部，風速沒有沿海那么強烈，但在強對流天氣下風速會有所增加，所以考慮對風速進行季節(jié)劃分。按照氣象領域季節(jié)的劃分標準，劃分為春（3～5月）、夏（6～8月）、秋（9～11）、冬（12～2月）四季，再利用經驗正交函數分解法對各站點的最大風速進行時空分布分析，得到高鐵沿線某區(qū)段最大風速的時空分布特征。

經驗正交函數分解法（empirical orthogonal function，EOF）又稱為主成分分析法（principal component analysis，PCA），是提取主要數據特征量的一種方法，現已廣泛應用于氣象學研究之中。EOF分析方法能夠把變量場分解為不隨時間變化的空間函數部分（EOF）和只依賴時間變化的時間函數部分（PC）［16-19］。利用North檢驗來驗證各模態(tài)之間的獨立性，North檢驗是通過計算特征值的誤差范圍來進行顯著性檢驗，特征值的誤差為：

式中：N為樣本的數量；λi為第i個特征值。依次檢查特征值，標上誤差范圍，如果計算出來前后兩個特征值的誤差范圍有重疊部分，則該特征值沒有通過顯著性檢驗［20］。

2 最大風速統(tǒng)計分析

WT模式利用CFD算法建模計算出來的最大風速分布圖，如圖4所示。該區(qū)域包含氣象站和模擬站點，WT模式的網格只在此區(qū)域內生成，也只能得到該區(qū)域的CFD計算結果。由圖4可得：計算區(qū)域最大風速的分布情況。從南北來看，以高鐵沿線為界限，計算區(qū)域北部的最大風速較大，南部最大風速較小，因為北部有東中西3個大湖，南部是平原。由于高鐵沿線經過了湖面，所以高鐵沿線的最大風速也比較大，風速范圍約為5.64～6.85 m/s。從東西來看，可以看出高鐵沿線東部區(qū)段的最大風速要大于西部區(qū)段的最大風速，這是因為東湖比西湖的面積大，且在經過17、18以及20、21站點的最大風速較大，由谷歌地圖可以看出這些站點位于或靠近湖面。

綜上所述，水域上的風速比平地上的風速大，高鐵沿線東部區(qū)段的風速比西部區(qū)段大，因此可在上述17、18、20、21站點增加測風設備來獲得更準確的風數據，為高鐵的安全運行提供更精確的數據支持。

圖4 計算區(qū)域最大風速分布圖

研究區(qū)域各站點2006—2015年日最大風速的分布如圖5所示，日最大風速主要分布在3.5～6.5 m/s之間，在5.5 m/s處達到正態(tài)分布曲線的高峰，說明23個模擬站點10年的日最大風速均值在5.5 m/s左右。

對各站點2006—2015年日最大風速進行了統(tǒng)計分析，如圖6所示，各站點10年平均日最大風速曲線和各站點10 m/s以上日最大風速概率曲線的變化趨勢基本一致，出現極大值的點也基本一致，表明這些站點整體最大風速分布與部分最大風速分布一致。這些極大值出現的地方平均日最大風速比較大，出現大風的概率也比較高，如17和21站點。圖6還統(tǒng)計了1～12站點以及12～23站點的10年日最大風速的均值。從圖中可以看出：1～12站點10年日最大風速的均值小于12～23站點的均值。

圖5 研究區(qū)域2006—2015年日最大風速分布圖

對比圖6和圖4，分析結果基本一致，表明以12站點為界，研究區(qū)段東部的平均最大風速要大于研究區(qū)段西部的平均最大風速，應重點關注高鐵東部區(qū)段的風速，尤其是17和21站點的最大風速較大，應在17和21站點加裝測風裝置，來獲取更精細化的風數據，從而為高鐵的安全運行提供數據支持。

圖6 各站點2006—2015年日最大風速的統(tǒng)計圖

3 時空分布特征分析

3.1 最大風速空間分布特征

本文對研究區(qū)域劃分的23個模擬站點的日最大風速進行季節(jié)的劃分，按春（3～5月）夏（6～8月）秋（9～11月）冬（12～2月）劃分四季，利用EOF分解法對高鐵沿線某區(qū)段2006—2015年的風場進行模態(tài)分解，并進行North顯著性檢驗，得出主要空間分布模態(tài)。如表1所示，前3個特征值都通過了North檢驗，前3個特征值的累計方差貢獻率為99.69%，前2個特征值的累計方差貢獻率為98.84%，超過了95%，這兩個特征值可以很好地描述研究區(qū)域2006—2015年最大風速分布的兩種分布類型。

表1 研究區(qū)域最大風速EOF分解前3個特征值方差貢獻率及誤差范圍

由表1可知：模態(tài)1特征值的方差貢獻率為83.25%，遠高于其他模態(tài)的貢獻率，是研究區(qū)域風場的主要空間分布形式，其對應的空間分布模態(tài)圖如圖7（a）所示。由圖中可以看出：模態(tài)1的特征值均為正值，呈現研究區(qū)域全年最大風速都大或全年最大風速都小的風速分布特征，表明2006—2015年研究區(qū)段的最大風速是受大尺度氣候變化的影響，變化趨勢具有高度的一致性，與研究區(qū)域的地理位置無關。高值中心位于研究區(qū)段西部的2～6站點，反映該區(qū)域最大風速變化最明顯，低值中心位于研究區(qū)段東部的20～23站點，說明研究區(qū)段西部的最大風速變化程度遠高于研究區(qū)段的東部地區(qū)，研究區(qū)段中間部分則為過渡區(qū)。

模態(tài)2特征值的方差貢獻率為15.59%，也是研究區(qū)域最大風速場分布較為典型的空間分布形式，研究區(qū)域2006—2015年最大風速EOF的第2模態(tài)圖如圖7（b）所示。由圖中可以看出：模態(tài)2的特征值有正有負。以12站點為界，向東為正值區(qū)，向西為負值區(qū)，正值中心出現在研究區(qū)域東部的20～23站點，負值中心出現在研究區(qū)域西部的1～7站點，呈現東西反向分布的模式，即要么東部區(qū)段最大風速增大，西部區(qū)段最大風速減小，要么東部區(qū)段最大風速減小，西部區(qū)段最大風速增大。特征向量值從東向西依次減小，反映研究區(qū)段最大風速也是由東向西依次減小，表明東部區(qū)段的最大風速大于西部區(qū)段的最大風速。正值中心位于20～23站點，表明20～23站點的最大風速較大。這種現象是由于東部區(qū)段穿過的東湖面積最大，深度最深，與第2節(jié)的分析結果一致。

圖7 研究區(qū)段2006—2015年最大風場EOF模態(tài)圖

3.2 最大風速時間分布特征

根據這2個模態(tài)可以得出：研究區(qū)域最大風速場有4種表現類型：模態(tài)1決定研究區(qū)段全年最大風速偏大或全年最大風速偏小兩種類型；模態(tài)2決定東部區(qū)段最大風速偏大，西部區(qū)段最大風速偏小或東部區(qū)段最大風速偏小，西部區(qū)段最大風速偏大兩種類型。

各個模態(tài)分解得到的時間系數代表其對應模態(tài)的時間變化特征，系數符號決定模態(tài)的方向，正號表示與模態(tài)同方向，負號表示與模態(tài)反方向，并且系數的絕對值越大，表明這一時刻這類的模態(tài)就越典型。圖8為EOF模態(tài)時間系數圖。從EOF第1模態(tài)時間系數可以看出：2011年冬季以前大部分季節(jié)的時間系數為負值，說明2011年冬季以前研究區(qū)域的最大風速偏低；2011年冬季以后，時間系數開始上升，并幾乎為正值，說明從2011年冬季到2015年冬季最大風速偏大，且整體有上升的趨勢。從EOF第2模態(tài)時間系數可以看出：2011年秋之前的時間系數幾乎為正值，2011年秋之后的時間系數幾乎為負值，且從2013年夏時間系數呈下降趨勢，表明這10年間，前6年高鐵沿線東部區(qū)段的最大風速比西部大，后4年西部區(qū)段的最大風速比東部大，且這種分布狀態(tài)越來越明顯，時間系數所反映的與特征向量反映的風場基本一致。

圖8 EOF模態(tài)時間系數

綜上所述，高鐵研究區(qū)段在2006—2011年的最大風速偏低，且東部區(qū)段的風速要大于西部區(qū)段，2011—2015年最大風速有上升的趨勢，此時，西部區(qū)段的風速大于東部區(qū)段的風速。

對模態(tài)劃分出的4種風場空間模態(tài)分布類型進行統(tǒng)計分析，取每個季節(jié)時間系數絕對值最大的點所對應的表現類型作為風場的空間分布模態(tài)，統(tǒng)計出研究區(qū)段10年內每個季節(jié)的最大風速分布類型，如表2所示。

(1)抑塵和防塵措施。在煤炭、矸石或其他干物料的貯、裝、運、破碎、篩分過程中，采取產塵較少的工藝和設備，并采用適當的抑塵和防塵措施。如精煤貯存用圓筒倉代替精煤露天貯煤場；設置擋風抑塵墻，封閉轉載點以及在原煤儲煤廠安設噴水裝置，嚴格控制噴水量。

表2 EOF分解的4種最大風場表現類型季節(jié)分布

其中，10年40個季節(jié)中有17個季節(jié)全區(qū)段大風，占總季節(jié)的42.5%；16個季節(jié)全區(qū)段小風，占總季節(jié)的40%；東部區(qū)段最大風速偏大，西部區(qū)段最大風速偏小的季節(jié)有4個，占全季節(jié)的10%；東部區(qū)段最大風速偏小，西部區(qū)段最大風速偏大的季節(jié)有3個，占全季節(jié)的7.5%。EOF第1模態(tài)的風場分布型占總季節(jié)的82.5%，第2模態(tài)占17.5%，說明研究區(qū)段最大風場的分布以模態(tài)1為主，呈現一種整體最大風速大或最大風速小的分布模式，與計算的模態(tài)方差貢獻率相對應。

由模態(tài)1的分布情況可以看出：出現全區(qū)段大風與全區(qū)段小風的季節(jié)數相差不大，說明高鐵沿線的風速在這10年中沒有明顯增大或減小的趨勢，且全區(qū)段大風大多出現在春夏之際，全區(qū)段小風大多出現在秋冬之際；由模態(tài)2的分布情況可以看出：東部區(qū)段最大風速大于西部區(qū)段的占比比東部區(qū)段最大風速小于西部區(qū)段的高，且東部最大風速偏大的季節(jié)大多出現在春夏之際，西部區(qū)段最大風速偏大的季節(jié)多出現在秋冬之際。這主要是由于研究區(qū)域地處亞熱帶，屬季風氣候，夏季受熱帶海洋氣團影響，盛行東南風；而冬季受北方高壓氣團控制，盛行偏北風。

綜上所述，高鐵沿線的風速在這10年中沒有明顯增大或減小的趨勢，春夏季是高鐵沿線大風容易出現的季節(jié)，且高鐵沿線東部區(qū)段的最大風速比西部區(qū)段大，所以應重點關注高鐵沿線東部區(qū)段春夏時的最大風速。

4 結論

1）研究區(qū)段東部的平均最大風速要大于西部的平均最大風速，應重點關注東部區(qū)段的風速。17和21站點處的平均日最大風速比較大，出現大風的概率較高，所以應在17和21站點加裝測風裝置獲取更精細化的風數據，為高鐵的安全運行提供數據支持。

2）研究區(qū)段最大風速場的空間分布有2種典型模態(tài)：模態(tài)1呈現全局一致型，模態(tài)2呈現東西反向分布。兩種模態(tài)劃分為4種表現類型：全年最大風速偏大（占42.5%），全年最大風速偏?。ㄕ?0%），東部區(qū)段最大風速偏大，西部區(qū)段最大風速偏小（占10%）以及東部區(qū)段最大風速偏小，西部區(qū)段最大風速偏大（占7.5%）。研究區(qū)段最大風場的分布模態(tài)以模態(tài)1為主，呈現一種整體最大風速偏大或最大風速偏小的分布模式，且在2006—2015年間風速沒有明顯增大或減少的趨勢。

3）春夏季是高鐵沿線大風容易出現的季節(jié)，且高鐵沿線東部區(qū)段的最大風速比西部區(qū)段大，所以應重點關注高鐵沿線東部區(qū)段在春夏時的最大風速。