1. 引言
近地层风是指距离地球表面100米以下的风。由于大气运动特性和下垫面的影响,不同高度风特征的变化也较大。近地层风特征对风能开发、大气污染扩散等方面有着相当重要的影响,因此对近地层风特征的研究受到了学者们的普遍关注。Brooks E. Martner和John D. Marwitz [1] 通过设置在不同地点不同高度的25台风速传感器的数据,分析了怀俄明州南部的风速特征,通过研究发现地形对风速增加起到促进作用,冬季风速平均值大于夏季。Soler-Bientz R等 [2] 利用9个气象站2000~2007年10 min平均风速资料,分析了尤卡坦半岛的风资源特征,并通过对比发现岛上风变化特征主要受加勒比海和墨西哥湾影响。Sinden G [3] 根据1970年至2003年期间66个气象站点的小时风观测数据,对英国风力资源的特征进行了分析,并研究了风电输出与电力需求之间的关系。植石群 [4] 利用广东省沿海地区现场实测风资料及其临近区域气象站的风资料,分析研究了广东省沿海风随高度的变化规律和随离海岸线距离的衰减变化规律,计算了广东省沿海风能贮量和可开发量。赵小平等 [5] 、肖辉等 [6] 对台风登陆期间的近地层风特性进行分析发现,近地层各高度风速呈现“M”型双峰特征。孙川永等 [7] 根据不同风向下风速廓线的特性,研究减少风速预报误差及风机功率预报环节误差的方法。付德义等 [8] 分析得出随着风切变指数的增加,风机极限载荷与疲劳等效载荷也随之变大。周波等 [9] 研究发现风速分布的差异会使实际的风轮输出转矩产生脉动,桨距角产生周期性脉动,从而影响电能质量。雷杨娜等 [10] 对陕北黄土高原6座测风塔测风资料进行了分析,为该地区风能资源状况的评价提供了有价值的参考数据。
近年来,随着城市化和经济社会的不断发展,我国大气污染防治的形势依旧严峻,而近地层风对于大气污染物扩散有着重要的影响作用。徐永清等 [11] 利用风塔测风数据,计算各高度污染系数,得出随高度增加有利于大气污染物扩散的结论。李晓霞等 [12] 对兰州新区盛行风向及污染系数进行分析计算,为新区合理进行规划布局、控制高污染企业提供科学依据。郭立平等 [13] 、程念亮等 [14] 、宋晓辉等 [15] 的分析表明重污染天气过程成因与近地层风之间有密切联系。王跃等 [16] 以北京一次重污染天气为例,通过边界层结构和气象要素的分析,得出低空顺时针垂直风切变带来暖湿气流,促使低空细颗粒物汇聚成霾。马艳等 [17] 通过分析持续重污染期间青岛市大气边界层气象要素的时间和空间特征,表明低层暖湿的风切变是重污染天气持续的有利条件。
董晓雁等 [18] 利用新一代L波段高空气象探测系统雷达采集邢台地区2011年高空风观测资料,分析了距地面300 m、600 m、900 m高度风速、风向分布等特征,得出邢台地区上空处在明显的西风带环流中,风向多为偏北风,风速春季偏大,冬季1月最小的结论。与国内其他地区研究相比,对邢台近地层风特征的应用研究还比较少,尤其是利用风塔实测资料进行的相关研究尚未见文献报道。中国气象局邢台大气环境野外科学试验基地100 m通量观测塔于2019年10月正式建成投入业务运行,为邢台地区近地层风的精细研究提供了可靠数据,本文利用通量观测塔2019年12月到2020年2月的观测数据,分析2019年冬季近地层风特征,并计算污染系数,希望为本地大气污染扩散、风能开发等提供科学参考。
2. 观测资料与研究方法
2.1. 资料选取
本文选取的资料为中国气象局邢台大气环境野外科学试验基地(114˚23'12E,37˚17'27N,海拔高度163 m) 100 m通量观测塔2019年冬季(2019年12月至2020年2月)的风向、风速观测资料,观测塔周围地势平坦,四周开阔,地表为矮木层和低矮建筑物。通量观测塔观测高度有10层,分别为:1 m,2 m,4 m,8 m,16 m,32 m,48 m,64 m,80 m,96 m。对观测数据进行质量控制,包括数据文件的完整性和有效性检验、数据的合理性检验、气候极值检查,进而获得有效数据,观测数据完整度高,数据可信,可以用来分析邢台近地层风特征。
2.2. 研究方法
风切变指数是表征风速垂直变化的主要特征量之一 [19] 。对于风切变指数的计算应用较多的是指数率和对数率 [20] [21] [22] ,文中按照《建筑结构荷载规范》(GB50009-2012) (8.2.1条文说明)和《风电场风能资源评估方法》(GB/T 18710-2002)两部国家标准推荐的方法,本文使用指数率用于风切变指数的计算,其表达式为:
(1)
式中:u和u1分别为z和z1高度处的风速,α为风切变指数。
一般采用最小二乘法拟合的方法计算α,其方法为:
将公式(1)两边取对数 [22] ,得到:
(2)
令,,得到线性方程y = αx。最小二乘法要求残差的平方最小,RSS表达式中的平方展开并经过变换 [23] ,得到公式:
(3)
当时RSS最小,将实测数据代入公式,这就得到了风切变指数值。
污染系数是某一地区某方位风向频率与该方位平均风速的比值 [24] ,污染系数(污染危害的程度)与受污染的时间和污染物浓度有关,某方位下风受污染的时间与该方位风向频率成正比,而污染浓度与该方位的平均风速成反比。空气污染系数综合了风向和风速的作用,代表了该方位下风向空气污染程度。污染系数在厂址选择和企业内部布局中是一项重要的依据。其计算公式为:
(4)
式中,Pi为某i方位的污染系数,fi为该方向风向出现的频率, 为该方向平均风速。
按照地面气象观测规范 [25] 规定,将风向分为16个方位。四季中12月到次年2月为冬季。日变化指逐小时变化,文中时间均为北京时。
3. 风特征分析
3.1. 风速日变化
通过通量观测塔冬季各高度平均风速的日变化曲线(图1),可以看出,通量风塔各层均呈现出比较明显的日变化特征,日间平均风速明显大于夜间平均风速,计算得出通量观测塔各层平均风速在日间(8~20时)为3.70 m∙s−1,夜间(21时~7时)为2.95 m∙s−1,其中1~32 m高度,风速的日变化曲线基本一致,各层均是在9时以后风速迅速增大,在15~16时风速达到最大值,之后迅速减小,18时到次日9时风速变化不大;48~96米高度,风速在日出前后开始增大,增速较1~32米的小,到16~17时风速达到最大值,之
Figure 1. Daily variation curve of wind speed at each height
图1. 各高度风速日变化曲线
后缓慢下降。根据计算得出各层平均风速和观测高度的相关系数发现:各层平均风速和观测高度呈正相关关系,徐永清等 [11] 、刘敏等 [19] 的研究表明风速随高度升高增大,本文与其研究结论较为一致。1~32 m高度平均风速在15~16时达到最大,48~96 m高度在16~17时达到最大,是因为低层(1~32米)在日出后的气温上升幅度更大,大气湍流更加强烈,导致风速迅速增大,下午时,由于太阳辐射减弱,低层(1~32米)气温会迅速降低,大气湍流相对减弱,因此平均风速在15~16时达到最大后也迅速减小,而48~96 m高度相对1~32米受地形下垫面影响较小,温度变化也趋于缓和,在16~17时平均风速达到最大后缓慢下降。
3.2. 风速随高度变化特征及风切变指数
风资源评估分析中,风切变指数是涉及风机安全的一个重要参数,风机的设计和选型都要考虑风切变指数的大小 [26] 。通过通量塔各高度10分钟平均风速的散点图(图2(a))发现:拟合曲线对观测值的拟合优度较好,确定系数为0.992,风切变指数为0.225。风力发电机的启动风速一般为3~4 m∙s−1 [22] ,小于3 m∙s−1的风速对于风力发电几乎没有贡献,所以本文剔除掉3 m∙s−1以下风速数据(以下称为“启动风速段”),更能直观准确地为邢台地区风能资源评价提供参考,通过对数据进行处理,进而得出风切变指数拟合曲线,如图2(b)所示。图中确定系数为0.965,风切变指数为0.075。启动风速段拟合曲线比较平缓,
Figure 2. Fitting curve of wind shear index ((a) is the wind shear index of 10 minute average wind speed, and (b) is the wind shear index of 10 minute average wind speed ≥ 3 m∙s−1)
图2. 风切变指数拟合曲线图((a)为10分钟平均风速风切变指数,(b)为10分钟平均风速 ≥ 3 m∙s−1风切变指数)
风切变指数较小,表明各层高度之间风速变化较小,这是由于风速越大,各层高度之间空气交流混合越充分,使各层高度间风速更为趋于一致,风切变指数也就越小,实际计算与其他研究人员的分析结论一致 [21] [22] 。
3.3. 风向变化特征
表1显示的是冬季(2019年12月至2020年2月)通量观测塔1~96 m共十层高度风向频率,由表可知,1~16 m高度盛行风向随高度有所变化,1 m~2 m高度为西北风向,4~8 m高度为西西北风向,16 m高度为北西北风向,风向频率为13.22%~23.39%;32~96 m高度盛行风向均为北风,风向频率为12.98%~17.01%,从16 m到96 m高度风向有一定顺转趋势。1 m~2 m高度SE风向频率显著低于4~96 m高度,1 m高度SSE风向频率显著低于2~96 m高度,1~8 m高度SSW风向频率显著低于16~96 m高度,1 m、2 m高度NW风向频率显著高于4~96 m高度。分析原因,可能是由于地面建构筑物和植被的影响,对风产生一定的阻挡作用,致使不同高度的风向频率具有一定的差异。
Table 1. Wind direction frequency at each height (unit: %)
表1. 各高度风向频率(单位:%)
3.4. 重污染天气分析及污染系数
对冬季(2019年12月至2020年2月)通量观测塔数据进行筛选,筛选出时段内AQI (空气质量指数) ≥ 200的通量观测塔风向、风速数据,对不同高度风向频率进行统计分析可知,在重污染天气时段,风向多以北风、西北风及相邻风向(WNW, NNW)为主。计算AQI (空气质量指数) ≥ 200时段平均风速和AQI (空气质量指数) < 200时段平均风速(表2)发现:重污染天气时段平均风速明显低于其他时段,表明低风速有利于大气污染物的聚集和重污染天气的持续。
Table 2. Average wind speed during AQI ≥ 200 and AQI < 200 at different heights (unit: m∙s−1)
表2. 不同高度空气质量指数AQI ≥ 200时段平均风速和AQI < 200时段平均风速(单位:m∙s−1)
根据不同高度各风向污染系数计算结果(表3)可知,1~16 m高度污染系数最大的风向为西北及西西北风向,32~96 m高度污染系数最大的风向为北风及北西北风向。污染系数整体呈现出低层大、高层小的趋势,其中污染系数最小值为0.004 (80 m高度北西北风向),最大值为0.212 (1 m高度西北风向),1~8 m高度污染系数在0.04以上的风向分别有9个、6个、4个和3个,而16~96 m高度各风向污染系数仅有一个在0.04以上(16 m高度西北西风向),随高度增加,各风向平均风速增大,导致污染系数减小,有利于污染物的扩散。
Table 3. Pollution coefficient of each height
表3. 各高度污染系数
利用相同高度各风向PM2.5和PM10平均值与污染系数数据进行相关性分析(表4),低层(1~16 m)高度PM2.5和PM10平均值与污染系数呈负相关关系,32~96 m高度呈正相关关系,且高度在80 m时,PM2.5和PM10平均值与污染系数的相关性最好,相关系数达到0.717 (通过α = 0.001检验)。究其原因可能是由于地表建构筑物和地形原因,对风起到一定的阻挡作用,导致1~16 m高度PM2.5和PM10平均值与污染系数相关性比较差,而32~96 m高度受到地面影响比较小,二者相关性比较好。
80 m高度时,大部分风向上PM2.5和PM10浓度平均值与风速呈负相关关系,即风速变大,PM2.5和PM10浓度平均值降低(图略)。此高度上污染系数最大风向为N (北风),图3表示北风风向不同风速区间内PM2.5和PM10浓度平均值的变化柱形图,由图可知,随着风速的变化,PM2.5和PM10平均值呈现出先下降、再升高、再下降的趋势,从静风到风速4 m∙s−1区间,风速的增加有助于污染物的扩散,因此PM2.5和PM10浓度平均值与风速呈负相关关系,由于污染物监测设备北部有多家水泥生产企业,随着风速的继续增加,外来输送影响对环境大气污染物浓度影响逐渐增大,导致PM2.5和PM10值增加,风速增大到8 m∙s−1以上时,虽然局地会产生扬沙或浮尘,但干净空气的置换作用效果显著加强,导致PM2.5和PM10浓度平均值迅速减小。
Figure 3. Variation diagram of pollutant concentration in different wind speed ranges of north wind direction at 80 m height
图3. 80 m高度北风风向不同风速区间污染物浓度变化图
4. 结论
通过对河北邢台通量观测塔2019年12月~2020年2月风向风速数据进行分析,得出以下结论:
1) 通量观测塔各层平均风速均呈现出明显的日变化特征,夜间风速小,白天风速大,不同高度风速日变化呈现出一定差异。
2) 全风速段风切变指数α为0.225,风机启动风速段风切变指数α为0.075,风切变指数与风速呈反比关系,风速越大,风切变指数越小,由于风速越大,各层高度之间空气交流混合越充分,使各层高度间风速更为趋于一致,风切变指数也就越小。
3) 各高度盛行风向均以北风、西北风及相邻风向为主,南风相邻风向(SE、SSE和SSW)频率低层显著低于高层,西北方向低层风向频率显著高于高层。可见,风塔所在地附近地面突出物对风向起到一定程度的影响,导致不同高度的风向会有一定的差异。
4) 各高度污染系数最大值均在北风及相近风向,污染系数与高度成负相关关系,说明随着高度升高,更有利于污染物的扩散。
5) PM2.5和PM10浓度平均值与污染系数相关性高层好于低层,相关性最好的为80 m高度。80 m高度上风速与PM2.5和PM10浓度平均值大体上呈负相关关系,由于北部有多家水泥生产企业原因,导致北风风向PM2.5和PM10浓度平均值呈现出先下降、再升高、再下降的趋势。
5. 讨论
由于观测资料的时长序列比较短,所以对该地区的风特征变化不能完全描述。本文只是对该地区风特征变化现象进行统计分析,对其产生的原因和物理机制未能给出详细解释,对于不同天气特征情况下风特征对比分析有待资料积累后开展进一步的研究。