阿拉善右旗不同时间尺度的风速概率分布_赵嘉琪.pdf

第 43 卷 第 2 期2023 年 3 月中国沙漠JOURNAL OF DESERT RESEARCHVol.43 No.2Mar.2023赵嘉琪，张春来，魏国茹.阿拉善右旗不同时间尺度的风速概率分布 J.中国沙漠，2023，43（2）：37-42.阿拉善右旗不同时间尺度的风速概率分布赵嘉琪，张春来，魏国茹（北京师范大学 地理科学学部 地表过程与资源生态国家重点实验室/防沙治沙教育部工程研究中心，北京 100875）摘要：利用阿拉善右旗19602015年整点风速数据，分析了日、月、年风速累积概率分布。结果表明：WeibullCum分布函数在描述风速累积概率分布时具有不同时间尺度的普适性。在多年平均逐日和逐月风速累积概率分布函数中，4个常数项存在周期性变化规律，而在19602015年逐年分布函数中，4个常数项分别具有周期性变化规律和减小趋势。对比20162020年不同时间尺度起沙风速频率统计结果和利用风速累积概率分布函数计算的结果发现，分布函数对月和年起沙风的频率具有很高的预测精度，而对日起沙风频率的预测能力不足，这是由日时间尺度上风的不确定性造成的。关键词：风速累积概率分布；WeibullCum分布函数；起沙风文章编号：1000-694X（2023）02-037-06 DOI：10.7522/j.issn.1000-694X.2022.00115 中图分类号：P425 文献标志码：A0 引言 风是塑造地表形态的主要驱动力和地球表面重要的可再生资源，风力及其在时空尺度上的变异特征，是风沙地貌、土壤风蚀和沙漠化等领域研究的重要内容，也是风能资源开发利用重点关注的问题。风速概率分布是统计风速数据、进行风能资源评价的重要手段。其中，Weibull分布函数1由于能够较好地反映实际风速频率分布而得到广泛应用2-11。然而，相关研究主要证实了Weibull分布函数对描述风速概率分布的适用性，没有对该函数中的常数项可能存在的时空变化规律进行更深入的挖掘。陈练等12利用中国557个气象站点长达40年的日均风速，统计得到日均风速的Weibull分布函数，并计算了平均风能密度和可利用风能时数，但没有考虑分布函数中参数的月际变化规律。有些学者虽然给出了Weibull分布函数中逐月、逐年不同的参数固定值13-14，以及参数的月际变化规律15，但未能建立能够反映月、年变化的统一概率分布函数，导致不同时间尺度风速分布之间缺乏应有的联系。此外，已有研究大多为日平均甚至月平均风速的概率分布，由于数据时间分辨率太低，导致在起沙风速统计、风能资源评价等应用中存在计算精度不足。本文以地处内蒙古高原西部、风沙活动频发、风能资源丰富的阿拉善右旗为例，通过分析不同时间尺度整点风速的概率分布，尝试建立不同时间尺度的风速概率分布函数，以期为中国北方沙区风况数据的高效统计以及风能资源的快捷评价和预测提供有益参考。1 研究方法 采用的气象数据为阿拉善右旗气象站（3913 N、10141 E，海拔 1 510 m）1960 年 1 月 1 日至2020年12月31日整点风速数据。数据来源于中国气象数据网（http：/ d逐日多年平均风速。19602015年逐年、月、日风速频率分布，采用相应时段内的风速进行统计。将统计得到的频收稿日期：20220508；改回日期：20220801资助项目：国家自然科学基金重点项目（41630747）作者简介：赵嘉琪（1999），女，内蒙古乌海人，硕士研究生，研究方向为土壤风蚀。E-mail：通信作者：张春来（E-mail：）中国沙漠第 43 卷率数据，利用 TableCurve 2D v5.01 软件（SYSTAT Software Inc.）进行拟合分析，分别得到各时间尺度的风速概率分布函数，用均方根误差来检验风速概率分布函数对实际风速频率的拟合优度。2 结果与分析 2.1月平均和年平均风速频率分布阿拉善右旗多年平均风速为3.63 m s-1，年均风速最大为 5.00 m s-1（1972 年），最小为 2.86 m s-1（1992年）。总体而言，月平均风速以45月最大，在56年内只有5月和6月出现过平均风速大于6.0 m s-1的风速；11月至次年1月风速最小（表1）。26月，高风速频率逐渐增加，7月至次年1月高风速频率逐渐降低（图1）。2.2整点风速概率分布统计表明，逐日、逐月、逐年风速累积概率分布均符合WeibullCum函数分布：P(d，m，y)=A 1-exp-(U+Cln21/D-BC)D （1）式中：P（d，m，y）为某日（1365）或某月或某年风速小于U（m s-1）的累积概率（%）；A、B、C、D为分布函数中的常数项。表1逐月平均风速（m s-1）统计特征Table 1Statistical characteristics of monthly average wind speed风速指标多年平均最大值最小值标准偏差月 份12.955.491.480.7823.424.582.280.6333.925.782.600.7544.155.782.830.7854.236.132.600.8164.096.342.860.7773.985.732.900.7184.065.852.420.7893.595.032.230.64103.154.282.120.59113.035.021.910.71122.984.801.760.64图1阿拉善右旗逐月平均风速频率分布和累积频率分布Fig.1Monthly average wind speed frequency distribution and cumulative frequency distribution in Alxa Youqi38第 2 期赵嘉琪等：阿拉善右旗不同时间尺度的风速概率分布2.2.1逐日风速累积概率分布将逐日风速累积概率分布函数中的常数项A、B、C和D分别命名为Ad、Bd、Cd和Dd。其中，Ad在1365 d中呈微小波动变化特征（标准差为0.31），不随日期发生趋势性变化，而是接近于一个定值99.94；Bd、Cd、Dd则不同，均随日期变化而表现为14月逐渐增大，57月处于峰值，812月逐渐减小至1月初的水平（图2）。进一步统计表明，Bd、Cd、Dd逐日变化趋势满足关系式（2）：(Bd，Cd，Dd)=a+b1+()x-cd2（2）式中：x 为日，介于 1365。Bd的函数关系式中，a=0.9285、b=2.7317、c=162.78、d=157.52；Cd的函数关系式中，a=1.5897、b=3.9262、c=172.51、d=165.49；Dd的函数关系式中，a=1.1872、b=0.7249、c=182.23、d=85.66。将Ad=99.94代入（1）式，同时联立Bd、Cd、Dd的函数关系式，即可计算任意日期、任意风速范围内的风发生的概率。以4月10日为例（d=101），该日期10 m s-1以下风速发生的累积概率为Pd（U=10）=95.89%，11 m s-1以下风速发生的累积概率为Pd（U=11）=97.29%，则 4月 10日 1011 m s-1风速发生的概率为 Pd（U=11）-Pd（U=10）=1.4%。17 m s-1以下风速发生的累积概率为Pd（U=17）=99.33%，则当日大风概率为1-Pd（U=17）=0.67%。2.2.2逐月风速累积概率分布将逐月风速累积概率分布函数中的常数项A、B、C和D分别命名为Am、Bm、Cm和Dm。其中，Am为定值（Am=99.940.09），不随月份而变化；Bm、Cm、Dm随月份不同而变化（图3），且满足相同形式的函数关系式（3）：Am=99.94Bm=0.742sin()2x 11.996+4.807+2.937 (R2=0.77，P 0.05)Cm=0.986sin()2x 11.994+4.680+4.418 (R2=0.49，P 0.05)Dm=0.264sin()2x 11.995+4.455+1.506 (R2=0.34，P 0.05)（3）式中：x 为月份。联立 WeibullCum 分布函数和（3）式，即可计算任意月份、任意风速范围内的风发生的概率。2.2.3逐年风速累积概率分布将逐年风速累积概率分布函数中的常数项A、B、C 和 D 分别命名为 Ay、By、Cy和 Dy。结果表明，19602015年4个常数项均发生有规律的变化（图4）。其中，Ay和By的变化显示出一定的周期性，Cy和Dy略具减小趋势。Ay、By、Cy、Dy分别与年份之间大致满足如下相关关系：Ay=0.371sin(2x 88.313+1.960)+100.15(R2=0.44，P 0.05)By=0.612sin()2x 57.278+5.375+2.470(R2=0.74，P 0.05)Cy=()4.091 107x2-8.1852(R2=0.59，P 0.05)Dy=-0.00376x+9.065(R2=0.1，P 0.05)（4）式中：x 为年份。联立 WeibullCum 分布函数和（4）式，即可计算任意年份、任意风速范围内的风发生的概率。同时，利用（4）式，估算Ay和By的变化周期分别约为89年和57年。2.3风速累积概率分布函数在起沙风概率计算中的应用大于临界起沙风速的风称为起沙风。临界起沙风速取决于地表植被覆盖和沙粒粒径、含水率等诸多因素16，但在起沙风的统计中，一般并不考虑植被覆盖和沙面含水率等因素。陈渭南等17在塔克拉玛干沙漠腹地的观测表明，该地区干燥、裸露沙丘沙的冲击起动风速约为6 m s-1（气象站观测的10 min平均风速，与整点风速记录相同）。在阿拉善右旗邻近的巴沙丹吉林沙漠，2 m高度的临界起沙风速被确定为5 m s-1 18，同样接近于气象站观测的图2Ad、Bd、Cd、Dd逐日变化Fig.2Daily variation of Ad，Bd，Cd and Dd39中国沙漠第 43 卷6 m s-1风速。本文采用的风速数据全部为气象站观测资料，因此将研究区临界起沙风速确定为6 m s-1，风速6 m s-1的风为起沙风。2.3.1逐日起沙风概率和可能时数计算利用逐日风速累积概率分布函数，计算逐日起沙风概率和可能时数。方法如下：Pd()U 6=1-Pd()U=6（5）Td()U 6=Td01-Pd()U=6（6）式中，Pd（U6）为某日起沙风概率；Pd（U=6）为当日风速等于 6 m s-1的累积概率；Td为当日起沙风可能时数（h）；Td0为每日小时数（24 h）。计算表明，逐日起沙风发生概率和可能时数表现为第1147天小幅度上升，第139149天（5月1828日）出现日起沙风概率和可能时数峰值（Pd（U6）=22.3%，Td（U6）=5.4 h）；147天以后日起沙风概率和可能时数逐渐减小至全年最低水平。逐日起沙风概率和可能时数最小值（Pd（U6）=8.4%，Td（U6）=2.0 h）出现在第354364天（12月19日至12月29日）。对比20162020年逐日实际起沙风频率与逐日风速概率分布函数计算得到的逐日起沙风概率，两者差异较大（图5），说明逐日风速分布具有很大的不确定性，利用概率分布函数进行日风速预测有局限性。2.3.2逐月起沙风概率计算利用月风速累积概率分布函数，计算逐月起沙风概率和可能时数。方法如下：Pm()U 6=1-Pm()U=6（7）Tm()U 6=Tm01-Pm()U=6（8）式中：Pm（U6）为某月起沙风概率；Pm（U=6）为当月风速等于 6 m s-1的累积概率；Tm为当月起沙风可能时数（h）；Tm0为每月小时数。逐月起沙风发生概率和可能时数表现为16月逐渐增大，6月出现全年起沙风概率的第一个峰值（Pm（U6）=23.1%，Tm=166.3 h）；712月起沙风概率和可能时数持续降低。起沙风概率最低月份是 11月（Pm（U6）=11.4%，Tm=82.1 h）。对比20162020年逐月起沙风统计频率与采用逐月风速概率分布函数计算得到的逐月起沙风概率