基于CCMP卫星资料的中国海域风能资源分析

肖晶晶，李正泉，郭芬芬，马浩

（1.浙江省气候中心，浙江杭州310017；2.国家海洋局第二海洋研究所，浙江杭州310012）

基于CCMP卫星资料的中国海域风能资源分析

肖晶晶1，李正泉1，郭芬芬2，马浩1

（1.浙江省气候中心，浙江杭州310017；2.国家海洋局第二海洋研究所，浙江杭州310012）

基于1988—2011年CCMP卫星资料对中国海域的风能资源进行分析评估，研究中国海域风能资源的空间格局及气候变化特征，并进行风能资源区划。研究结果表明：（1）中国海域年风功率密度各海域分布在79.2（琼州海峡）～465.8（巴士海峡）W/m2，其中东海南部、南海东北部和巴士海峡的年平均风功率密度大于400 W/m2，其次为南海中东部、东海北部、台湾海峡、台湾以东洋面（300～400 W/m2），渤海海峡、黄海北部、北部湾、渤海和琼州海峡的风功率密度在200 W/m2以下；（2）DJF期间，中国海区风功率密度平均值最大（412.5W/m2），大值区的风功率密度达800～1000 W/m2；JJA期间，中国海域风功率密度平均值最小（159.4 W/m2）；（3）1988—2011年中国各海区风功能密度上升趋势为20.8（琼州海峡）～124.7（台湾海峡）W/（m2∙10 a），除南海西南部和南海东南部海区外，其他海区的变化趋势均通过了0.05的显著性检验；（4）中国海域风能资源分区结果表明，中国海区超过80%的海区适合并网风力发电，其中非常适合的海域占海区面积的62.3%。在风电开发技术可控范围内（水深5～50 m），台湾海峡、南海东北近海海区（水深0～50 m）风能资源最丰富，最高处达490 W/m2，其次是东海北部近海海区（水深20～50 m），风功率密度达300～350 W/m2。

CCMP；中国海域；风能资源

1 引言

能源危机已成为人类共同面临的世界性难题之一，常规能源日益枯竭、气候变暖、环境恶化等使人们认识到发展可再生能源的重要性和紧迫性[1-2]。IPCC《可再生能源与减缓气候变化特别报告》指出，发展风能、太阳能等可再生能源是应对气候变化的重要举措[3-4]。其中风能是新能源中最具工业开发潜力的可再生能源[5]，风力发电是新能源开发中技术成熟、具有大规模开发和商业化发展前景的发电方式[2]。中国风能资源储藏丰富，其中海上可开发量初估为400～500 GW，属于风能资源较丰富的国家[6-8]。同时，中国是世界第二大能源消费大国，中国的经济建设迅速发展使能源消耗爆发式增长，风能的开发利用对于减轻对化石能源的进口依赖，加强自身能源供应安全、稳定社会经济具有十分重要的现实意义[9]。

海上风能资源开发优于陆地，不存在土地征用、噪声等问题，且海上风场往往离负荷中心近、电网容纳能力强，因而大规模发展海上风电越来越受重视。海上风能资源评估是海上风能开发的基础工作。传统海面风速观测主要依靠船舶、石油平台、浮标、观测塔和岛屿站等实测气象观测，此种方法可对局地进行长时间连续观测，但在空间上有局限性，而且人力、物力耗费高[10]。当前国际较前沿的科技手段是借助卫星遥感观测、地理信息系统及中小尺度气象学等相关技术研究成果[11-12]，得到全球尺度的风速分布情况，尤其是高分辨率卫星资料的应用，可以实现对风能资源的较精准评估。全球及各大洋区海表面风能资源的研究相对较多[13-17]，中国陆地风能资源已经开展过多次全国性普查，详查工作在2007—2011年开展，但海上风能资源的调查与评估的相关工作尚不充分。中国气象局利用风能资源数值模式（如WERAS/CMA）的模拟结果已评估了中国海域风能资源的大小及其空间分布[5]，但受数值模式运算量的限制，未能给出风能资源的历年变化。CCMP（Cross Calibrated，Multi-Platform Ocean Surface Wind Velocity）卫星资料是卫星观测数据和再分析数据的时空混合风场产品，是目前可覆盖全球范围的时空分辨率最精细的海表面风场数据，Atlas等[18]试验证实CCMP风场较其它单个卫星平台测量的风场数据在精度方面有很大提高，能够满足很多海洋和大气环境应用研究需求。张华等使用CCMP风场资料对中国海域的风能资源进行分析，但其使用的资料年限太短（10 a），且未给出风能资源的历年变化[19]；常蕊等利用合成孔径雷达（Synthetic Aperture Radar，SAR）反演海面风场资料对杭州湾近海风能资源进行评估[10]；郑崇伟等利用1988—2009年的CCMP资料，对全球海域的风能资源进行研究，并依据风能资源等级区划标准，实现对全球海域风能资源的等级区划[20]；Zheng等利用CCMP风场对中国海域风能进行了评估和等级区划，但没有分区讨论[21]。

本文以1988—2011年的CCMP卫星资料为基础，研究中国海域18个海区的风能资源的气候空间分布及年际变化，并对中国海域的风能资源进行区划，以期为中国海上风能资源开发及其它方面的相关研究提供参考。

2 资料与方法

2.1 研究区域概况

本文研究区为中国整体海域，参考中央气象台对中国海区的划分标准，将中国海区从北到南共划分为18个海区，分别为渤海-1、渤海海峡-2、黄海北部-3、黄海中部-4、黄海南部-5、东海北部-6、东海南部-7、台湾海峡-8、台湾以东-9、巴士海峡-10、北部湾-11、琼州海峡-12、南海西北部-13、南海东北部-14、南海中西部-15、南海中东部-16、南海西南部-17和南海东南部-18[22-23]（见图1）。

2.2 资料来源

图1 中国海域划分及海洋水深示意图

本文使用的CCMP（1988—2011年）风场资料来源于美国国家大气研究中心（National Center for Atmospheric Research，NCAR）的CISL研究数据档案中心（http://rda.ucar.edu/datasets/ds744.9/index. html）。CCMP风场是以欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的再分析和业务资料为背景场，采用变分方法同化SeaWind、TMI、AMSR-E、SSM/I等多种卫星探测洋面风资料和传统的船舶、浮标观测资料后获得的规则格点资料。CCMP风场的背景风场，在1987年7月至1998年12月使用的是ECMWF业务分析产品ERA-40的10 m洋面风场，1999年以后使用了ECMWF的业务分析产品ERA-Interim的10 m洋面风场资料，这较之ERA-40再分析产品，精度更高。论文所用资料为全球地表面风场（约10 m观测高度）逐日4次（世界时：00:00，06:00，12:00，18:00）的纬向、径向风矢量（U，V）数据，数据网格点大小分别为0.25°×0.25°，研究范围为104.5°—133.5°E，2.5°—41.0°N。海洋水深数据来自美国地球物理中心（National Geophysical Data Center，NGDC）发布和推荐采用的ETOPO1地形高程数据（http://www.ngdc.noaa.gov/mgg/gdas/gd_designagrid.html?dbase=GRDET2）。

2.3 研究方法

（1）资料预处理

使用MATLAB语言编程，对下载的全球表面风场资料数据进行区域切割、滤值除噪、缺失插补等预处理。然后，对切割出的数据子集进行滤值除噪，以去除数据中32766和32767等噪点数据；利用缺失值周围10×10的网格点对缺失值进行反距离权重（IDW）插补。最后，使用ARCGIS软件平台将网格点风场数据转换成GRID格式的栅格点风场数据，再叠加中国海域矢量图层，以子网掩码（MASK）方式，按海域边界对栅格点风场数据进行精细切割，获取中国海域海表面风场数据。

（2）全风速（W）计算

根据各时刻（00:00，06:00，12:00，18:00）的纬向径向风矢量（U，V）数据计算各时刻的全风速值。计算公式如下：

式中：W为全风速（单位：m/s），u和v分别为径向和纬向风矢量网格值（单位：m/s），δu和δv分别为径向和纬向风矢量网格值的附加值（ADDOFFSET），ku和kv分别为径向和纬向风矢量网格值的换算因子（SCALE-FACTOR）。平均风速即计算时间段内风速平均值[19]，对1988—2011年逐日4个时次的全风速（W）进行加权平均得到日平均风速，由逐日风速可以计算出逐月、年平均风速。

（3）风能等级区划

风能等级区划常用的指标包括风功率密度、平均风速和有效风速时间。平均风速和风功率密度是风能资源评估中常用的重要指标，受卫星资料限制，论文在进行风能等级区划时没有考虑有效风速时间。风功率密度定义为与风向垂直的单位面积中风所具有的功率，计算公式为[24]：

式中：DWP为年平均风功率密度（单位：W/m2），ρi为年平均空气密度（单位：kg/m3），vi为各时刻的平均风速（单位：m/s），n为一年中的观测时刻。

3 结果与分析

3.1 CCMP资料精度计算

选用海岛气象站、海上测风塔、浮标站等站位点观测的风速数据，与CCMP观测数据进行比较。表1给出23个站位（3个测风塔、2个浮标、2个海岛基本站和16个海岛自动站）的观测值与CCMP卫星资料的统计参数。由表1可知，CCMP卫星资料与观测站的平均相关系数r值为0.78，部分站点甚至超过了0.85；平均均方根误差RMSE在0.54～2.11 m/ s。相比于其它类型测站，测风塔风速与CCMP风速最为接近（r＞0.85，RMSE＜0.70）。因选取的测风站多位于近海，考虑到近岸风场影响因子众多，小尺度过程活跃以及观测自身的误差，可以说CCMP卫星资料精准程度还比较可靠的。

3.2 中国海域风功率密度

利用1988年1月1日00时—2011年12月31日18时逐6 h CCMP风场观测数据，计算中国海域10 m高度处24 a的4个季节和年平均风速及风功率密度。四季和年分别记为MAM（3—5月，March、April、May）、JJA（6—8月，June、July、August）、SON（9—11月，September、October、November）、DJF（12—翌年2

月，December、January、February）和Year（年）。图2是MAM、JJA、SON、DJF及Year平均风功率密度分布图。

表1 CCMP风速与观测风速的验证统计参数

图2 中国海域四季及年风功率密度分布（单位：W/m2）

由图2可以看出，MAM期间，风功率密度大值区分布在东海东部、台湾海峡和巴士海峡，数值分布在200～485W/m2；JJA期间，中国海域平均风功率密度值最小（159.4W/m2），最大值位于南海西南部海域（458 W/m2），海区风功率密度平均值以东海南部最大（254.1 W/m2），其次为南海西南部海区（238.2 W/m2），渤海海区最小（48.4 W/m2）；SON期间，风功率密度的大值区主要分布在台湾周边的海域（海区7—10和15），海区风功率密度平均值分布在498.5～587.3 W/m2，受狭管效应影响，巴士海峡、台湾海峡的大值中心达到700～800 W/m2；DJF期间，中国海区平均风功率密度值最大（412.5 W/m2），风功率密度明显大于其他季节，大值区中心的风功率密度达800～1 000W/m2，其中巴士海峡平均风功率密度值最大（746.5 W/m2），其次为南海东北部海区（708.8 W/m2），琼州湾、渤海、北部湾的风功率密度的平均值在250 W/m2以下。年风功率密度各海区分布在79.2（琼州海峡）～465.8（巴士海峡）W/m2，其中东海南部、南海东北部和巴士海峡的年平均风功率密度大于400 W/m2，其次为南海中东部、东海北部、台湾海峡、台湾以东洋面（300～400 W/m2），渤海海峡、黄海北部、北部湾、渤海和琼州海峡的风功率密度在200 W/m2以下。

3.3 中国海域风能资源年际变化

图3 1988—2011年中国18个海区风功率密度年际变化

分别计算逐年各海域风速与风功率密度值（见图3），1988—2011年中国各海区的风功率密度年平均值都在增加，1998以前风功率密度值变化较为平稳，1999年有一次明显抬升增大现象；1999年后多数海区的风功率密度值仍在波动中增大。从各海区风功率密度的年际变化趋势上看（见图3）：黄海、渤海、渤海海峡和东海北部等海区属同类区域，它们的风功率密度年际变化趋势较为一致；东海南部、台湾海峡和台湾以东洋面等海区属同区，变化趋势基本相似；南海与巴士海峡属同区，北部湾和琼州海峡属同区。1988—2011年期间，虽然各海区的年平均风功率密度都在增加，但各自的增大速率并不相同，琼州海峡、南海西南部和南海东南部等海区的风功率密度增速最弱，仅在2.1～2.4 W/（m2∙a），台湾海峡风功率密度增速最强，可达12.5 W/（m2∙a），除南海西南部和南海东南部海区外，其他海区的变化趋势均通过了0.05的显著性检验，风功率密度的变化趋势与林刚等[25]、郑崇伟[26]、潘静等[27]研究结论相同，数值不同可能是由于年代和研究区域不同所致（见图4）。

3.4 中国海域风能资源分区

根据《风电场风能资源评估方法GB/T 18710—2002》规定，将中国海域各海区的风功率密度分级[24]（见图5）。中国海域风功能密度的大值区分布在台湾岛周边海域、东海东部和南海西南部部分海域，渤海、北部湾等近陆地海域数值相对较小。从中国各海区年平均风功率密度空间分布来看（见表2）：巴士海峡和南海东北部平均年风功率密度分别为477.0 W/m2和433.5 W/m2（等级为VII），属风能资源极其丰富区；东海北部、东海南部、台湾海峡、台湾以东洋面、南海中东部等5个海区的区域平均年风功率密度在317.3～395.1 W/m2（等级为VI），属风能资源极丰富区；南海中西部和南海西南部平均年风功率密度为275.0 W/m2和255.7 W/m2（等级为V），属风能资源丰富区；黄海南部、黄海中部、南海西北部和南海东南部海区，区域平均年风功率密度分布在200.1～248.4 W/m2（等级为IV），也属风能资源丰富区；渤海海峡平均年风功率密度在158.9 W/m2（等级为III），属风能资源较丰富区；其余海区的风功率密度小于150 W/m2，属风能资源一般区。结合《风电场风能资源评估方法》可知，中国海区较好与好应用于并网风力发电的（等级Ⅲ、Ⅳ）区域占海区面积的11.83%和12.20%，很好（Ⅴ—Ⅶ）应用于并网风力发电的区域占海区面积的63.3%（表略）。

图4 1988—2011年中国各海区风功率密度线性增加速率

图5 中国海域风速及风功率密度分级分布

表2 我国18个海区风能资源统计情况

在风电开发技术可控范围内（水深5～50 m），台湾海峡风能资源最丰富，最高处达490 W/m2，其次是东海北部海区的东部海区（水深20～50 m），风功率密度达300～350 W/m2。

水深20 m范围内，南海东北海区至黄海南部海区近海出现风功率密度等级分布在Ⅲ—Ⅴ级，其中台湾海峡近海分布在Ⅳ—Ⅴ级，其他海区的风功率密度等级基本在Ⅲ级及以下；水深20～50 m范围内，我国近海适用于并网风力发电的范围大幅增加，几乎所有海区近海均有风功率密度Ⅲ—Ⅳ级区域，其中东海北部海区面积增幅最大，风功率等级达Ⅲ—Ⅴ级，很适合并网风力发电；台湾海峡、南海东北部近海的风功率密度等级为Ⅴ—Ⅶ，非常适合并网风力发电。由此可以看出，中国近海区域风能资源具有巨大的开发潜力，尤其是风电开发技术可控范围延伸到水深50～100 m时，中国近海风能资源的开发潜力将有更大的空间。

4 结论与讨论

4.1 风能资源估算的不确定性

当前已投运风电场的利用小时数大多达不到设计水平，这一方面是风能估算中存在许多不确定性，包括数据的完整形和测量误差问题、水平年的选取、选取的风速概率分布模型与参数计算方法的差异以及被评估地点风速与最近气象观测点风速相关性不完全满足要求等[28-29]；另一方面是风电折减因素较多，据2009年国家发展改革委气候司委托水电水利规划总院完成的《关于对中国风电发电量折减问题的说明》，折减因素包括尾流折减、风电机组可利用率折减、空气密度折减等11项[30]。对于影响发电量的不确定因素，目前普遍的做法是在发电量计算时将不确定因素与折减因素一并考虑，具体的步骤为：首先根据订正后的测风塔代表年风能资源情况推算预设机位处的资源情况，进而计算出“总发电量”，之后对影响发电量的各因素估算一定比例，在总发电量的基础上“折减”，最后得到预估发电量[30]。这种经验的计算方法必然与实际有一定的差距。随着中国风电产业的迅猛发展，《风电场风能资源评估方法》中的风功率密度等级和中国风能区域等级划分的不适用性日益显现出来，王晓琳等通过对内蒙古西部电网风电接纳能力运行特点和冬季供热情况的分析，对评估方法和区划进行修改意见[31]。中国气象局的风能资源数值模式高分辨率的数值模拟结果与实际观测资料对比表明（江苏和青海），数值模拟可以较准确地模拟区域风能资源的分布趋势，但数值需通过测风塔观测资料进行订正[1]；李泽椿等综合比较国内外风能资源评估技术方法，指出数值模拟技术与风能资源测量相结合是风能资源评估的有效技术手段[1]。囿于资料限制，论文在计算海上风能资源过程中，使用的CCMP卫星遥感资料没有经过观测值校正，另外，风场每日4次的风速资料不能满足风能资源评估技术规范中24时次的计算要求。

4.2 不同资料研究的结论

基于CCMP卫星资料的风功率密度年际变化表现为：1998以前变化较平稳、1999年有一次明显抬升增大、1999年后在波动中增大；从1988—2011年中国海区风能表现出显著的增加现象，与现有研究结论基本一致[25-27]。但作者在比较CCMP、NCEPDOE和ERA-Interim资料的风能变化趋势时发现（NCEP-DOE风场资料来源于美国NOAA地球系统研究实验室数据档案中心；ERA风场资料来源于欧洲中期天气预报中心，格点大小分别为2.5°×2.5°和0.75°×0.75°），1988—2011年NCEP-DOE中国海域风速资料并没有明显的递增趋势（k=0.02，R2=0.48），ERA-Interim资料甚至略有下降趋势（k=-0.002，R2= 0.02）（图略）。旷芳芳等研究发现采用CCMP资料计算的风功率密度在巴士海峡明显比采用ERA-Interim资料计算的偏大[32]；张德天等使用1999—2009年的QuikSCAT/NCEP混合风场资料对中国海区海表面风进行研究，发现中国海区海表风场风速整体上没有显著的变化趋势[33]。相关研究也表明，不同风场资料得出的风场年变化差异很大（如：ERA资料呈现南大洋风速减弱，而NCEP-DOE资料则呈现南大洋风速增强）[34]。这可能与数据格点大小和研究时段不同所致。此外，CCMP卫星资料在1999年更换融合背景场和卫星使用的数量增加也可能导致风场变化。

4.3 结论与下一步研究

本文基于1988—2011年的CCMP卫星资料对中国18个海区风能资源进行分析，研究中国海域风能资源的空间格局及气候变化特征，并进行风能资源区划，得出以下结论：（1）中国海区风能资源丰富，较好与好应用于并网风力发电的（等级Ⅲ、Ⅳ）区域占海区面积的11.83%和12.20%，很好（Ⅴ—Ⅶ）应用于并网风力发电的区域占海区面积的63.3%，其中巴士海峡和南海东北部海区属风能资源极其丰富区（等级为VII），其次为东海北部、东海南部、台湾海峡、台湾以东洋面、南海中东部等5个海区（等级为VI），琼州海峡、渤海海区属风能资源一般区（等级为Ⅰ、Ⅱ）；（2）中国海区风能季节变化特点明显，其中DJF期间中国海区风功率密度平均值最大（412.5 W/m2），JJA期间中国海域风功率密度平均值最小（159.4 W/m2）；（3）1988—2011年中国各海区风功能密度上升趋势为20.8（琼州海峡）～124.7（台湾海峡）W/（m2∙10 a），除南海西南部和南海东南部海区外，其他海区的变化趋势均通过了0.05的显著性检验；（4）在风电开发技术可控范围内（水深5～50 m），台湾海峡、南海东北近海海区（水深0～50 m）风能资源最丰富，最高处达490 W/m2，其次是东海北部近海海区（水深20～50 m），风功率密度达300～350 W/m2。

囿于资料限制，论文的卫星资料没有经过观测值校正，且未能对中国近海区（等深线25 m以内的海域）风能资源进行详细分析，而近海才是中国海上风能资源开发的重点。因此在今后的研究中，应该加强资料的适用性以及近海区风能资源分析。

[1]李泽椿,朱蓉,何晓凤,等.风能资源评估技术方法研究[J].气象学报,2007,65(5):708-717.

[2]杨忠恩,李正泉.浙江省风能资源[M].北京:气象出版社,2013.

[3]IPCC.Climate Change 2014:Mitigation of Climate Change[M]. Cambridge:Cambridge University Press,2014.

[4]朱蓉,巢清尘,张军岩.IPCC《可再生能源与减缓气候变化特别报告》及其对应对气候变化前景的影响分析[J].气候变化研究进展,2011,7(5):378-380.

[5]张秀芝,Boddington R,朱蓉,等.中国近海风电场开发指南[M].北京:气象出版社,2010.

[6]薛桁,朱瑞兆,杨振斌,等.中国风能资源贮量估算[J].太阳能学报,2001,22(2):167-170.

[7]李俊峰.风光无限:中国风电发展报告2011[M].北京:中国环境科学出版社,2011.

[8]周济福,林毅峰.海上风电工程结构与地基的关键力学问题[J].中国科学:物理学力学天文学,2013,43(12):1589-1601.

[9]侯建朝,谭忠富,谢品杰,等.世界风能资源开发现状和政策分析及对我国的启示[J].中国电力,2008,41(9):65-68.

[10]常蕊,朱蓉,周荣卫,等.高分辨率合成孔径雷达卫星反演风场资料在中国近海风能资源评估中的应用研究[J].气象学报, 2014,72(3):606-613.

[11]杨振斌,薛珩,王茂新,等.卫星遥感地理信息与数值树脂模拟应用于风能资源综合评估新尝试[J].太阳能学报,2003,24(4): 536-539.

[12]凌铁军,高蕴斐,杨学联,等.中尺度数值预报模式(MM5)在海面风场预报中的应用[J].海洋预报,2004,21(4):1-9.

[13]Ward M N,Hoskins B J.Near-Surface Wind Over the Global Ocean 1949-1988[J].Journal of Climate,1996,9(8):1877-1895.

[14]Gulev S K,Grigorieva V.Last Century Changes in Ocean Wind Wave Height from Global Visual Wave Data[J].Geophysical Research Letters,2004,31(24):L24302.

[15]庄晓宵,林一骅.全球海洋海浪要素季节变化研究[J].大气科学,2014,38(2):251-260.

[16]贾本凯,郑崇伟,郭随平,等.近44年全球海域海表风速整体变化趋势研究[J].延边大学学报:自然科学版,2013,39(1):74-78.

[17]王蓉,肖瑜璋,俞胜宾,等.南海北部近岸海域风场特征分析与预报研究[J].海洋预报,2011,28(2):1-8.

[18]Atlas R M,Hoffman R N,Ardizzone J,et al.Error Estimates for CCMP Ocean Surface Wind Data Sets[C]//AGU Fall Meeting Abstracts 2011.American Geophysical Union,2011,1:1419.

[19]张华,张学礼.中国东部海域风能资源分析[J].水利学报,2013, 44(9):1118-1123.

[20]郑崇伟,潘静.全球海域风能资源评估及等级区划[J].自然资源学报,2012,27(3):364-371.

[21]Zheng C W,Zhuang H,Li X Q.Wind energy and wave energy resources assessment in the East China Sea and South China Sea [J].Science China Technological Sciences,2012,55(1):163-173.

[22]王慧,隋伟辉.基于CCMP风场的中国近海18个海区海面大风季节变化特征分析[J].气象科技,2013,41(4):720-725.

[23]石慧,蔡旭晖,宋宇.中国近海海面风场的分类[J].北京大学学报(自然科学版),2011,47(2):353-362.

[24]中华人民共和国国家质量监督检验检疫总局.GB/T18710-2002风电场风能资源评估方法[S].北京:中国标准出版社,2004.

[25]林刚,郑崇伟,邵龙潭,等.南中国海海表风速长期变化趋势[J].解放军理工大学学报(自然科学版),2013,14(6):704-708.

[26]郑崇伟.基于CCMP风场的近22年中国海海表风场特征分析[J].气象与减灾研究,2011,34(3):41-46.

[27]潘静,刘铸飘,郑崇伟,等.1958-2011年全球海域海表风速变化趋势[J].气象科技,2014,42(1):104-109.

[28]唐岚,束洪春,于继来.风能资源估算中的不确定性分析[J].太阳能学报,2011,32(10):1560-1565.

[29]贾宁,曾利华.平均有效风能密度估算的误差分析[J].现代电力,2013,30(1):47-50.

[30]李伟,姚晖,王焕奇,等.发电量估算不确定性对风电项目投资决策的影响[J].风能,2014(9):78-81.

[31]王晓林.风功率密度等级划分和风能区划的修订建议[J].电力技术,2010,19(8):78-82.

[32]旷芳芳,张友权,张俊鹏,等.3种海面风场资料在台湾海峡的比较和评估[J].海洋学报,2015,37(5):44-53.

[33]张德天,郑崇伟,石岭琳,等.基于QuikSCAT/NCEP风场的1999-2009年中国海表风场研究[J].海洋预报,2011,28(4): 58-64.

[34]Li M,Liu J P,Zhao J C,et al.Evaluation of Reanalysis and Satellite-Based Sea Surface Winds Using in Situ Measurements fromChinese AntarcticExpeditions[J].AdvancesinPolar Science,2013,24(3):147-152.

Analysis of China sea wind energy based on CCMP satellite date

XIAO Jing-jing1,LI Zheng-quan1,GUO Fen-fen2,MAHao1
(1.Zhejiang Climate Center,Hangzhou 310017 China;2.Second Institute of Oceanography,SOA,Hangzhou 310012 China)

To analysis and access China Sea wind energy resource and study its spatial pattern and climate change characteristics,CCMP data from 1988 to 2011 were used in this paper.And the wind energy resource division were made for better develop wind energy resources.The results showed that the annual average wind energy density distribution from 79.2 W/m2(Qiongzhou Strait)to 465.8 W/m2(Bashi Strait)in China Sea,in which the southern of the East China Sea,the northeastern of the South China Sea and the Bashi Strait was greater than 400 W/m2,followed by the Eastern of the South China Sea,northern of the East China Sea and Taiwan Strait,Taiwan eastern ocean(300-400 W/m2).In the Bohai Strait,the northern of the Yellow Sea,the Beibu Gulf,the Bohai Sea and Qiongzhou Strait the data of the annual average wind energy density distribution was under 200 W/m2.The average maximum wind energy density was 412.5 W/m2,which occurred in DJF period and the value could reach 800 to 1000 W/m2.Corresponding the minimum value was 159.4 W/m2in JJA period.The wind energy density increased obviously at the rate of 20.8(Qiongzhou Strait)to 124.7(Taiwan Strait)W/(m2∙10 a),in addition to the southwest and eastwest of the South.China Sea wind energy resource division results showed that more than 80%of the China Sea was suitable for wind power generation,and 62.3% was very suitable.In the range of ocean water depth of 5-50 m under the wind power development in technology manageable,Taiwan Strait and South China Sea Northeast offshore(ocean water depth of 0-50 m)owned the most abundant wind energy resources,the highest point reached 490 W/m2,followed by the Northern East China Sea offshore areas(ocean water depth of 20-50 m)with the wind power density of 300-350 W/m2.

CCMP;China Sea;wind energy resource

TK81

A

1003-0239（2017）01-0009-10

10.11737/j.issn.1003-0239.2017.01.002

2015-12-09；

2016-01-20。

浙江省科技计划项目（2015C33055）；中国气象局气候变化专项（CCSF201427）；浙江省气象科技计划重点项目（2013ZD05，2015ZD09）。

肖晶晶（1984-），男，工程师，硕士，主要从事气候资源、气象灾害研究。E-mail：xiaojingjing2005@163.com

郭芬芬（1987-），女，工程师，博士，主要从事遥感和GIS技术在资源环境方面的应用研究。E-mail：gufeefine@163.com