基于GIS的小尺度城市近地风风力模拟研究

古黄玲 陈海楠 王韬

【摘 要】在城市的近地风场研究中，盛行的大尺度风向和地形因素往往会成为主要的影响，目前大多数研究都是通过各种不同的插值法来实现风力资源的评估，但是忽略了近地风场的复杂性不能通过单一数学模型来进行，因此本文提出使用克里金插值法和Wind Effect两种数学模型进行模拟研究。本次研究通过气象站数据的克里金插值，输出无地形影响的风力风向的栅格数据，然后通过Wind Effect算法得出风力栅格图。

【关键词】DEM；风力；GIS；Wind Effect；插值分析

中图分类号： F062.2；P208 文献标识码： A 文章编号： 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

自然地理学中普遍认为，近地风的主要影响因素受到地转偏向力，水平气压梯度力，摩擦力这三个因素的影响。但是在小尺研究范围内的地转偏向力的影响几乎可以忽略不计。而在城市中地面固化程度较高，因此在摩擦力系数相同的情况下，城市近地风主要由整体范围内的水平气压梯度力和地形起伏决定。

目前，国内对近地风的研究主要应用于风能资源的评估，史同广等利用山东1：50000 DEM数据，借助周边气象站数据，在冬季风向背景下，利用ARC/INFO软件，考虑一系列地形要素的影响，通过编写AML程序，实现了起伏地形的风速空间的分布[1]。高阳华等利用重慶1：250000 DEM数据和气象资料，结合坡度坡向和高程分析两种插值方法，模拟了重庆市的风速分布[2]。张超和罗伯良通过MM5中尺度气象模式，结合CALMET模式和GIS技术对湖南风能进行了精细化的评估[3]。唐矗和洪冠新利用曲面样条插值建立复杂地形的三维数字模型以及其他理论计算三维风场[4]。然而在过去的相关的研究中的大多数只采用了单一的数学模型，却忽略了近地风场在多方因素影响形成的客观事实。另外部分研究所提出的计算模型只适用于其所研究的区域的风场，不具有普适性。

本文所实使用的Wind Effect算法是基于迎风对降水强度的影响取决于盛行的大尺度风向和地形屏障的海拔假设，充分考虑了高空风场和地形的影响，因此从数学模型的使用方面来看是合理的。而且城市的近地风场同样受高空风场和地形的影响较大，因此广泛的适用于城市近地风场的研究。

本文通过克里金插值，通过Wind Effect算法，利用湖南省1：50000 DEM以及湖南省各气象站点2018年6月的风向和风速的平均数据，以此对株洲市近地风的大小进行模拟分析。

1 基于DEM风速模拟的思路与方法

1.1 预设条件

本文中对风速的预测是针对大尺度季风背景下对小范围内的精细化预测。在研究过程中将风的摩擦力简化到只受到地形起伏的影响，因此更加适用于城镇地区或者地形起伏较大下垫面材质较为均一的地区。

1.2 技术流程

本文利用ArcGis和SAGA-GIS两个软件计算城市的近地风速。首先，我们将气象点在地图上标注，通过连接属性表将从中国气象数据网上下载的数据连接，接着实用克里金插值法输出无地形影响的网格风速风向，最后同时将研究区的DEM数据和输出的风速风向通过Wind Effect算法输出研究区的风力大小。

1.3 数学模型

1.3.1 克里金插值法

克里金插值法，又叫做空间自协方差最佳插值法，它是一种以变异函数空间分析为基础，对有限区域内的变量取值进行无偏最优估计的方法。其实质是通过区域变化的原始数据和变异函数的结构特点对未知样点进行线性无偏、最优估计。无偏是指偏差的数学期望为0，最优是指估计值与实际值之差的平方和最小[5]。

1.3.2 Wind Effect算法

基于迎风对降水强度的影响取决于盛行的大尺度风向和地形屏障的海拔假设，本次研究采用了Wind Effect数学模型[7]。我们根据DEM高程数据确定近地的风场近似气压，对于每个网格单元，都遵循风的轨迹，并使用以下公式分析流的加权垂直角度。

其中，dWHi和dLHi是指迎风和背风方向的水平距离，dWZi和dLZi是与被考量的栅格单元对应的处置距离。公式（1）中的第二个总和代表了先前横贯山脉的背风影响。式（2）中水平距离的对数化导致背风雨影的距离影响较大。最终的风效应参数应该与大尺度风场的相互作用和局部尺度降水特征有关，计算结果为H=HL·HW，顺风位置取0.7，迎风位置取1.3。最终我们的计算过程通过开源GIS-SAGA实现。

2 实例研究

根据上述技术流程与数学模型，选择株洲市区作为实验区，以湖南省气象站资料与1：5万DEM作为基础数据，由于株洲市只有1个气象站点，为了提高分析精度，因而采用湖南省84个气象站点的2018年6月的风向和风速的平均数据进行模拟。

2.1 气象数据的处理

为了保证气象数据准确度，所以我们采用整个湖南省84个气象站的数据。

将从中国气象数据网下载的风速数据，关联到湖南气象台站的属性表中，通过克里金插值法来计算出湖南区域范围内的的风速风向，即湖南省风速风向的栅格数据，并裁剪出株洲市区的风速风向栅格数据（图1）。

2.2 地形数据的处理

由于获得的株洲市DEM数据是分幅存储的，通过ArcMap的镶嵌数据集工具将其拼接成一幅完整的地形数据。并将获得的株洲市区的风速风向栅格数据与地形数据进行坐标的匹配、投影以及像素分辨率的统一，获得的株洲市DEM数据（图2）。

2.3 网格风力大小的计算

由于风力大小和三个因素有关——地形、风向、风速，且计算非常的复杂，结合J.Boehner，A.Ringeler，O.Conrad 等人提出的WindEffect算法[7]，利用开源软件 SAGA GIS，将准备好的三种数据，利用 WindEffect 算法，计算出风力大小分布栅格图（图3）。

3 结果分析

结果显示，以时间尺度上来说，在2018年6月内，株洲市区的风力大小在0.7378到1.3555米/秒。总体基本上没有变化。在空间尺度上来说，西南角和东部地区风力较大，中部地区风力较小。

与以往利用地形高程数据对风力的模拟研究对比，本次研究结合了GIS技术手段，除了考虑地形高差的影响外，还充分考虑了坡度、坡向等地貌要素对风力的影响。

4 结语

此次研究可以用作风速的预测，可以通过风速风向月平均数据进行克里金插值和Wind Effect算法模擬出株洲市风力大小栅格图，可作为风力预测的参考值。该参考值不仅可用作突发环境事件空气污染物的扩散分析的基本风速数据，也可以用作实地监测在缺乏相关仪器时的参考数据。另外风能作为目前国家重点开发清洁能源，其风力预测有着对风电场选址和风能资源开发都有着重要意义，本次研究对于该应用具有一定的指导意义。

【参考文献】

[1]史同广，闫业超，王林林，王智勇.基于DEM的大尺度季风风速空间分布模拟研究[J].地理与地理信息科学，2007（02）：26-29.

[2]高阳华，王堰，邱新法，陈志军，陈艳英，马力，缪启龙，王中.基于GIS的复杂地形风能资源模拟研究[J].太阳能学报，2008（02）：163-169.

[3]张超，罗伯良.基于GIS技术的湖南风能资源精细化评估[J].湖南电力，2011，31（03）：11-14.

[4]唐矗，洪冠新.基于地形高程数据的复杂地形风场建模方法[J].北京航空航天大学学报，2014，40（03）：360-364.

[5]冯俊军，王恩元，沈荣喜，李学龙，朱亚飞，景林波.基于克里金插值法的煤体应力场分布规律研究[J].煤炭科学技术，2013，41（02）：38-41.

[6]王玉璟.空间插值算法的研究及其在空气质量监测中的应用[D].开封：河南大学，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.