APP下载

风电场对干旱荒漠区地表温度影响分析*

2018-08-20郑平李国庆李朋磊方中祥韩倩倩

风能 2018年4期
关键词:风向风电场土地利用

文 | 郑平,李国庆,李朋磊,方中祥,韩倩倩

在全球变暖及环境污染加剧的大背景下,“节能减排”是我国生态文明建设的重要组成部分。这一政策促进了我国风电产业的迅速发展,从2008年开始,我国风力发电机组的已有装机容量、装机速度,一直稳居世界第一位,风能未来会在我国能源结构中占据重要地位。风电场建立之初,政府部门和研究人员更多关注于风力发电相对于传统化石能源的CO2减排作用,对环境的其他影响被人为忽视了。“不能认为所有的人类行为都会对环境造成相应的影响,但未来几十年将建造越来越多的风电场,现在风能被忽略的细节问题,未来可能会导致灾难性的影响。”有学者指出。地表温度(Land Surface Temperature,LST)作为地表能量平衡和交换、地表物理过程的重要因子,是生态系统地表水、碳、氮等物质循环过程的主导因子,LST变化会对生态系统物质及能量循环产生重大影响。目前国外已有学者开始关注风电场对LST的可能影响,理论上风电场会使得下风处的近地表下层空气出现白天“减温增湿”,晚上“增温减湿”的现象,上风处刚好相反。但现有研究表明,风电场对本地区和周围地区LST的影响趋势并不一致,在有些地区是变暖,而在另一些地区是变冷,这可能与风电场所在区域的下垫面类型有直接关系。我国作为世界风能利用的第一大国,风力发电场主要集中在干旱、半干旱区,而探讨风电场对该类地区LST的影响却鲜见。本文以甘肃省瓜州风电场为例,以遥感技术为主要手段,探讨风电场对干旱荒漠区LST的影响范围和强度,期待为进一步研究风电场对我国地表环境的影响提供借鉴。

研究区位置与概况

一、自然地理概况

本文研究区位于甘肃省酒泉市瓜州县(原安西县,2008年更名为瓜州县)。风电场形成的有利地形条件:酒泉市四周分布有天山、祁连山、阿尔泰山、阿尔金山等山脉,疏勒河谷从东向西穿越酒泉,正好在玉门、瓜州形成了一个巨大的“喇叭状”地形,有利于风能的储存。而瓜州县又分别与祁连山和马鬃山南北相望,中间是地形平坦的沙漠戈壁,形成了两山夹一谷的有利地形,特殊的地理环境和地形及季风的影响,形成了一条东西风通道。风电场形成的有利气候条件:受西伯利亚的高压气流影响的冬季风又受祁连山的阻挡,使得该气流从嘉峪关以西的开阔地带进入疏勒河流域,沿玉门、瓜州向西,越敦煌奔楼兰,形成著名的气流“狭管效应”。

二、风电场概况

在地形与气候条件的共同作用下,酒泉风能资源总储量可达1.5亿千瓦,可开发量在4000万千瓦以上,10米高度风功率密度均在每平方米250~310瓦以上,年平均风速在每秒5.7米以上,年有效风速达6300小时以上,年满负荷发电小时数达2300小时。而瓜州县是酒泉市风能储量最大的地区之一,可达酒泉风力开发量的一半,风能资源可利用面积近一万平方公里,年风能资源可开发量在2000万千瓦以上,故被称为“世界风库”。研究区属于典型的大陆性气候,其主要特点是降雨少、蒸发量大、光照时间长,地势南北高、中间低,平均海拔1500米,研究区位置如图1所示。本文选择风电场占地范围内的50km缓冲区作为研究区(风电场主要通过影响风速的形式对地表过程进行扰动,一般认为风电场对风速的影响距离为30~60km)。

数据来源

(1)气象数据:2001年和2014年甘肃省瓜州气象站的日风向数据来源于中国气象科学数据共享服务网(网址:http//:new-cdc.cma.gov.cn);

(2)遥感数据:2001年和2014年MODY11 LST数据(以8天为单位),2001年和2013年MOD12Q1土地利用类型数据,上述遥感数据均来源于美国国家航空航天局(网址:http://ladsweb.nascom.nasa.gov/data/search.html);

(3)甘肃省的DEM数据,来源于地理空间数据云(网址:http://www.giscloud.cn/csearch.jsp)。

图1 研究区位置图

图2 风向频率玫瑰图

研究方法

一、上/下风向的判定

利用2001年、2014年的日风向数据,得到如图2所示的风向频率玫瑰图。通过分析风向频率可知,风向频率的最高月份集中在ESE和E所夹的风向、WSW和W所夹的风向,上述风向分别集中在2-7月份和9-11月份,故按照上述两个时间段对本文研究区进行讨论。另外,本文并未按照季节探讨风电场对LST的影响(若按季节划分,风向频率玫瑰图会出现多个主导风向,不利于准确分析风向和LST的关系)。将2-7月份风向频率最高的ESE和E所夹的风向定为上风向(以下简称“2-7月上风向”),其相对应的WSW和W所夹的风向定为2-7月的下风向(以下简称“2-7月下风向”)。在9-11月,将风向频率最高的WSW和W所夹的风向定为上风向(以下简称“9-11月上风向”),ESE和E所夹的风向为下风向(以下简称“9-11月下风向”)。其他风向区域统称为旁风向区。

二、LST数据的重构

本文所采用的MODY11数据包含8天合成的白天、夜晚LST数据以及质量控制文件等。为剔除2001年、2014年云量及噪声对LST产品的影响,在考虑质量控制文件的基础上,需要对上述的MODY11数据作进一步处理。时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS)结合了平滑和滤波两种方法,本文通过HANTS滤波最终实现了图像的重构,进一步去除云量和噪声的影响。具体过程如下:分别将2001年和2014年2-7月份和9-11月份这两个时间段的MODY11可用数据滤波,最终得到2001年和2014年2-7月份昼/夜的重构图像;2001年和2014年9-11月份的昼/夜重构图像。

三、LST的计算

将HANTS滤波后8天为单位的LST数据按照上述时间点求和,并将热力学温度(K)转换为摄氏度(℃):

其中LST为待求各个季节的LST值(℃);Bi代表2-7月或9-11月经过HANTS滤波以8天为单位的热力学温度影像(K);N为2-7月份或9-11月份可用的图像数量;a是换算系数,b是截距(其中a=0.02,b=-273.15)。最终得到2001年和2014年研究区2-7月份昼/夜和9-11月份昼/夜像元值为摄氏温度的LST数据。

四、风电场对LST的影响计算

研究区风电场一期工程开建于2009年8月,建成于2013年10月,因此本文选择2001年及2014年作为风电场建设前、后的代表年份进行分析。为准确判断风电运行对LST的影响,需要剔除下面两个因素对研究结果的影响:1. 地表条件的异质性,包括各遥感像元地形条件及植被组成的异质性;2. 气候条件,尤其是LST的自然时空变率。本文参照(Walsh-Thomas et al.,2012;Smith et al.,2013;Harris et al.,2014)的研究,采用下面4种方法剔除上述因素的影响:(1)为剔除LST自然时空变率的影响,根据风向频率玫瑰图,将旁风区温度的变化区间作为LST的自然时空变化区间;(2)为进一步剔除各遥感像元内植被组成异质性对研究结果的影响,以风电场矩形中心为圆心,分别做半径为10km、20km、30km、40km、50km的缓冲区,利用ArcGIS分别统计上述范围内不同风向区的平均温度,并认为2001-2014年研究区内各像元地形不会发生剧烈变化,分别对2014年与2001年2-7月份及9-11月份昼/夜的温度求差(图3);(3)在此基础上,为避免土地利用类型变化对研究结果的影响,利用MOD12Q1的土地利用类型数据,判断研究区2001、2014年土地利用类型是否出现显著变化(图4、图5)。

图3 2014与2001年不同年份昼/夜温差图

图4 2001年土地利用类型及高程图

图5 2013年土地利用类型及高程图

结果分析

一、LST的变化特点

风电场建成后,在2-7月的白天,旁风向的LST下降2.59℃至1.93℃。而上风向的温度下降幅度为2.39℃至1.55℃之间、下风向区温度下降在1.82℃至0.39℃之间(图3a所示),最大增温差已达到2.2℃。风电场占地面积内温度下降1.25℃。可见,与旁风向相比,风电场对其占地范围区域内上、下风区的温度有明显增温效应,尤其对下风区的增温效应更为明显。

在2-7月份的晚间,与旁风向南侧相比,风电场的上、下风区、旁风向北侧也会出现增温效应,但这种增温效应并不如白天明显。但从图3b可以看出,风电场占地范围内的LST,却出现了明显上升,平均上升温度1.19℃。

在9-11月份的白天,旁风向的LST下降范围在1.00~0.20℃之间,而上、下风向区的上升温度却在0.10℃~1.05℃之间。风电场占地范围内温度上升0.14℃。虽然上、下风向温度上升仍普遍高于旁风向,但并没有出现2-7月份下风区的增温效应明显大于上风区的现象(图3c所示)。

在9-11月份的夜晚,旁风向的温度下降范围在5.56℃~4.43℃之间(图3d所示)。上、下风向没有出现温度上升幅度大于旁风向的情况,相反,温度升高最为明显的区域却集中在旁风向的南侧部分。风电场占地范围内温度下降5.10℃,但与其附近温度相比,也呈现上升现象。

综上,无论是2-7月,还是9-11月,白天时段,风电场占地范围内的温度均呈现升高现象;上、下风区的增温也大于旁风向,这说明风电场在白天对地面上、下风区的增温效果更加明显;但夜晚的温度变化并不遵循与白天相似的规律。为解释出现昼夜及月份差异的原因,本文将利用高程及土地利用类型数据作进一步分析。

二、LST的差异性分析

总体上看,研究区土地利用类型以稀疏植被为主,南侧土地利用类型比较复杂,除稀疏植被外,还包含以农用地及草地为主的其他土地利用类型。在地表高程分布上,风电场西侧和南侧的地形起伏较小,地形平坦;风电场东侧海拔比西侧和南侧稍高,地形也比较平坦;风电场北侧地形起伏明显,往北依次升高,高差达到500米以上(如图4、图5所示)。

2-7月白天温度下风向高于上风向,这与相关研究结论是一致的。但9-11月白天温度上风向高于下风向,笔者认为之所以不同月份上、下风向的温度出现不同的上升趋势,主要原因是地表类型的不一致。虽然研究区上、下风向的植被均是稀疏植被,但植被群落特点和植被组成并不完全一致,植被生长期的差异会使得植被在不同月份对温度变化的响应不一致。

无论是2-7月份还是9-11月份夜晚,均出现了旁风向的温度上升幅度大于上、下风向的情况。在2-7月夜晚,研究区旁风向北侧温度高于其他区域,这可能与地形对温度的影响相关。有研究表明,我国西北地区地形因子是影响温度变化的最重要因素。但在地形起伏明显的区域,地形和温度的关系是非常复杂的,并不遵循一致性的规律。地表温度还受到大气环流、下垫面、季节和太阳辐射等诸多因素的影响,这一点在夜间表现得尤为明显。所以出现了2-7月份风电场北侧温度升高,9-11月份的夜晚北侧温度却下降的情况。而对于9-11月份的夜晚,旁风向南侧温度明显高于上、下风向。从图4、图5可以看出,南侧风向主要是农用地。

9-11月份主要是冬小麦的种植及出苗期,2-7月份是夏玉米的种植及出苗期,有研究认为,冬小麦在出苗期的长势和LST有极显著的正相关性,而玉米的出苗期和LST却没有明显的相关性。因此出现9-11月份夜晚南侧温度升高,而2-7月份夜晚却没有该现象。另外,由于研究区干旱缺水,白天农作物的蒸腾作用使其处于缺水状态,长势欠佳;夜晚温差小,农作物水分充足,使得冬小麦在夜晚的长势较好,9-11月夜晚旁风向南侧LST升高1℃左右,幅度不是很大,所以出现了9-11月份夜晚南侧LST少许上升的情况。

风电场占地范围内温度是一直升高的,这与现有的研究结论是一致的:由于风电场的建设改变了大气能量的转换路径,将风能转换成的电能和湍流交换能力最终都以热能的形式释放在大气中。

综上所述,分析风电场对LST的影响,需要考虑的因素是非常复杂的。地形、月份、地表植被类型,均会对LST产生相应的影响,尤其分析风电场对夜晚LST的影响可能还需要考虑更为复杂的因素,在此基础上作进一步研究。

结论

通过上文的分析可以看出,风电场对其周围LST的影响是非常复杂的,总的来说:(1)风电场的建设和运行会导致其占地范围内上、下风向区内的温度升高,但不同的月份,风电场对上、下风向区的LST影响程度不同;(2)风电场对LST影响存在昼夜差异,尤其对夜间LST的影响机制更为复杂,需要考虑植被、地形等更为复杂的因素进行综合分析;(3)风电场对LST的影响并不完全遵循白天“减温增湿”,晚上“增温减湿”的规律,因此探讨风电场对LST的影响还需要针对风电场分布的典型区作进一步研究。文章研究还存在一些不足,例如:(1)地形变化对温度的影响是极其复杂的,进而导致温度变化的不一致性,风电场上、下风向内温度的变化与研究区地形起伏的关系还需要细致分析;(2)本文是对干旱荒漠区中风电场进行的研究,得出的结论和目前已有的研究结果并不完全一致,笔者认为,这主要是本文研究区地表类型差异较大造成的,因此探讨风电场对地表温度的影响还需要对不同地表类型的风电场进行对比研究;(3)风电场周围温度的升高会导致植被的生长状态发生变化,进而反作用影响风电场周围温度的变化,今后将加强这方面因素的考虑;(4)与传统的地表温度变化实地验证相比,遥感手段能更宏观和迅速地反映这一过程。但分析风电场对地表温度的影响,需要遥感监测及实地验证相结合,才能发现并准确总结出风电场对不同地表类型LST影响的规律。

猜你喜欢

风向风电场土地利用
逆风歌
基于PSS/E的风电场建模与动态分析
CeMAT Asia 2017:聚焦“智慧物流”引领行业风向
土地利用生态系统服务研究进展及启示
含风电场电力系统的潮流计算
滨海县土地利用挖潜方向在哪里
确定风向
含大型风电场的弱同步电网协调控制策略
应用STATCOM与Crowbar提高风电场低电压穿越能力
论低碳经济与转变土地利用方式