高铁沿线某区段最大风速时空分布特征分析

巩灿灿，叶小岭，2，熊 雄，姚锦松，金瞳宇，陈 昕

（1.南京信息工程大学 自动化学院，南京 210044；2.南京信息工程大学 气象灾害预报预警与评估协同创新中心，南京 210044）

风是基本的气象要素之一，它与人们的生产生活有着密切的联系。风蕴含巨大的能量，从古至今，人们对风的探索与利用从未停止过，从古代的帆船到现代的风力发电。风作为清洁能源，使用起来安全又环保［1-3］。

然而风也会带来巨大的破坏。近年来，我国国民经济快速增长，交通运输业在其中发挥着越来越重要的作用，作为国民经济大动脉的铁路交通行业更是得到了飞速发展。我国“十三五规划”指出“到2020年建成布局合理、覆盖广泛、高效便捷、功能完善、世界上最现代化的铁路网和高铁网”。正是在高速铁路快速发展的背景下，对高速铁路安全运行的研究则显得愈加重要［4-6］，本研究也是在此背景之下展开。高速铁路一般架设在无人区、铁路沿线，不可避免地会经过一些地形复杂、自然环境恶劣的地段，其中风对列车运行安全的威胁最为严重。随着高速列车行驶速度的不断提升，加之在强横风环境的影响下，列车周围的空气动力会急剧恶化，对高铁的安全运行造成极大的威胁。国内外由于强横风引起的列车事故时有发生，对交通经济和人员安全造成极大的损失和危害［7-9］。

风致列车倾倒或停运造成的生命危害和经济损失不容忽视，因此对高铁沿线风的观测与分析至关重要。根据高铁沿线风速的分布情况，可以在大风区增加风监测点，以获取更全面准确的数据，为后面的分析提供数据基础；针对研究出来的大风区域，可以设立风屏障或采取其他措施以减小风对高铁的影响；风速时空分布分析，可以为后期高铁的修建路线提供参考，通过避开大风区，或者选择和大风主风向一致的方向来减小大风对高铁的影响。

风对人们的生产生活起着重要的作用，人们对风的探索从未停止过，气象学者关于风的分布做了很多研究。例如，陶勇等利用欧洲中尺度天气预测中心（ECWMF）提供的1979—2012年每天8个时次地面（10 m高度）阵风后处理资料，通过Mann-Kendall突变检验和经验正交函数分解等方法，统计分析了江门市年最大风速的变化趋势及时空分布特征［10］。甄静等以新疆地区71个站点的最新资料为基础，探究新疆地区1993—2013年极大风速的时间演变现象和空间分布特征，给出新疆地区年、月极大风速出现日数的分布及风速方向特征［11］。陈兵等根据江苏省34年最大风速数据资料，用EOF、REOF方法研究了江苏省年最大风速的空间分布形式和长期时间变化趋势［12］。本文为了研究高铁沿线某区段最大风速的分布特征，以气象站的日最大风数据为基础，利用风资源评估软件Meteodyn WT建模计算出高铁沿线的最大风数据，利用统计算法和经验正交分解法对沿线的最大风速进行分析。

1 数据和方法

1.1 数据

原始数据采用的是气象站的测风数据，来自中国国家级地面气象站基本气象要素日值数据集（V3.0），数据的完整率在98%以上。本文研究的高速铁路从2006年开始立项启动，所使用的数据集更新到2016年初，所以选择2006—2015年的数据来研究高铁线路从建设到运行近10年的风速分布情况，为高铁的安全运行提供数据支持。本文使用了距离研究区段最近的两个气象站（吴中和昆山）2006—2015年风数据集中的日最大风数据，包括日最大风速和风向。本文所讲的最大风速是指1 d内10 min平均风速的最大值。这些数据均经过界限值检查，内部一致性检查，时间一致性检查等基本的质量控制，去除了粗大误差。

1.2 方法

1.2.1 获取研究区段各站点风数据

本文研究的是高铁沿线某区段最大风速分布特征，由于研究的范围较小，区域内的气象站点较少，为了更精确地获得高铁沿线的最大风数据，对研究区段进行站点的划分，以1公里为间隔，共划分为23个模拟站点，如图1所示。以距离研究区段最近的吴中和昆山气象站2006—2015年日最大风数据为基础，利用计算流体力学（computational fluid dynamics，CFD）模式Meteodyn WT（简称WT）模拟高铁沿线的风流场，对研究区段进行流体力学计算，得到研究区段各站点2006—2015年的日最大风数据。

CFD是流体力学和计算机科学相结合的一种新型学科，它把流体力学的计算方法移植到计算机上，利用计算机快速的计算能力，求解出问题的近似解。本文使用的Meteodyn WT模式是一款以CFD为算法支撑的风资源评估行业内的专业软件，而且考虑到研究区域下垫面的情况，如粗糙度、障碍物等因素，所以预测的精度较高，模拟出来的风数据较可靠［13-15］。使用Meteodyn WT模式获取站点日最大风数据的步骤如下：

1）风数据准备：选取距离研究区段比较近的两个气象站2006—2015年日最大风数据，包括日最大风速和风向；

2）站点位置信息准备：针对研究区段以1 km为间隔划分的23个模拟站点，获取其位置信息（经纬度坐标）；

3）其他文件的准备：将建模计算所需的等高线地形图、粗糙度文件准备好。WT所使用的粗糙度文件是来自欧洲航天局的ESA（2010）300 m分辨率粗糙度，本文研究区域大范围的粗糙度如图2所示。

图1 划分站点图

图2 研究区域大范围粗糙度

4）计算风数据：将气象站日最大风数据文件，各站点位置信息，等高线地形图，粗糙度文件导入Meteodyn WT模式中，进行流体力学的计算，输出各站点2006—2015年的日最大风数据，Meteodyn WT模式的建模计算如图3所示。

图3 WT建模计算

1.2.2 时空分布分析方法

本文首先对各站点的日最大风速进行了统计分析，发现各站点的日最大风速主要分布在3.5～6.5 m/s，由于研究区段位于江苏内部，风速没有沿海那么强烈，但在强对流天气下风速会有所增加，所以考虑对风速进行季节划分。按照气象领域季节的划分标准，划分为春（3～5月）、夏（6～8月）、秋（9～11）、冬（12～2月）四季，再利用经验正交函数分解法对各站点的最大风速进行时空分布分析，得到高铁沿线某区段最大风速的时空分布特征。

经验正交函数分解法（empirical orthogonal function，EOF）又称为主成分分析法（principal component analysis，PCA），是提取主要数据特征量的一种方法，现已广泛应用于气象学研究之中。EOF分析方法能够把变量场分解为不随时间变化的空间函数部分（EOF）和只依赖时间变化的时间函数部分（PC）［16-19］。利用North检验来验证各模态之间的独立性，North检验是通过计算特征值的误差范围来进行显著性检验，特征值的误差为：

式中：N为样本的数量；λi为第i个特征值。依次检查特征值，标上误差范围，如果计算出来前后两个特征值的误差范围有重叠部分，则该特征值没有通过显著性检验［20］。

2 最大风速统计分析

WT模式利用CFD算法建模计算出来的最大风速分布图，如图4所示。该区域包含气象站和模拟站点，WT模式的网格只在此区域内生成，也只能得到该区域的CFD计算结果。由图4可得：计算区域最大风速的分布情况。从南北来看，以高铁沿线为界限，计算区域北部的最大风速较大，南部最大风速较小，因为北部有东中西3个大湖，南部是平原。由于高铁沿线经过了湖面，所以高铁沿线的最大风速也比较大，风速范围约为5.64～6.85 m/s。从东西来看，可以看出高铁沿线东部区段的最大风速要大于西部区段的最大风速，这是因为东湖比西湖的面积大，且在经过17、18以及20、21站点的最大风速较大，由谷歌地图可以看出这些站点位于或靠近湖面。

综上所述，水域上的风速比平地上的风速大，高铁沿线东部区段的风速比西部区段大，因此可在上述17、18、20、21站点增加测风设备来获得更准确的风数据，为高铁的安全运行提供更精确的数据支持。

图4 计算区域最大风速分布图

研究区域各站点2006—2015年日最大风速的分布如图5所示，日最大风速主要分布在3.5～6.5 m/s之间，在5.5 m/s处达到正态分布曲线的高峰，说明23个模拟站点10年的日最大风速均值在5.5 m/s左右。

对各站点2006—2015年日最大风速进行了统计分析，如图6所示，各站点10年平均日最大风速曲线和各站点10 m/s以上日最大风速概率曲线的变化趋势基本一致，出现极大值的点也基本一致，表明这些站点整体最大风速分布与部分最大风速分布一致。这些极大值出现的地方平均日最大风速比较大，出现大风的概率也比较高，如17和21站点。图6还统计了1～12站点以及12～23站点的10年日最大风速的均值。从图中可以看出：1～12站点10年日最大风速的均值小于12～23站点的均值。

图5 研究区域2006—2015年日最大风速分布图

对比图6和图4，分析结果基本一致，表明以12站点为界，研究区段东部的平均最大风速要大于研究区段西部的平均最大风速，应重点关注高铁东部区段的风速，尤其是17和21站点的最大风速较大，应在17和21站点加装测风装置，来获取更精细化的风数据，从而为高铁的安全运行提供数据支持。

图6 各站点2006—2015年日最大风速的统计图

3 时空分布特征分析

3.1 最大风速空间分布特征

本文对研究区域划分的23个模拟站点的日最大风速进行季节的划分，按春（3～5月）夏（6～8月）秋（9～11月）冬（12～2月）划分四季，利用EOF分解法对高铁沿线某区段2006—2015年的风场进行模态分解，并进行North显著性检验，得出主要空间分布模态。如表1所示，前3个特征值都通过了North检验，前3个特征值的累计方差贡献率为99.69%，前2个特征值的累计方差贡献率为98.84%，超过了95%，这两个特征值可以很好地描述研究区域2006—2015年最大风速分布的两种分布类型。

表1 研究区域最大风速EOF分解前3个特征值方差贡献率及误差范围

由表1可知：模态1特征值的方差贡献率为83.25%，远高于其他模态的贡献率，是研究区域风场的主要空间分布形式，其对应的空间分布模态图如图7（a）所示。由图中可以看出：模态1的特征值均为正值，呈现研究区域全年最大风速都大或全年最大风速都小的风速分布特征，表明2006—2015年研究区段的最大风速是受大尺度气候变化的影响，变化趋势具有高度的一致性，与研究区域的地理位置无关。高值中心位于研究区段西部的2～6站点，反映该区域最大风速变化最明显，低值中心位于研究区段东部的20～23站点，说明研究区段西部的最大风速变化程度远高于研究区段的东部地区，研究区段中间部分则为过渡区。

模态2特征值的方差贡献率为15.59%，也是研究区域最大风速场分布较为典型的空间分布形式，研究区域2006—2015年最大风速EOF的第2模态图如图7（b）所示。由图中可以看出：模态2的特征值有正有负。以12站点为界，向东为正值区，向西为负值区，正值中心出现在研究区域东部的20～23站点，负值中心出现在研究区域西部的1～7站点，呈现东西反向分布的模式，即要么东部区段最大风速增大，西部区段最大风速减小，要么东部区段最大风速减小，西部区段最大风速增大。特征向量值从东向西依次减小，反映研究区段最大风速也是由东向西依次减小，表明东部区段的最大风速大于西部区段的最大风速。正值中心位于20～23站点，表明20～23站点的最大风速较大。这种现象是由于东部区段穿过的东湖面积最大，深度最深，与第2节的分析结果一致。

图7 研究区段2006—2015年最大风场EOF模态图

3.2 最大风速时间分布特征

根据这2个模态可以得出：研究区域最大风速场有4种表现类型：模态1决定研究区段全年最大风速偏大或全年最大风速偏小两种类型；模态2决定东部区段最大风速偏大，西部区段最大风速偏小或东部区段最大风速偏小，西部区段最大风速偏大两种类型。

各个模态分解得到的时间系数代表其对应模态的时间变化特征，系数符号决定模态的方向，正号表示与模态同方向，负号表示与模态反方向，并且系数的绝对值越大，表明这一时刻这类的模态就越典型。图8为EOF模态时间系数图。从EOF第1模态时间系数可以看出：2011年冬季以前大部分季节的时间系数为负值，说明2011年冬季以前研究区域的最大风速偏低；2011年冬季以后，时间系数开始上升，并几乎为正值，说明从2011年冬季到2015年冬季最大风速偏大，且整体有上升的趋势。从EOF第2模态时间系数可以看出：2011年秋之前的时间系数几乎为正值，2011年秋之后的时间系数几乎为负值，且从2013年夏时间系数呈下降趋势，表明这10年间，前6年高铁沿线东部区段的最大风速比西部大，后4年西部区段的最大风速比东部大，且这种分布状态越来越明显，时间系数所反映的与特征向量反映的风场基本一致。

图8 EOF模态时间系数

综上所述，高铁研究区段在2006—2011年的最大风速偏低，且东部区段的风速要大于西部区段，2011—2015年最大风速有上升的趋势，此时，西部区段的风速大于东部区段的风速。

对模态划分出的4种风场空间模态分布类型进行统计分析，取每个季节时间系数绝对值最大的点所对应的表现类型作为风场的空间分布模态，统计出研究区段10年内每个季节的最大风速分布类型，如表2所示。

(1)抑尘和防尘措施。在煤炭、矸石或其他干物料的贮、装、运、破碎、筛分过程中，采取产尘较少的工艺和设备，并采用适当的抑尘和防尘措施。如精煤贮存用圆筒仓代替精煤露天贮煤场；设置挡风抑尘墙，封闭转载点以及在原煤储煤厂安设喷水装置，严格控制喷水量。

表2 EOF分解的4种最大风场表现类型季节分布

其中，10年40个季节中有17个季节全区段大风，占总季节的42.5%；16个季节全区段小风，占总季节的40%；东部区段最大风速偏大，西部区段最大风速偏小的季节有4个，占全季节的10%；东部区段最大风速偏小，西部区段最大风速偏大的季节有3个，占全季节的7.5%。EOF第1模态的风场分布型占总季节的82.5%，第2模态占17.5%，说明研究区段最大风场的分布以模态1为主，呈现一种整体最大风速大或最大风速小的分布模式，与计算的模态方差贡献率相对应。

由模态1的分布情况可以看出：出现全区段大风与全区段小风的季节数相差不大，说明高铁沿线的风速在这10年中没有明显增大或减小的趋势，且全区段大风大多出现在春夏之际，全区段小风大多出现在秋冬之际；由模态2的分布情况可以看出：东部区段最大风速大于西部区段的占比比东部区段最大风速小于西部区段的高，且东部最大风速偏大的季节大多出现在春夏之际，西部区段最大风速偏大的季节多出现在秋冬之际。这主要是由于研究区域地处亚热带，属季风气候，夏季受热带海洋气团影响，盛行东南风；而冬季受北方高压气团控制，盛行偏北风。

综上所述，高铁沿线的风速在这10年中没有明显增大或减小的趋势，春夏季是高铁沿线大风容易出现的季节，且高铁沿线东部区段的最大风速比西部区段大，所以应重点关注高铁沿线东部区段春夏时的最大风速。

4 结论

1）研究区段东部的平均最大风速要大于西部的平均最大风速，应重点关注东部区段的风速。17和21站点处的平均日最大风速比较大，出现大风的概率较高，所以应在17和21站点加装测风装置获取更精细化的风数据，为高铁的安全运行提供数据支持。

2）研究区段最大风速场的空间分布有2种典型模态：模态1呈现全局一致型，模态2呈现东西反向分布。两种模态划分为4种表现类型：全年最大风速偏大（占42.5%），全年最大风速偏小（占40%），东部区段最大风速偏大，西部区段最大风速偏小（占10%）以及东部区段最大风速偏小，西部区段最大风速偏大（占7.5%）。研究区段最大风场的分布模态以模态1为主，呈现一种整体最大风速偏大或最大风速偏小的分布模式，且在2006—2015年间风速没有明显增大或减少的趋势。

3）春夏季是高铁沿线大风容易出现的季节，且高铁沿线东部区段的最大风速比西部区段大，所以应重点关注高铁沿线东部区段在春夏时的最大风速。