基于Sentinel-1合成孔径雷达卫星影像的福建沿海区域风能资源分析

朱 琳，谢 婷，王怡人，胡利平，耿旭朴*

(1.厦门大学海洋与地球学院，近海海洋环境科学国家重点实验室，海洋遥感大数据福建省高校工程研究中心，福建 厦门 361102；2.北京环境特性研究所电磁散射重点实验室，北京 100854)

风能属于可再生能源，具有无污染、可持续等优势，且随着风能发电技术的不断改进与完善，其发电生产成本大幅降低，已逐步接近传统能源，是最具开发前景的新能源发电方式之一.目前，近海风能资源分析研究经常利用实地监测结果、卫星反演结果以及数值模拟结果等.使用卫星反演数据进行风能资源分析可以克服实测数据测量成本高、序列数据少等缺点.其中星载合成孔径雷达(SAR)是一种具有高成像分辨率的主动成像式微波雷达，可以在全天时、全天候条件下工作，其探测不受云层影响，空间分辨率最高可达米级，能够获取台风的很多细节信息，因此SAR在观测台风时有很大的优势[1-3].

提取SAR图像风向信息主要有快速傅里叶变换(FFT)法和局部梯度(LG)法等.基于这些方法可以从同极化(VV或HH模式)SAR图像自带风条纹中提取风向信息，去除180°模糊后可以得到唯一确定的风向.反演SAR数据同极化VV模式的风速利用地球物理模式函数(GMF)CMOD系列反演模型，由欧洲中尺度天气预报中心(ECMWF)设计，目前有CMOD4、CMOD5、CMOD5.N、CMOD7等模型产品.如Alexis等[4]结合CMOD系列模型与多普勒频移效果进行SAR风场反演，该方法在Sentinel-1卫星SAR数据风场反演中取得了较好结果.Yang等[5]将美国西部海岸3年QuickSACT散射计风场数据与Radarsat-1 SAR卫星遥感反演风场数据进行了相应时空匹配工作，证明了SAR数据更适用于近海风场反演.福建省风能资源开发潜力巨大[6]，其中台湾海峡区域更因其独特“狭管效应”优势而形成天然海上风库，是我国海上风电开发的重点关注区域，国内学者已对此进行了一些风能资源的研究[7-9]，但以往研究风能分布大多数是基于测风塔或模式再分析等资料，其数据量过少且分辨率不够高.Hasager等[10]使用SAR影像及散射计数据反演了丹麦近岸海域风场，证明了SAR技术在近岸海域风能资源分析方面的适用性.但在涉及中国近海区域的SAR影像风场反演工作及风能资源评估分析中，对于海面不同高度处风能资源状况的时空分析较少，缺乏结合实际风电场选址的风能参数分析工作，不能对风能资源分布进行准确评估.

针对以上问题，本研究基于哨兵一号Sentinel-1卫星的福建沿海区域SAR影像数据，使用FFT法计算得到区域海面风向；再与欧洲气象中心资料ERA-interim的外部风向数据相结合，输入地球物理模型CMOD5.N中，计算得到对应区域海面风速数据；并使用有效风速、有效风能密度、风能变异系数、风向频率等指标对福建沿海区域风能资源时空分布特征进行分析.

1 数据与方法

1.1 数据来源

1.1.1 Sentinel-1数据

哨兵一号卫星(Sentinel-1 A/B)是欧洲航天局(ESA)哥白尼计划(Copernicus Program)专门设计和开发的新卫星.数据来源：https:∥scihub.copernicus.eu/dhus/#/home.

本研究使用Sentinel-1卫星IW(interferometric wide swath)模式的L1级高分辨率GRD(ground range detected)地距影像产品数据，共122景，其分布范围为22°～26° N、117°～121° E，图像覆盖区域如图1所示.时间跨度为2015—2019年，各年影像数量依次为18，29，26，29，20，每年各月影像数量总体分布均匀，具有较好的统计意义[11].

图1 Sentinel-1 SAR数据覆盖图

1.1.2 ERA-interim数据

ERA-interim是一套数据量大、时空分辨率高、使用广泛的全球大气模式再分析规划化网格数据，是ERA整套数据中最新的数据产品，由ECMWF提供(https:∥apps.ecmwf.int/datasets/data/interim-full-daily/levtype=sfc/)，在观测资料的应用及同化方法方面有很大改进[12].ERA-interim再分析数据时间范围覆盖1979年1月1日至今，不断更新，时间间隔为6 h，空间范围覆盖全球，其产品包括气压、海表温度、海表风场等大气海洋参数[12-13]，其风场数据与卫星观测资料有很好的匹配性[14]，满足中国近海风场研究精度要求.因此，本研究使用ERA-interim产品中的0.125°×0.125°分辨率数值模拟风场数据，为SAR数据风向反演提供辅助风向数据.

1.2 方 法

收集Sentinel-1卫星福建沿海区域SAR影像数据，基于SAR影像自带风条纹，使用FFT法计算得到SAR影像区域海面风向，与ERA-interim外部风向数据相结合，并将得到的对应风向数据代入地球物理模型CMOD5.N中，计算得到对应区域的海面风速数据，结合海面风向及风速数据得到福建沿海区域高空间分辨率风场数据.进而使用反演得到的风场数据对福建沿海区域进行风能有效性和稳定性分析，其中风能有效性的评估指标为有效风速和有效风能密度，风能稳定性的评估指标为风能变异系数和风向频率.最后使用SAR反演风场结果结合再分析数据，对福建沿海区域风能进行时空变化特征分析.

1.2.1 风向反演

在进行海表风场反演前，分别进行辐射定标、陆地掩膜、噪声处理等数据预处理工作.用GMF模式函数求解海面风速时，需要风向信息作为初始信息输入.风向信息的来源主要有SAR自带风条纹提取风向和外部风向输入两种类型.为保证风向数据的时空匹配性及分辨率的统一性，以直接提取SAR影像自带风条纹方法获取风向数据为主、ERA-interim风场数据为辅获取风向信息.

为了去除诸如海冰、溢油等海表特征因素对SAR图像风场反演的影响，对SAR影像进行一次初始筛选，得到可用于提取风向的SAR影像.筛选过程中，利用非均匀性参数CVAR作为影像筛选判断条件，计算公式如下[15]：

CVAR=var(I)/I2，

(1)

其中I为子图块后向散射系数，var为方差计算函数.使用该公式可检验SAR影像100 m×100 m分解图块的同质性.当CVAR大于1时，图像影响因素不均匀，存在中尺度海洋或大气影响因素，舍弃此类影像图块区域，后续使用ERA-interim海面风向数据作为这些图块区域的风向输入，由此可以排除SAR影像中的中尺度海洋或大气因素对风向提取的影响.

风向提取的方法主要有基于频率域和基于空间域两种.基于频率域的常见风向提取方法有FFT法等，基于空间域有LG法、二维连续小波变换(2D-CWT)法等[16-17].研究表明FFT法较适合小风速范围风向反演，具体步骤如下：

1)选取合适的SAR子图像，进行滤波去噪处理；

2)对子图像进行FFT得到其频谱图；

3)对频谱图进行尺度分离，得到两个谱能量峰；

4)对两个谱能量峰连线，风向与该连线垂直，但具有180°模糊；

5)将ERA-interim风场数据作为风向辅助数据，利用北半球海区的热带气旋(TC)呈现逆时针方向旋转的风场特征，对计算得到的风向进行校正，消除风向180°模糊的问题.

1.2.2 风速反演

SAR反演海面风场的基本原理为Bragg共振机制.在20°～60°的入射角范围内，海面粗糙度与雷达波束遵循Bragg谐振机制，而海面风场对海表面粗糙度数值产生影响，可使后向散射系数发生变化[18]，关系表达式为：

kr=2kemsinθ，

(2)

其中，kr为Bragg共振波数，kem为电磁波波数，θ为SAR雷达波束入射角.因此，基于SAR影像后向散射系数可进行海洋表面风场反演.

地球物理函数模型建立了VV极化模式与卫星方位角、入射角以及海面风场的函数关系.选用CMOD5.N模式进行风速反演，该模式由Hersbach[19]于2010年对CMOD5模式函数的参数进行相应校正后开发得到，具体计算公式如下：

σ0=b0(1+b1cosφ+b2cos 2φ)1.6,

(3)

其中，σ0为后向散射系数，φ为相对风向，b0、b1和b2是关于风速的经验系数.

由上述方法反演得到的是海面10 m高度处的风场数据，而通常风能随海面高度的增高而呈上升趋势,因此使用指数规律风廓线进行海面不同高度风场数据的求取.以SAR影像同极化VV模式反演得到的海面10 m高度风场数据为基础,利用指数规律风廓线工具，计算得到不同高度的风场数据，具体计算公式[20]如下：

(4)

其中，vn和v10分别为海面n和10 m高度处的风速，Zn和Z10为海面高度，α为风廓线切变指数(该指数主要与区域大气稳定度及下垫面海面粗糙度有关).式(4)是风能评估中最常用的公式[21-27].丁国安等[22]的研究表明，采用指数公式计算所得不同高度的风速十分接近实测值.

1.2.3 有效风速

在实际区域海上风能发电生产过程中，3～25 m/s范围的风速通常被称为有效风速，可以有效产生风能[28].一般情况下，风速低于3 m/s则风机设备无法正常启动，因此3 m/s通常被称为切入风速；当风速高于25 m/s时，风机将会判断风速过大，为避免设备产生损坏而切断发电进程，因此25 m/s也被称为切出风速.有效风速在风能发电领域应用十分广泛.

1.2.4 有效风能密度

海面风能数值的大小与风速密切相关.风能密度用来表示在一定时间范围内垂直通过某单位面积的风所带来的所有能量数值,该参数是风能资源评估分析工作中极为重要的综合指标之一，应用十分广泛.具体计算公式[29]为：

(5)

其中：W为风能密度，W/m2；ρ为空气密度，kg/m3；v为风速，m/s.从该计算公式可以看出，对应海域的空气密度大小是风能密度的影响因素之一，因此在风能密度计算前，需要结合海面高度、大气压、海面温度等海面特征进行对应海域空气密度的计算[30]，计算后本研究海域ρ为1.34 kg/m3.

有效风能指使用风电机组正常运行风速范围计算得到的风能资源，其风速范围为3～25 m/s.处于该范围内的所有风能密度称为有效风能密度，即在一定时间段内通过规定单位面积的有效风能，该指标可用于对某特定区域的海上风能资源进行分析与评估.

1.2.5 风能变异系数

风能变异系数是风能稳定性分析的一个重要评估指标[31]，具体计算公式为：

(6)

1.2.6 风向频率

风向频率表示一定时间段范围内各方位的风向次数占总数的百分比，通常用风向玫瑰图来直观化表示.通过风向玫瑰图可以得到目标区域主导风向及风向变化稳定性，从而辅助该区域风能资源分析.

1.2.7 经验正交函数(EOF)分析

EOF分析方法可以实现对海表风速矩阵数据的结构特征分析，并提取其主成分特征向量，用尽可能少的模态表达出主要的时间和空间变化.自Lorenz在20世纪50年代首次将其引入气象和气候研究，该方法现已被广泛应用于海洋和其他学科[32].EOF分析方法的主要原理如下[33]：首先将观测风速资料用矩阵表示，记为矩阵X;矩阵X可以分解为空间函数和时间函数两部分的乘积，通过求XXT的非零特征值，可以得出空间函数矩阵以及时间系数.特征向量对应的是空间样本，在一定程度上反映要素场的空间分布特点；主成分对应的是时间变化，反映相应空间模态随时间的权重变化.

2 结果与分析

2.1 风能有效性

根据国家标准风电场风能资源评估方法[34]，主要测量10，30，50 m高度风速数据，对福建沿海区域海面3个高度测量的多年平均有效风能结果如图2所示(反演分辨率为5 km×5 km).可以看出：1)福建沿海区域不同高度的风能资源空间分布较为一致，风能密度大小随高度增加而增大；2)使用SAR影像反演得到的福建沿海区域风能密度数据空间细节分布更为突出，可以对此进行细节风能资源评估与分析.

图2 福建沿海区域10 m(a)、30 m(b)和50 m(c)高度的多年平均有效风能密度

对所有风能计算格点数进行统计，分别求出福建沿海各月和各季风能总量及有效风能量，得到有效风能概率，结果如图3所示.可以看出，福建沿海区域有效风能概率较高，总计有效风能占比68.21%，其中分月特征变化趋势为：4—10月有效风能占比较低，最低为8月，仅39%；11月—次年3月有效风能占比较高，最高为12月，达98%.分季特征变化趋势为：春、夏季较低，夏季仅为44%；秋、冬季较高，冬季达96%.风速范围大的秋、冬季有效风能占比较高，符合海上风电资源开发条件.

图3 福建沿海区域各月(a)和各季(b)有效风能概率

2.2 风能稳定性

除风能有效性外，风能的稳定性也是风能资源分析的重要组成部分，一定程度上决定了风电机组建设的安全性及生产效率大小.下文从风能变异系数和风向频率分布方面进行风能稳定性的时空特征分析.

福建沿海多年平均风能变异系数结果如图4所示：从台湾海峡至厦门区域风能变异系数逐渐降低，符合客观规律，即台湾海峡附近由于地形及狭管效应影响，风能较不稳定，而靠近大陆地区风能较稳定.但上述多年平均结果可能将平均季节性信号丢失，因此将风能密度结果按春(3—5月)、夏(6—8月)、秋(9—11月)、冬(12月—次年2月)四季分别求平均值，得到各季平均风能密度并计算季节平均风能变异系数，结果如图5所示.可以看出：1)福建沿海多年平均风能稳定性较好，大部分区域风能变异系数均在0.5以下；2)各季节风能变异系数分布特征存在一定差异，春、秋、冬季数值较低，大部分在0.5以下，而夏季风能变异系数较大，风能稳定性较差.

图4 多年平均风能变异系数

图5 春(a)、夏(b)、秋(c)、冬(d)季的风能变异系数

对福建沿海区域各季节有效风向进行百分比统计并按10°分区绘制风向玫瑰图(包括风向180°模糊)，结果如图6所示.可以看出，福建沿海区域常年风向以东北—西南风为主，夏季偏北，秋季偏东，春、冬季东北—西南风占大部分，风向较为稳定，变化较小.

图6 春(a)、夏(b)、秋(c)、冬(d)季的风向玫瑰图

2.3 风能时空变化特征

福建沿海区域各月风速和风能密度变化趋势如图7所示.可以看出，福建沿海区域的风能密度与风速变化趋势相似，风能时空特征的主要变化趋势为：9—10月风速呈上升趋势，12—1月到达顶峰，3—4月呈下降趋势，在5—8月达到海面风速最低值.

图7 各月风速(a)和风能密度(b)变化趋势

用EOF方法对福建沿海区域风场数据进行分析，得到海面风速时间序列的主成分特征向量，其中第一和第二模态的分析结果如图8和9所示.

第一模态的方差贡献率为89.56%，远高于其他模态的方差贡献率，从图8可知，这一模态可能是影响福建沿海区域季风强盛时期的状况.福建沿海风能资源空间分布主要为东北—西南递减类型，即西南区域年平均风速较小，而东北区域年平均风速较大.EOF分析的第二模态方差贡献率为4.47%，如图9所示，第二模态的特征向量在空间上也体现出福建沿海风能资源空间分布主要为东北—西南类型，但与第一模态不同的是在台湾海峡中部出现了风速较大值区域，可能是因为台湾海峡狭管效应的空间分布.狭管效应是指当气流由开阔地带流入地形构成的峡谷时，空气质量不能大量堆积，于是加速流过峡谷，风速增大；当流出峡谷时，空气流速又会减小.台湾海峡与常年盛行的东北风形成的狭管效应，使得福建沿海区域的风速加大，可利用风速持续时间加长.第一模态与第二模态的累计方差贡献率为94.03%，因此EOF分析的前两个模态能够较好地解释福建沿海风能资源的时空分布特征.

图8 福建沿海风场EOF分析的第一模态时间序列(a)及填色图(b)

图9 福建沿海风场EOF分析的第二模态时间序列(a)及填色图(b)

3 结 论

本研究使用Sentinel-1卫星SAR影像VV同极化数据进行海表风场反演，得到高空间分辨率的2015—2019年福建沿海区域风场数据，再将SAR海面风场反演结果与ERA-interim再分析风场数据进行1 km×1 km的网格化处理，并从风能有效性、风能稳定性及风能时空分布3个方面进行了福建沿海区域风能资源时空特征分析.研究结果表明：

1)福建沿海区域不同高度的风能资源空间分布较为一致，风能密度均随高度增加而增大；经SAR影像反演得到的风能密度空间细节分布更为突出，据此得到的月、季有效风能结果表明风速数值范围较大的秋、冬季有效风能所占百分比较高.

2)福建沿海多年平均风能稳定性较好，各季节风能变异系数分布存在一定差异，春、秋、冬季较低，大部分在0.5以下，而夏季风能变异系数数较大，风能稳定性较差；风向玫瑰图表明福建沿海区域风向变化较小，较为稳定；

3)福建沿海各月风速、风能密度变化趋势图说明风能密度变化趋势与风速变化趋势相似；EOF分析结果表明，福建沿海风能的空间分布主要为东北—西南走向递减类型，在台湾海峡中部区域出现风能最大值.

上述结果表明Sentinel-1卫星SAR影像VV同极化数据反演海面风场方法具有可行性且能用于福建沿海区域风能资源评估；但本研究中未考虑VV同极化以外其他极化模式的风场反演方法，因此在之后的研究中，可采用多种类型SAR卫星数据，并采用多源再分析数据进行辅助分析，以提高分析准确度.