采用次网格地形方案对白鹤滩水电站坝区一次大风天气的数值模拟

吴安南 , 李国平,2* , 师义成 , 秦蕾蕾

（1. 成都信息工程大学大气科学学院, 成都 610225；2. 气象灾害预报预警与评估省部共建协同创新中心,南京 210044；3. 中国三峡建工(集团)有限公司, 成都 610041）

引 言

白鹤滩水电站位于四川省宁南县和云南省巧家县境内，是金沙江下游河段四个梯级电站的第二级，也是中国继三峡水电站和溪洛渡水电站之后的又一巨型水电工程，为世界第二大水电站。2021年6月28日，白鹤滩水电站首批机组发电，全部机组将于2022年7月投产发电。白鹤滩水电站是我国实施“西电东送”战略的骨干工程，将对实现国家西部大开发战略，促进偏远地区经济增长、社会发展发挥重要作用[1]。白鹤滩水电站最大坝高289 m[2]，处于南北走向的金沙江河谷中，其两侧河谷海拔高度逐渐升高，可超过3800 m，与坝区海拔落差近3000 m。由于地势东西高中间低，南北狭长，河谷内狭管效应明显，坝区受大风天气影响很大。据统计，大风是白鹤滩水电站最常出现的灾害性天气之一[3]，年平均7级及以上大风（风速≥13.9 m·s−1）日数为237 d，占全年总日数的65%[4]，且冬春季最为频繁[5]。灾害性大风天气不仅对工程的建设进度及工程质量影响极大，对施工人员的安全也存在巨大威胁，为了更好地为工程建设提供气象保障，有必要加强对该区域大风的研究工作。但由于白鹤滩水电站坝区所处地形复杂，观测站点稀疏且资料质量参差不齐，仅靠观测资料无法刻画风场的详细分布特征，这时就需要借助中尺度气象模式进行模拟。目前关于白鹤滩水电站坝区大风的研究局限于统计及个例诊断分析[4−7]，开展大风天气的模拟研究有助于深化对该区域大风的分布特征及形成机理的认识，具有重要的科学意义和应用价值。

WRF（Weather Research and Forecasting）是目前风能评估中应用最广泛的中小尺度天气数值模式之一[8−10]。但许多研究[11−13]显示，WRF对于近地面风场的模拟存在较大误差。有学者指出，这是因为WRF在模拟大气运动时，对地形进行了平滑处理，忽略了次网格地形的拖曳作用，使得模式往往高估风速[14−15]。Jiménez和Dudhia[16−17]的研究结果则表明WRF高估平原、山谷风速而低估丘陵、高山风速。为了弥补次网格地形产生的影响，他们提出了一种次网格地形方案−Jiménez方案，该方案通过调整动量方程中与植被有关的地表拖曳力，减小平原、山谷的风速而增大丘陵、高山的风速，特别是能有效增大山顶的风速。Mass和Ovens[18−19]提出了UW方案，该方案通过建立摩擦速度与次网格地形方差之间的正相关关系，使得摩擦速度随着地表粗糙度的增大而增大，从而减小模式模拟出的地表风速。这两种次网格地形方案已加入WRF v3.4.1以上版本的YSU边界层参数化方案中，但目前国内对该方案的应用还较少。郑亦佳等[20]对北京地区的研究表明，采用次网格地形方案后，模式对地面风速的模拟有明显改进，次网格地形方案主要影响的是2000 m以下的低层风速，UW方案在北京地区更为适用。马晨晨等[21]研究表明，次网格地形方案对黄土高原风速的模拟有明显改进，认同指数、准确率和相关性等均有显著提高，模拟误差明显减小。Ma等[22]研究指出次网格地形方案能改进中国西北地区复杂地形下近地面风速的模拟。杨鹏武等[23]也指出次网格地形方案也能基本适用于中国低纬高原的高山风电场选址、风能资源评估。以上研究成果均证明了次网格地形方案能改进复杂地形风场的模拟效果，但主要是针对长时间连续平均风场，而对大风模拟是否有改善效果尚不清楚。本文采用次网格地形方案对2019年3月19～20日白鹤滩水电站坝区的一次大风过程进行模拟分析，探讨次网格地形方案对白鹤滩水电站坝区大风模拟的适用性，并结合坝区地形对其易产生大风的原因进行分析，以期为白鹤滩水电站大风的预报预警工作提供科学参考。

1 资料和方法

1.1 资料

采用欧洲中期天气预报中心提供的ERA5再分析数据用于天气形势分析，并作为WRF模式的初始场和边界条件，水平分辨率为0.25° × 0.25°，时间分辨率为1 h。引入ASTER GDEM V3地形数据到模式最内层模拟区域，该数据由日本经济产业省（METI）和美国航天局（NASA）共同发布，其空间分辨率约为30 m×30 m。气象观测站逐时的10 m风速、风向和2 m温度资料来自四川省气象局，站点信息见表1。

表1 白鹤滩水电站坝区周边4个站点的基本信息

1.2 次网格地形方案介绍

1.2.1 Jiménez方案

Jiménez次网格地形方案[16−17]首先通过计算地形的拉普拉斯算子Δ2hi,j来区分不同地形，计算公式如下：

1.2.2 UW方案

Mass和Ovens[18−19]建立了摩擦速度与次网格地形方差之间的正相关关系，使得边界层参数化方案中的摩擦速度能够随着地表粗糙度的改变而改变，从而使得模式模拟的地表风速更依赖于真实地形的变化，该方案能显著减小地表风速和风向的模拟偏差。

1.3 模拟试验设计

利用WRFv4.2中尺度气象模式对此次大风过程进行数值模拟。模拟时段为2019年3月18日08时～20日08时（北京时，下同），共48 h，其中前24 h视为模式的自适应时间。模式采用双向反馈的三重嵌套方案，投影方式为Lambert投影，模拟区域中心经纬度为102.90°E、27.20°N，每层嵌套的水平格距分别设为25 km、5 km和1 km，三重嵌套对应的网格数分别为65 × 62、111 × 106和176 × 171，垂直层数为34层，层顶气压为50 hPa。模式采用的参数化方案包括： (Eta)Ferrier微物理方案、RRTM长波辐射方案、Dudhia短波辐射方案、Monin-Obukhov近地面层方案、Noah陆面过程方案和YSU边界层方案，前两层嵌套区域采用Kain-Fritsch积云参数化方案，最内层区域关闭积云参数化方案。图1为模拟嵌套区域和最内层区域的海拔高度。为了分析次网格地形方案对风场模拟结果的影响，设计了三组试验（表2），在其他条件相同的情况下，分别进行模拟。

表2 模拟试验设计

图1 模拟嵌套区域（左）和d03海拔高度（右，黑色圆点分别表示站点1 ～ 4（表1），红色五角星表示白鹤滩水电站，蓝色实线表示金沙江下游河段，填色表示海拔高度，单位：m）

2 大风天气过程概况

2019年3月19～20日，白鹤滩水电站坝区出现了一次8级西南大风（风速≥17.2 m·s−1）天气过程，图2为坝区周边4个站点（表1）10 m风速、风向和2 m温度的逐时变化。这4个站点都位于河谷地区，但站点1、2和3的海拔高度高于站点4，且站点4所处地形更为平坦。站点1和2距离坝区更近，分别约1154 m和4226 m，与坝区同处于南北向的河谷内，且都位于坝区左侧（图1）。这里以站点1和2的观测资料代表坝区风速、风向和温度的变化。19日08时站点1和2的风速较小，09～11时风速突增，11时站点2开始出现8级大风。站点1和2的风速和温度均在14时达到峰值，风速分别为19.3 m·s−1和18.1 m·s−1，风力均达到8级，温度分别为27.1℃和26.5℃。14～18时风速和温度有所减小，18时后回升，站点1在20时风力再次超过8级。20时后，两站点温度呈显著减小趋势，风速则波动减小。20日07时，两站点风速均已低于3 m·s−1，此次大风过程趋于结束。整个大风过程中，天气晴朗，无降水，风速和温度具有较好的同步变化关系。站点3和4的风速变化与站点1和2较为一致，但风速更小，且风向较零乱多变。由以上分析可知，由于坝区所处地形复杂，坝区周边不同站点的风速、风向和温度及其变化存在一定差异，坝区的特殊地形对其风速具有明显的增幅作用，这将在后文作进一步分析。

图2 2019年3月19～20日4个站点10 m风速、风向和2 m温度的逐时变化

分析本次大风过程中的天气形势（图3）可知， 19日08时，坝区上空位于200 hPa西南急流入口区右侧，急流强度达40 m·s−1，根据高空急流的特点，在急流入口区左侧辐合，右侧辐散，则坝区200 hPa有下沉运动；500 hPa上，亚欧中高纬为一槽一脊的环流形势，乌拉尔山存在一高压脊，低槽在贝加尔湖附近，坝区上空处于槽前西南气流中（图3a）；700 hPa上坝区受暖脊控制，处于一致的西南气流中；地面上，我国东南地区为高压控制，中西部地区为低压控制，低压中心强度达1002.5 hPa，呈典型的“东高西低”环流形势，有利于偏南大风的产生（图3b）。14时，坝区200 hPa高空急流强度有所减弱；500 hPa上仍处于槽前西南气流中（图3c）；700 hPa上的西南风增强，风速超过13 m·s−1；地面热低压东移南下，强度明显增强，达997.5 hPa，坝区等压线变密集，气压梯度增大（图3d），地面风速达到最大（图2）。20时后，坝区上空转为槽后西北气流控制，地面热低压强度减弱并逐渐东移，远离坝区，坝区位于低压底后部，西南风减弱，此次大风过程趋于结束（图略）。综上所述，此次西南大风天气过程主要是由高低空一致的西南气流配合地面“东高西低”的环流形势共同造成的，午后热低压发展强盛，地面风速达到最大，坝区出现8级大风，同时西南气流引导热低压逐渐东移且夜间热低压强度减弱，使得大风在入夜后减弱。

图3 2019年3月19日08时 （左）、14时 （右）位势高度（蓝色等值线，单位：dagpm）、温度（红色等值线，单位：℃）和风场（风矢，单位：m·s−1）空间分布（a、c. 200 hPa高空急流（填色）、500 hPa高度场、温度场和风场，b、d. 700 hPa温度场、风场和海平面气压场，红色五角星表示白鹤滩水电站）

3 模拟结果及性能检验

3.1 模拟的风速、风向和温度空间分布

图4 给出了模式最内层区域的海拔高度、次网格地形标准差σsso和地形的拉普拉斯算子Δ2h的空间分布。σsso是反映某一区域内地形海拔高度离散性的物理量，可用来描述地形的复杂程度，其值越大表明地形越复杂[16]。图4b显示模拟区域内σsso的大值沿着河谷走向分布，最大值位于河谷与高山之间海拔落差最大且地形狭窄处。4个站点的σsso相近，约600 m。Jiménez方案是根据Δ2h值与−20的相对大小来判断山体形态的，由图4c可看到Δ2h低于−20的格点较为分散地分布在山地地形区域，最小值位于山顶，其他地区的Δ2h基本都高于−20，Δ2h大值也沿着河谷走向分布。同时4个站点的Δ2h都高于−20，则判断为河谷地形，这与实际一致。因而在本试验中，模拟区域的Δ2h分布能较好地体现白鹤滩水电站坝区及其周边地形的分布特征。为了解次网格地形方案对模式模拟的地面气象要素的改变情况，图5给出了模拟的24 h平均10 m风速和2 m温度空间分布，分别对应TWIND0试验以及TWIND1和TWIND2试验对TWIND0试验中相应要素的差值。对风速来说，TWIND0试验模拟的风速大值区位于山顶，最大值位于河谷东部高山山顶，风速小值区则位于河谷，海拔较低河谷处的风速达到最小。除了河谷及海拔较低的山地地形区域外，TWIND1试验模拟的风速都大于TWIND0，特别是在山顶处，可将模拟风速增大7.0 m·s−1。TWIND2试验在山顶的模拟风速也大于TWIND0，但其增大幅度（2.0 m·s−1）远小于TWIND1，而其他地区的模拟风速则略小于TWIND0。对温度来说， TWIND0试验模拟的温度分布与地形分布较为一致，河谷处分布着温度大值区，山地温度较低。与风速不同，TWIND1和TWIND2试验对模式模拟温度的改变幅度较为一致，在河谷的模拟温度都低于TWIND0，在山地处则略大于TWIND0。

图4 模式最内层区域的海拔高度（a，单位：m）、次网格地形标准差σsso（b，单位：m）和地形的拉普拉斯算子Δ2h（c，单位：m）空间分布（黑色圆点分别为站点1 ～ 4）

图5 模拟区域的24 h平均10 m风速（上，填色，单位：m·s−1）和2 m温度（下，填色，单位：℃）空间分布（黑色等值线表示海拔高度，单位：m）

为了检验不同次网格地形方案对风速、风向和温度模拟的准确性，通过双线性插值的方法将气象要素的模拟结果插值到表1所列的4个站点上，结合其观测值，计算了各气象要素的平均误差（ME）、平均绝对误差（MAE）和均方根误差（RMSE）这3个统计量，具体计算公式如下：

式中：Fi代表模式第i个时刻的模拟值，Oi代表第i个时刻的观测值，N代表观测总时次。各统计量的检验结果见表3。对风速来说，风速较大的站点1、2和3的ME在3组试验中都为负，则说明在大风天气的模拟中，模式会低估风速。MAE能反映模式模拟值误差的大小，RMSE则表示误差幅度的平均情况[24]。风速的MAE和RMSE的分布较为一致，基本都在TWIND1和TWIND2试验中更小，但在不同站点存在差异。站点1、2和3的MAE和RMSE在TWIND1试验中最小，站点4的RMSE则在TWIND2试验中最小。相比于TWIND0试验，TWIND1和TWIND2试验可将风速的MAE和RMSE值最高分别减小17 %和14 %。对于风向，ME为正代表模拟风向在观测风向的顺时针方向，反之为逆时针方向。站点1的ME为负，其他3个站点大多为正，说明站点1的模拟风向相对于观测风向为逆时针旋转，其他站点为顺时针旋转。与风速相似，风向的MAE和RMSE都在TWIND1和TWIND2试验中更小，这说明次网格地形方案可显著改善风场的模拟效果。3组试验中温度的ME都为负，说明模式模拟的温度偏低，同时温度的ME数值大小与MAE接近，表明温度模拟偏低是由模式系统误差造成的，可将平均误差当作系统误差进行模式订正[25]。温度的MAE和RMSE在TWIND0试验中均最小，表明次网格地形方案并不能改善温度的模拟效果，这与已有的研究结论一致[26]。

表3 3组试验下4个站点的10 m风速、风向和2 m温度的ME、MAE和RMSE

3.2 模拟的风速、风向和温度日变化

为了分析模式对风速、风向和温度日变化的模拟效果，图6给出了3组试验下4个站点相应要素的模拟值与观测值的时间变化。对风速来说，不同站点的风速观测值的波动变化幅度较大，模拟值的变化则较为平缓，但都较好地模拟出了风速白天高、夜间低的变化趋势。在不同站点中，当白天风速较大时，模式往往表现出对风速的低估，而当夜间风速减小，大风趋于结束时，模式仍模拟出较大风速，这在TWIND0试验中最为明显，但TWIND1和TWIND2试验能减小这一误差。相比于TWIND0试验，TWIND1和TWIND2试验在主要大风时段（11～14时），将风速的MAE减小了28%，其中TWIND1试验更好地模拟出了坝区大风的风速峰值。在小风时段（05～07时），TWIND1和TWIND2试验则可将风速的MAE减小39%。以上结果说明次网格地形方案能够有效缓解模式对白天风速的低估和夜间风速的高估，在大风和小风时段均具有更好的风速模拟能力，从而能准确地模拟出风速的日变化特征。对于风向的模拟，在站点1和2中，3组试验模拟的风向接近且与观测值较为一致，而由于站点3和4的实际风向多变，导致模式模拟的风向误差较大。由温度的观测值与模拟值日变化来看，3组试验都没有模拟出白天的短暂降温阶段。相比于TWIND0试验，在白天，TWIND1和TWIND2试验能够减小温度模拟的负偏差，而在夜间，这两个试验模拟的温度明显低于TWIND0试验，导致温度模拟的负偏差显著增大。综合3.1节的分析可知，采用次网格地形方案能够显著改进白鹤滩水电站坝区风场的模拟，使得风场的日变化与实况更为一致，其中Jiménez方案更适合于坝区大风的模拟，但次网格地形方案对温度的模拟没有改善作用。

图6 4个站点10 m风速（单位：m·s−1）、风向（单位：°）和2 m温度（单位：℃）的模拟值和观测值对比

4 地形的狭管效应

由图2可知，坝区周边不同站点的风速、风向存在较大差异，为了解地形在坝区大风形成中的作用，图7给出了大风发生前（19日08时）、大风强盛时（19日14时）和大风结束时（20日06时）3个时刻白鹤滩水电站坝区及周边10 m风场分布。如图所示，尽管不同时刻环境场的西南风强度不同，当其流经坝区所在的金沙江流域时，气流的运动路径一致：部分西南气流下沉汇聚在坝区上游地势开阔且较低处，并转为沿着河段方向的东南风，然后北上进入坝区所在河谷，受到南北狭长的河谷地形影响，风向转为南风，且当气流由开阔地带流入河谷时，由于狭管效应，气流将加速通过，经过白鹤滩坝区时，风速显著增大。为了进一步了解气流在通过河谷时风速和风向的变化情况，以19日14时为例，沿坝区所在经度（图7中线段AC）作全风速的垂直剖面（图8），其中B（102.90°E，27.00°N）为河谷入口，线段BC上各点的海拔高度基本与坝区一致。如图所示，气流在进入B点前，不同距地高度处都为风速较小的东南风，进入河谷后，风速快速增大且偏东风分量减弱，逐渐转为一致的南风。定义河谷风速放大系数为河谷内距地某一高度的风速与河谷入口处相同距地高度风速的比值，计算可知距地10 m处坝区的河谷风速放大系数为2.7，距地100 ～ 400 m处的河谷风速放大系数分别为3.1、3.0、2.9和2.7，可见河谷地形对大风的增速作用显著，且河谷风放大系数在距地100 ～ 200 m处达到最大，由于坝高289 m，这正好对应坝区主体高度位置，从而坝区易受到强的“狭管效应”影响，导致灾害性大风天气频发。

图7 白鹤滩水电站坝区及其周边10 m风速（风矢，单位：m·s−1）、风向（风矢，单位：°）和海拔高度（填色，单位：m）空间分布（a. 19日08时，b. 19日14时，c. 20日06时，A点坐标为102.90°E、26.90°N，B点坐标为102.90°E、27.00°N，C点坐标为102.90°E、27.30°N，红色五角星表示白鹤滩水电站，蓝色实线表示金沙江下游河段）

图8 19日14时沿坝区所在经度（102.90°E，图7中线段AC）的风速垂直剖面（单位：m·s−1，红色五角星表示白鹤滩水电站）

5 结论与讨论

本文采用次网格地形方案模拟了2019年3月19～20日发生在四川、云南交界处白鹤滩水电站的一次大风过程，对不同次网格地形方案模拟的10 m风速、风向和2 m温度的空间分布及日变化进行检验评估，并结合地形对坝区易产生大风的原因进行分析，得到以下主要结论：

（1）此次西南大风天气过程是由高低空一致的西南气流配合地面“东高西低”的环流形势共同造成的，风速呈现为白天高、夜间低的日变化特征。午后热低压发展强盛，温度升高，地面风速达到最大，坝区出现8级大风。同时西南气流引导热低压逐渐东移且夜间热低压强度减弱，使得大风在入夜后减弱。

（2）次网格地形方案在不同地形区域对模式模拟的风速和温度的改变作用不同。对风速而言，次网格地形方案增大了山顶的模拟风速而减小了河谷和海拔较低的山地地形处的模拟风速，其中Jiménez方案对山顶风速的增大作用更为显著。对温度而言，次网格地形方案增大了山地的模拟温度而减小了河谷的模拟温度。

（3）不同站点的统计检验结果显示，采用次网格地形方案后，可将风速的平均绝对误差和均方根误差最高分别减小17%和14%，同时该方案能够有效缓解模式对白天风速的低估和对夜间风速的高估，在大风和小风时段均具有更好的风速模拟能力，从而能更好地刻画出风速的日变化特征。综合来看，次网格地形方案能显著改进风场的模拟，其中Jiménez方案更适用于坝区大风的模拟，但次网格地形方案对温度的模拟没有改善作用。

（4）白鹤滩水电站坝区的大风受所处地形的影响极大，当环境风为西南风时，气流由坝区上游地势较低且开阔处沿着金沙江河段走向由东南方向流入河谷，南北狭长的河谷地形使得大风转为经向，且“狭管效应“使得气流增速显著，坝区主体高度（距地100～200 m）处河谷风的放大系数超过3.0，导致坝区极易受到灾害性大风天气的影响。

在本研究中，由于研究地区地形复杂，能用于验证模式模拟结果的气象观测站点较少，不能完整地体现出该区域大风的模拟效果，如次网格地形方案表现为对山顶模拟风速的改变作用较大，但由于缺少山顶站点，无法验证其准确性。而且，本研究仅对一次春季西南大风天气过程进行模拟，该方案对其他个例的适用性还有待进一步验证。另外，已有研究[27]表明在WRF中采用次网格地形方案后，能更好地模拟地面风场，从而可改善WRF模拟中存在的山区降水高估问题，这种通过改善风场预报来改进地形降水的思路也值得探索。