“21世纪海上丝绸之路”风能资源时空变化评估

周钰淇，崔佳乐，孙博雯，邵莉莉

(曲阜师范大学地理与旅游学院，山东 日照 276826)

引言

推动可再生和清洁能源替代化石能源是控制碳排放、减缓气候变化的有力举措[1]。据统计，目前电力行业每年CO2排放量占我国碳排放总量的近一半[2]。《2021 年全球风能报告》指出，目前风电的使用帮助全球减少了超过11 亿t的CO2排放量，相当于南美洲一年的碳排放总量，证实了风电对降低碳排放的重要作用，并指出在未来十年，全球风电装机仍需加快部署。由于风能与风速的立方成正比，风速轻微下降就会导致风能发电量显著减少[3]。在过去几十年间，包括北美、欧洲和中国等地区在内的全球陆地表面风速普遍呈现减弱趋势[4-6]，而全球海洋的海表风速则在以平均大约0.08 m·s-1·(10 a)-1的速率增长[7]。此外，海上风机不占用土地资源[8-10]，距离海岸至少几公里，不需考虑噪声保护，因此海上风机齿轮转速较快，能量输出效率比陆上风机高。综上，今后风电资源开发研究的重点逐渐向海上风电场转移，因此针对不同海区开展海上风能资源时空变化的研究具有重要意义。“21世纪海上丝绸之路”是习近平总书记在2013年提出的重要概念，它以海洋为载体，主要包括中国东海和南海、北印度洋的孟加拉湾和阿拉伯海、西南印度洋，以及安达曼海、地中海等海域，沿线连接了亚洲、非洲、欧洲地区[11-12]。有研究指出，其沿线的许多国家和地区电力供应不足[13-15]。为缓解这一形势，加速开展无污染、全天候的清洁能源——风能资源的开发利用迫在眉睫。

风能密度是评估风能资源重要的特征量[16]。已有研究表明，“21世纪海上丝绸之路”大部分海区都拥有较为丰富的风能资源，多年平均风能密度较大，阿拉伯海、孟加拉湾大部分海区的风能密度均为150 W·m-2以上[15]，南海中北部风能密度为200 W·m-2以上。索马里海域、南海大风区、吕宋海峡风能资源都具有明显优势[17]。

研究海区的风场和风能资源均呈现出显著的季节性差异[18]。在印度洋北部，夏季盛行西南季风，冬季盛行东北季风，而在春秋季节，其风向呈圆弧形逆时针包绕着印度半岛；春季阿拉伯海的风向表现出反气旋特征[19]。阿拉伯海和孟加拉湾受西南季风的影响更为明显，东北季风的影响次之。位于东亚季风区的我国南海海域则相反，受冬季风影响更大[20]。ZHENG et al.[21]指出7月阿拉伯海和孟加拉湾的风能资源明显比其他月份丰富，而4月和10月，印度洋北部大部分地区的风能资源不足。

以上研究结果为探究“21世纪海上丝绸之路”相关海区风能资源的季节变化提供了一定依据，但要合理评估风能资源质量、为风能资源开发利用的中长期规划提供理论依据，还需综合分析风能资源更低频的变化规律乃至长期变化趋势。已有的研究表明，印度洋大部分大陆架海域在40 a内年平均风能密度呈下降趋势[22]。郑崇伟[23]对1979—2015年“21世纪海上丝绸之路”的风能密度进行了探讨，发现其大部分海域风能密度呈递增趋势，风能资源的稳定性趋好。这些研究多从整体考虑，而不同季节风能资源具体的长期变化趋势尚不清晰。

本文采用1979—2021年第五代欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts, ECMWF)大气再分析全球气候数据(ECMWF Reanalysis v5，ERA5)，分析“21世纪海上丝绸之路”相关海区海表风场和风能密度的空间分布特征、季节变化特征以及长期变化趋势，并重点针对目前的海上风电技术可以开发利用的沿海浅水陆架区域进行探讨。该研究有助于表征海上风电利用潜力的不确定性，为“21世纪海上丝绸之路”风能资源的中长期开发规划提供理论依据。

1 资料与方法

1.1 研究区域概况

研究区域选取中国南海、孟加拉湾、阿拉伯海以及热带南印度洋的大部分海域(30°E～130°E，20°S～30°N)。按现有技术，海上风电机组的基座安装最深可应用于60 m的深水区[24]。如图1所示，水深不超过60 m的区域主要分布在阿拉伯海与孟加拉湾周边陆架区域、中南半岛以南大部分海域、中国东南沿海、热带东南印度洋近海以及海上的众多岛礁。

图1 研究海域水深(色阶，单位：m；红色曲线：60 m等水深线)分布Fig.1 Distribution of water depth (color scale, units: m; red curve: 60 m isobath) in the study area

1.2 数据资料

使用欧洲中期天气预报中心(ECMWF)最新发布的第五代大气再分析资料ERA5。ERA5再分析资料提供了100 m高度风速数据，较上一代再分析数据有较大改进[25]，能更真实反映海上风电可开发利用的情况，有利于风能资源的评估。选用1979年3月1日—2022年2月28日(共43 a)的ERA5逐小时、空间分辨率为0.25° × 0.25°的100 m高度风速数据来分析研究海区风场与风能密度的空间分布、季节及更低频的变化特征；还选用时间间隔为1 h的10 m风场数据用于评估ERA5再分析资料的可用性。

孟宪贵等[26]运用山东省及周边地区10个站点的地面和高空观测资料对ERA5再分析资料的适用性进行了评估。海上的气象观测资料远少于陆地，且观测时间短，本文将ERA5风场资料同中国与美国近海岸浮标测风资料(由美国国家浮标数据中心提供，下载网址：https://www.ndbc.noaa.gov/)进行对比分析。其中，中国近海58768号浮标站位于靠近浙江省温州市的近海，观测时间为2010年9月—2015年10月，时间间隔为1 h，测风高度为5 m；美国东海岸41012号浮标站(30.042°N，80.534°W)观测时间为2002年6月—2014年2月，可提供时间间隔为1 h的观测数据，测风高度为5 m；美国西海岸46047号浮标站(32.388°N，119.525°W)可提供自1991年以来逐小时的5 m气象观测数据。选取以上浮标站2010年9月—2014年2月的资料用于评估，浮标站观测数据发布时均经过了粗差检查，有部分日期观测资料缺失或包含一些异常值，本研究在使用之前对异常值进行了剔除。

1.3 数据资料处理方法

1.3.1 ERA5再分析资料评估方法

对于测风高度为5 m的浮标站实测风速，利用对数风速廓线公式将其换算为10 m高度风速

(1)

其中：z0代表在中性稳定的大气条件下平均风速为0的高度，取z0=0.000 2 m；测风高度z1=5 m，v1为观测风速；z取10 m。

选择与选定浮标时间、空间相匹配(时间间隔小于0.5 h、空间间隔小于0.125°)的ERA5 10 m风场资料进行对比分析。采用相关系数(R)、平均误差(mean error，ME)、平均绝对误差(mean absolute error，MAE)、均方根误差(root mean square error，RMSE)等统计指标，利用浮标站观测资料对ERA5再分析风速数据进行真实性检验[27-28]。具体计算公式如下：

(2)

(3)

(4)

(5)

其中：Si为再分析格点风速，Mi为转换到10 m高度的浮标观测风速，n为时间与空间都匹配的样本数量。R可用于衡量两种资料的时空变化趋势一致性，ME、RMSE可用于衡量两者之间的差异大小[28]，MAE可以较好地反应误差的实际情况。

1.3.2 风能密度的计算

风能密度(wind power density，WPD)定义为垂直于气流的单位截面上风的功率，可用于衡量区域风能资源的丰富度[29-30]。在本文中，基于海表面100 m高度的再分析风场数据，风能密度计算公式为：

W=ρV3/2 。

(6)

式(6)中：W为风能密度(单位：W·m-2)，V为风速(单位：m·s-1)，ρ为平均空气密度(单位：kg·m-3)。由于ERA5资料不包括100 m高度的气温、气压数据，而当海拔在500 m以下时，一般可采用常温标准大气压下的空气密度，因此取ρ=1.225 kg·m-3进行计算[31]。

1.3.3 经验正交函数分解

经验正交函数(empirical orthogonal function，EOF)分解方法可用于分析矩阵数据的结构特征、提取主要数据特征量，其原理如下：将数据拆成若干项之和的形式，每项反映原数据的程度依次降低；同时每一项是由时间和空间数据所组成，如果时间系数变化一定，空间系数绝对值越大，该点的数据变幅就越大；同理，如果空间系数变化一定，时间系数绝对值越大，该点的数据变幅也就越大。本文对风能密度场去除其多年平均值再进行EOF分析，获取其空间分布与时间变化的主要特征。

1.3.4 Mann-Kendall(M-K)趋势检验法

使用M-K趋势检验方法，对研究海域风能密度长期变化趋势进行分析与检验。M-K趋势检验法是一种非参数检验方法，可用于区分某一非正态分布的气象资料是属于自然波动还是存在确定的变化趋势。其原理如下：对于显著性检验水平α，Zc为标准化统计量，当|Zc|≥Z1-α/2=1.96(2.58)时，表明序列在α=0.05(0.01)的置信水平上具有显著的变化趋势。

2 结果分析

2.1 ERA5与浮标站观测风速资料评估结果比较

将ERA5 10 m再分析风场资料同浮标站观测资料进行对比分析(表1)发现：ERA5资料的风速数值略小于浮标站实测风速，ERA5资料与浮标站实测风速的相关系数R超过0.90，并均通过了0.01显著性水平检验；平均误差(ME)约为-0.05 m·s-1，平均绝对误差(MAE)约为1.07 m·s-1，均方根误差(RMSE)约为1.35 m·s-1。这表明ERA5资料能够为海上风场分布与变化特征的评估提供可用的风速信息，用其探究“21世纪海上丝绸之路”相关海域的风能资源时空变化特征具有较好的可行性。

表1 海上浮标站风速数据与ERA5风速统计特征值

2.2 风场空间分布与季节变化特征

利用ERA5 100 m风场数据，获得研究海域的春(3—5月)、夏(6—8月)、秋(9—11月)、冬(12月—次年2月)季平均与全年的多年平均风场(图2)，在此基础上分析海表面风场的季节变化特征。一般地，海上风速比陆地上大[32]。研究海区位于典型的南亚季风区和东亚季风区南部，夏季盛行西南风，冬季盛行东北风。春、秋两季风速较小，位于南亚季风区的印度洋海域夏季风最强，位于东亚季风区的中国南海海域冬季风最强。

春季(图2a)，研究海区由冬季风向夏季风转换。中国南海的东北风转变为以偏东风为主，风力减弱；阿拉伯海和孟加拉湾风向主要呈现反气旋式的大气环流；热带南印度洋以东南风为主，风力增加。夏季(图2b)，阿拉伯海、孟加拉湾和中国南海在低纬度海域为偏南风，随纬度升高大部分海域风向逐渐转变为以西南风为主。北印度洋的大风区域主要集中在阿拉伯海，其次是孟加拉湾，海域最大平均风速可达18.5 m·s-1；南印度洋大部分海域风速较大，最大平均风速达13.0 m·s-1，而中国南海的风速相对较小，仅在中南半岛东南部附近海域出现8.6 m·s-1的大风区域。秋季(图2c)，阿拉伯海与孟加拉湾的风速迅速减小，风向主要呈现为绕印度半岛的气旋式环流；中国南海海域风向由西南风向东北风转换，风速增大，其中15°N以北海域的风向转变与风速增长尤为显著。热带南印度洋风速减小，东南部海域风向由东南风向南风转变。直到冬季(图2d)，阿拉伯海与孟加拉湾的风向完全转变为东北风，但中国南海海区的东北季风相对更强，最大平均风速达到12.5 m·s-1，出现在台湾海峡与吕宋海峡附近以及中南半岛东南部附近海域。热带南印度洋风速迅速减小，风速超过3 m·s-1的区域面积缩小。

图2 春季(a)、夏季(b)、秋季(c)、冬季(d)和全年(e)的多年平均100 m风场(箭矢：超过3 m·s-1的风速矢量；色阶表示风速，单位：m·s-1)Fig.2 Distribution of climatological wind field at 100 m in boreal spring (a), summer (b), autumn (c), winter (d), and annual average (e) (arrow: wind vector with a value exceeding 3 m·s-1; color scale for wind speed, units: m·s-1)

总体上看，位于东亚季风区的中国南海冬季风风速较大，大部分海域在秋季已经转向并增速，在春季仍保留着偏东风的特征，持续时间较长；而位于南亚季风区的阿拉伯海与孟加拉湾，夏季风对区域平均风速的影响相对更大，但影响时间与强度均不及中国南海海域的冬季风。热带南印度洋风速在夏、秋两季相对更大，其东南部海域风向转变受南亚季风影响显著。

由研究海域风场的全年平均结果(图2e)来看，阿拉伯海、中国南海及热带南印度洋全年平均风速较大，孟加拉湾海域次之。热带南印度洋年平均风速最大，可达10.2 m·s-1，年平均风向以东南风为主；阿拉伯海西部年平均风速较大，达到9.2 m·s-1以上；中国南海大部分海域年平均风速在6 m·s-1以上，台湾海峡与吕宋海峡附近、中南半岛东南沿海的年平均风速可达8 m·s-1。此外，阿拉伯海年平均风向呈现反气旋式的环流，逆时针包围着印度半岛。

2.3 风能资源空间分布与季节变化特征

Q/GDW11901—2018《风力发电资源评估方法》中将100 m高度的风能资源划分为9个等级(表2)，其中3 级以上的区域被认为可以较好地应用于风力发电。基于该标准，按风能密度的量值对研究海区各个季节与全年的气候态平均100 m高度风能资源进行等级划分(图3)，以此为依据分析研究海区风能资源在各个季节及全年中的空间分布特征。春季(图3a)，阿拉伯海、孟加拉湾和中国南海绝大部分海域风能密度较小，3 级以上的风能资源主要分布在阿拉伯海北部、孟加拉湾西部、索马里半岛以东的热带西北印度洋、中国南海北部及热带南印度洋海域，台湾海峡风能密度达8级。夏季(图3b)，阿拉伯海、孟加拉湾及热带南印度洋的风能资源极为丰富，绝大部分海域风能密度在4级以上，中国南海的大部分海域也具有4级以上的风能密度。秋季(图3c)，印度洋的风能密度水平迅速降低，仅在热带西北印度洋、阿拉伯海与孟加拉湾西部及热带南印度洋残留较高值的风能密度，中国南海风能密度显著增加。冬季(图3d)，中国南海绝大部分海域风能密度等级达到9级，风能资源极为丰富，阿拉伯海与孟加拉湾的风能密度高值区依然集中在热带西北印度洋和斯里兰卡附近海域，热带南印度洋的风能密度迅速降低。

图3 春季(a)、夏季(b)、秋季(c)、冬季(d)和全年(e)平均的100 m高度风能密度等级(色阶)划分Fig.3 Distribution of climatological WPD grade (color scale) at 100 m in boreal spring (a), summer (b), autumn (c), winter (d), and annual average (e)

表2 100 m高度处风能密度等级

由全年平均结果(图3e)看，阿拉伯海、孟加拉湾、热带西北印度洋、中国南海及热带南印度洋风能资源都较丰富。研究海区中，阿拉伯海风能密度等级大多在5级以上，其西部可达9级。热带西北印度洋风能密度等级的高值中心出现在索马里半岛以东的沿海地区，并向东北方向延伸。孟加拉湾的风能密度等级多在4级以上，中西部海域最大仅达6级。中国南海风能资源极为丰富，绝大部分海域风能密度在5级以上，其北部海域风能密度等级达到9级，出现在台湾海峡及吕宋海峡附近，其南部海域风能密度等级最大达8级，出现在中南半岛东南部附近。热带南印度洋风能资源也极为丰富，其大部分海域全年风能密度等级在3级以上，最大达到8级，出现在16°S附近，呈纬向分布规律。

考虑研究海区风能资源的季节变化特征及平均风能密度等级划分，应关注中国南海近海风能资源，阿拉伯海、孟加拉湾及热带西北印度洋夏秋季风能资源的开发利用，做好其他季节的风能资源储备。

2.4 风能密度主要模态特征

为获得研究海区海表风场的时空演变特征，对计算得到的风能密度进行EOF分解。前两个模态的方差累计解释率达到61.7%(表3)，反映了风能密度场的大部分特征，足以体现研究区域风能密度场的主要变化特征。EOF分解的结果通过了North检验，前两个模态显著独立，特征根的误差范围不重叠。

图4a、c显示出第一模态的空间分布和时间系数，反映了研究海区风场分布的最主要特征。风能密度第一空间模态(图4a)在中国南海为正值，其他区域为负值。其对应的时间系数(图4c)呈现明显的主周期为1 a的变化规律：夏半年为负，冬半年为正，一年中最低值为负且出现在夏季，次低值为正且出现在冬季。分析第一模态空间分布并结合其时间系数可以得知，阿拉伯海和孟加拉湾海区的风能密度在夏季最大，冬季其次，风能密度年变幅最大的区域出现在阿拉伯海中西部；位于东亚季风区的中国南海风能密度在冬半年较大，风能密度高值中心出现在台湾海峡、吕宋海峡附近。综合第一模态的结果，季风的年变化决定研究海域的风能密度以年变化特征为主。

表3 100 m高度处风能密度经验正交函数分解主要模态的解释方差

图4 100 m高度风能密度经验正交函数分解第一模态(a、c)、第二模态(b、d)的空间分布(a、b；色阶表示各模态特征向量)与时间系数(c、d)Fig.4 The 1st (a/c) and 2nd (b/d) mode of EOF spatial amplitude (a/b; color scale: eigenvector for each mode) and time coefficients (c/d) for WPD at 100 m

第二模态的解释方差占总方差的8.6%，也是重要的风能密度时空分布形式。由其空间分布(图4b)可知，研究海区大部分区域特征值均为负值，代表变化趋势基本一致；其中，中国南海的特征值远大于其他海域，代表该区域变幅最大。其时间系数(图4d)也呈现出年周期变化规律，但与第一模态不同的是，在一年当中，时间系数在冬季为最低值、夏季为次低值，春季为最高值、秋季为次高值。对第二模态空间分布与时间系数进行综合分析，说明第二模态主要代表了季风转换情况。中国南海风能密度受东亚季风影响在秋季发生了急剧的增强、春季发生迅速的减弱，远远超过其他研究海区风能密度的季节转换特征。

2.5 风场长期变化趋势分析

对研究时段内季节平均以及全年平均海表风场和风能密度时间序列的长期变化趋势进行分析，图5给出了经过95%显著性检验的倾向率分布。春季(图5a)，研究区域中风能密度呈增长趋势的区域主要分布于非洲东部的热带西印度洋、热带南印度洋中部、马来西亚以西的热带东印度洋；呈降低趋势的区域主要分布于阿拉伯海北部、孟加拉湾西部、北部湾及中国南海北部沿岸海域。其中，热带西北印度洋风能密度增长速率最大，可达到33.5 W·m-2·(10 a)-1，风速的增长以西南风分量为主；孟加拉湾西部、北部湾及中国南海北部沿岸海域风能密度减小趋势明显，达-41 W·m-2·(10 a)-1。

夏季(图5b)，阿拉伯海中部及西北部、孟加拉湾中西部海域西南季风风能密度普遍呈减小的长期趋势，结合夏季风速多年平均值(图2b)可知，风速的变化体现为西风分量的减弱，风能密度的减小速率达到-49.2 W·m-2·(10 a)-1，均出现在15°N附近的海域；中国南海北部沿岸海域风能密度也呈现减小的趋势；此外，热带西北、西南印度洋零星海域风能密度增长速率较大，达42.5 W·m-2·(10 a)-1。

秋季(图5c)，研究海域中，除阿拉伯海北部风能密度呈微弱减小的趋势、孟加拉湾北部与中国南海风能密度没有显著变化趋势外，其余大部分海域风能密度均呈增长的长期趋势。热带西北印度洋沿岸海域风能密度增长速率较大，达39.6 W·m-2·(10 a)-1，高值区沿东北方向向阿拉伯海中部延伸；热带南印度洋东部海域风能密度增长趋势显著，可达37.0 W·m-2·(10 a)-1，风速显著增长且以东南分量增长为主；孟加拉湾中西部海域风能密度也呈增长趋势，结合图2c可知，其风速呈增长的长期趋势且以西南分量增长为主。

冬季(图5d)，研究海域风能密度增长速率最大达到55.1 W·m-2·(10 a)-1，出现在中国南海西北部远离陆地的大片海域，其风速也呈与冬季盛行风向较为一致的增长趋势；在阿拉伯海中部、赤道附近的热带南印度洋、孟加拉湾北部零星海域，风能密度均呈增长趋势；孟加拉湾南部零星海域风能密度呈减小趋势。

由全年变化趋势结果(图5e)分析可得，研究区域中，风能密度增长速率最大值为29.3 W·m-2·(10 a)-1，出现在索马里半岛以东的热带西北印度洋沿岸海域，热带南印度洋大部分海域风能密度也呈增长趋势，而阿拉伯海北部及西部、孟加拉湾西部、中国南海北部沿岸海域的风能密度均呈减小趋势。

综合风能密度等级划分(图3)，选取研究海域风能资源较丰富的6个沿岸海域(图5e中黑色方框1—6)进行重点关注，对各区域平均风能密度的全年平均与各个季节平均的时间序列进行长期变化趋势分析，主要讨论其中至少通过95%显著性检验的序列(图6)。研究时段内，全年风能密度呈显著下降趋势的区域有3个：孟加拉湾西部(图6c)，尽管秋季风能密度有所增长，但夏季风能密度水平较高并呈显著减小的长期趋势，导致全年风能密度也呈减小的长期趋势；阿拉伯海北部(图6d)，除冬季风能密度缓慢增长外，其余季节时间变化倾向率均为负值，因此全年风能密度整体呈下降趋势；阿拉伯海西部(图6e)，尽管秋、冬季风能密度均呈增长的长期趋势，但风能密度均低于300 W·m-2，而其夏季风能密度时间变化倾向率达-17.6 W·m-2·(10 a)-1且风能密度整体高于1 500 W·m-2，致使其全年风能密度呈减小的长期趋势。所选区域中全年风能密度呈增长趋势的海区为热带西北印度洋(图6f)，其春、秋、冬季风能密度时间变化倾向率也均为正值；此外，台湾海峡与吕宋海峡(图6a)、中南半岛东南沿海(图6b)冬季风能密度水平较高且增长趋势最为显著，但中南半岛东南沿海夏季风能密度呈减小的长期趋势。

3 结论

本文主要基于1979—2021年的ERA5再分析资料，分析了“21世纪海上丝绸之路”相关海区海表风场与风能密度的空间分布特征、季节变化特征以及长期变化趋势，主要结论如下：

(1)在不同季节，研究海域风能资源丰富度表现出很大的空间差异。夏季的阿拉伯海、孟加拉湾绝大部分海域风能密度在4 级以上，冬季的中国南海绝大部分海域风能密度等级达9 级，以及全年的热带南印度洋风能资源都极为丰富。总体上看，研究时段内，中国南海北部及附近海域、阿拉伯海西部、孟加拉湾西部以及热带西北印度洋风能密度整体水平较高，有利于风能资源的储备。

(2)经验正交函数分解的结果显示，研究海域的风能密度以年变化特征为主，这是受季风影响所致；中国南海风能密度的季节变幅最大，在春、秋两季表现出最为突出的转换特征。

(3)研究时段内，位于索马里半岛以东的热带西北印度洋风能密度整体水平高，且全年大部分季节风能密度呈显著增长的长期趋势，其近岸大陆架海域非常适合风能资源的开发利用。位于东亚季风区的台湾海峡与吕宋海峡以及中南半岛东南沿岸海域水深适宜，尽管除冬季以外的其他大部分季节变化的长期变化不显著，但冬季风能密度水平较高且显著增长，也较适合风能资源的开发利用。在阿拉伯海西部，尽管夏季及全年风能密度水平呈降低趋势，但其夏季及全年风能密度整体水平较高，在未来较长一段时间内也适合进行风能资源的开发。在孟加拉湾西部、阿拉伯海北部沿岸海域，全年与夏季风能密度呈减弱趋势且风能密度季节变幅较大，不利于风能资源的可持续开发利用。

整体来看，研究海域蕴藏着丰富且适宜开发利用的风能资源。结合目前海上风电机组的基座安装的水深与成本要求考虑，依据平均风能密度等级分布和风能密度长期变化趋势，可以重点关注台湾海峡、吕宋海峡、中南半岛东南沿海、阿拉伯海西部近岸海域及热带西北印度洋近岸大陆架海域风能资源的开发利用，加强其他海域风能资源的储备。本研究可为“21世纪海上丝绸之路”相关海区风能资源开发利用的规划与布局提供一定的理论依据和参考价值。

图6 全年与各个季节的区域平均100 m高度风能密度时间序列(a—f分别对应图5e中1—6子区域的区域平均风能密度：台湾海峡与吕宋海峡、中南半岛东南沿海、孟加拉湾西部、阿拉伯海北部、阿拉伯海西部、热带西北印度洋；S为至少通过95%显著性检验的时间序列变化倾向率，单位：W·m-2·(10 a)-1，P为对应的显著性水平)Fig.6 Time series of annual and seasonal average WPD at 100 m (subgraphs a-f are for spatial average WPD in subareas 1-6 denoted in Fig.5e, namely the Taiwan Strait, the Luzon Strait, the southeastern coast of Indo-China Peninsula, the west of the Bay of Bengal, the north and the west of the Arabian Sea, and the tropical northwestern Indian Ocean; S denotes linear tendency rate passing the significance test at 95% level at least, units: W·m-2·(10 a)-1, and P is the corresponding significance level)