ERA5 和ERA5-Land 地面风速资料在中国陆地区域的适用性对比初步研究

杨劲 张双益 王海龙 牛凤国 李东辉 袁宗涛

1 华能河池清洁能源有限责任公司，广西河池 547110

2 中国科学院大气物理研究所国际气候与环境科学中心，北京 100029

3 华能新能源股份有限公司，北京 100036

4 北京中电恒泰电力工程咨询有限公司，北京 100071

1 引言

2020 年9 月，国家主席习近平在第75 届联合国大会上提出了2030 年前实现碳排放达峰、努力争取2060 年前实现“碳中和”的愿景。电力行业是我国碳排放的大户，在总量中的占比接近40%。大规模开发利用风能、太阳能等清洁能源，是实现电力行业脱碳的重要路径。

我国的风能资源储量极其丰富，陆地区域80 m高度上的技术开发总量约为32×108kW（朱蓉等,2021）。近年来，我国的风能产业发展迅速，截止2021 年底，并网风电的规模达到3.28×108kW。风能行业的快速发展为节能减排、改善环境和应对气候变化做出了重要贡献（丁一汇等,2020）。

风能属于气候资源的一种，风能资源的状况是影响风电场选址、规划和风能开发利用的重要因素（陈欣等,2011）。由于地面风速自身的波动性和变化性，导致风力发电的出力具有间歇性、随机性和不可控性等特点，大规模风电并网对电力系统的安全稳定运行提出了严峻挑战（靳晶新等,2017）。除了风速、风向等基本要素之外，湍流、风切变、阵风等现象，降雨、凝冻、雷暴等各类天气也会对风力发电机组的实际出力产生重要影响（Emeis,2014;张双益和胡非,2017a），这些复杂因素也对风能资源评估工作提出了现实和严峻的挑战。

风能资源评估指的是根据历史的观测数据和长期气候统计，来评估某一区域可开发利用风能的潜力。传统的技术手段主要是依靠地面气象台站的长期观测资料，结合设立测风塔的短期观测资料来开展风能资源测量与评估（张双益和胡非,2017b），其缺点是费时费力、成本较高，并且不适用于全球性或区域性的大范围评估。近年来，国内外发展出了利用再分析资料、数值模拟等先进技术手段（李泽椿等,2007;Al-Yahyai et al.,2010;Rose and Apt,2015）开展风能资源评估的方法，具有覆盖面积大、空间范围广等优点，可有效弥补地面台站和测风塔单点观测的不足。目前美国NCEP/NCAR、MERRA（Modern-Era Retrospective analysis for Research and Applications）、CFSR（Climate Forecast System Reanalysis），欧洲ERA（European Re-Analysis）、日本JRA（Japanese Re-Analysis）等（冯双磊等,2009;张双益等,2014,2017;Torralba et al.,2017）再分析资料已被成功应用于风能资源评估当中。全球各大机构也陆续开展了风能资源数值模拟研究，包括美国Ture Wind 公司风能资源评估系统MesoMap、加拿大气象局风能资源数值模拟系统WEST（Wind Energy Simulation Toolkit）等，中国气象局在WEST 系统的基础上开发出了我国风能资源模拟评估系统WERAS（Wind Energy Resource Assessment System），制作出了我国1 km 分辨率的风能资源图谱（朱蓉等,2010），丹麦科技大学利用中尺度数值模式WRF（Weather Research and Forecasting）和WAsP（Wind Atlas Analysis and Application Program）软件结合，制作出了250 m 分辨率的风能资源图谱（Tammelin et al.,2013）等。

但是值得注意的是，无论是再分析数据还是数值模拟制作的风能资源数据集，均需要大量实际测风数据对其进行误差评估和校验（Zhang and Wang,2020），然后才能应用到风能资源评估工作当中。已有研究表明，在亚洲区域，美国MERRA-2、CFSR和欧洲ERA-Interim 再分析资料的地面风速值均显著高于观测值，而日本的JRA-55 再分析资料则在除了中国中西部地区外的表现要优于其他再分析资料（Miao et al.,2020;苗昊泽予,2020）。刘汉武等（2016）指出，再分析数据难以模拟出中国和区域风速呈显著减小的变化趋势、大小风年景以及季节变化特征等。

ERA5 是欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）发布的第五代再分析资料（Hoffmann et al.,2019），国内外相关研究表明，ERA5 地面风场资料具有较高的质量和可靠性（Rivas and Stoffelen,2019;Ramon et al.,2019;Ulazia et al.,2019），在风能资源评估的应用效果优于MERRA2 等其他再分析资料（Olauson,2018）。刘鸿波等（2021）利用中国地区地面台站的资料对ERA5 资料进行了评估，发现ERA5 资料在空间分布、气候特征方面与台站观测具有较高的一致性，但风速大小相对于台站的观测偏高。ERA5-Land 是在ERA5 资料的基础上对陆地区域进行重新模拟而得到的再分析数据集，并且具有更高的空间分辨率。目前公开文献尚未见ERA5-Land 地面风速资料在中国区域的误差评估及适用性等相关研究。

本文首次开展ERA5 和ERA5-Land 地面风速资料在中国陆地区域的适用性对比初步研究，利用全国40 个地面台站的观测资料对上述两种不同分辨率的再分析资料开展了地面风速误差评估研究。成果对于科学利用高分辨率资料、减小地面风速的误差、提高风能资源评估结果的准确性等具有重要意义和实用价值，有助于促进我国风能开发利用工作，加快电力行业脱碳和清洁转型。

2 资料及方法

2.1 ERA5 资料简介

ERA5 提供了全球尺度上的大气、陆地和海洋大量数据，将大量历史观测数据如气象台站、高空探测、雷达和卫星数据等，融合到先进的数据同化和模式系统中，用以估计更为准确的大气状况。ERA5 的空间分辨率为0.25°经纬度（约25 km），时间分辨率为1 h，时间范围是1979 年至今。ERA5-Land 是在ERA5 的基础上对陆地区域进行重新模拟而成的再分析数据集，将模型数据与世界各地的观测数据进行结合，利用物理定律得到全球范围内完整和一致的数据集，提供了一套高质量的再分析数据集。ERA5-Land 相较于ERA5 具有更高的空间分辨率，为0.1°经纬度（约9 km），时间分辨率为1 h，时间范围是1981 年至今。

本文选取ERA5 和ERA5-Land 资料地面10 m高度逐月风速，时间长度为2011～2020 年共10 年。图1 给出了ERA5 资料2011～2020 年平均风速分布图，可以看到全球各区域多年平均风速主要集中在0～12 m s-1范围，且总体上海面风速较大，而陆面风速较小。ERA5-Land 资料风速分布情况与图1 类似，但没有海面区域数据，仅有陆面区域数据。

图1 2011～2020 年ERA5 资料年平均10 m 高度风速分布Fig.1 Distribution map of ERA5 data’s annual mean 10-m height wind speeds during 2011-2020

2.2 台站资料简介

评估ERA5 和ERA5-Land 资料地面风速误差，本文收集了全国40 个台站的地面风速观测资料，观测对应高度为10 m，资料来源为中国气象局气象数据中心（http://data.cma.cn/[2022-01-31]）。所采用资料的时间段为2011～2020 年，时间分辨率为逐月。所选资料均经过气象部门的质量控制，所选台站均符合WMO 全球观测系统规范和中国气象局观测技术规范，所选时间段内无缺测，且台站周边人为建筑影响较小。图2 给出了台站的地理位置分布，表1 为台站基本信息表，可见，台站基本覆盖了全国陆地各个代表性区域，本文将ERA5 和ERA5-Land 再分析资料插值到台站的坐标位置上，便于进行对比，插值方法采用双线性插值法。

表1 全国40 个地面台站基本信息表Table 1 Key information of observation stations

图2 全国40 个地面台站地理位置分布Fig.2 Geographical distribution map of observation stations

2.3 方法介绍

利用收集到的台站观测资料对ERA5 和ERA5-Land 资料地面风速开展误差评估，所采用的指标如下：

（1）偏差（Bias Error，BE）和相对偏差（Relative Bias Error，RBE），具体公式为

其中，Eb、Erb分别为偏差和相对偏差；Vi、Vi′分别为第i个记录的台站资料和ERA5（ERA5-Land）资料地面风速；N为统计周期内的记录总数；为统计周期内的台站资料地面风速平均值。

（2）采用线性拟合方法，计算出拟合方程的相关参数以及相关系数R，具体公式为

其中，V、V′分别为台站资料和ERA5（ERA5-Land）资料地面风速；a、b分别为线性拟合方程参数的斜率和截距，采用最小二乘法计算a和b；为统计周期内的ERA5（ERA5-Land）资料地面风速平均值。

（3）均方根误差（Rooted Mean Square Error,RMSE）和相对均方根误差（Relative Rooted Mean Square Error,RRMSE），具体公式为

其中，Erms、Errms分别为均方根误差和相对均方根误差；若台站资料和ERA5（ERA5-Land）资料地面风速之间的偏差和相对偏差越小；线性拟合方程斜率a越接近1，截距b越接近0，相关系数R越接近1；均方根误差和相对均方根误差越小，则表示ERA5（ERA5-Land）资料的可靠性越高，风能资源评估结果的准确性也越高。反之，亦然。

3 多年平均风速的评估

图3 给出了全国40 个地面台站与ERA5 和ERA5-Land 资料2011～2020 年多年平均风速对比图。利用公式（1）计算出ERA5 和ERA5-Land与40 个台站资料多年平均风速偏差的平均值分别为0.08 m s-1、－0.06 m s-1，最大值分别为0.46 m s-1（台站3，乌鲁木齐）、－0.19 m s-1（台站17，天津）。然后利用公式（2）计算出ERA5 和ERA5-Land 与台站资料多年平均风速相对偏差的平均值为4.4%、－2.0%，最大值分别为33.0%（台站9，西宁）、－10.1%（台站9，西宁）。总体上，ERA5 地面风速资料相对于台站观测偏高，而ERA5-Land 地面风速资料则相对偏低；且ERA5-Land 与台站多年平均风速的偏差平均值和最大值相对于ERA5 与台站的偏差均有明显的降低。

4 年平均风速的评估

将ERA5 和ERA5-Land 资料分别与全国40 个地面台站资料2011～2020 年的各年平均风速进行对比，如图4 所示。利用公式（3）计算出ERA5和ERA5-Land 资料与台站资料年平均风速的线性拟合方程斜率a分别为0.92、0.98，截距b分别为0.30 m s-1、0.01 m s-1。利用公式（4）计算出ERA5 和ERA5-Land 资料与台站资料线性拟合相关系数R分别为0.98、0.99。表明ERA5-Land 与台站资料年平均风速之间的线性程度要高于ERA5资料，即ERA5-Land 与台站资料的一致性优于ERA5 资料。

图4 2011～2020 年（a）ERA5 和（b）ERA5-Land 资料分别与台站资料的各年平均风速散点和线性拟合Fig.4 Scatter plot and linear fit of yearly mean wind speeds from (a) ERA5 and (b) ERA5-Land data versus observation stations during 2011-2020

图5 为 ERA5 和ERA5-Land 资料分别与台站资料的年平均风速均方根误差和相对均方根误差对比图。可以看到一部分台站ERA5-Land 均方根误差小于ERA5，一部分台站则相反。利用公式（5）计算出ERA5 和ERA5-Land 资料与台站资料年平均风速均方根误差的平均值分别为0.13 m s-1、0.09 m s-1，最大值为0.46 m s-1（台站3，乌鲁木齐）、0.20 m s-1（台站35，杭州）。利用公式（6）计算出ERA5 和ERA5-Land 资料与台站资料年平均风速相对均方根误差的平均值分别为5.9%、3.7%，最大值为33.2%（台站9，西宁）、10.3%（台站9，西宁）。总体上，ERA5-Land 与台站资料年平均风速均方根误差的平均值和最大值相对于ERA5 资料具有明显的降低。

图5 2011～2020 年ERA5 和ERA5-Land 资料分别与台站资料的年平均风速的（a）均方根误差和（b）相对均方根误差Fig.5 (a) RMSE (Root Mean Square Error) and (b) RRMSE (relative RMSE) of yearly mean wind speeds from ERA5 and ERA5-Land data versus observation stations during 2011-2020

5 月平均风速的评估

将ERA5 和ERA5-Land 资料分别与全国40 个地面台站资料2011～2020 年的各月平均风速进行对比，如图6 所示。同样计算出ERA5 和ERA5-Land 资料与台站资料月平均风速的线性拟合方程斜率a分别为0.93、0.97，截距b分别为0.29 m s-1、0.02 m s-1。计算出ERA5 和ERA5-Land 资料与台站资料线性拟合相关系数R分别为0.98、0.99。总体上，ERA5-Land 与台站资料月平均风速之间的一致性相对于ERA5 资料具有明显的提高。

图6 2011～2020 年（a）ERA5 和（b）ERA5-Land 资料分别与台站资料的各月平均风速散点和线性拟合Fig.6 Scatter plot and linear fit of monthly mean wind speeds from (a) ERA5 and (b) ERA5-Land data versus observation stations during 2011-2020

图7 为 ERA5 和ERA5-Land 资料分别与台站资料的月平均风速均方根误差和相对均方根误差对比图。与图5 类似，ERA5 和ERA5-Land 资料与台站资料月平均风速均方根误差的平均值分别为0.17 m s-1、0.14 m s-1，最大值为0.49 m s-1（台站3，乌鲁木齐）、0.22 m s-1（台站34，宝山）。ERA5和ERA5-Land 资料与台站资料年平均风速相对均方根误差的平均值分别为7.4%、5.7%，最大值为35.2%（台站9，西宁）、13.3%（台站23，甘孜）。总体上，ERA5-Land 与台站资料月平均风速的均方根误差平均值和最大值相对于ERA5 资料均有明显的降低。

图7 2011～2020 年ERA5 和ERA5-Land 资料分别与台站资料的月平均风速（a）均方根误差和（b）相对均方根误差对比Fig.7 (a) RMSE and (b) RRMSE of monthly mean wind speeds from ERA5 and ERA5-Land versus observation stations during 2011-2020

6 讨论分析

由上述结果，总体上ERA5 与台站资料地面风速误差较大，而ERA5-Land 资料的误差相对较低。进一步对其原因进行讨论分析，以台站9 西宁为例，ERA5 与西宁站月平均风速的均方根误差达到0.46 m s-1，相对均方根误差达到35.2%，为全国40 个站点中地面风速误差最大的站点之一。图8给出了西宁站的周边地形海拔高度分布图与风向频率玫瑰图。如图8a 所示，西宁站周边地形十分特殊，四周山脉丘陵起伏，平均海拔约2260 m，群山环绕，形成十字谷地形，东、西、南、北分布4条河谷川地，西宁市中心位于湟水河与南北川支流的汇合处。西宁站周边的地面风场状况由于地形而产生较大的影响，风能资源的时空分布具有较高的不均匀性。根据青海地区气象站记录，当地主导风向为西北风，次主风向为东南风。由于受地形影响，西宁站西北方向环绕山脉严重阻挡了西北方向气流，而东南部河谷则对气流的影响较小，导致图8b 西宁站风向玫瑰图中表现出主风向与河谷走向一致，主要集中在SE（东南）、ESE（东东南）方向。由于ERA5资料的空间分辨率为0.25°（约25 km）相对较高，而ERA5-Land 资料的分辨率为0.1°（约9 km）则相对较高，更加有利于适应西宁站周边复杂地形条件下风能资源的时空分布高度不均匀特性，从而表现出地面风速误差相对较低。地面风速误差较大的其他台站情况与西宁站类似，周边多处于复杂地形条件，高分辨率资料具有更好的适应性，有利于提高风能资源评估的准确性。

图8 西宁站（a）周边地形海拔高度分布与（b）风向频率玫瑰图Fig.8 (a) Topography altitude distributions and (b) wind direction frequency rose around Xining station

7 结论

利用全国40 个地面台站的观测资料对ERA5及ERA5-Land 两种不同分辨率的再分析资料开展了地面风速误差评估研究，结果发现：

（1）ERA5 和ERA5-Land 资料多年平均风速偏差的平均值分别为0.08 m s-1、－0.06 m s-1，最大值分别为0.46 m s-1、－0.19 m s-1，相对偏差的平均值为4.4%、－2.0%，最大值分别为33.0%、－10.1%；

（2）ERA5 和ERA5-Land 资料月平均风速线性拟合方程斜率分别为0.93、0.97，截距分别为0.29 m s-1、0.02 m s-1，相关系数分别为0.98、0.99；

（3）ERA5 和ERA5-Land 资料月平均风速均方根误差的平均值分别为0.17 m s-1、0.14 m s-1，最大值分别为0.49 m s-1、0.22 m s-1，相对均方根误差的平均值为7.4%、5.7%，最大值分别为35.2%、13.3%。

可见，ERA5-Land 高分辨率资料地面风速误差相对较低，有利于提高风能资源评估的准确性。

最后需要指出的是，目前基本均为国外高分辨率再分析资料在我国的风能资源评估中进行应用。由于中国区域的地形复杂且近地层风速空间差异显著，再分析资料受预报系统和模式系统性偏差等限制，易导致地面风速的气候分布和演变趋势出现较大的偏差。未来建议开展台站、探空、卫星、雷达和再分析资料的多源融合先进技术和方法研究，自主研发我国的高分辨率地表风速数据集，进一步提高风能资源评估结果的准确性，服务于我国的风能开发利用工作和电力行业的脱碳清洁转型，加快实现30·60“双碳”目标。