北半球的風在減少嗎?

　　“還記得昨天，那個夏天 ，微風吹過的一瞬間，似乎吹翻一切， 只剩寂寞肯沉淀。”一首《被風吹過的夏天》可以說喚起的是90后共同的童年了。但仔細品味歌詞，可能會被其中“微風吹翻一切”的“煽情”搞得哈哈大笑了。的確，若是微風力量都這么大，那冬天塞北的狂風怕是要“傾覆你的世界”了。

　　那么在實際情況中，我們怎么評估風的能量呢?世界上風能資源又是如何分布的?風能會隨時間發(fā)生變化嗎?就讓我們化身“追風者”，去探尋“看不見的”風能背后的秘密吧。

　　風來了!怎么“抓住”它?

　　風能是太陽能的一種轉化形式，是指由太陽輻射使得地球表面受熱不均，進而引起大氣層受熱不均勻，空氣就會沿著水平方向運動，空氣流動所形成的動能。只要有空氣的冷暖差異，風就不會停息。因此風可以說是氣象要素中的的“常駐嘉賓”，近些年來風又多了一重身份，那就是全球新能源發(fā)電中的“新秀”。

全球最大海上風力發(fā)電廠(圖片來源：Engadget中國版)

　　風力發(fā)電的原理其實很簡單，“大風車呀吱悠悠地轉”，風車是我們小時候就很熟悉的玩具之一。風力發(fā)電機其實就是風車“PLUS”，我們利用風力帶動風車葉片旋轉,再通過增速機將旋轉的速度提升,根據(jù)能量守恒，動能轉換就能促使發(fā)電機發(fā)電了!

　　由于風能資源可再生、無污染的特性克服了傳統(tǒng)化石能源在環(huán)境污染、不可再生等方面的不足,順應了當今世界可持續(xù)發(fā)展的需求。根據(jù)全球風能協(xié)會(GWEC)預測，未來五年全球風電累計裝機量將保持10%以上的增長速度，預計到2021年全球累計裝機容量將達到817GW，將成為全球綠色能源發(fā)電的重要來源!發(fā)展風力發(fā)電技術可以說是“one world, one dream”了。

風力發(fā)電系統(tǒng)結構圖(圖片來源：浙江上風高科專風集團)

　　風能不像太陽能，它可以24小時不間斷發(fā)電，如果可以完全加以利用，豈不是能源問題就解決了一大半?然而現(xiàn)實總要比理想骨感得多，風能的利用存在著許多困難。

　　首先風能的能量密度低，大約是水能的1/816。想獲得與水能相同的功率，風輪的直徑就要比水輪的大許多倍，一般風機葉片可以達到50-60米長。最大的風機葉片直徑已經(jīng)超過70米，相當于一架波音飛機的翼展。

　　其次，風的脾氣時好時壞，小宇宙爆發(fā)起來就是“狂風呼嘯”;心情愉悅時則“微風習習”。風這樣古怪的性格可讓風力發(fā)電機十分頭疼：風速很小時，風力機根本無法啟動。當風速超過20米/秒(或27米/秒)時，會影響到風力機的安全，不得不停止運行。

　　因此，由于受到安裝環(huán)境，規(guī)模開發(fā)、設備成本和風的不穩(wěn)定性等的影響，風力發(fā)電真正運行起來還是一個字——難。不過風速的大小雖然多變，但我們可以根據(jù)地理位置總結出風速的平均狀態(tài)，在此基礎上“揣摸”風的心情來發(fā)電就會方便很多。

我國新疆風電場(圖片來源：高曉青)

　　一般而言，受氣候大背景以及地形地貌等諸多因素的影響,風能分布往往不均衡,且波動性非常大。根據(jù)世界氣象組織發(fā)表的風能資源估計分布圖，按平均風能密度和相應的年平均風速將全世界風能資源分為10個等級。8級以上的風能高值區(qū)主要分布在南半球中高緯度洋面和北半球的北大西洋、北太平洋以及北冰洋的中高緯度部分洋面上;大陸上風能一般不超過7級，其中以美國西部、西北歐沿海、烏拉爾山頂部和黑海地區(qū)等多風地帶較大。我國的東南沿海、內蒙古、新疆和甘肅一帶風能資源也很豐富。

　　

　　2018年世界可再生能源發(fā)電能力，藍色為風力發(fā)電(圖片來源：2019全球可再生能源現(xiàn)狀報告)

　　我國地域遼闊，風能資源豐富。我國風能資源較為豐富的地區(qū)主要分布在兩個地區(qū)：三北地區(qū)(我國的東北、華北和西北地區(qū))和沿海及其島嶼。那么問題來了：我們該如何評估風能呢?總不能憑感覺分辨風的強弱吧?風能評估是風能利用的重要依據(jù)，不可靠的風能資源數(shù)量越多，越容易嚴重高估/低估區(qū)域風力資源的豐富性，容易錯判風力發(fā)電廠的位置。更嚴重者，將影響到我國的能源發(fā)展戰(zhàn)略，會誤導我國的能源發(fā)展方向。在生活中，若要給一個人安排任務，首先要評估他的能力。風能的利用也是如此，欲降新能源之重任與斯，必先評估其是否可靠。

　　風能“體檢”?怎么做?

　　想要對風能變化進行長期的研究，地基氣象臺站的歷史資料是傳統(tǒng)“武器”。根據(jù)國家氣候中心的初步研究，自 1950 年以來我國的風速變化較為顯著，特別是1969年以后，每10年風速減小0.2m/s。柴達木盆地東部、吐魯番以及青海等地風速每10年減小0.3m/s。

　　中科院大氣物理的田群和合作者基于全球站點，發(fā)現(xiàn)陸地尤其在北半球的大部分地區(qū)：北美、歐洲和亞洲都有風速下降的趨勢，他們分別有30%，50%，和80%的站點在1979-2016年間失去了30%以上的風能資源。

風能資源累積變化分布。a北美洲，b歐洲和c亞洲1979年至2016年風能累積變化[2]

　　但是地基氣象站記錄風速也存在很多局限性。

　　1.地基氣象站測量風速一般位于8m或者10m，而風力發(fā)電機的高度在60-100m之間，由于不同高度上風的大小分布完全不同，因此氣象站所測量的風速并不等于發(fā)電機接收的風速。那么可以利用經(jīng)驗公式推出來么?由于氣象局一般不會記錄地表粗糙度和大氣穩(wěn)定度(外推必須的兩大要素)，利用垂直風廓線(風速隨高度的變化曲線)從地表風速外推風力發(fā)電機高度的風速也會帶來很大的不確定性。

　　新疆馬蘭核試驗基地氣象觀測站，測站高度參照左下方人。(圖片來源：顧震潮)

　　大型風力發(fā)電機吊裝現(xiàn)場，總高度100米，葉片長度為62米(圖片來源：中央政府門戶網(wǎng)站)

　　2.氣象觀測站一般建在城際，而風力發(fā)電區(qū)域一般遠離城市，由于下墊面(大氣與其下界的固態(tài)地面或液態(tài)水面的分界面)不同，他們的風速也會有很大區(qū)別(比如在平坦的操場跑步和障礙跑時對速度會有影響)。

　　3.由于觀測儀器的更換、站點的遷移等缺乏記錄，不同儀器和不同位置測得的風可能并不一樣，這就使得長期風速的分析不是在同樣的外條件下進行的，存在非均一性的問題。也會帶來誤差。

　　4.觀測數(shù)據(jù)自然離不開人，而受到地形和設備的約束，時空采樣都會受到限制。以我國為例，風能資源較為豐富的東北和西北地區(qū)、青藏高原西北部地廣人稀，站點密度明顯少于我國中、東部地區(qū)。要想在這里好好評估他，實在是沒有足夠的資料來支撐，科學家也只能喊“做不到”。

　　中國國家級地面氣象站分布(圖片來源：中國氣象局)

　　當?shù)鼗鶜庀笳镜臄?shù)據(jù)面對古靈精怪的風束手無策時，就該它的好兄弟再分析數(shù)據(jù)出手相助，接過了給風做“體檢”的診斷書。

　　再分析數(shù)據(jù)是對觀測資料(包括地面觀測、衛(wèi)星，還有雷達、探空、浮標、飛機、船舶等等)進行特殊處理后，通過數(shù)值模型的動態(tài)運行過程融合成的新資料，可以一定程度上近似的認為這就是實際的大氣狀況。再分析數(shù)據(jù)由于時間跨度長，并且包含了對歷史數(shù)據(jù)中沒有記錄的變量、位置和時間的詳細記錄，因此具有良好的數(shù)據(jù)質量和觀測數(shù)據(jù)無遺漏的優(yōu)點。這些優(yōu)點深深吸引了許多科研工作者，使再分析數(shù)據(jù)成為風速評估的“新寵”。

　　但再分析數(shù)據(jù)并非“完美無缺”。由于是從天上看世界，再分析數(shù)據(jù)自帶了“磨皮”功能，模糊掉很多小細節(jié)。比如a和b兩個不同城市離得很近，風速變化卻很大，但是由于分辨率不足，現(xiàn)有的技術無法支持再現(xiàn)每一個小區(qū)域內風能的變化，會模糊局部風速增強的特征，導致數(shù)據(jù)與實際風速有偏差。同時，由于不同數(shù)值模型動態(tài)過程中用到的數(shù)據(jù)處理方法有差別，這也造成數(shù)據(jù)結果的不確定性，而這在風能資源評估工作中都是不可忽視的。因此，在使用之前有必要先對各種再分析數(shù)據(jù)集進行評估。

　　“再分析技術”哪家強?

　　由于再分析數(shù)據(jù)也是經(jīng)過后期處理后的產品，因此使用不同的再分析資料對風能進行評估就會得出不同的“體檢報告”。那么哪一份報告的結果更為可靠呢?正所謂“尺有所短，寸有所長”，不同氣象要素在各種數(shù)據(jù)中表現(xiàn)不一，有好有壞，因此無法簡單粗暴地給再分析資料排名次。

　　目前較為常用的再分析資料有 ERA-Interim、JRA-55、CFS和MERRA-2。ERA-Interim 由歐洲氣象中心提供，時間序列從1979年1月至今，數(shù)據(jù)全，更新速度快;JRA-55 是由日本氣象廳提供的再分析資料，對于中國的科研人員來說，精確度較好(因為日本靠近中國);MERRA-2由NASA(美國國家航空航天局)提供，CFS由NCEP(美國氣象環(huán)境預報中心)提供，不僅包含的要素多，范圍廣，而且延伸的時段長，是一個綜合的數(shù)據(jù)集。

　　為了更準確地把握風能的動態(tài)，需要對不同的再分析資料給出的風能“體檢報告”再一次進行分析評估。中科院大氣物理黃剛研究員與課題組的碩士生苗昊澤予共同完成的最新研究，從氣候特征、年際變率和長期線性趨勢等方面，與1980至2016年期間的觀測數(shù)據(jù)集進行比較分析，評估了四種再分析數(shù)據(jù)集在重現(xiàn)北半球近地面風速和風功率密度的時空特征的能力，研究結果在國際能源領域頂級期刊《Energy》發(fā)表。

　　他們的結果表明：北半球近四十年來風速和風功率密度都呈現(xiàn)下降趨勢。再分析數(shù)雖都可以較好地反映出這種變化，但是明顯地低估了其下降幅度。同時，他們發(fā)現(xiàn)在不同區(qū)域，不同再分析產品重現(xiàn)能力有較大變化。整體而言，JRA-55和CFS再現(xiàn)北半球地面風速年和季節(jié)變化的能力最佳。其中，JRA-55最好地重現(xiàn)了亞洲的地面風速特征，CFS在歐洲表現(xiàn)最佳，MERRA-2只有在北美中部地區(qū)與觀測較為一致。

　　1980-2016年各數(shù)據(jù)集風功率密度變化趨勢(ms-1year-1)的空間分布

　　其中，歐洲(a-e)、亞洲(f-j)和北美洲(k-o)，觀測數(shù)據(jù)(a、f和k)，ERA-Interim(b、g和l)、JRA-55(c、h和m)、CFS(d、i和n) 和MERRA-2(e，j和o)。[1]

　　北半球的風怎么就減少了?

　　美國科羅拉多大學博爾德分校的研究人員在《自然·地球科學》雜志發(fā)表的研究也指出，全球變暖條件下全球風能資源分布將發(fā)生變化，下一世紀北半球的風能資源可能會減少，而南半球的風能資源會增加。

　　北半球風能減少是全球變暖的“副作用”之一嗎?在全球變暖的大背景下，極地增暖的速度更為明顯，術語稱為“北極放大”效應，其中的一個原因是北極增暖與海冰消融是一個互相促進的正反饋過程。前面提到，風是由于地球表明冷熱不均而產生的空氣流動，可以說溫度差越大，產生的風速越大。而北極增暖則削弱了赤道與北極之間的溫度梯度，因此北半球中緯度西風帶風速整體減小。一些模擬結果也表明，由于北半球中緯度地區(qū)南北側的冷暖溫差減弱，風暴系統(tǒng)的活動整體減少，也是風能資源減少的一個原因。

　　西風帶示意圖(圖片來源：搜狐網(wǎng))

　　而在南半球，除南極洲外，南半球大陸主要分布在熱帶和副熱帶地區(qū)，南極增暖不如南美中部、非洲南部和澳洲的陸上增暖明顯。南半球熱帶和副熱帶陸地變暖更快，與同緯度海洋間的溫度梯度增大，風速增大，風能資源因此增加。在南美和澳洲的中高緯地區(qū)，風能資源仍趨于減少，和北半球類似。

　　風能是目前最商業(yè)化和發(fā)展最迅速的可再生能源，也是一種相當不穩(wěn)定的自然資源。由于風能的評估方法和采用數(shù)據(jù)總是存在不可避免的局限性，因此對風能資源開發(fā)進行風險評估時需要因地制宜，選擇合適的方法和數(shù)據(jù)。

　　同時目前全球氣候模式無法模擬出風能資源的長期變化趨勢，因此利用全球氣候模式進行風能資源預估時，一定要慎重再慎重。正確的風能評估可以避免不當?shù)耐顿Y，制定合理的可持續(xù)發(fā)展舉措。全球增暖是人類共同面臨的問題，只有深刻地認識全球變暖對各個方面的影響，才能更好地積極地應對。

　　參考文獻：

　　1.Haozeyu Miao, Danhong Dong, Gang Huang*, Kaiming Hu, Qun Tian, Yuanfa Gong, Evaluation of Northern Hemisphere surface wind speed and wind power density in multiple reanalysis datasets, Energy (2020), doi: https://doi.org/10.1016/j.energy.2020.117382

　　2.Qun Tian, Gang Huang, Kaiming Hu, Dev Niyogi, Observed and global climate model based changes in wind power potential over the Northern Hemisphere during 1979–2016, Energy (2019), doi: https://doi.org/10.1016/j.energy.2018.11.027

　　3.Karnauskas, K.B., Lundquist, J.K. & Zhang, L. Southward shift of the global wind energy resource under high carbon dioxide emissions. Nature Geosci 11, 38–43 (2018). https://doi.org/10.1038/s41561-017-0029-9

　　4.朱瑞兆，薛析，風能的計算和我國風能的分布，

　　5.薛桁,朱瑞兆,楊振斌，中國風能資源貯量估算，太陽能學報，2001

　　作者單位：中國科學院大氣物理研究所