蔣潔，劉永學，2＊，李滿春，2，鐘禮山，陳振杰，2，張荷霞

（1.江蘇省地理信息技術重點實驗室，南京大學，江蘇 南京 210023；2.中國南海研究協(xié)同創(chuàng)新中心，南京大學，江蘇 南京 210023）

風能作為一種清潔可再生能源，越來越受到世界各國的重視。由于海面粗糙度較小，海洋風能資源較陸地更為豐富，具有更大的開發(fā)潛力［1］。開展風能資源評價是合理開發(fā)利用海洋風能資源的前提，其關鍵在于獲取可靠的風向、風速等風場參數(shù)及其時序變化。以遙感圖像為信息源，以圖像處理、信息提取為技術手段，反演海洋風場參數(shù)的方法日趨成熟［2］。與傳統(tǒng)船舶、島嶼站、海上浮標數(shù)據(jù)相比，衛(wèi)星遙感資料能提供長時間序列、大面積同步的海面風場數(shù)據(jù)，在海面風場觀測和研究中發(fā)揮著越來越重要的作用［3，4］。其中，微波散射計可獲得全球全天候條件下的海面風場數(shù)據(jù)，其時間分辨率較高，空間分辨率（25～50km）不足［5］；合成孔徑雷達SAR（Synthetic Aperture Radar）以其數(shù)十米甚至更高的空間分辨率彌補了這方面的不足，但其時間分辨率較低。目前，利用衛(wèi)星遙感資料進行海面風場的研究一方面?zhèn)戎豐AR影像風場反演方法的研究，證明遙感影像風場反演的可行性［6－9］，但這些研究并未進一步進行風能資源評價；另一方面?zhèn)戎乩梦⒉ㄉ⑸溆嬞Y料進行大范圍的風能資源評價［10－12］，由于微波散射計資料大多已包含海面風場信息，所以這些研究并不涉及風場反演。

基于此，本研究擬將多時相遙感影像風場反演和風能資源評價相結合，利用ENVISAT（European Environmental Satellite）ASAR（Advanced Synthetic Aperture Radar）影像的較高空間分辨率優(yōu)勢與QuikSCAT（Quick Scatterometer）風場數(shù)據(jù)的高時間分辨率優(yōu)勢，進行風能資源的時空分布特征評價，為風力發(fā)電提供決策依據(jù)。

1 研究區(qū)和數(shù)據(jù)源

研究區(qū)地處我國東南沿海的近海區(qū)域（22°7′～22°20′N，114°21′～114°34′E），是我國風能資源較為豐富的地區(qū)，屬于風力發(fā)電的理想場所［13］；氣候類型為熱帶季風氣候，年均溫在22℃以上，季風氣候顯著，盛行熱帶氣旋。研究區(qū)緊鄰的香港是全球重要的經(jīng)濟、金融和航運中心，經(jīng)濟產(chǎn)業(yè)發(fā)達，人口密集，用電需求量大，對該地區(qū)的風能資源評價可為香港近海風力發(fā)電提供參考依據(jù)。

選取空間分辨率較高的ENVISAT ASAR影像，時間為2006年8月2日－2009年7月22日，共計39幅，均為VV極化方式，空間分辨率30m，像元大小12.5m×12.5m。收集了2006年3月1日－2009年2月28日共計1 096幅時間分辨率較高的QuikSCAT風場數(shù)據(jù)，用于分析風速的時序特征，風速精度小于2m／s［11］。

2 近海風能資源評價方法

研究技術路線如圖1所示。

圖1 研究技術路線Fig.1 Technology framework of the study

2.1 預處理

數(shù)據(jù)預處理包括ENVISAT ASAR影像的軌道參數(shù)更新、輻射定標、幾何校正及QuikSCAT風向、風速數(shù)據(jù)的提取。其中，ENVISAT ASAR影像的輻射定標較為關鍵。ENVISAT ASAR傳感器記錄了雷達反射信號的強度和振幅信息，進行風場反演需利用其強度信息。然而影像的原始強度信息受入射角、極化方式等因素影響巨大，需進行輻射定標以使不同時期的影像有可比性，為風場參數(shù)的反演提供基礎。定標公式如下［14］：

式中：σ0ij是第i行第j列像元的后向散射系數(shù)，DNij是第i行第j列像元的原始強度，θij是第i行第j列像元的雷達波入射角，K是絕對定標系數(shù)。

2.2 風向反演

基于ENVISAT ASAR影像的紋理特征反演風向：合成孔徑雷達影像上存在與海面風向平行的風條紋，這些條紋由于海洋大氣邊界層的不穩(wěn)定形成［8］，間距1～8km，使用低波數(shù)譜法便能識別并計算其方向［9］，公式如下：

式中：Y為圖像的低波數(shù)譜，X為圖像的灰度值，l（m）＝1，2，…，N。

上述過程得到的風向仍存在180°的方向模糊，可參考同日QuikSCAT風場數(shù)據(jù)的主方向消除方向模糊，確定最終風向。

2.3 風速反演

ENVISAT ASAR影像反演風速的方法起源于C波段散射計模型，該模型是描述中度穩(wěn)定大氣條件下海洋上空10m高度的風速與后向散射系數(shù)關系的地球物理模型，其中較為成功的有CMOD4、CMOD－IFR2、CMOD5等模型［15，16］。本文選擇較新的CMOD5模型進行風速反演，其基本形式如下：

式中：σ0為雷達后向散射系數(shù)，φ為儀器方位角與風向的夾角，B0、B1、B2為風速V和入射角θ的復雜函數(shù)。令x＝（θ－40）／25，則：

上述公式涉及的28個系數(shù)可查表獲得。因此，基于已反演的風向信息，結合CMOD5模型便可反演海面風速。

2.4 風速驗證

ENVISAT ASAR影像的風速反演結果為海面10m高度風場，本文使用同一時間同為海面10m高度的QuikSCAT風場數(shù)據(jù)進行精度驗證。由于風速反演結果為離散點數(shù)據(jù)，因此需對其進行空間插值以得到覆蓋整個研究區(qū)的風速，采用反距離權重插值IDW方法進行空間插值，其公式如下：

式中：z0是點O的估計值，zi是控制點i的值，di是點O和控制點i的距離，n是所用的控制點個數(shù)，k為指定的冪［17］。

2.5 風能資源評價

研究選用3個指標進行風能資源評價：風力等級和風向、風功率密度、風速時序統(tǒng)計特征。

（1）對反演的風速劃分風力等級并附上風向信息，即可直觀地分析風力等級和風向的時空變化情況，對風能資源進行初步評價。

（2）風功率密度定義為“在與風向垂直的單位面積內風所具有的功率”，是衡量一個地區(qū)風能大小、評價其風能資源潛力的重要參數(shù)。在設定時段內平均風功率密度公式如下［18］：

式中：DWP為平均風功率密度（W／m2），n為設定時段內的記錄數(shù)，ρ為空氣密度（kg／m3），Vi為第i條記錄的風速（m／s）。

用式（10）計算39個時相的平均風功率密度，將風功率密度進行分級，便能評價研究區(qū)風能資源的豐富程度及并網(wǎng)風力發(fā)電潛力。

（3）風速的時序統(tǒng)計特征通過求取3年間1 096幅QuikSCAT風場數(shù)據(jù)的月平均風速，繪制風速按月變化圖表而實現(xiàn)。

3 結果與分析

3.1 風速反演結果

在NEST軟件中對原始ENVISAT ASAR影像進行軌道參數(shù)更新、輻射定標、幾何校正后，通過計算低波數(shù)譜反演存在180°方向模糊的風向，借助QuikSCAT風場數(shù)據(jù)消除方向模糊，得到確定的風向數(shù)據(jù)?；陲L向反演結果，結合CMOD5模型進行風速反演。現(xiàn)選取2008年的風速反演結果進行分析（圖2）。圖2表明，ENVISAT ASAR影像反演的風速主要分布在0～20m／s間。從空間上看，不同位置風速變化較大，風速分布也較隨機，但每月都有3～8個風速較大的區(qū)域。從月份上看，2008年風速總體呈現(xiàn)“先減后增”的趨勢：上半年風速逐漸減小，到7月達到最小值（風速基本在13m／s以下，且大部分地區(qū)的風速在1～6m／s之間），之后風速逐漸增大。從季節(jié)上看，秋季和冬季風速較大，春季和夏季風速較小。

圖2 ENVISAT ASAR影像反演的風速Fig.2 Wind speed retrieved from ENVISAT ASAR imagery

3.2 風速驗證結果

對ENVISAT ASAR反演的風速，用QuikSCAT風場數(shù)據(jù)進行驗證。QuikSCAT風場數(shù)據(jù)空間分辨率較低，在研究區(qū)一般只有2～3個點，因此一共檢驗了39個時段共計106個點（圖3）。圖3表明，ENVISAT ASAR影像反演的風速和QuikSCAT風場數(shù)據(jù)的風速接近，誤差較小。其中，誤差絕對值在0～1m／s之間的有84個，占79.25%；誤差絕對值在1～2m／s之間的有16個，占15.09%；誤差絕對值在2～2.6m／s之間的有6個，占5.66%。反演誤差主要由三方面引起：CMOD5模型誤差、IDW插值誤差以及反演數(shù)據(jù)與驗證數(shù)據(jù)的時間誤差。由驗證結果可知，基于ENVISAT ASAR影像的海面風場反演方法切實可行且精度較高。

圖3 ENVISAT ASAR影像反演的風速驗證Fig.3 Verification of the wind speed retrieved from ENVISAT ASAR imagery

3.3 風力等級和風向

對驗證后的風速進行風力等級劃分并附上風向數(shù)據(jù)，從風速和風向上對風能資源進行初步評價?，F(xiàn)選取2008年風力等級圖進行分析（圖4）。圖4表明，風力等級在季節(jié)上明顯表現(xiàn)出冬秋季較大、春夏季較小的特點，且夏季（圖4e、圖4f）盛行西南風，冬季（圖4a、圖4i）盛行東北風。上述規(guī)律與研究區(qū)熱帶季風氣候的特點“冬季風速較大，夏季風速較小”相一致。冬季蒙古西伯利亞高壓的冷氣團在南下時受地轉偏向力的影響右偏為東北季風，夏季南半球的東南信風北移越過赤道在地轉偏向力的作用下右偏為西南季風。

圖4 風力等級和風向Fig.4 Wind scale and wind direction

3.4 平均風功率密度

為進一步評價風能資源豐富程度及并網(wǎng)風力發(fā)電潛力，將39幅ENVISAT ASAR影像反演的風速代入風功率密度公式求得整個研究區(qū)2006－2009年的平均風功率密度，并對其劃分等級（表1），得到研究區(qū)3年的平均風功率密度圖（圖5）。圖5表明，研究區(qū)平均風功率密度在232.07～734.31W／m2之間，風功率密度等級為4－7級。由表1可知，4－7級的風功率密度能很好地應用于并網(wǎng)風力發(fā)電。從空間上看，研究區(qū)大部分范圍的風功率密度等級是6級和7級，其中，西南部的風功率密度最大（7級），西北部的風功率密度最?。?級和5級）。總體而言，研究區(qū)風能資源豐富，可開展并網(wǎng)風力發(fā)電。

表1 風功率密度等級（海面10m高度）Table 1 Wind power density level（10m height above the sea surface）

圖5 平均風功率密度Fig.5 The average wind power density

3.5 風速時序變化

風力發(fā)電除需考慮風能資源的空間分布外，還需注意風速的時序變化特征。由于ENVISAT ASAR影像的時間分辨率較低，故采用時間分辨率較高的QuikSCAT風場數(shù)據(jù)分析研究區(qū)風速的時序變化特征?；?006－2008年1 096個時相QuikSCAT風場數(shù)據(jù)，計算每月平均風速后可得2006－2008年的風速時序變化圖（圖6）。圖6表明，研究區(qū)風速季節(jié)性變化規(guī)律明顯：冬季（當年12月至來年2月）風速最大，2006－2008年3年冬季的平均風速分別為9.50m／s、10.01m／s、9.63m／s，冬季風速相當于7級的風功率密度（表1）；夏季（6－8月）風速最小，2006－2008年3年夏季的平均風速分別為7.10m／s、7.09m／s、7.07m／s，相當于5－6級的風功率密度；春季和秋季的風速介于夏冬季之間，兩者的風速相當于6－7級的風功率密度，且秋季平均風速（8.75m／s）稍大于春季平均風速（7.36m／s）。

圖6 風速的時序變化Fig.6 The temporal variation of wind speed

4 結論

將ENVISAT ASAR影像和QuikSCAT風場數(shù)據(jù)結合使用，可充分利用前者較高的空間分辨率和后者高時間分辨率優(yōu)勢，從而在空間和時間尺度上對近海風能資源進行評價，為近海風能資源的開發(fā)利用提供基礎。對ENVISAT ASAR影像先通過低波數(shù)譜法反演風向，再運用CMOD5模型反演風速，得到海面10m高度風場數(shù)據(jù)的方法是切實可行的。通過QuikSCAT風場數(shù)據(jù)的驗證可知，該風場反演方法的精度較高。

研究區(qū)平均風功率密度介于232.07～734.31 W／m2，為4－7級，說明風能資源豐富，并網(wǎng)風力發(fā)電前景良好。研究區(qū)風速季節(jié)性變化規(guī)律明顯，總體呈現(xiàn)出“先減后增”的趨勢，冬季平均風速最大，夏季平均風速最小，春秋季風速介于冬夏之間，且秋季風速大于春季。因此，在進行并網(wǎng)風力發(fā)電時，冬秋季需做好電力儲備工作，夏春季需做好電力調節(jié)工作。

［1］ 辛華龍.中國海上風能開發(fā)研究展望［J］.中國海洋大學學報（自然科學版），2010，40（6）：147－152.

［2］ BEAUCAGE P，BERNIER M，LAFRANCE G，et al.Regional mapping of the offshore wind resource：Towards a significantcontribution from space－borne synthetic aperture radars［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2008，1（1）：48－56.

［3］ 呂柯偉，胡建宇，楊小怡.南海及鄰近海域海面風場季節(jié)性變化的空間差異［J］.熱帶海洋學報，2012，31（6）：41－47.

［4］ CARRERE L，MERTZ F，DORANDEU J，et al.Observing and studying extreme low pressure events with altimetry［J］.Sensors，2009，9（3）：1306－1329.

［5］ 張雷，石漢青，龍智勇，等.星載合成孔徑雷達圖像反演海面風場方法綜述［J］.海洋通報，2012，31（6）：713－720.

［6］ BIRGITTE R，F(xiàn)UREVIK，KORSBAKKEN E.Comparison of derived wind speed from synthetic aperture radar and scatterometer during the ERS tandem phase［J］.IEEE Transactions on Geoscience and Remote Sensing，2000，38（2）：1113－1121.

［7］ HORSTMANN J，VACHON P，LEHNER S，et al.SAR measurements of ocean wind and wave fields in hurricanes［A］.Learning from Earth′s Shapes and Sizes［C］.2003.230－232.

［8］ 王鐵.合成孔徑雷達反演黃海海面風場［J］.海洋湖沼通報，2007（4）：10－13.

［9］ 楊勁松，黃韋艮，周長寶，等.合成孔徑雷達圖像的近岸海面風場反演［J］.遙感學報，2001，5（1）：13－16.

［10］ 丁赟.QuikSCAT／NCEP混合風場資料在海上風資源評估中的應用［J］.水電與新能源，2011（2）：69－71.

［11］ 劉春霞，何溪澄.QuikSCAT散射計矢量風統(tǒng)計特征及南海大風遙感分析［J］.熱帶氣象學報，2003，19（S1）：107－117.

［12］ 沈春，蔣國榮，施偉來，等.南海QuikSCAT海面風場變化特征分析［J］.海洋預報，2012，29（3）：1－8.

［13］ 孟昭翰，徐煥，杜慧珠.中國東南沿海風能資源評價［J］.自然資源學報，1991，6（1）：1－12.

［14］ 李苗，臧淑英，那曉東，等.ENVISAT－ASAR數(shù)據(jù)產(chǎn)品介紹與數(shù)據(jù)處理［J］.測繪與空間地理信息，2012，35（1）：63－65.

［15］ MONALDO F M，THOMPSON D R，BEAL R C，et al.Comparison of SAR－derived wind speed with model predictions and ocean buoy measurements［J］.IEEE Transactions on Geoscience and Remote Sensing，2001，39（12）：2587－2600.

［16］ FUREVIK B R，JOHANNESSEN O M，SANDVIK A D.SAR－retrieved wind in polar regions－comparison with in situ data and atmospheric model output［J］.IEEE Transactions on Geoscience and Remote Sensing，2002，40（8）：1720－1732.

［17］ 鄧曉斌.基于ArcGIS兩種空間插值方法的比較［J］.地理空間信息，2008，6（6）：85－87.

［18］ 姜波，劉富鈾，徐輝奮，等.浙江省沿海海洋風能資源評估［J］.海洋技術，2012，31（4）：91－94.