劉鴻波 董理 ,2 嚴(yán)若婧 ,2 張曉朝 郭辰 梁思超 屠勁林 馮笑丹 王雪璐

1 中國科學(xué)院大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國家重點實驗室，北京 100029

2 中國科學(xué)院大學(xué)地球與行星科學(xué)學(xué)院，北京 100049

3 中國華能集團有限公司，北京 100036

4 中國華能集團清潔能源技術(shù)研究院有限公司，北京 100081

5 華能新能源股份有限公司，北京 100081

1 引言

隨著全球經(jīng)濟的快速發(fā)展，傳統(tǒng)能源結(jié)構(gòu)與經(jīng)濟可持續(xù)發(fā)展、環(huán)境保護之間的矛盾日益突出，人們對低成本、可再生的清潔能源開發(fā)利用的需求不斷增加。相對于煤炭和石油等傳統(tǒng)能源，風(fēng)能作為一種可再生能源，除了經(jīng)濟節(jié)約之外，更重要的是對環(huán)境的友善，是傳統(tǒng)能源的寶貴替代。風(fēng)能的開發(fā)利用減少了人為能源制造過程中對環(huán)境的破壞和影響，是清潔能源發(fā)展的重點。預(yù)計到2050年，風(fēng)能供電將占全球電力需求的1/4～1/3（Veers et al.,2019）。因此，調(diào)查、分析氣候變化及人類活動等自然和人為因素對未來風(fēng)能資源及其變化趨勢的影響已經(jīng)成為氣象、能源、電力、經(jīng)濟等多領(lǐng)域?qū)＜宜餐P(guān)心的熱點問題之一。

作為風(fēng)能產(chǎn)品的基本要素之一，近地層風(fēng)速在氣候變化背景下的演變近年來日益受到關(guān)注，地表觀測、全球再分析資料均被用來從不同的角度對全球和區(qū)域風(fēng)速的變化進行分析（Torralba et al.,2017;Miao et al.,2020），這其中也包含中國區(qū)域近地面及對流層低層風(fēng)速的氣候特征及其變化趨勢的研究（Lin et al.,2013; 鄭祚芳等,2014; Zhang R H et al.,2019）。現(xiàn)有分析表明，自20世紀(jì)70年代起，北半球中緯度大陸地區(qū)近地面年平均風(fēng)速整體呈現(xiàn)出減小的趨勢（任國玉等,2005; Xu et al.,2006; Vautard et al.,2010; Jiang et al.,2010; 王楠等,2019）。就整個中國地區(qū)而言，風(fēng)速的下降以強風(fēng)的減弱更為明顯（Guo et al.,2011; Zhang and Wang,2020）。臺站觀測和再分析資料的診斷分析及模式數(shù)值模擬結(jié)果表明，中國區(qū)域近地面風(fēng)速減小的可能原因分自然因素和人為因素兩方面，前者包括氣候變化背景下海陸熱力差異、南北熱力差異減小導(dǎo)致對流層低層氣壓梯度力的減弱，進而造成東亞冬季風(fēng)和夏季風(fēng)的減弱（大氣環(huán)流因素，Xu et al.,2006; Guo et al.,2011），以及因氣候變化導(dǎo)致的地表植被增加帶來的地表粗糙度增大造成的風(fēng)速下降等（Vautard et al.,2010；Zhang Z T et al.,2019）；后者包括人類活動伴隨的土地利用變化和城市化導(dǎo)致的地表粗糙度的變化，以及氣溶膠排放引起的地表輻射收支變化導(dǎo)致的氣壓梯度力的變化等（Bichet et al.,2012; Han et al.,2016; Wu et al.,2018; 丁一匯等 ,2020）。由于地表風(fēng)速的變化存在明顯的區(qū)域性特征，并且上述自然因素和人為因素并不是完全獨立的（如氣溶膠排放也會引起大氣環(huán)流的變化），因此對于特定地區(qū)地表風(fēng)速變化趨勢的成因分析需綜合考量各種潛在因素。與此同時，隨著觀測資料的更新，研究表明自2010年前后，北美、歐洲、東亞地區(qū)地表風(fēng)速開始增加，這與植被和城鎮(zhèn)化影響會造成風(fēng)速持續(xù)下降的研究結(jié)果是矛盾的，因此風(fēng)速的年代際變化（下降—上升）還會受到海氣耦合系統(tǒng)內(nèi)部振蕩（如太平洋年代際振蕩，北大西洋年代際振蕩，北太平洋阿留申低壓的變化等）的影響和調(diào)制（Zeng et al.,2019; Zhang and Wang,2020）。

事實上，對地表風(fēng)速長期氣候狀態(tài)的全面分析在一定程度上依賴于分析資料的質(zhì)量，風(fēng)速的演變更是存在顯著的區(qū)域差異，因此對風(fēng)速的分析還需考慮區(qū)域因素。中國幅員遼闊，大陸地形基本上分為3個階梯，因此近地面風(fēng)速會因觀測站點的海拔高度不同而呈現(xiàn)不同的變化（陳昊明,2009），同時西部地區(qū)因站點相對稀疏，對其氣候狀態(tài)的認識也較為有限。再分析資料因受預(yù)報系統(tǒng)和模式系統(tǒng)性偏差的限制，導(dǎo)致不同資料間近地面及對流層低層風(fēng)速的氣候分布和演變趨勢存在較大的差異。在北半球中緯度大陸地區(qū)，歐洲中期天氣預(yù)報中心（ECMWF）的ERA-Interim、美國的MERRA-2、CFS再分析資料均顯著高估了氣候平均10 m風(fēng)速，相比之下，日本的JRA-55再分析資料對風(fēng)速低估，偏差較小，上述資料系統(tǒng)性偏差同時存在季節(jié)和區(qū)域差異（Torralba et al.,2017; Miao et al.,2020）；對于北半球陸地區(qū)域（中國地區(qū)），現(xiàn)有再分析資料無法再現(xiàn)觀測風(fēng)速的趨勢和年代際變化（Zhang and Wang,2020）。

盡管再分析資料存在一定的不確定性，然而在觀測資料時間長度有限、空間分布不均的前提下，長時間序列、高時間和空間分辨率的全球再分析資料在對地表風(fēng)速氣候特征分析以及風(fēng)能資源的認識和評估方面依然有潛在優(yōu)勢。2017年，ECMWF發(fā)布了目前為止時空分辨率最高的全球再分析資料ERA5。ERA5利用其先進的模式和資料同化系統(tǒng)融合了大量的歷史觀測資料，由于短時預(yù)報準(zhǔn)確性的提高，ERA5資料的預(yù)報精度高于其前身ERAInterim（ERA5資料南、北半球500 hPa位勢高度的 365 d平均距平相關(guān)系數(shù)高于 ERA-Interim）；由于時空分辨率的提高，ERA5資料對熱帶氣旋的刻畫（中心氣壓數(shù)值及位置、氣旋結(jié)構(gòu)精細的時間演變）也更加準(zhǔn)確；在日降水量、月降水時間演變方面ERA5資料與觀測也較ERA-Interim更為接近（Hersbach et al.,2020）。美國國家航空航天局發(fā)布的MERRA-2再分析資料也是當(dāng)前應(yīng)用較為廣泛的高時空分辨率全球再分析資料，Olauson（2018）評估了ERA5和MERRA-2這兩套資料對歐洲地表風(fēng)場的再現(xiàn)能力，結(jié)果表明ERA5表現(xiàn)總體好于MERRA-2。目前，尚沒有利用最新發(fā)布的ERA5資料對中國區(qū)域近地層風(fēng)速開展研究的工作。因此，本文將基于臺站觀測資料，評估ERA5再分析資料對中國區(qū)域近地層風(fēng)場氣候特征及其變化趨勢的再現(xiàn)能力，同時豐富對中國區(qū)域近地層風(fēng)能資源的認識。

2 資料和方法

ERA5為ECMWF第五代全球大氣再分析資料，資料起始時間為1979年，并持續(xù)更新至實時5 d以內(nèi)，其空間分辨率為31 km（約為0.28°），時間分辨率為逐小時（https://confluence.ecmwf.int/display/CKB/ERA5%3A+data+documentation [2020-07-15]）。ERA5相對于其他再分析資料提供了100 m風(fēng)場資料的輸出，而這一高度正好是風(fēng)電塔（風(fēng)機輪轂）所在高度附近，是風(fēng)電場最為關(guān)注的層次之一，且該高度層受下墊面的影響也相對較小。本文將同步分析并對比ERA5資料10 m和100 m高度的風(fēng)速特征（兩個高度均處于近地層）。ERA5資料的分析時段為1979～2018年，共40年。春、夏、秋、冬四個季節(jié)分別為3～5、6～8、9～11、12月至次年2月。本研究關(guān)注中國區(qū)域近地層風(fēng)速的氣候特征，因此首先計算了原始資料每小時10 m和100 m水平風(fēng)速，再把小時風(fēng)速資料處理到月平均進行相關(guān)的分析，文中的標(biāo)準(zhǔn)偏差（SD）反映了近地層風(fēng)速的年際變化，近地層風(fēng)速線性趨勢的分析均應(yīng)用了顯著性為90%的置信度檢驗（Student’s t 檢驗）。

為驗證ERA5再分析資料的可信度，本文所用的臺站觀測為國家氣象信息中心提供的中國地面氣候資料日值數(shù)據(jù)集V3.0的日平均風(fēng)速（http://data.cma.cn/[2020-07-15]）。由于2018年一些臺站數(shù)據(jù)缺失，因此臺站資料的分析時段為1979～2017年，全國共826個站點。ERA5再分析資料也插值到臺站進行相應(yīng)的對比。

3 結(jié)果分析

3.1 近地層風(fēng)速年—季節(jié)—月平均氣候特征

圖1展示了1979～2017年臺站觀測及1979～2018年ERA5資料中國區(qū)域39（40）年氣候平均10 m和100 m風(fēng)速及其年際標(biāo)準(zhǔn)偏差的空間分布。臺站及ERA5資料10 m年平均風(fēng)速均集中在1～5 m s–1，其中大風(fēng)區(qū)（風(fēng)速大于 3 m s–1）分布在東北三省西部、內(nèi)蒙古、新疆北部、青海以及西藏中西部，除了內(nèi)陸成片的風(fēng)速大值區(qū)外，東部沿海地區(qū)（30°N以北）風(fēng)速也相對較大。相比之下，中國中部、南部地區(qū)風(fēng)速整體偏弱（1～3 m s–1）。臺站觀測在中國東部地區(qū)一些高山站點風(fēng)速很高（大于 5 m s–1）?？傮w來說，ERA5 資料反映的年平均10 m風(fēng)速分布與臺站觀測大體一致，在826個觀測站點二者氣候態(tài)的空間相關(guān)系數(shù)達到0.66（通過置信度為99%的t檢驗）；在新疆南部的塔里木盆地，臺站觀測的風(fēng)速較弱（1～2 m s–1），ERA5 資料風(fēng)速有明顯高估（大于 3 m s–1）。此外，ERA5資料具有均一的空間分布，從而較臺站觀測能夠更加完整并細致地刻畫100°E以西地區(qū)地面風(fēng)速的空間特征，如青藏高原中西部的風(fēng)速大值區(qū)。ERA5 資料 100 m 高度的風(fēng)速范圍在 1～8 m s–1，較10 m 風(fēng)速普遍偏強，其大風(fēng)區(qū)（風(fēng)速大于5 m s–1）的空間分布與10 m高度風(fēng)速一致（對比圖1c和1e）。中國地區(qū)近地層風(fēng)速的氣候分布與地形密切相關(guān)，青藏高原西部及內(nèi)蒙古所處的內(nèi)蒙古高原風(fēng)速普遍比東部平原地區(qū)風(fēng)速強，四川盆地、青藏高原東南部、東部平原和低海拔地區(qū)風(fēng)速相對弱。臺站觀測及ERA5資料兩個高度層的年平均風(fēng)速標(biāo)準(zhǔn)偏差量值分布與年平均風(fēng)速量值的空間分布相似，即風(fēng)速大的站點/地區(qū)其年際變化也相對大。然而，臺站觀測的年平均風(fēng)速標(biāo)準(zhǔn)偏差明顯高于ERA5資料，特別是在中東部地區(qū)二者的差異更為明顯（對比圖1b和1d），ERA5資料10 m年平均風(fēng)速標(biāo)準(zhǔn)偏差在變化最大的青藏高原西北部地區(qū)也只有0.2～0.4 m s–1（圖1d）。100 m 高度年平均風(fēng)速的標(biāo)準(zhǔn)偏差同樣顯著高于10 m，在內(nèi)蒙古東部、新疆東部及青藏高原西部可達1.4 m s–1以上，云南地區(qū)盡管100 m風(fēng)速相對較弱，但其年際變化較大，風(fēng)速標(biāo)準(zhǔn)偏差仍可以超過 1.0 m s–1（圖1f）。

圖1 中國區(qū)域（a）1979～2017年平均臺站觀測地表風(fēng)速、1979～2018年平均ERA5再分析資料（c）10 m風(fēng)速和100 m風(fēng)速及其標(biāo)準(zhǔn)偏差（右列）的空間分布Fig.1 Spatial distribution of (a) the annual mean for in situ observed surface wind speed,(b) 10-m wind speed and (c) 100-m wind speed of ERA5 reanalysis and their standard deviation (right) over China during 1979–2017 (station)/ 1979–2018 (ERA5 reanalysis)

臺站觀測及ERA5資料的10 m風(fēng)速都存在明顯的季節(jié)變化，且ERA5的風(fēng)速偏強（圖2和圖3）。以兩大風(fēng)速大值區(qū)為例，青藏高原西部冬春兩季風(fēng)速強，夏秋兩季風(fēng)速弱；內(nèi)蒙古地區(qū)四季風(fēng)速都相對較大，其中春季風(fēng)速最大，冬、秋兩季風(fēng)速大值區(qū)位于內(nèi)蒙古的東部地區(qū)，而夏季位于西部地區(qū)。然而，在新疆地區(qū)，春、夏兩季風(fēng)速強，秋季次之，冬季最弱，臺站和ERA5資料在這一地區(qū)比較一致（盡管ERA5資料新疆南部地區(qū)風(fēng)速較臺站觀測明顯偏強）。在中國其他地區(qū)除春季風(fēng)速較強外，其他季節(jié)風(fēng)速相對較弱且差異不明顯。同時，ERA5資料100 m高度的風(fēng)速季節(jié)變化仍然與10 m風(fēng)速空間分布相似，且風(fēng)速普遍偏高 2～3 m s–1，這里將不再贅述（對比圖3和圖4）。

圖2 1979～2017年臺站觀測風(fēng)速（a）冬季（DJF）、（b）春季（MAM）、（c）夏季（JJA）、（d）秋季（SON）季節(jié)平均的空間分布Fig.2 Spatial distribution of the seasonal mean for in situ observed surface wind speed in (a) winter (DJF),(b) spring (MAM),(c) summer (JJA),and(d) autumn (SON) during 1979–2017

圖3 1979～2018年中國區(qū)域 ERA5 資料 10 m 風(fēng)速（a）冬季（DJF）、（b）春季（MAM）、（c）夏季（JJA）、（d）秋季（SON）季節(jié)平均的空間分布Fig.3 Spatial distribution of the seasonal mean for 10-m wind speed of ERA5 reanalysis in (a) winter (DJF),(b) spring (MAM),(c) summer (JJA),and (d) autumn (SON) during 1979–2018

中國大陸地區(qū)所有臺站及全國范圍區(qū)域平均月風(fēng)速演變?nèi)鐖D5所示。在兩個高度層上，兩套資料的月平均風(fēng)速在上半年（1～6月）明顯高于下半年（7～12月），且下半年風(fēng)速變化幅度較?。?00 m略大些）。臺站、ERA5資料插值到臺站以及ERA5全國平均的10 m和100 m風(fēng)速均在4月達到最大值，分別為 2.6、2.9、3.0、4.5 m s–1；8月為最小值，分別為 2.0、2.4、2.4、3.5 m s–1，風(fēng)速年較差分別為0.6、 0.6、 0.6、 1.0 m s–1。ERA5資料的風(fēng)速明顯高于臺站觀測（偏高0.3～0.5 m s–1；年平均正偏差為 0.4 m s–1），春季風(fēng)速較強時二者的差異略小。盡管臺站觀測的風(fēng)速偏弱，但各個月份風(fēng)速的標(biāo)準(zhǔn)偏差即年際變化很大（0.5 m s–1），插值到臺站的 ERA5 資料 10 m 風(fēng)速標(biāo)準(zhǔn)偏差只有臺站觀測的 1/2（約 0.25 m s–1），ERA5資料全國范圍區(qū)域平均的10 m和100 m風(fēng)速標(biāo)準(zhǔn)偏差分別約為 0.25、0.4 m s–1。

3.2 近地層風(fēng)速的變化趨勢

圖6可見，臺站觀測風(fēng)速整體呈現(xiàn)顯著的下降趨勢，其由 1979年的 2.5 m s–1逐年減弱至2011～2012年的 2.1 m s–1，此后 5年風(fēng)速逐漸增強。這種風(fēng)速減弱的趨勢變化與 Guo et al.（2011）、Lin et al.（2013）的結(jié)果非常一致，并且風(fēng)速趨勢的轉(zhuǎn)折點與 Zhang and Wang（2020）的研究吻合。ERA5資料能夠較好地再現(xiàn)1979～2017年年平均10 m風(fēng)速的年際變化，即風(fēng)速偏強、偏弱年，如1987年、1996年、2002年、2010年，但是卻無法呈現(xiàn)臺站觀測風(fēng)速在 1979～2012年（2013～2017年）的持續(xù)下降（明顯增加）趨勢。ERA5資料插值到臺站后與中國區(qū)域平均的地表風(fēng)速演變序列相差無幾，只是強度略弱，在100 m高度層風(fēng)速多年的變化趨勢同樣并不明顯，只是年際變化幅度略大。從四個季節(jié)來看，臺站觀測風(fēng)速在平均風(fēng)速最強的春季整體線性下降趨勢最顯著 [－0.5 m s–1（39 a）–1]；冬季風(fēng)速在 1979～1992年降幅最大[－0.7 m s–1（14 a）–1]，其后風(fēng)速線性趨勢不明顯；夏秋兩季風(fēng)速降幅較小[約－0.3 m s–1（39 a）–1，圖7]。ERA5資料兩個高度層的風(fēng)速在四個季節(jié)都沒有顯著的線性變化趨勢，5年滑動平均的風(fēng)速與年平均風(fēng)速相近。需要指出的是，ERA5再分析資料所表現(xiàn)出的風(fēng)速偏強及無明顯風(fēng)速變化趨勢并不是其獨有的。在Miao et al.（2020）、Wang and Zhang（2020）針對北半球大陸地區(qū)和中國地區(qū)10 m風(fēng)速變化的分析中，ECMWF的ERA-Interim、美國的MERRA、MERRA-2、CFSR再分析資料均無法再現(xiàn)觀測資料所呈現(xiàn)的東亞地區(qū)風(fēng)速下降趨勢，并且ERAInterim、CFS和MERRA-2資料在東亞地區(qū)的風(fēng)速也明顯高于臺站觀測。相比較之下，只有日本的JRA-55再分析資料呈現(xiàn)出較弱的負偏差，并且能夠再現(xiàn)東亞區(qū)域風(fēng)速的下降趨勢，但其降幅較觀測明顯偏弱。究其原因，JRA-55在陸地上對地表風(fēng)速相對較好的再現(xiàn)能力主要是由于該資料在生成過程中同化了臺站觀測的地表風(fēng)場資料，而其他再分析資料并沒有類似的處理（Torralba et al.,2017）。

圖4 同圖3，但為 ERA5 資料 100 m 風(fēng)速Fig.4 Same as in Fig.3,but for 100-m wind speed of ERA5 reanalysis

圖5 1979～2017年臺站觀測平均10 m風(fēng)速、ERA5資料10 m風(fēng)速插值到臺站觀測后平均、1979～2018年中國區(qū)域平均ERA5資料10 m和100 m逐月月平均風(fēng)速序列（豎立的直線為各自的標(biāo)準(zhǔn)偏差，單位：m s–1）Fig.5 Time series of the monthly mean for in situ observed surface wind speed,10-m ERA5 interpolated wind speed,and 10-m and 100-m wind speeds of ERA5 reanalysis and their respective standard deviation (vertical lines,units: m s?1) during 1979 –2018 (station)/1979 –2018 (ERA5 reanalysis)

圖6 1979～2017年臺站觀測平均10 m風(fēng)速、ERA5資料10 m風(fēng)速插值到臺站觀測后平均、1979～2018年中國大陸區(qū)域平均ERA5資料10 m和100 m年平均風(fēng)速時間序列以及5年滑動平均風(fēng)速及40年平均風(fēng)速（單位：m s–1）Fig.6 Time series of the annual mean for in situ observed surface wind speed,10-m ERA5 interpolated wind speed,and 10-m and 100-m wind speeds of ERA5 reanalysis with the 5-year running mean wind speed and 40-year mean wind speed (units: m s?1) during 1979 –2017(station)/1979–2018 (ERA5 reanalysis)

圖7 同圖6，但為（a）冬季（DJF）、（b）春季（MAM）、（c）夏季（JJA）、（d）秋季（SON）季節(jié)平均風(fēng)速的時間序列Fig.7 Same as in Fig.6,but for (a) winter (DJF),(b) spring (MAM),(c) summer (JJA),and (d) autumn (SON)

盡管臺站觀測的風(fēng)速從年平均和季節(jié)平均的角度在中國大陸區(qū)域整體都呈現(xiàn)一致的下降趨勢，但在空間分布上，風(fēng)速增加與下降并存且幅度相當(dāng)（圖8）。在東北三省、內(nèi)蒙古、青海、西藏、山東、江蘇等省份，除了極少數(shù)站點外，風(fēng)速在四個季節(jié)都呈現(xiàn)不同程度的下降趨勢，春季降幅最大，其中東北三省西部四個季節(jié)的風(fēng)速降幅均超過了?0.16 m s?1（10 a）?1（圖8b）。風(fēng)速變強的站點主要集中在平均風(fēng)速相對較弱的中國中部和南部地區(qū)（甘肅、寧夏、陜西、山西、四川東部、重慶、湖北、云南、廣東、廣西、福建），夏秋兩季增幅較大，其中廣東、廣西和福建大部分站點夏季風(fēng)速增幅均超過 0.12 m s?1（10 a）?1（圖8c）。上述風(fēng)速線性趨勢的空間分布與 Fu et al.（2011）、Miao et al.（2020）、Zhang and Wang（2020）的分析結(jié)果相似，但因分析時段的差異，量值有所不同。由于不同地區(qū)風(fēng)速長期變化趨勢存在差異，正如丁一匯等（2020）、Zhang and Wang（2020）所分析的，近地層風(fēng)速變化趨勢的影響因子很多，并且不同區(qū)域的影響因素也存在差異。特定區(qū)域風(fēng)速變化趨勢的成因分析需結(jié)合氣候背景、對流層低層環(huán)流場、土地利用變化、觀測臺站周邊環(huán)境等因子綜合展開分析。相關(guān)內(nèi)容超出了本文的研究主題，因此不再展開討論。

圖8 1979～2017年（a）冬季（DJF），（b）春季（MAM），（c）夏季（JJA），（d）秋季（SON）臺站觀測風(fēng)速季節(jié)平均的線性趨勢。黑色圓圈點表示通過90%信度檢驗的臺站Fig.8 Spatial distribution of the linear trend of the seasonal mean for in situ observed surface wind speed in (a) winter (DJF),(b) spring (MAM),(c)summer (JJA),and (d) autumn (SON) during 1979–2017.Dots with a black circle denote the results that are significant at the 90% confidence level

對于ERA5資料，盡管區(qū)域平均的年/季節(jié)平均風(fēng)速變化趨勢并不突出，10 m風(fēng)速變化趨勢在中國大陸地區(qū)的空間分布卻呈現(xiàn)出了季節(jié)和區(qū)域差異，但風(fēng)速的增強或減弱幅度依然顯著低于臺站觀測，且趨勢變化與觀測不一致（圖9）。具體來看，冬季青藏高原大部風(fēng)速增加 [大于 0.04 m s–1（10 a）–1]，青海省南部風(fēng)速則為下降趨勢 [大于－0.04 m s–1（10 a）–1]；新疆北部和內(nèi)蒙古西部分別為較弱的風(fēng)速增加和下降趨勢。春夏兩季，青藏高原大部和華南沿海部分地區(qū)風(fēng)速下降 [大于–0.08 m s–1（10 a）–1），內(nèi)蒙古大部和河西走廊在兩個季節(jié)風(fēng)速均有所增強（圖9b和9c）。秋季的風(fēng)速變化趨勢最弱，僅內(nèi)蒙古東部—東北地區(qū)—廣東沿海呈現(xiàn)相對較弱的下降趨勢（圖9d）。中國中部以及南部地區(qū)臺站觀測到的風(fēng)速增強信號在ERA5資料中并沒有體現(xiàn)。100 m風(fēng)速變化趨勢的空間分布與10 m類似，但其增加或降低的幅度更大（圖10），造成這種現(xiàn)象的可能原因在于，在中國（東亞）地區(qū)，大氣環(huán)流驅(qū)動力的改變是近地層風(fēng)速變化的主導(dǎo)因素，對流層低層風(fēng)速的變化主要受氣壓梯度力控制（Zeng et al.,2019；Zhang and Wang,2020），由于100 m高度受大氣環(huán)流影響更大，而10 m風(fēng)速受下墊面影響較大，因此100 m高度處風(fēng)速變化的趨勢（增強和減弱）強于10 m風(fēng)速。

4 結(jié)論與討論

（1）高時空分辨率的ERA5再分析資料能夠較好地呈現(xiàn)中國大陸區(qū)域近地層風(fēng)速的氣候特征。ERA5資料10 m風(fēng)速與臺站觀測地表風(fēng)速空間相關(guān)系數(shù)達0.66（通過顯著性為99%的t檢驗），氣候平均正偏差為0.4 m s–1，在年—季節(jié)—月尺度演變的氣候特征方面與臺站觀測一致，ERA5資料100 m風(fēng)速較10 m和臺站觀測風(fēng)速普遍偏高。臺站觀測和再分析資料均顯示，中國近地層風(fēng)速具有顯著的區(qū)域性特征，內(nèi)蒙古、東北地區(qū)西部、新疆北部以及青藏高原西部地區(qū)均為風(fēng)速大值區(qū)，四川及周邊地區(qū)、新疆南部、中國南方地區(qū)風(fēng)速相對較?。‥RA5資料在新疆南部近地層風(fēng)速較強）。區(qū)域平均風(fēng)速顯示近地層風(fēng)速在1～6月較強（4月風(fēng)速最大），7～12月較弱且月際差異較小（8月風(fēng)速最?。RA5資料在各月份都存在系統(tǒng)性的正偏差，多年月平均10 m風(fēng)速較臺站觀測偏強0.3～0.5 m s–1不等。在垂直方向，ERA5 資料 100 m的風(fēng)速較 10 m 風(fēng)速整體偏高 1.2～1.4 m s–1。

圖9 中國地區(qū) 1979～2018年（a）冬季（DJF）、（b）春季（MAM）、（c）夏季（JJA）、（d）秋季（SON）季節(jié)平均的 ERA5 資料 10 m風(fēng)速線性趨勢空間分布。黑點表示通過90%信度檢驗的區(qū)域Fig.9 Spatial distribution of the linear trend of the seasonal mean for 10-m wind speed of ERA5 reanalysis in (a) winter (DJF),(b) spring (MAM),(c)summer (JJA),and (d) autumn (SON) during 1979–2018.Black dots denote the results that are significant at the 90% confidence level

圖10 同圖9，但為 ERA5 資料 100 m 風(fēng)速Fig.10 Same as in Fig.9,but for 100-m wind speed of ERA5 reanalysis

（2）臺站觀測風(fēng)速1979～2012年間在中國大陸區(qū)域整體呈下降趨勢，2013年以后風(fēng)速逐漸增強。從四個季節(jié)風(fēng)速趨勢的空間分布來看，風(fēng)速大值區(qū)的風(fēng)速下降幅度更大，中國中部和南部風(fēng)速相對較弱的地區(qū)風(fēng)速則呈現(xiàn)增強趨勢。ERA5資料在中國大陸區(qū)域兩個高度層的逐年風(fēng)速強度演變與觀測的變化一致，但都沒有明顯的長期變化趨勢，并且在季節(jié)尺度上風(fēng)速變化趨勢的空間分布與臺站觀測也存在差異。在垂直方向，ERA5資料100 m高度的風(fēng)速變化趨勢與10 m風(fēng)速一致，但是強度普遍偏大。

盡管ERA5是目前時空分辨率最高的全球再分析資料，但是與其他再分析資料相似，10 m地表風(fēng)速變量依然相對于臺站觀測存在系統(tǒng)性正偏差，雖然對風(fēng)速的年際變化有很好的再現(xiàn)能力但卻無法再現(xiàn)觀測風(fēng)速在中國近幾十年的變化趨勢。上述問題的可能原因在于，其一，由于10 m風(fēng)速非模式預(yù)報變量，該變量的計算會受到每個模式不同診斷方法（如模式底層不同穩(wěn)定度的假設(shè)條件）的影響，進而可能帶來一定的系統(tǒng)性偏差，增加了再分析資料中 10 m 風(fēng)速的不確定性（Torralba et al.,2017）。其二，盡管現(xiàn)有再分析資料同化了大量的觀測數(shù)據(jù)，但因模式地形與實際地形的差異以及模式對大氣邊界層過程的不恰當(dāng)描述，同化系統(tǒng)依然無法對陸地表面的風(fēng)速進行有效同化（Zeng et al.,2019）。其三，正如 Zhang Z T et al.（2019）、Zhang and Wang（2020）的研究所指出的，地表粗糙度、海氣耦合系統(tǒng)年代際變化對北半球風(fēng)速自1970s以來的減弱趨勢貢獻很大，而地表粗糙度的變化在再分析資料的生成過程中考慮得較少（或地表粗糙度的動態(tài)變化在再分析資料中不能時時體現(xiàn)），且現(xiàn)有的再分析資料的模式系統(tǒng)并非海氣耦合模式，無法體現(xiàn)年代際尺度海氣相互作用，這也是ERA5及其他再分析資料無法再現(xiàn)地表風(fēng)速長期趨勢變化的重要原因。

正如本文研究所揭示的，由于中國區(qū)域近地層風(fēng)速空間差異顯著且中國地形復(fù)雜，后續(xù)研究有必要結(jié)合地表觀測、探空和測風(fēng)塔等風(fēng)速垂直觀測資料對ERA5資料分區(qū)域開展更加細致的近地層風(fēng)速特征分析，即評估對象不再局限于地表風(fēng)速，從而豐富對再分析資料在不同區(qū)域和不同高度層的可信度及潛在的系統(tǒng)性偏差的認識。另一方面，由于中國大陸地區(qū)地表風(fēng)速的趨勢變化存在顯著的區(qū)域性、季節(jié)和年代際差異，因此風(fēng)速變化的影響因素相對復(fù)雜，需要根據(jù)特定的區(qū)域開展細致的分析，其成因分析不僅有助于理解風(fēng)速趨勢變化的可能機制，更能夠為未來近地層風(fēng)速的演變提供可能的指示，這對于風(fēng)電行業(yè)的規(guī)劃和布局具有重要的參考價值。因此，中國大陸內(nèi)部更小范圍的區(qū)域尺度風(fēng)速趨勢變化和成因分析也是我們未來研究工作的重點之一。