WRF模式中不同物理参数化...风能资源评估中的适用性研究_杜梦蛟.pdf

第40卷 第1期2023年2月海洋预报MARINE FORECASTSVol.40，No.1Feb.2023收稿日期：2022-04-21；修回日期：2022-05-14。基金项目：中国长江三峡集团有限公司科研项目（WWKY-2020-0015、WWKY-2020-0703）。作者简介：杜梦蛟（1990-），男，工程师，博士，主要从事风能资源模拟与评估研究。E-mail:du_*通信作者：易侃（1992-），男，高级工程师，博士，主要从事新能源气象科技相关研究。E-mail:yi_WRF模式中不同物理参数化方案组合在中国近海风能资源评估中的适用性研究杜梦蛟，易侃*，文仁强，张子良，王浩（中国长江三峡集团有限公司科学技术研究院，北京 100038）摘要：基于中尺度气象数值模式WRF（Weather Research and Forecasting），分别对我国广东、浙江、山东这3个近海典型风能资源储备区域进行了45组物理参数化方案组合连续1 M的敏感性试验，对试验中多要素的模拟结果进行综合评估，分别确定了适用于3个风能资源储备区各自排名前3的物理参数化方案组合，并对其模拟性能较优的原因进行分析。为了测试3个风能资源储备区筛选得到的物理参数化方案组合的适用性，利用不同于敏感性试验时段的模拟结果，结合海上测风塔和海洋气象站的实测数据开展进一步评估。结果表明，优选得到的物理参数化方案组合具有较好的适用性，其对近海的风速模拟性能较优，具有实际业务应用价值。关键词：WRF模式；参数化方案；风能资源；适用性中图分类号：P743 文献标识码：A文章编号：1003-0239（2023）01-0065-14DOI:10.11737/j.issn.1003-0239.2023.01.0081引言随着碳达峰碳中和目标的提出，我国能源结构正在发生根本性变革。相比于传统的水力发电和火力发电等，风力发电是一种清洁的、可再生的新型发电形式。近几十年内，风力发电技术日臻完善，风电场的数目和规模均迅速扩大，风力发电在能源结构中的占比快速提高1-3。由于海上风电具有资源丰富、利用效率高、环境友好等优势，诸多风电开发企业将视线转移至风能资源储备丰富的中国近海区域4-5。近年来，随着海上风电的迅速发展，大型化、深远海化、规模化发展已经成为未来我国风电开发的重要方向6-8。随着我国风电平价上网政策的逐步推进，风电行业通过技术创新实现降本提效已是大势所趋。这其中，对风能资源的精准评估是保障风电开发经济效益的重要因素。美国国家可再生能源实验室（National Renewable Energy Laboratory，NREL）指出，提高对大气物理过程和风电场流场特性的认识是目前风能研究和发展中主要面临的三大挑战之一9。在常规的风能资源评估中，认识和判别风电场所在区域的气象条件主要通过测风塔测风和气象观测资料的统计分析来实现10-13。气象条件具有高度的非线性及混沌特性，其中的风场同样具有多时空尺度变化的复杂特性，因此，单一观测点位且观测时长有限的测风塔或气象站点的风观测资料，通常无法完全反映出较大范围的海上风电场内的风场实际时空分布特征14-15。在海上风电场站实际建设、运维和评估工作中暴露出的现场观测资料数据缺失、观测代表性不足以及资源评估周期长、难度大等问题，也进一步制约了海上风能的研究和发展16-18。随着海上风电产业的发展，为了尽量避免现场风观测存在的误差与缺测等问题，数值模拟技术在风资源评估中逐渐获得重视，其中气象数值模式和计算流体力学数值模式得到了较为广泛的应用19-22。海洋预报40卷气象数值模式在风电领域的应用，在一定程度上降低了实际工程应用中现场测风的难度，摆脱完全依赖固定位置观测点的缺陷，能够有效地评估风电场的风能资源分布状况，为风电场的建设和运行提供重要参考23-25。受制于气象数值模式本身性能与目前大型计算机的运算能力，尽管存在诸多提升模拟性能的方法，但是数值气象预报仍然不可避免地存在一定误差26-28。由于气象数值模式主要关注天气和气候学问题，模式本身的动力框架及配套的参数化方案设置主要为了更好地模拟出格点可分辨尺度的天气和气候现象29-30，因此，即使是风能领域 应 用 最 广 泛 的 中 尺 度 气 象 数 值 模 式 WRF（Weather Research and Forecasting，其空间分辨率通常在330 km左右），其模拟得到的风场精度仍较为有限，很难完全满足风电场开发的实际需求31-32。对于海上风能资源的模拟和评估，虽然WRF模式的风场精度距离风电场实际应用需求还有一定的差距，但其仍然是目前最具应用前景的风场模拟工具之一。前人的研究表明，优化物理参数化方案组合是提高数值预报精度的有效手段33。WRF模式拥有繁多复杂的物理参数化方案，不同方案的组合从根本上决定了模式最终的模拟和预报效果34。目前，绝大多数WRF模式物理参数化方案组合优选是在陆地上进行的，其主要关注了模式在陆地上的模拟性能。然而，海上大气物理过程与陆地存在显著差异，因此前人对于陆地的物理参数化方案组合的优选结果难以完全照搬到海上风能资源评估当中35。为了提高海上风能资源评估中WRF模式对气象要素的模拟和预报精度，使其更好地服务于中国海上风电产业，因此有必要对WRF模式开展以海域为主的物理参数化方案组合的优选和调整，针对中国近海的不同海况，选择最适用的WRF模式物理参数化方案组合。2数据与方法2.1WRF模式与数据介绍本文采用中尺度数值模式WRF对广东、浙江、山东这3个我国主要的海上风能资源储备区开展参数化方案的适用性研究。WRF模式是由美国国家大 气 研 究 中 心（National Center for AtmosphericResearch，NCAR）、美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）以 及 天 气 预 报 系 统 实 验 室（ForecastSystems Laboratory，FSL）等研究机构和大学联合开发的新一代高分辨率、非静力平衡的中尺度数值模式29。WRF模式主要包括前处理模块、同化模块、数值模式主模块以及后处理模块。本文使用的是WRF V3.8版本。本文采用的WRF模拟范围如图1所示。在3个研究区域内分别进行模拟，空间分辨率均为3 km3 km，采用的物理参数组合以及评分方案均相同。垂直分层共50层，根据由模式sigma层到垂直高度的转换计算，能够显示海上风能资源评估最为关注的200 m以下风场以及相关天气系统的精细结构。首先选取45组试验参数化方案，以2017年7月作为模拟时段，分别进行24 h、48 h、72 h的敏感性试验。根据45组敏感性试验的分析结果，筛选出广东、浙江、山东各自模拟效果排名前三的参数化方案组合，结合测风塔观测资料，分别选取冷季（2020年1月为代表）和暖季（2019年7月为代表）检验模拟效果，以此给出适用于3个地区海上风能资源评估的WRF参数化方案组合。本文采用的观测数据包括中国长江三峡集团有限公司海上测风塔的多层观图1本文采用的WRF模拟区域与观测位置示意图Fig.1The WRF simulation domain and observation locationused in this paper66杜梦蛟等：WRF模式中不同物理参数化方案组合在中国近海风能资源评估中的适用性研究1期测数据（本文主要采用100 m高度处的风速、风向）以及中国海洋观测台站的观测资料（观测点位见图1，包括海洋气象、波浪、温度和盐度，经过格式检查、标准化、质量控制和校准等处理形成标准化数据集，其中风速、风向的观测高度为10 m）。除此之外，相应时段的ERA5再分析数据36（全球空间分辨率为 0.250.25，时间分辨率为 1 h）以及 GPM（Global Precipitation Measurement）卫星降水数据37（针对全球雨雪进行测量的国际卫星任务，每3 h对全世界的雨雪进行一次观测）也被用于本文的分析，ERA5及其海温数据作为本文 WRF模拟的初始及边界条件数据。本文共使用18种微物理参数化方案（见表1）、17组大气边界层方案与近地层物理参数化方案组合（见表2）、10组短波与长波辐射方案组合（见表3）进行试验，为方便试验及表述，文中均使用所有方案的简称（见表13）。表 1 本文所用微物理参数化方案及其简称Tab.1 Microphysics parameterization schemes and theirabbreviations used in this study微物理参数化方案KesslerLinWSM3WSM5Eta(Ferrier)WSM6GoddardThompsonMilbrandt 2-momMorrison 2-momCAM5.1SBU-YLinWDM5WDM6NSSL 2-momNSSL 2-mom w/CCN predictionNSSL 1-momNSSL 1-momlfo简称MP1MP2MP3MP4MP5MP6MP7MP8MP9MP10MP11MP13MP14MP16MP17MP18MP19MP21表 2 本文所用大气边界层与近地层物理参数化方案组合及其简称Tab.2 The combination of planetary boundary layer andsurface layer physical parameterization schemes andtheir abbreviations used in this study大气边界层与近地层物理参数化方案组合YSU-revised MM5 Monin-Obukhov schemeMYJ-Eta similarityQNSEMYNN2-revised M-OMYNN2-M-OMYNN2-MYNNMYNN3-revised M-OMYNN3-M-OMYNN3-MYNNACM-revised M-OBouLac-revised M-OBouLac-M-OUW-revised M-OUW-M-OShin-Hong-revised M-OGBM-reivsed-M-OMRF-revised-M-O简称PB1SF1PB2SF2PB4SF4PB5SF1PB5SF2PB5SF5PB6SF1PB6SF2PB6SF5PB7SF1PB8SF1PB8SF2PB9SF1PB9SF2PB11SF1PB12SF1PB99SF1表 3 本文所用短波与长波辐射方案组合及其简称Tab.3The combination of shortwave and longwaveradiation schemes and their abbreviations used inthis study短波与长波辐射方案组合CAM-CAMCAM-RRTMGCAM-RRTMGRRTMG-CAMRRTMG-RRTMGRRTMG-RRTMGNew GoddardRRTMG-CAMRRTMG-RRTMGRRTMG-FAST简称LW3SW3LW3SW4LW3SW24LW4SW3LW4SW4LW4SW24LW5SW5LW24SW3LW24SW4LW24SW242.2方法介绍由于数值模式的输出变量众多，对各个变量模67海洋预报40卷拟的水平也参差不齐。为了研究适用于不同海域的WRF参数化方案组合，经综合评估后选择了下列评估因子：200 hPa、500 hPa、700 hPa、850 hPa 和900 hPa的位势高度、温度、经向风与纬向风，以及地面温度、经向风与纬向风、降水。对于降水以外的变量使用均方根误差（Root Mean Squared Error，RMSE）与相关系数（Correlation Coefficient，CC）进行定量评估。公式如下：RMSE=1Ni=1N(Fi-Oi)2（1）CC=i=1N(Fi-F)(Oi-O)/i=1N(Fi-F)2i=1N(Oi-O)2（2）式中：N是用于计算的总数；Fi是时间i的模拟值；Oi是时间i的再分析/观测资料。RMSE用于评估变量大小，CC用于表征变量变化趋势。在计算RMSE和CC时，由于WRF模拟的分辨率远高于ERA5再分析数据，我们首先利用双线性插值将WRF结果进行处理，分辨率为0.250.25，然后在插值的网格点上进行评估计算。任何数值模式都不可能同时实现对所有气象要素场的最优模拟，因此需要有针对性地选取主要关注的物理量进行评估和检验。海上风能资源研究主要关注近地面/海面的风速，以及与其密切相关的三维位势高度（对应槽、脊、气旋等天气系统）、三维温度（反映斜压性过程等）、降水（反映凝结潜热释放过程等）和三维风速。我们将不同的权重赋予不同层次的要素场（大气边界层内风速的权重系数超过 60%），通过综合排名最终确定最优的物理参数化方案组合。位势高度、温度和风场评估采用式（1）和式（2）。对于降水，首先按照中国气象局的降水量等级（GB/T 285922012）将降水分为小雨、中雨、大雨、暴雨和特大暴雨5个等级，然后采用TS（Threat Score）与 ETS（Equitable Threat Score）评分指标在每个等级内分别进行评估。本文共计算了66个客观评分，加权组合的计算公式如下：CCH=0.1CCH(200)+0.2CCH(500)+0.2CCH(700)+0.2CCH(850)+0.3CCH(900)（3）RMH=0.1RMH(200)+0.2RMH(500)+0.2RMH(700)+0.2RMH(850)+0.3RMH(900)（4）ABH=0.1ABH(200)+0.2ABH(500)+0.2ABH(700)+0.2ABH(850)+0.3ABH(900)（5）RA=0.5RMH+0.5ABH（6）CCT=0.1CCT(200)+0.1CCT(500)+0.1CCT(700)+0.2CCT(850)+0.25CCT(900)+0.25CCT(sur)（7）RMT=0.1RMT(200)+0.1RMT(500)+0.1RMT(700)+0.2RMT(850)+0.25RMT(900)+0.25RMT(sur)（8）CCU=0.05CCU(200)+0.1CCU(500)+0.1CCU(700)+0.15CCU(850)+0.2CCU(900)+0.4CCU(sur)（9）RMU=0.05RMU(200)+0.1RMU(500)+0.1RMU(700)+0.15RMU(850)+0.2RMU(900)+0.4RMU(sur)（10）CCV=0.05CCV(200)+0.1CCV(500)+0.1CCV(700)+0.15CCV(850)+0.2CCV(900)+0.4CCV(sur)（11）RMV=0.05RMV(200)+0.1RMV(500)+0.1RMV(700)+0.15RMV(850)+0.2RMV(900)+0.4RMV(sur)（12）ETLight=0.5ETSLight+0.5TSLight（13）BSLight=|BIASLight-1|（14）ETModerate=0.5ETSModerate+0.5TSModerate（15）BSModerate=|BIASModerate-1|（16）ETHeavy=0.5ETSHeavy+0.5TSHeavy（17）BSHeavy=|BIASHeavy-1|（18）ETTorrential=0.5ETSTorrential+0.5TSTorrential（19）BSTorrential=|BIASTorrential-1|（20）ETExtraordinary=0.5ETSExtraordinary+0.5TSExtraordinary（21）BSExtraordinary=|BIASExtraordinary-1|（22）68杜梦蛟等：WRF模式中不同物理参数化方案组合在中国近海风能资源评估中的适用性研究1期式中：CC是相关系数；RM是均方根误差（为了整套公 式 写 法 的 统 一，将 RMSE 缩 写 成 RM）；AB（Absolute Error）是绝对误差（模拟与观测之差的绝对值）；RA是综合误差指标；ETS是降水ETS评分；TS是降水TS评分；ET是降水组合评分；BIAS是偏差；BS 是 偏 差 指 数；PM 是 综 合 排 名；变 量H、T、U、V分别代表位势高度、温度、纬向风、经向风，下标 200、500、700、850、900、sur 分 别 代 表200 hPa、500 hPa、700 hPa、850 hPa、900 hPa 和地面；Light、Moderate、Heavy、Torrential、Extraordinary分别代表小雨、中雨、大雨、暴雨和特大暴雨。在式（25）和（26）中，NA表示预报事件发生，实况同样发生了的事件；NC表示预报事件不发生，但实况却发生了的事件；NB表示预报事件发生，但实况却没发生的事件；ND表示预报事件不发生，实况也没发生的事件。各个指标对应的权重系数用以确保对近地面风场以及强降水的模拟达到综合最优。具体评估步骤如下：I.对各个方案结果对应的CCH与RA进行排名：将CCH按照从大到小排名，得到各方案排名序列；将RA按照从小到大排名，得到各方案排名序列；将与的排名相叠加，按照从小到大排列，得到位势高度模拟效果的综合排名PMH；叠加排名时如果出现数值相等，则以CCH排名为主对数值相等的变量进行再排名；II.对各个方案结果对应的CCT与RMT进行排名：将CCT按照从大到小排名，得到各方案排名序列；将RMT按照从小到大排名，得到各方案排名序列；将与中的排名相叠加，按照从小到大排列，得到温度模拟效果的综合排名PMT；叠加排名时如果出现数值相等，则以CCT排名为主对数值相等的变量进行再排名；III.对各个方案结果对应的CCU与RMU进行排名：将CCU按照从大到小排名，得到各方案排名序列；将RMU按照从小到大排名，得到各方案排名序列；将中的排名与中的排名乘以1.25相叠加，按照从小到大排列，得到纬向风模拟效果的综合排名 PMU；叠加排名时如果出现数值相等，则以RMU排名为主对数值相等的变量进行再排名；IV.对各个方案预报结果对应的CCV与RMV进行排名：将CCV按照从大到小排名，得到各方案排名序列；将RMV按照从小到大排名，得到各方案排名序列；将中的排名与中的排名乘以1.25相叠加，按照从小到大排列，得到经向风模拟效果的综合排名PMV；叠加排名时如果出现数值相等，则以RMV排名为主对数值相等的变量进行再排名；V.将各个方案纬向风模拟效果的综合排名PMU与经向风模拟效果的综合排名PMV相累加，按从小到大排名，得到各方案对风场模拟的排名序列PMW；叠加排名时如果出现数值相等，则以PMU排名为主对数值相等的变量进行再排名；VI.对各个方案的ET与BS进行排名：将 ET按照从大到小排名，得到各方案排名序列；将 BS按照从小到大排名，得到各方案排名序列；将与中的排名相叠加，按照从小到大排列，得到降水模拟效果的综合排名PMP；叠加排名时如果出现数值相等，则以ET排名为主对数值相等的变量进行排名；VII.叠加排名：PMH+PMT+2PMW+2PMP，按从小到大排列，获得各方案的最终综合排名PM，由此确定最优物理参数化方案。考虑到对WRF所有的参数化方案进行遍历测试需要庞大的计算能力和计算时间，为了有效且合ET=0.1ETLight+0.15ETModerate+0.3ETHeavy+0.3ETTorrential+0.15ETExtraordinary（23）BS=0.1BSLight+0.15BSModerate+0.3BSHeavy+0.3BSTorrential+0.15BSExtraordinary（24）TS=NA/(NA+NB+NC)（25）ETS=(NA-R(a)/(NA+NB+NC-R(a),R(a)=(NA+NB)(NA+NC)/(NA+NB+NC+ND)（26）69海洋预报40卷理地进行研究，本文按照 TOPSIS（Technique forOrder Preference by Similarity to an Ideal Solution）模式优化方法38，首先通过客观的综合评估确定效果最优的微物理参数化方案，并对模式的边界层及近地层方案组合进行试验，最后通过客观的综合评估确定效果最优的长波及短波辐射方案组合。由此可以得到3个目标区域各自最优的微物理参数化方案、大气边界层与近地层物理参数化方案组合、短波与长波辐射方案组合。3WRF模式参数化方案组合的优选和评估本节将围绕广东、浙江、山东这3个我国主要的海上风能资源储备区，通过对历史时段（2017 年 7月）45组物理参数化方案敏感性试验的24 h、48 h、72 h模拟结果进行综合评估，优选适用于中国近海不同区域的物理参数化方案组合。由于45组历史时段的试验数据量大、检验变量及步骤较多，因此将主要以广东区域的试验为例进行说明。3.1微物理参数化方案评估从广东近海区域 24 h物理参数化方案敏感性试验的模拟结果可以看出（见表4），MP13对于纬向风和经向风的模拟结果较好，对其他变量的模拟排名也相对较高，因此在 18个方案中综合排名第 1；MP18和MP19分列第2名和第3名。MP13综合效果最优的原因主要在于其包含了一个诊断淞化强度变量39，该变量对于云内的冰相特征有较好的修正效应，能够更好地模拟广东地区的云微物理过程，尤其是对流较旺盛（广东近海地区水汽充沛，不稳定能量大，对流旺盛）的冰相云过程（此类云凝结潜热释放更大，对大气的动力和热力影响更显著），因此，其所模拟大气的三维动力和热力状态更接近于实际大气。在广东区域48 h和72 h敏感性试验中（图略），MP13的综合排名同样为18个微物理参数化方案的第1名，MP10和MP9分别为第2名和第3名。在浙江区域 24 h、48 h和 72 h的敏感性试验中（图略），MP10与MP13的综合排名并列第1，进一步结合近地面风场的模拟结果可以发现，MP10的效果更优，MP13为第2名，MP11为第3名。山东区域的敏感性试验中结果为 MP9排名第 1，MP10和 MP7分别为第2名和第3名（图略）。由此不难看出，我国不同区域近海风能资源适用的微物理参数化方案存在着一定差异，但排名前三的方案中有个别方案相同。3.2大气边界层与近地层物理参数化方案评估在选用每个区域综合最优的微物理参数化方案的基础上，我们进一步对17组边界层方案开展敏感性试验，采用类似的方法选取适用于不同区域的大气边界层与近地层物理参数化最优方案。以10 m纬向风的模拟结果为代表（见图2），从图中可以看出，尽管在多数时间内，不同边界层方案的模拟效果差异不是非常明显，但整体会对数值模拟结果有一定影响。例如，不同方案在48 h敏感性试验的 CC 相差可超过 0.3，72 h 敏感性试验的RMSE相差近2倍。这主要是由于风能资源评估所关注的风场变化基本都发生在大气边界层内，其层表4 18种微物理参数化方案对广东区域24 h模拟结果的各指标单项排名及综合总排名Tab.4 The individual and comprehensive rank of the 24-hour simulation results of 18 microphysics parameteriza-tion schemes for each index in Guangdong方案123456789101113141617181921高度场189175161087134113215161214温度场171516513111211048691814327纬向风151117101814128976413161325经向风171115101814549781121632613合风速161216111814959673131712410降水量315116161381421014918127517总排名12151671714109854111186231470杜梦蛟等：WRF模式中不同物理参数化方案组合在中国近海风能资源评估中的适用性研究1期结状态和湍流状态主要受边界层过程影响，相关的物理过程可以从动力（地面摩擦、湍流交换、变压风等）与热力（大气层结稳定度、感热、潜热通量交换等）两方面影响整个三维大气，从而对最终的模拟效果产生显著影响。按照式（3）（24）进行综合评估，在广东区域24 h、48 h和72 h的敏感性试验中，PB5SF1排名第1，PB1SF1和 PB99SF1分别为第 2名和第 3名。浙江 区 域 的 前 3 名 分 别 是 PB5SF1、PB1SF1 和PB99SF1（图 略）。山 东 区 域 的 前 3 名 分 别 是PB99SF1、PB6SF1 和 PB9SF1（图略）。相较于 3 个区域的微物理参数化方案，不同区域之间适用的大气边界层与近地层参数化方案的差异较大，表明3个区域的边界层特征存在较大差异。广东区域排名第1的PB5是一个局地闭合的参数化方案，并加入了凝结过程，对于广东近海相对潮湿与不稳定层结频繁出现的大气边界层过程有着更好的刻画40；山东区域排名第1的PB99则采用了局地的、稳定度依赖的扩散方案，该方案对大气边界层的热力特征有着更敏感的反应，更适用于稳定度多变的大气边界层41。3.3短波与长波辐射方案组合评估采用同样的方法对短波与长波辐射方案组合进行综合评估，得到广东区域的前 3 名方案为图217组大气边界层与近地层物理参数化方案对广东区域10 m纬向风的模拟效果（区域内所有格点的区域平均）Fig.2The results of 17 groups of boundary layer and near-surface schemes in simulating the 10 m zonal wind in Guangdongregion（the average of all grid points in this area）71海洋预报40卷LW3SW4、LW5SW5 和 LW4SW24，浙江区域的前 3名方案为LW3SW3、LW3SW24和LW3SW4，山东区域 的 前 3 名 方 案 为 LW3SW24、LW3SW3 和LW5SW5。由此可见，长波辐射方案基本以LW3为最优，可能由于其适用于我国近海多种气溶胶共存的情形，而短波辐射方案的差异主要体现在对云体垂直变化的刻画上（图略）42。按照式（3）（24）进行综合评估，分别得到广东、浙江、山东3个区域数值模拟的综合最优参数化方案。广东地区的结果为：第一为MP13、PB5SF1、LW3SW4；第二为MP10、PB1SF1、LW5SW5；第三为MP9、PB99SF1、LW4SW24。山东地区的结果为：第一 为 MP9、PB99SF1、LW3SW24；第 二 为 MP10、PB5SF1、LW3SW3；第 三 为MP7、PB9SF1，LW5SW5。浙 江 地 区 的 结 果 为：第 一 为 MP10、PB5SF1、LW3SW3；第 二 为 MP13、PB1SF1、LW3SW24；第三为 MP11、PB99SF1、LW3SW4。在近地面要素的预报中，这些方案的模拟效果相对较好，而物理参数化方案存在差异的最主要原因是不同地区的地理与天气气候特征之间存在差异。值得注意的是，每种方案组合是根据2017年7月的模拟值与 ERA5 再分析数据对比得到的综合最优结果。某一方案是否切实符合实际需求，仍然需要在不同时段与实际测风及观测资料进行对比评估，来探究该方案的适用性。4物理参数化方案组合在不同海域风能资源评估中的适用性分析结合海上测风的观测时间，我们分别挑选2019 年 7 月代表暖季，2020 年 1 月代表冷季，对广东、浙江、山东开展 1 M 不间断的数值模拟，以此研究每个地区排名前3的物理参数化方案组合（以下分别简称 phys1、phys2、phys3）的实际效果；同时，充分结合现场观测结果（优先选取海上测风塔100 m高度处的资料进行评估分析，若模式区域和相应时段缺乏该资料，则使用海洋观测台站 10 m高度的观测资料进行补充和替代以完成评估分析），分析不同季节背景下 WRF 模式物理参数化方案在我国近海不同海域风能资源评估中的适用性。4.1广东区域的适用性分析鉴于大气复杂的热力学和动力学状态，首先选取包括近地面风场、温度场和海平面气压以及分级降水的近地层变量进行适用性分析（图略）。综合冷季和暖季结果，phys1对于暖季具有最优的模拟效果，其在冷季也有良好的表现，而phys2与phys3的模拟效果相当。对于海上风能资源评估最为关注的近地面层不同高度的风场模拟，我们选择采用中国长江三峡集团有限公司海上测风塔的观测资料开展适用性分析。值得注意的是，在与测风塔资料进行对比时，需将WRF模式的模拟数据按测风塔不同测量高度进行插值，并选取海上测风塔100 m高度处的数据为重点分析对象。由广东区域暖季结果可见（见图3），WRF模式对于风速的模拟优于瞬时变化较为剧烈的风向模拟，不同方案对于风向的模拟没有明显差距。而冷季风速廓线结果则表明（见图4），3种方案在不同高度处对风速模拟的相关系数存在一定差异，最大差异约为5%。将广东区域冷季和暖季风速与风向模拟结果与实际测风数据进行验证，原本综合排名第 3 的phys3 反而具有最优的模拟再现能力，phys1 和phys2分别排在第2名和第3名。由此说明，大气边界层内的风场随季节和高度的不同，也会存在显著变化，100 m以下的常值通量层内包含了复杂的湍流过程，不同方案组合在不同垂直层中对湍流过程描述的性能好坏也不同，难以保证全层均为最优。受到不同参数之间的协同作用和影响，物理参数化方案单项最优的组合不一定完全适用于实际的风场变化，经过实际观测的检验，才能得到更为合理、准确的风能资源模拟和预报适用性综合最优方案。4.2浙江区域的适用性分析在对浙江区域暖季的各项评估中，phys1的温度、气压和降水的模拟结果均为最优（图略）。由于浙江区域内没有获取到完整的测风塔观测数据，因此选用海洋观测站的10 m风速、风向观测资料，开展此区域物理参数化方案对风能资源模拟和预报的适用性分析。从图5可以看出，phys1的风速相关系数较其它72杜梦蛟等：WRF模式中不同物理参数化方案组合在中国近海风能资源评估中的适用性研究1期两组方案有一定的提高，这说明在风场的一致性上，phys1表现性能相对最优。在风速模拟的RMSE中，3种方案组合在不同时间段表现各异，相较而言phys1 的 RMSE 略偏低，但在月末阶段其 RMSE 相对偏高。总体而言，phys1与phys3的风速RMSE较小，但3种方案对风向的模拟均与实际观测差距较大（图略），对于适用性评价的参考性相对较低。在对浙江区域冷季的各项评估中，phys1的结果依然相对最优。但是，从图6也可以看出，各方案对风向的模拟都存在着较大的误差，RMSE最大接近300，CC也反映出模拟风向与实际观测风向相差较大，个别时间的风向CC接近-0.9，类似的特征也体图3广东区域2019年7月（暖季）的100 m高度风速和风向模拟结果评估Fig.3The simulation results of 100 m wind speed and wind direction in Guangdong in July 2019（warm season）图4广东区域2020年1月（冷季）的风速廓线模拟结果评估Fig.4The simulation results of wind speed profile in Guangdong in January 2020（cold season）73海洋预报40卷图5浙江区域2019年7月（暖季）的10 m风速模拟结果评估Fig.5Evaluation of the simulation results of 10 m wind speed in Zhejiang in July 2019（warm season）图6浙江区域2020年1月（冷季）的10 m风向模拟结果评估Fig.6Evaluation of the simulation results of 10 m wind direction in Zhejiang in January 2020（cold season）74杜梦蛟等：WRF模式中不同物理参数化方案组合在中国近海风能资源评估中的适用性研究1期现在暖季风向的结果中。这说明这些误差不依赖季节变化，也无法通过不同物理参数化方案组合进行明显改进，这主要是来自WRF模式本身的误差，尤其是下垫面的地形变化。同时，选取的海洋观测站的风速、风向为一定观测时间段内的统计平均值，一定程度上存在跟WRF输出的瞬时风速、风向不匹配问题，而图3由于采用海上测风塔瞬时观测值进行对比，风向的RMSE明显减小。除此之外，如果采用海洋与大气耦合模式或大气与海浪耦合模式，可能会进一步减小WRF模拟的中国近海的风速、风向误差。总体而言，3种方案在风场模拟的量值方面差异不大，但在时间变化上存在一定的模拟误差，phys1的风速、风向模拟相对于另外两组方案具有一定优势。结合ERA5再分析资料以及GPM卫星降水数据的评估结果，我们认为phys1是最适用浙江区域WRF模式的物理参数化方案组合。4.3山东区域的适用性分析通过与 ERA5再分析数据和 GPM卫星降水数据进行对比，结果均显示phys1对山东区域冷季和暖季的近地层具有最好的模拟效果（图略）。在暖季100 m高度处风场的评估中（图略），3 组方案组合的模拟性能整体变化较为一致，phys1 的 CC 最大而 RMSE最小，因而具有相对最优的模拟效果，这也与再分析资料评估的结果一致，表明phys1优于其他两组方案。在山东区域的冷季模拟中（见图7），相较其它近地面层变量（如温度、降水等），phys3对于风场的模拟有着较为显著的提升，其风速模拟的CC变大且RMSE减小。这主要是由于随着季节的变化，大气中的主导天气系统出现变化，产生大风的物理机制也由暖季的对流性转化为冷季的斜压性，因此phys3的模拟性能有了显著提高，与phys1的模拟效果几乎相当。综合上述分析，结合山东地区暖季100 m高度处风场和冷季近地面风场的模拟评估结果，尽管在冷季时phys3的模拟效果有显著提升，但考虑风能资源完整年观测和评估的需求，以及全年整体模拟图7山东区域2020年1月（冷季）的10 m风速预报结果模拟Fig.7Evaluation of the simulation results of 10 m wind speed in Shandong in January 2020（cold season）75海洋预报40卷效果的稳定性，我们仍然选择冷、暖季模拟效果均较为优秀的phys1为适用于山东区域海上风能资源评估模拟的WRF物理参数化方案。5总结与讨论本文通过大量WRF模式的敏感性试验、连续模拟试验及其与海上实测数据的交叉验证，设计了海上风能资源的科学综合评分方法，检验了常规的近地面层气象要素，且对海上风能资源关注的要素进行了重点加权考量，研究了适用于我国不同海域的WRF模式的参数选取和优化方案。对于WRF模式在海上风能资源评估中准确性不足的问题，本文也提供了适用于不同海域的参数化方案建议。结论如下：（1）针对2017年7月开展综合评分，根据45组敏感性试验的结果，从不同的方案组合中确定了广东、浙江、山东各省的综合评分排名。（2）分别选取2019年7月与2020年1月作为暖季与冷季代表进行了1 M的数值模拟，并用于确认优选结果的适用性。对于暖季，综合评分的最优方案组合对近地层风场、温度场和海平面气压场的模拟均为综合最优；对于冷季，由于其天气系统及物理过程的差异，综合评分的最优方案组合的模拟效果有一定的下降，但仍然在风场方面具备较好的模拟再现能力。（3）与海上测风塔与海洋观测站的测风资料进行对比，结果表明，广东区域的风场模拟效果最好，在其近海风能资源评估中适用性最好的参数化方