EN中文

地理科学 >

2021 , Vol. 41 >Issue 4: 717 - 727

DOI: https://doi.org/10.13249/j.cnki.sgs.2021.04.018

1964—2019年辽宁省平均风速时空演变特征及其影响因素

  • 范帅邦 , 1 ,
  • 肖春柳 2 ,
  • 曹永强 , 2 ,
  • 高璐 3
展开
  • 1.东北财经大学公共管理学院，辽宁 大连 116025
  • 2.辽宁师范大学地理科学学院，辽宁 大连 116029
  • 3.大连理工大学水利工程学院，辽宁 大连 116024
曹永强，教授。E-mail:

范帅邦（1987−），男，辽宁大连人，博士，讲师，主要从事自然地理、经济地理、环境政策研究。E-mail:

收稿日期: 2020-11-03

  修回日期: 2021-03-10

  网络出版日期: 2021-06-04

基金资助

国家自然科学基金(51779114)

辽宁省自然科学基金(2020-BS-222)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Multiscale Analysis of Wind Speed and Its Influencing Factors in Liaoning Province From 1964 to 2019

  • Fan Shuaibang , 1 ,
  • Xiao Chunliu 2 ,
  • Cao Yongqiang , 2 ,
  • Gao Lu 3
Expand
  • 1. School of Public Administration, Dongbei University of Finance and Economics, Dalian 116025, Liaoning, China
  • 2. School of Geographical Sciences, Liaoning Normal University, Dalian 116029, Liaoning, China
  • 3. School of Hydraulic Engineering, Dalian University of Technology, Dalian 116024, Liaoning, China

Received date: 2020-11-03

  Revised date: 2021-03-10

  Online published: 2021-06-04

Supported by

National Natural Science Foundation of China(51779114)

Natural Science Foundation of Liaoning Province(2020-BS-222)

Copyright

Copyright reserved © 2020.
Fold

摘要

风的变化程度和强弱会引起其他气象要素变化，探究风场时空分布及其历史变化规律，可为气候预报预测和风能科学利用提供重要参考。基于1964―2019年辽宁省23个气象站点风速及其他气象因子的逐日监测数据，利用小波分析及经验正交分解法对近56 a辽宁省风场、风速时空变化特征进行分析，并结合主成分分析法揭示其影响因素。结果表明：① 1964―2019年间辽宁省平均风速呈显著降低的态势，下降速率为0.13 m/(s·10a)，月尺度上呈现出“双峰型”变化特点，季尺度上表现为春季>冬季>秋季>夏季，均未发生明显的突变现象。② 年际和年代际平均风速的空间分布均呈现以中部地区为中心、东西两侧逐渐降低的演变格局，但年代际风速高值区逐渐由带状转变为点状分布。③ 平均气温和日照时数的变化是辽宁省平均风速减弱的主要原因，日照时数的减少和平均气温的增加促使了平均风速的下降。

关键词： 平均风速; 时空演变特征; 经验正交函数分解（EOF）; 主成分分析; 辽宁省

本文引用格式

范帅邦 , 肖春柳 , 曹永强 , 高璐 . 1964—2019年辽宁省平均风速时空演变特征及其影响因素[J]. 地理科学, 2021 , 41(4) : 717 -727 . DOI: 10.13249/j.cnki.sgs.2021.04.018

Abstract

The degree and strength of the wind will cause changes in many meteorological elements. Exploring the temporal and spatial distribution of the wind field and its historical changes can provide important references for climate forecast and scientific utilization of wind energy. Based on the daily monitoring data of wind speed and other meteorological factors data of 23 meteorological stations in Liaoning Province from 1964 to 2019, this paper analyzed the spatial and temporal variation of the wind field and wind speed in Liaoning Province by multi-scale analysis using Empirical Orthogonal Function (EOF), Morlet wavelet analysis and Mann-Kendall non-parametric test. The results show that: 1) During 1964-2019, the average wind speed in Liaoning Province presented a significant decrease with a rate of 0.13 m/(s·10a). Further, this paper indicated that the bimodal distribution is a characteristic of intra-year trend analysis. The four seasons in a year were listed in the sequence as follows based on descending order of the decreasing rate value: spring, winter, autumn and summer. However, no abrupt changes were evident at all scales. 2) The spatial distribution of the average wind speed showed an evolutionary pattern centered on the central region and gradually decreased from east to west on both interannual and interdecadal scales, but the high-value area of the latter gradually changed from strip to point-like distribution. 3) The increase in average temperature and decrease in sunshine hours contributed more to the weakening of the average wind speed in Liaoning Province in the past 56 years. The results of the study provide a theoretical basis for the prevention and mitigation of wind disasters and the scientific utilization of wind energy in the region.

Key words： average wind speed; spatial and temporal evolution characteristics; Empirical Orthogonal Function (EOF); principal component analysis; Liaoning Province

风是气象学中的基本要素之一，其形态变化程度和强弱均会引起其他气象要素发生变化。风速是进行气候变化、大气污染评价等研究的重要指标[1]。风力过强会造成城市基础设施的破坏，并给居民生活带来诸多不利影响。因此，明确风速变化特征对于合理开展防风御风与环境治理工作有十分重要的意义。此外，在全球气候变暖和能源危机的背景下，开发和利用清洁、可再生的新能源已成为中国能源可持续发展战略的重要组成部分，而风能凭借着其建设周期短、环境要求低、储量丰富、利用率较高等特点在世界各国得到了持续快速的发展[2,3]。2006年，中国《可再生能源法》明确规定了风能等可再生能源的法律地位，并将可再生能源作为能源发展的优先事项[4]。在这样的战略背景下，中国的风电产业及风能资源评估研究蓬勃开展，对于风的相关研究也越来越重视。已有研究表明，近年来多地区平均风速在不同时间尺度上均表现出下降的趋势，其中，中国、澳洲和欧美等中纬度国家的风速以0.004~0.017 m/（s·a）的速率递减[5]，加拿大西海岸地区在1975—2006年平均风速下降速率为0.009 m/（s·a）[6]，而欧洲、中亚、东亚及北美区域风速也呈现出显著下降趋势，速率分别为0.09、0.16、0.12和0.07 m/（s·10a）[7]。风速下降在国内也是一个普遍存在的现象，东北、华北、西北、西南地区分别以0.23[8]、0.16[9]、0.12[10]、0.24 m/（s·10a）[11]的速率呈现递减趋势。对于风速变化原因，各学者观点不一。研究表明海表温度降低对风速减小的贡献率达6%~15%[12]，而大气环流[13]、下垫面条件[14]的改变也是影响风速减小的重要因素；此外，城市化过程对风速属性特征的影响也颇受关注[15]。现如今，受资源、环境等问题的严重困扰，深入探究区域风速特征，对于充分利用清洁风能、风能产业优化布局、缓解现代资源危机以及防灾减灾等方面意义重大。
辽宁省位于中国东部沿海地区，受风影响的时间长、范围广，风速变化特征具有一定的典型性。辽宁省是东北地区重要省份，农业的发展程度较高，由于长期受大风等恶劣天气影响，农业受灾范围广，经济损失严重[16]。同时，辽宁省是能源消耗大省，历史上大规模的开发使省内常规能源濒临枯竭[17]。但新能源发展迅速，据国家统计局发布数据显示，2019年辽宁省风力发电量达153.1×108 kWh，风力发电已经取代水电成为辽宁省第二大能源来源[17]。当前，风速变化特征的研究已经成为热点问题之一，但其针对辽宁省的研究较少，且存在一定局限性：一是多数研究聚焦省内特定区域，缺乏全省域的综合研究[18]；二是对风速时空演变特征的成因分析还不够深入[19,20]；三是区域风速特征及其变化规律的研究对于防灾减灾和风能产业规划的指导还有待进一步深化[21,22]。鉴于此，本文选取辽宁省为研究区域，多尺度解析其风速变化特征，以期为该区域农业生产、城市建设及风能资源的合理开发与优化利用等提供科学依据。

1 研究方法与数据来源

1.1 研究区概况

辽宁省地处东北平原南部（图1），地形东西两侧较高，中部地区平坦。该区位于季风气候区，雨热同期，年均气温8.8 ~10.7 ℃。由于距海近，风力较强，大风及雨雪天气频发。大风作为辽宁省主要气象灾害之一，影响范围相对较广。2010年4月8日，辽宁省部分地区出现瞬时风力达26.7 m/s的大风天气，造成阜新市农业受损总面积达4.25 km2，损坏蔬菜保护地棚室数千栋[16]；2014年6月19日，朝阳市建平县遭受大风袭击，农作物受灾严重，直接经济损失高达4 000万元[23]。
图1 辽宁省气象站点分布

Fig. 1 Spatial distribution of meteorological stations in Liaoning Province

1.2 数据来源及处理

依据数据连续性、完整性及站点一致性标准[24,25]，本文选取了1964—2019年辽宁省数据完整且分布均匀的23个气象站点（图1）的逐日气象观测数据合成的月值数据，包括风速、气温、降水、日照时数等，数据来源国家气象局数据信息中心（ http://data.cma.cn/wa）。在数据预处理过程中若出现个别数据异常或者缺失时，采用线性内插法进行订正插补；若出现某个站点大部分数据缺测时，通过插值法和回归方程法进行处理[13]。选取数据完整且变化相对稳定的沈阳站为基本站，若缺测站与基本站地理环境相近时，采用风速差常数进行订正，反之采用建立线性回归方程实现插补和数据的延伸。

2 研究方法

2.1 小波分析

小波分析是一种常见的多尺度分析方法，可以从不同尺度上对信号进行识别和获取，一般用来分析气候序列中的周期性及其波动。本文采用Morlet函数[26]对辽宁省1964—2019年平均风速进行周期性分析，通过此方法可直观且形象地展示出辽宁省平均风速在年际范围内的周期性变化。

2.2 曼−肯德尔（Mann-Kendall）法

曼−肯德尔（Mann-Kendall，M-K）法具有较强规律性和稳定性，可以较准确地得到研究目标在一定时间尺度内的变化趋势。UF、UB 2个统计量的值正负分别代表时间序列呈上升或下降趋势[27]，当2个统计量之间有一个交叉点，且该交点位于显著性检验线之间时，表明在该时间范围内研究对象发生突变，反之则无。本文应用参数UF和UB的走向及交点情况判别各季节平均风速的趋势变化程度及突变点分布。

2.3 经验正交函数分解（EOF）法

经验正交函数（Empirical Orthogonal Function，EOF）是一种被广泛应用于提取主要数据特征量的方法，它能够将原始变量分解为一系列正交函数，并有效地使原信息集中反映在前几个模态上，且分离出的空间结构具有重要的物理意义[28,29]。经此分解的特征向量能直观反映出气象因子的时空分布特征，其数值大小还可以反映出要素的变化程度[30]。

3 研究结果

3.1 风速的时间变化特征

3.1.1 年际变化
1964—2019年辽宁省年平均风速年际变化相对较大（图2），以−0.13 m/（s·10a）的速率呈显著下降趋势（P<0.05）。多年平均风速为2.99 m/s，最小值出现在2019年，为2.19 m/s，而最高值出现在1969年，为3.67 m/s。赵露露[31]研究指出，1956—2014年辽宁省地表平均风速呈明显减弱趋势，变化速率为−0.18 m/（s·10a），本文研究结果与之保持一致。辽宁省平均风速年际变化在时间尺度上呈现明显差异性（图2a），1964—1990年平均风速显著下降，下降幅度超过56 a间平均下降幅度，此时下降幅度为−0.25 m/（s·10a）；1991—2012年，平均风速有小幅上升趋势，但整体仍以下降趋势为主，此时变化幅度为−0.22 m/（s·10a）；而2013—2019年，平均风速呈现明显增加趋势，但平均风速仍低于56 a来的均值。从20世纪80年代起，中国进入较为稳定的发展阶段，经济发展水平的提高带动了城市化发展进程，然而这一高速发展的背后是城市下垫面的不断人为改变以及其造成的近地层风能密度的不断减弱，这已引发了中国近地层风能蕴藏规划的新思考[15]。由图2a还可知，辽宁省年平均风速累计距平在近56 a中呈逐渐降低趋势，除20世纪60年代及70年代初期为正距平状态，其余均呈负距平状态。分阶段分析发现，累计距平在1964—1974年变化量较小，说明此时风速变化基本保持平稳。而在1975—1990年显著降低，在1991—2001年期间保持平稳，最后在2002年又再次显著下降，可以说明1975—2019年是年平均风速主要呈现下降趋势的时期。而进行Mann-Kendall突变检验法发现，研究序列下年均风速无突变现象发生，UF值在1980—1981年之间超过了P=0.05显著性水平，说明从1981年开始年均风速呈现显著性降低趋势。
图2 1964—2019年辽宁省平均风速的年际变化（a）及M-K趋势检验（b）

Fig. 2 Interannual variation (a) and M-K trend test (b) for average wind speed in Liaoning Province from 1964 to 2019

3.1.2 年内变化
辽宁省风速在月尺度上呈现明显“双峰型”变化特点，同时表现出在月尺度上差异较大的特性，变化范围在1.73~4.54 m/s（图3a）。4月份风速最高，此时是风沙灾害高发时期，需要加强防范。4月之后平均风速逐渐转变为降低态势，8月份平均风速均值全年最低，由于正处雨季且植被生长茂盛，防风和抗风的能力较强，因此风速达到一年中的最小值。按照当地气候，春季为3—5月，夏季为6—8月，秋季为9—11月，冬季为12月至次年2月，最大地表风速出现在春季（图3b），约为3.66 m/s，该时段内辽宁省气温迅速回升，暖气团活动频繁，季风活动导致风速较大。最小值出现在夏季，该时段全区普遍高温，气流活动减弱，风速较低，为2.54 m/s。其它两季风速相差较小，由于受北部南下的冷气团影响，冬季风速则略高于秋季。
图3 辽宁省1964—2019年月（a）及季（b）平均风速

Fig. 3 Monthly（a）and quarterly（b）average wind speeds in Liaoning Province from 1964 to 2019

通过对辽宁省各季节平均风速的变化趋势分析发现（图4），其与全年平均风速变化保持一致，都呈现显著降低趋势，表现为春季0.24 m/(s·10a)>冬季0.20 m/（s·10a）>秋季0.14 m/（s·10a）>夏季0.13 m/（s·10a）。利用Mann-Kendall突变检验法进一步研究表明，四季的指标参数UB和UF两线交点均未通过0.05显著性检验，春、夏、秋、冬四季的平均风速均无突变产生。而四季的UF值均超过临界线，表明其下降趋势显著，超过临界线的时间分别为1983年、1983年、1982年和1983年，说明秋季是风速下降开始最早的季节。已有研究表明，在全球变暖背景下，大气环流变化是辽宁省四季风速减小的重要因素[13]。由于秋季是夏冬季节间的过渡时期，辽宁省主要受蒙古高压边缘控制，且控制系统刚刚形成，因此秋季风速首先减弱。与图2b获得的结论相比较发现，四季年均风速下降时间略晚于年尺度下平均风速，然而自1983年起无论是年尺度还是季尺度，辽宁省风速都转变为显著性降低的变化趋势。
图4 1964—2019年辽宁省四季平均风速M-K趋势检验（a）春季（b）夏季（c）秋季（d）冬季

Fig. 4 M-K trend test of seasonal average wind speed in Liaoning Province in 1964—2019（a）Spring（b）Summer（c）Autumn（d）Winter

3.1.3 周期分析
采用Morlet连续复小波变换分析方法，对辽宁省历年平均风速做周期性分析（图5a）发现，辽宁省平均风速在年尺度上表现出较为明显的周期性变化趋势，其中在25~45 a大尺度上的周期性震荡变化表现最为明显；15~25 a尺度上也经历了多个尺度的循环。由小波方差图（图5b）表明，辽宁省年均风速在2个尺度下的小波方差极值表现最为明显，第一个峰值为36 a左右，为震荡主周期，其次是22 a左右的次周期。
图5 1964—2019年辽宁省平均风速小波变化分析

Fig. 5 Morlet wavelet analysis of average wind speed in Liaoning Province in 1964—2019

3.2 风速的空间变化特征

3.2.1 年际平均风速空间变化
从辽宁省1964—2019年年均风速空间分布图（图6）发现，年均风速具有明显的空间差异性，呈现由中部向两侧地区逐渐减弱的趋势。辽宁省的中部地区主要以低海拔平原与低矮台地为主，受地形起伏影响，山谷风盛行。加之受独特的喇叭口地形影响较大，使进入的西南气流由开阔地带流入喇叭口地形时，狭管效应表现明显，风速显著增大，形成局地大风带，使近地面风速较高。高值区内黑山、熊岳、瓦房店、营口等地的地表覆被以农作物为主，可适当安装高功率风电机组，实现风能资源的综合利用。风速最低值在宽甸，由于下垫面摩擦力导致湍流增多，当其在迎风坡与背风坡相遇时会产生回旋乱流，风速减弱，因此风能资源开发利用价值降低。此外，南部及东部地区濒临海洋，受海洋气流影响较大，海风盛行，例如辽东湾地区正处于风力密集区，应充分挖掘该地的风能发展潜力，适当规划建设近海陆域风力发电场和海上风力发电场等，对此区域进行大规模的风能开发。但由于平均风速在春、秋两季相对较高，对航海出行及其他水事活动造成不利影响，建议根据气象条件的变化采取相关防范措施，如合理调整港口开放时间、增加防风预警预报等。
图6 1964—2019年辽宁省年平均风速空间分布

Fig. 6 Spatial distribution of average wind speed in Liaoning Province in 1964-2019

3.2.2 年代际平均风速空间变化
辽宁省年代际平均风速空间分布如图7所示，空间异质性显著，但整体上仍遵循中部风速偏高，东西部两侧风速较低的规律；此外，平均风速年代间变化程度相对较小，但高值区的空间分布面积逐渐缩小，表现为覆盖范围由带状逐渐分裂为点状。在20世纪60年代风速年均值最大，达4.22 m/s，年均风速高于3.73 m/s的区域包含阜新、黑山、锦州、营口、熊岳、瓦房店及大连等站点，高值区范围较大；年代际平均风速随后缩小，直到21世纪10年代高值区范围又有所扩大，其范围主要分布于彰武、黑山及营口向南至大连一带，年代平均风速为3.11 m/s，但仍小于20世纪60年代，与其相比减弱了4.6%；辽宁省东部和西部地区年代际间平均风速变化相对和缓，且随着时间的推移，风速有逐渐降低趋势。年代际平均风速变化与所在纬度地区的地形、植被覆盖、人类活动等具有直接关系，但由于不同地区对其响应存在差异性，平均风速的变化程度也各不相同。
图7 1964—2019年辽宁省各年代平均风速空间分布

Fig. 7 Spatial distribution of average wind speed on a decadal time scale in Liaoning Province in 1964-2019

3.3 年均风速变化EOF分析

EOF法结合North检验进一步对辽宁省年均风速空间展开模态进行分析发现，前4个模态已通过置信度为95%的检验，其中前3个模态的方差贡献率分别为59.59%、13.34%、10.54%，累计贡献率高达83.47%（表1），因此前3个模态已经可以较好的反映出年均风速变化的主要特征。表1显示，第1载荷向量方差贡献率占总方差的59.59%，远大于后面各载荷向量的方差贡献，并且第1载荷向量场取值既有正值，也有负值，这说明第1个载荷向量基本代表了辽宁省年均风速的变化情况（图8）。空间上，高值区主要分布在辽宁省中部偏西及南部沿海地区，为近56 a来辽宁省年平均风速变化敏感的中心地区，这是由于中部地区主要为山谷及平原地区，平均海拔较低，而同高度自由大气间随日、夜间太阳辐射及大气环流状况不同，容易形成小型区域环流系统，山风、谷风对比明显，故平均风速变化显著。相对而言，南部地区临近海洋，受风影响时间长、面积广，平均风速变化明显高于全省其他地区。
表1 EOF前4个模态对总方差贡献率和累计贡献率

Table 1 Statistical results for the first 4 modalities obtained by Empirical Orthogonal Function （EOF）

序号 EOF
方差贡献率/% 累计贡献率/%
模态1 59.59 59.59
模态2 13.34 72.93
模态3 10.54 83.47
模态4 8.54 92.01
图8 EOF分析前3个模态的空间分布

Fig. 8 Spatial distribution of the first three modes of EOF

第2模态的贡献占方差贡献的13.34%，在空间分布上表现由西北向东南逐渐降低趋势，其中负值范围分布较为广泛，主要分布在辽宁省东北部及中部大部分地区，分布范围约占全省面积的3/4，负值中心出现在东部恒仁及南部庄河等地，而正值区域仅集中于辽宁省西南部地区。距海洋远近、海拔高低不同的地域差异，促使山地丘陵地区与南部沿海地区大气活动及气压场分布状况有所差异，导致年均风速气流活动不同，从而形成不同的风速变化格局。
第3模态中各区数值呈明显带状分布，高值区出现在庄河、大连等地，而次高值区横贯辽宁省南北南部沿海地区。
以上研究结果表明，辽宁省年均风速变化的总体分布既存在一致的变化趋势，也存在较为明显的南北或东西差异。

3.4 平均风速变化的主要因素分析

风是由于气团之间存在的温差及垂直面上的气压梯度力而形成的气体运动。为进一步揭示辽宁省风速变化内在驱动力及其成因，在综合前人研究成果基础上，运用SPSS软件对气温（最高、最低、平均）、日照时数、相对湿度等影响因素进行主成分分析，计算结果如表2及表3所示。当初始特征值的累积方差大于80%的时候，只需选取前2个主要成分即可满足主要影响因素成分分析需求[32]。由表2可看出，第一主成分为平均气温，第二主成分为日照时数，其方差贡献分别为65.34%、24.39%，累计方差贡献率为89.73%。因此平均气温、日照时数对平均风速变化影响较为明显，是平均风速降低的主要因子。
表2 辽宁省风速的5个特征值及方差贡献率

Table 2 Contribution rates and eigenvalue of 5 primary factors in Liaoning Province

主成分因子 特征值 方差贡献率/% 累计贡献率/%
1 3.267 65.34 65.34
2 1.219 24.39 89.73
3 0.335 6.70 96.43
4 0.176 3.51 99.94
5 0.003 0.06 100.00
表3 成分矩阵

Table 3 Statistical results of component matrix

指标项 成分1 成分2 成分3 成分4 成分5
平均气温 −0.896 −0.195 −0.065 −0.103 −0.005
最高气温 −0.892 0.445 0.032 0.143 0.015
日照时数 0.818 0.613 0.018 0.012 0.000
最低气温 0.747 0.580 0.022 0.001 0.003
相对湿度 0.665 0.450 0.201 0.000 0.005
进一步分析可知，平均气温在各成分中的载荷量均为负值（表3），说明平均风速与平均气温呈负相关关系。相关研究指出，在气候变暖大背景下，辽宁省的气温表现为逐年递增的趋势，并伴随着极端温差不断增大、温度日较差变小的特点，致使局地大气环流如山谷风、海陆风等减弱，因此风速普遍减小[31]。日照时数在各成分中载荷量为正值，表明辽宁省平均风速变化与日照时数变化趋势相同，呈明显正相关关系。虞海燕[33]研究表明，平均风速与日照时数相关系数为0.76，且日照时数呈明显降低趋势，与本文获得了相同的结论。风速变化受各项气象因子变化的综合影响，加之各项气象因子变动趋势在不同地区间存在显著的变化，就辽宁地区而言，平均气温与日照时数成为影响平均风速的主要影响因素。

4 结论

1） 近56 a辽宁省平均风速以−0.125 m/（s·10a）速率降低且随季节变化显著，各季节下降趋势为春季0.24 m/（s·10a）>冬季0.20 m/（s·10a）>秋季0.14 m/（s·10a）>夏季0.13 m/（s·10a），此外Mann-Kendall突变检验分析表明平均风速的下降在秋季开始时间最早。在年尺度上平均风速表现出较为明显的周期性变化趋势，主周期为36 a，次周期为22 a。
2） 辽宁省年际平均风速呈现出中部高两侧低的空间变化格局。年均风速变化经EOF分析表明，省内年均风速变化的总体分布既存在一致的变化趋势，又存在较为明显的南北或东西差异，高值区主要分布在中部偏西及南部沿海地区，低值区主要在偏东部地区。
3） 辽宁省平均风速时空变化规律是多种因素综合作用的结果。主要受到气温、日照时数、相对湿度等因素综合影响，其中平均气温、日照时数对平均风速变化影响较为明显，是影响平均风速的主要因子。
4） 综合辽宁省平均风速时空演变特征及其成因分析，提出辽宁省防风减灾工作和风能科学利用的对策建议如下：辽宁省应将春季作为防风御风重点工作时期，同时关注秋冬两季风速变化；要将中东部地区平均风速高值区作为重点防御地区，加强防风御风预警机制和基础设施建设，切实增强防风御风能力；同时，要结合辽宁省风场时空分布及其变化规律，强化风能的科学规划与合理利用，在辽宁省中东部地区适当安装高功率风电机组，引导风力发电及风能装备制造产业集聚，在濒临海洋的南部地区，适当规划建设近海陆域风力发电场和海上风力发电场，实现风能资源的综合利用。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张克新, 潘少明, 曹立国, 等. 1961-2010年河西地区平均风速时空变化趋势分析[J]. 地理科学, 2014, 34(11): 1404-1408

Zhang Kexin, Pan Shaoming, Cao Liguo et al. Spatial and temporal trends of average wind speed in Hexi Area in 1961-2010. Scientia Geographica Sinica, 2014, 34(11): 1404-1408

[2]
李国庆, 李晓兵. 风电场对环境的影响研究进展[J]. 地理科学进展, 2016, 35(8): 1017-1026.

Li Guoqing, Li Xiaobing. Research progress on the impact of wind farms on the environment. Progress in Geography, 2016, 35(8): 1017-1026.

[3]
谢今范, 刘玉英, 王玉昆, 等. 东北地区风能资源空间分布特征与模拟[J]. 地理科学, 2014, 34(12): 1497-1503.

Xie Jinfan, Liu Yuying, Wang Yukun et al. Spatial distribution characteristics and simulation of wind energy resources in Northeast China. Scientia Geographica Sinica, 2014, 34(12): 1497-1503.

[4]
李德瑜, 邹沛思, 贺灿飞. 中国风电设备制造业发展与空间格局研究[J]. 地理科学进展, 2014, 33(9): 1187-1197.

Li Deyu, Zou Peisi, He Canfei. Study on the development and spatial pattern of China’s wind power equipment manufacturing industry. Progress in Geography, 2014, 33(9): 1187-1197.

[5]
Mcvicar T R, Van Niel T G, Li L T et al. Wind speed climatology and trends for Australia, 1975-2006: Capturing the stilling phenomenon and comparison with near-surface reanalysis output[J]. Geophysical Research Letters, 2008, 35(20): 1-6.

[6]
Tuller S E. Measured wind speed trends on the west coast of Canada[J]. International Journal of Climatology, 2004, 24(11): 1359-1374

DOI

[7]
Vauard R, Julien C. Pascal Y et al. Northern hemisphere atmospheric stilling partly attributed to an increase in surface roughness[J]. Nature Geoscience, 2010, 3(11): 756-761

DOI

[8]
任惠茹, 李国胜, 郭腾蛟, 等. 1950-2011年渤海地区海表风场的季节特征与多尺度变化分析[J]. 地理科学, 2017, 37(9): 1430-1438.

Ren Huiru, Li Guosheng, Guo Tengjiao et al. Analysis of seasonal characteristics and multi-scale changes of the sea surface wind field in the Bohai Sea from 1950 to 2011. Scientia Geographica Sinica, 2017, 37(9): 1430-1438.

[9]
刘苏峡, 邱建秀, 莫兴国. 等. 华北平原1951年至2006年风速变化特征分析[J]. 资源科学, 2009, 31(9): 1486-1492

DOI

Liu Suxia, Qiu Jianxiu, Mo Xingguo et al. Analysis of the characteristics of wind speed changes in the North China Plain from 1951 to 2006. Resources Science, 2009, 31(9): 1486-1492

DOI

[10]
姚玉璧, 肖国举, 王润元, 等. 近50年来西北半干旱区气候变化特征[J]. 干旱区地理, 2009, 32(2): 159-165.

Yao Yubi, Xiao Guoju, Wang Runyuan et al. Characteristics of climate change in the semi-arid area of Northwest China in the past 50 years. Arid Land Geography, 2009, 32(2): 159-165.

[11]
张志斌, 杨莹, 张小平, 等. 我国西南地区风速变化及其影响因素[J]. 生态学报, 2014, 34(2): 471-481.

Zhang Zhibin, Yang Ying, Zhang Xiaoping et al. Wind speed change and its influencing factors in Southwest my country. Acta Ecologica Sinica, 2014, 34(2): 471-481.

[12]
Klink K. Atmospheric circulation effects on wind speed variability at turbine height[J]. Journal of Applied Meteorology & Climatology, 2009, 46(4): 445-456.

[13]
胡毅鸿, 龚道溢, 毛睿, 等. 中国北方农牧交错带春季风速的年际变化与冬季海温的关系[J]. 地理科学进展, 2019, 38(5): 709-717.

Hu Yihong, Gong Daoyi, Mao Rui et al. The relationship between interannual variability of wind speed in spring and sea temperature in winter in the farming-pastoral ecotone of northern China. Progress in Geography, 2019, 38(5): 709-717.

[14]
易湘生, 尹衍雨, 李国胜, 等. 青海三江源地区近50年来的气温变化[J]. 地理学报, 2011, 66(11): 1451-1456.

Yi Xiangsheng, Yin Yanyu, Li Guosheng et al. Temperature variation in recent 50years in the three-river headwaters region of Qinghai Province. Acta Geographica Sinica, 2011, 66(11): 1451-1456.

[15]
李艳, 王元, 储惠芸, 等. 中国陆域近地层风能资源的气候变异和下垫面人为改变的影响[J]. 科学通报, 2008, 53(21): 2646-2653

DOI

Li Yan, Wang Yuan, Chu Huiyun et al. Climate variability of land surface wind energy resources in China and the impact of anthropogenic change on underlying surface. Chinese Science Bulletin, 2008, 53(21): 2646-2653

DOI

[16]
陈宇, 吴曼丽, 陈艳秋, 等. 辽宁省大风天气对设施农业的影响[J]. 江苏农业科学, 2015, 43(9): 407-409.

Chen Yu, Wu Manli, Chen Yanqiu et al. Influence of gale weather in Liaoning Province on facility agriculture. Jiangsu Agricultural Sciences, 2015, 43(9): 407-409.

[17]
何勇. 风电成为辽宁第二大能源[N]. 人民日报, 2011-10-24.

He Yong. Wind power becomes the second largest energy source in Liaoning Province. The People’s Daily, 2011-10-24.

[18]
龚强, 袁国恩, 汪宏宇, 等. 辽宁沿海地区风能资源状况及开发潜力初步分析[J]. 地理科学, 2006, 26(4): 4483-4489.

Gong Qiang, Yuan Guoen, Wang Hongyu et al. Preliminary analysis of wind energy resource status and development potential in Liaoning coastal area. Scientia Geographica Sinica, 2006, 26(4): 4483-4489.

[19]
曹永强, 郭明, 刘思然, 等. 55 a辽宁省风速时空变化特征分析[J]. 干旱区地理, 2018, 41(1): 1-8.

Cao Yongqiang, Guo Ming, Liu Siran et al. Analysis of temporal and spatial variation characteristics of wind speed in Liaoning Province in recent 55 years. Arid Land Geography, 2018, 41(1): 1-8.

[20]
丁一汇, 李霄, 李巧萍. 气候变暖背景下中国地面风速变化研究进展[J]. 应用气象学报, 2020, 31(1): 1-12

DOI

Ding Yihui, Li Xiao, Li Qiaoping et al. Advances of surface wind speed changes over China under global warming. Journal of Applied Meteorological Science, 2020, 31(1): 1-12

DOI

[21]
龚强, 于华深, 蔺娜, 等. 辽宁省风能、太阳能资源时空分布特征及其初步区划[J]. 资源科学, 2008(5): 654-661

DOI

Gong Qiang, Yu Huashen, Lin Na et al. Temporal-spatial distribution and regionalization of wind and solar energy resources in Liaoning Province. Resources Science, 2008(5): 654-661

DOI

[22]
曹南君, 满林坤, 刘爱民, 等. 辽宁电网风电、光伏接纳能力研究[J]. 东北电力技术, 2019, 40(3): 10-15.

Cao Nanjun, Man Linkun, Liu Aimin et al. Research on wind power and photovoltaic acceptable ability of Liaoning Power Grid. Northeast Electric Power Technology, 2019, 40(3): 10-15.

[23]
白铁军. 辽宁建平遭雷雨大风和冰雹袭击致3.1万人受灾[N/OL]. 新华社, 2014-06-20(2). http://www.gov.cn/xinwen/2014-06/20/content_2705282.htm.

Bai Tiejun. 31, 000 people were affected by thunderstorm and hailstorm in Jianping County, Liaoning Province. Xinhua News Agency, http://www.gov.cn/xinwen/2014-06/20/content_2705282.htm. 2014-06-20(2).

[24]
王涛, 王乙舒, 崔妍, 等. 1961-1987年与1988—2014年辽宁省气候区划界线变化及可能气候成因[J]. 地理研究, 2019, 38(4): 794-806

DOI

Wang Tao, Wang Yishu, Cui Yan et al. Changes in the climatic boundary line of Liaoning Province from 1961 to 1987 and 1988 to 2014 and possible causes of climate. Geographical Research, 2019, 38(4): 794-806

DOI

[25]
曹永强, 苏阳, 张兰霞, 等. 基于AWTP指数的浙江省干旱规律时空分析[J]. 自然资源学报, 2012, 27(7): 1233-1240

DOI

Cao Y ongqiang, Su Yang, Zhang Lanxia et al. Temporal and spatial analysis on drought events over Zhejiang province based on AWTP index. Journal of Natural Resources, 2012, 27(7): 1233-1240

DOI

[26]
魏凤英. 现代气候统计诊断与预测技术[M]. 气象出版社, 2007: 175-181.

Wei Fengying. Modern Climate Statistics Diagnosis and Prediction Technology. Beijing: Meteorological Press, 2007: 175-181.

[27]
董满宇, 李洁敏, 王磊鑫, 等. 1960~2017年华北地区气候生长季变化特征及成因分析[J]. 地理科学, 2019, 39(12): 1990-2000.

Dong Manyu, Li Jiemin, Wang Leixin et al. The characteristics and causes of climate change in the growth season of North China from 1960 to 2017. Scientia Geographica Sinica, 2019, 39(12): 1990-2000.

[28]
敖雪, 翟晴飞, 崔妍, 等. 基于EOF分解的辽宁省城市化气候效应检测[J]. 地理科学进展, 2020, 39(9): 1532-1543

DOI

Ao Xue, Zhai Qingfei, Cui Yan et al. Detection of climate effects of urbanization in Liaoning Province based on EOF decomposition. Progress in Geography, 2020, 39(9): 1532-1543

DOI

[29]
张延伟, 葛全胜, 姜逢清, 等. 北疆地区1961-2010年极端气温事件变化特征[J]. 地理科学, 2016, 36(2): 296-302.

Zhang Yanwei, Ge Quansheng, Jiang Fengqing et al. Variation characteristics of extreme temperature events in northern Xinjiang from 1961 to 2010. Scientia Geographica Sinica, 2016, 36(2): 296-302.

[30]
赵峰, 毕硕本, 李兴宇, 等. 基于EOF和REOF的1470—1911年黄河中下游地区旱涝空间分布特征分析[J]. 干旱区地理, 2019, 42(4): 799-809.

Zhao Feng, Bi Shuoben, Li Xingyu et al. Analysis on the spatial distribution characteristics of drought and flood in the middle and lower reaches of the Yellow River from 1470 to 1911 based on EOF and REOF. Arid Land Geography, 2019, 42(4): 799-809.

[31]
赵露露. 辽宁省地表风速变化特征及影响因素分析[D]. 大连: 辽宁师范大学, 2016.

Zhao Lulu. Analysis of variation characteristics and influencing factors of Surface Wind Speed in Liaoning Province. Dalian: Liaoning normal University, 2016.

[32]
王沙沙, 艾萍. 基于SPSS的主成分分析法的水利信息化评估[J]. 信息技术, 2014, 35(3): 9-12

DOI

Wang Shasha, Ai Ping. Evaluation of water conservancy informatization based on principal component analysis based on SPSS. Information Technology, 2014, 35(3): 9-12

DOI

[33]
虞海燕, 刘树华, 赵娜, 等. 我国近59年日照时数变化特征及其与温度、风速、降水的关系[J]. 气候与环境研究, 2011, 16(3): 389-398

DOI

Yu Haiyan, Liu Shuhua, Zhao Na et al. Variation Characteristics of the Sunshine Duration and Its Relationships with Temperature, Wind Speed, and Precipitation over Recent 59 Years in China. Climatic and Environmental Research, 2011, 16(3): 389-398

DOI

Options
文章导航

/

〈 〉