作 者 信 息
王 刚1,赵玉梅1,董 丽2,李国庆1
(1. 鲁东大学 资源与环境工程学院,山东 烟台 264025;2. 中国石油大学(华东)海洋与空间信息学院,山东 青岛 266580)
【摘要】以内蒙古朱日和风电场为例,利用Landsat 5及Landsat 8数据对风力发电机建设前后的地表温度(LST)及蒸散发(ET)进行了模拟,并统计了风力发电机所在位置与周围8个相邻像元、以及风力发电机240 m缓冲区范围内的LST、ET均值及显著性差异,以此来判断风力发电机对荒漠草原地表温度及蒸散发的影响程度。本文结论如下:①风力发电机运行使其各方向的LST在冬季出现显著差异(P<0.05),并且在其240 m范围内的LST有显著降温趋势。②风力发电机运行不仅使其各方向的ET产生非常显著差异(P<0.001),风机所在位置ET最小,西北方向ET最大,并且在其90m范围内有显著降低趋势。③风力发电机的运行使其各方向的LST与ET显著不相关。
【关键词】风力发电机; 地表温度; 蒸散发; SEBAL模型; 荒漠草原
【中图分类号】X87 【文献标识码】A 【文章编号】1672-1586(2021)02-0074-08
引文格式:王 刚,赵玉梅,董 丽,等. 风力发电机对荒漠草原地表温度及蒸散发的影响[J].地理信息世界,2021,28(2):74-81.
正文
0 引 言
与传统化石燃料相比,风能是一种可再生、清洁的能源。大规模风电场的建立改变了能源结构,减少了温室气体的排放。然而风电场为环境带来积极效应的同时也带来了一定的问题。现有研究表明风电场的建设可能对地表温度、空气湿度、降水、风速等气候气象因子产生影响。内蒙古草原作为我国重要的草原地区之一,自然条件严酷,属于气候变化高度敏感区,加之社会和经济条件复杂,该地区成为气候变化影响的脆弱地带。蒸散发(英文名称Evapotranspiration,ET)和地表温度(英文名称Land Surface Temperature,LST)作为地表能量平衡和交换、地表物理过程的重要因子,均是生态系统地表水、碳、氮等物质循环过程的主导因子,LST和ET变化会对草原生态系统物质及能量循环产生重大影响。
现在很多学者通过实测和遥感的方法来研究风电场对LST和ET的影响。如Armstrong等利用观测数据分析风机运行和不运行时的大气温度和湿度差异,分析苏格兰Black Law风电场对土壤温度的影响,她发现运行中的风力涡轮机增加了整个昼夜循环的土壤温度的变异性。为探讨风电场对LST和ET的影响,徐荣会首先利用定点实验观测的方法,讨论了内蒙古朱日和地区风电场对地表温度、蒸散发的影响,结果表明风机运行会导致风电场内部蒸散发减小,风电场内地表温度低于上风向,且风电场对地表温度的影响程度随着地表温度的升高而减小。为从区域角度分析风电场对ET的影响,李国庆等利用MODIS遥感数据研究了内蒙古灰腾梁风电场50km缓冲区内年蒸散发的变化趋势,研究结果表明:风电场建设会加速蒸散发,且上、下风向对ET影响最大。Chang等利用2005~2012年期间的MODIS以及气象站数据分析瓜州风电场对地表温度的影响,结果表明风电场地区夜间明显变暖,除春天外均观测到升温,夏夜升温最明显,为每8年升高0.51℃。
几位学者从实验观测及宏观区域监测两个角度进行分析,起到了积极的作用。但通过实验观测分析风电场对ET及LST的影响易受观测站点数量及空间分布位置的影响,使研究结果产生极大不确定性。而利用MODIS数据虽然可对风电场进行大区域及多年变化趋势分析,但受MODIS像元分辨率低及ET时间分辨率的限制,风机对邻近像元ET、 LST的影响程度无法细致衡量。本文拟在上述研究的基础上,利用Landsat系列数据及SEBAL模型评价风力发电机对其周围像元LST和ET的影响,以期更为客观地评价风电场对草原生态系统的影响提供科学依据。
1 研究数据与方法
1.1 研究区概况
内蒙古朱日和风电场位于内蒙古自治区锡林郭勒盟苏尼特右旗朱日和镇西北12km处,于2006年10月22日开工,项目分3期建设,设计总装机容量为20万千瓦[7],2013年建成现有规模,研究区位置如图1所示。研究区地处内蒙古高原,地形平坦,地势较高,海拔在900~1400m之间,属中温带大陆性季风气候,全年盛行西北风,风速较大,平均风速约5.5m/s。因受地形、季风气候的影响,研究区常年干旱少雨,降水多集中在夏秋季节,年平均降水量在170~190mm之间,年蒸发量约2 384mm。
图1 研究区位置图
Fig.1 Location of the study area
1.2 数据来源及数据预处理
本文的目的是判断风力发电机对ET、LST的影响,为避免土地利用类型的差异对研究结果的影响,通过GEE平台获取的MCD12Q1.006 MODIS Land Cover Type Yearly Global 500m数据集,得到2000年~2019年每年的土地利用类型,发现研究区每年的土地利用类型均为一年生草本植物为主的草地(植被高度<2m),从而保证了风力发电机建成前后研究区的下垫面的一致性。
为使风电场建设前后ET、LST较容易比较,且为避免蒸散量、温度差异较大出现极大值或极小值,影响研究结果,本文选择风电场建设前、后每月一景遥感数据。同时考虑到云量应小于5%,本文选用以下数据进行研究分析,见表1。
表1 遥感影像日期和气象数据
Tab. 1 Remote sensing image date and weather information required for inversion
选用的Landsat系列数据、DEM数据来源于地理空间数据云(http://www.gscloud.cn/)和美国地质勘探局(http://glovis.usgs.gov/),MODIS大气可降水量数据来源于美国国家航空航天局(https://ladsweb.nascom. nasa.gov/),朱日和各日期的风速、风向、温度等数据来源于中国气象科学数据共享服务网(http://new-cdc.cma. gov.cn)。获取的数据均需利用ENVI软件进行预处理,将DEM、MODIS数据进行投影转换,使所有数据范围、分辨率保持一致,以保证SEBAL模型的正常运行。
1.3 研究方法
1.3.1 地表温度反演
目前,地表温度反演存在多种算法,较为常用的主要包括:单通道算法、辐射传输方程法、多通道算法和劈窗算法。不同的算法适应于不同的遥感数据,如单通道算法适用于只有一个热红外波段的遥感数据,且研究表明当没有实时大气廓线数据时采用普适性单通道算法反演地表温度的误差均方根较单窗算法更小,劈窗算法适用于包含两个热红外波段的遥感数据。因此,本文中Landsat5数据采用普适性单通道算法计算地表温度,此算法在高海拔地区(低水汽含量)精度较高,平均误差最小为0.35K。Landsat8数据在两个热红外波段的基础上采用了Jimencz-Munoz(2014)的劈窗算法计算地表温度,此算法平均误差最小为0.89K。另外,本文比较的是风力发电机各方向、各段距离的LST差值,上述算法的误差并不会影响到LST的相对差异。
1.3.2 蒸散发反演
区域蒸散发常用的估算方法主要有经验统计模型、遥感模型、地表能量平衡模型、温度-植被指数特征空间模型以及陆面过程与数据同化等。其中基于地表能量平衡原理的SEBAL 模型是由荷兰Water-Watch公司Bastiaanssen于1998年开发的遥感陆面能量平衡模型,主要是利用遥感传感器可见光、近红外、热红外数据反演地表参数,再结合气象数据和植被下垫面信息估算蒸散量。该模型已经应用于30多个国家,可用于估算不同气候条件下田间或流域尺度的蒸散量,该模型的相对误差为9.01%左右。所以本文利用SEBAL模型,输入数据为当日最高和最低气温、最大和平均风速,来计算研究区的日蒸散量。
1.3.3 不同方向和距离上LST和ET的对比
通过上述方法将LST和ET进行反演,比较风机所在位置与周围8个相邻像元的LST和ET在风力发电机建成前后的差异,以此来评价风力发电机对其不同方向LST和ET的影响。每个像元的大小为30m×30m,9个像元组成90m×90m的正方形。
为了进一步研究风力发电机对LST和ET在不同距离上的影响,分别求LST和ET在风机建成前后时期的均值,再建立如图2所示缓冲区。为了保证相邻风力发电机的缓冲区不发生叠加,本文以距风力发电机240m为最大缓冲区半径,其内以30m为间隔,比较各段距离内LST和ET在风力发电机建成前后的差异,并评价风力发电机建成后各段距离内LST和ET的变化。
图2 风力发电机缓冲区示意图
Fig.2 Schematic diagram of wind turbine's buffer
2 结果与分析
2.1 风力发电机对LST的影响
通过上述研究方法,获得所有风力发电机在建设前后各方向LST的均值折线图,如图3所示。可以看出,风力发电机建设前后LST在各方向变化平缓,各方向LST无明显差异。风机建设前各方向LST极差为0.07℃,风机建设后各方向LST极差为0.17℃。可见风力发电机建设前、后各方向极差相差较小,风力发电机对各方向LST均值并没有显著影响。
图3 风力发电机建设前(a)、后(b)各方向LST均值
Fig. 3 LST mean value of all directions before (a) and after (b) theconstruction of wind turbines
为避免个别风机可能出现的某个方向LST极高和极低,两者平均后出现相互抵消的情况,本文获得风力发电机各方向LST的标准差,如图4所示。可以看出,风力发电机建成后各方向的LST的标准差明显升高,各方向标准差均值增加可达0.2,可见风力发电机运行使其各方向的LST更加不稳定。
图4 风力发电机建设前后各方向LST标准差箱线图
Fig. 4 Boxplot of standard deviation of variance of LST in each
direction of wind turbines
考虑到标准差或方差不能准确表征LST的变化幅度,本文采用显著性检验(0.05显著性水平)的方式判断风机各方向LST的变化是否存在差异。分别获取所有风机9个位置上的LST值,共计9组数据,然后对9组LST值进行单因素方差分析,分别得到建设前、建设后的LSTP值(表2)。建成前风机各方向所有日期LST差异均不显著,P>0.05,而建设后风机各方向在1月、2月、4月、10月和12月的日期的LST均存在显著性差异,P<0.05。
表2 风机各方向LST单因素方差分析P 值
Tab.2 P value of One-way analysis of variance of LST in each direction of wind turbines
实验同时获得风机建设前后地表温度折线图,误差线表示各段距离LST标准差。如图5所示,风力发电机建设前各段距离的LST值变化平缓,建设后各段距离的LST值有上升趋势。建成前距风机240m范围内LST极差值为0.15℃,建成后距风机240m范围内LST极差值为0.42℃,可见在距离风机240m范围内,风力发电机建设前LST变化较小,风力发电机建设后LST波动较大且有向周围升高的趋势,即从距离风机240m到风机底部,LST有降温趋势,平均每30m降温0.04℃。各段距离LST标准差相对风力发电机建设之前有所增加,可达0.2,表明风力发电机运行在各范围内的LST不稳定性有所增加。同时,为了研究风力发电机建设前后在240m范围内的LST值是否存在显著性差异,对风力发电机建设前后所有风机在各段距离LST值进行单因素方差分析(0.05显著性水平)。结果表明,风力发电机建成前在距离其240m范围内LST差异均不显著,P>0.95;风
力发电机建成后在其240m范围内LST差异均有强显著差异,P<0.001。
综上对LST研究,风力发电机运行后,风机各方向的LST均值未产生明显变化,但在1月、2月、4月、10月和12月份存在显著性差异,这表明风力发电机运行在上述月份使其各方向的LST产生显著影响,增加了各个方向LST之间的差异。同时,在风机240m范围内,相对建设前变化较小的LST,建设后的LST在该范围内有显著降低趋势。
图5 风力发电机建设前a、b距离LST均值图
Fig. 5 LST mean value of all distances before (a) and after (b) the construction of wind turbines
2.2 风力发电机对ET的影响
利用同样的方法,得到所有风力发电机在建设前后各方向的ET均值,如图6所示,①风力发电机建设前ET变化平缓,风力发电机建设前各方向ET极差均值为0.02mm•d-1,各方向ET无明显变化;②风力发电机建设后ET波动较大,风力发电机建设后各方向ET极差为0.31mm•d-1,各方向ET差异明显;③风力发电机建设后,与其他方向相比,风机所在位置ET最小,西北方向最大。
图6 风力发电机建设前(a) 、后(b)各方向ET均值图
Fig. 6 ET mean value of all directions before (a) and after (b) the construction of wind turbines
与LST相同,为避免个别风机可能出现的某个方向ET极高和极低,两者平均后出现相互抵消的情况,本文获得风力发电机各方向ET的标准差。如图7所示,风力发电机建成后各方向的ET的标准差明显升高, WN、W和N位置的标准差均值增加最明显,高达0.05,可见风力发电机运行使WN、W和N位置的ET最不稳定。
图7 风力发电机建设前后各方向ET标准差箱线图
Fig. 7 Boxplot of standard deviation of variance of ET in each direction of wind turbines
与LST相同,为了研究风力发电机建设后各方向ET的变化是否存在显著性差异,分别对建成前后所有风机9个位置的ET进行单因素方差分析(0.05显著性水平)。如表3所示,建成前风机各方向的ET在所有日期均不显著,P>0.05,而建成后风机各方向的ET在所有日期均存在显著性,P<0.001。
表3 风机各方向ET单因素方差分析P值
Tab.3 P value of One-way analysis of variance of ET in each direction of wind turbines
实验同时获得风机建设前后蒸散发均值折线图,其中误差线表示各段距离ET标准差。如图8所示,风力发电机建设前各段距离ET值变化平缓,建设后各段距离ET值差异较大。建成前各段距离ET极差最大值为0.03mm•d-1,建成后各段距离ET极差最大值为0.26mm•d-1,可见在距离风机240m范围内,风力发电机建设前ET变化较小,建设后ET在90m内有向周围增加的趋势,90~240m变化较平缓,表明风机对蒸散发的降低效应局限在距风机90m内,平均30m降低0.08mm•d-1。各段距离ET标准差相对风力发电机建设之前明显增加,150~180m范围内增加最明显,这表明风力发电机运行其各范围内的ET离散程度有所增加, 150~180m范围内增加幅度最明显。
图8 风力发电机建设前a、b各距离ET均值图
Fig. 8 ET mean value of all distances before a and after b the construction of wind turbines
与LST相同,为了研究风力发电机建设前后在240m范围内各段距离的ET是否存在显著性差异,实验对风力发电机建设前后所有风机在各段距离ET值进行单因素方差分析(0.05显著性水平)。结果表明,风力发电机建设前在距离240m范围内ET差异不显著,P>0.98,风力发电机建设后在90m范围内ET差异有显著差异,P<0.001,在90~240m范围内不显著,P>0.99。可见,风机对ET的影响集中在90m范围内。
综上对ET研究,风力发电机运行不仅使各方向的ET出现非常显著性的差异,同时,在距离风力发电机240m范围内,风力发电机只能使90m范围内ET明显降低。
2.3 风力发电机对LST及ET的综合影响
为进一步研究风力发电机是否对ET和LST的相关性造成影响,本文采用相关分析的方法进行讨论,构建风力发电机建设前、后所在位置与周围8个相邻像元的LST和ET的相关关系。风力发电机建设前ET与LST呈负相关,且R2最小值为0.61(P<0.05),可见风力发电机建设前ET与LST之间高度相关。风力发电机建设后ET与LST不呈相关性,R2最大值为0.23(P>0.05),可见风力发电机破坏了ET与LST之间的相关性,且这种偏离以WN方向和风机所在位置最为明显,风机运行降低了风机所在位置的ET,增加了WN方向的ET。说明风力发电机建设对WN方向和风机所在位置的ET影响程度最大。
3 讨论
现有研究表明,风力发电机的建设使得风场内部在白天不会呈现显著的LST上升或下降的趋势。从本文的研究结果看,风力发电机对LST的显著影响距离可达240m,导致该范围内LST有降温趋势。这是由于运行中的风电场的湍流混合引起的热量传输导致LST的变化。研究区遥感影像的成像时间在上午,此时大气边界层不稳定且较厚,存在一个不稳定的负递减率,风力发电机混合气流向下输送较冷的空气,向上输送较热的空气,使地面产生降温效应。并且,本文发现在风机240m范围内只有0.3℃的降温,相比Xia等学者发现的风电场在夜间可达1.35℃增温,这种少量的降温是由于湍流动能在白天的背景非常强,涡轮产生的向下热传输在周围环境中会被稀释,从而在风场内部的LST存在较弱的降温。
相比风力发电机在夏季对各方向LST无显著影响,冬季却有显著影响,这是由于冬季比夏季大气边界层更稳定。在稳定的大气中,风力发电机的垂直混合能力比在混合良好的大气边界层中更大,对大气热量的垂直再分配能力更大,这加强了风机附近的热量交换,因此在大气边界层更稳定的冬季,风机90m×90m范围内LST出现显著差异。
本文发现风力发电机建成后可在距其90m范围内使ET明显降低,这与Tang等人研究发现风电场位置的蒸散发要小于风场附近非风电场地区的结论相近。这可能是风机所在位置的地表覆被类型由草地或裸地变为建设用地,而建设用地蒸散发小于草地或裸地,使得风机90m范围内ET相对周围较低。如图9所示,相比风力发电机建成前各范围变化平缓的NDVI,建设后风力发电机在其90m范围内下降趋势最明显,并且各段距离NDVI的离散程度也有所增加。这种趋势表明由于风力发电机的建设,导致风力发电机90m范围内植被覆盖度明显降低,使土壤ET降低。但是,风力发电机建成后NDVI整体上高于建成之前,这是由于近年来内蒙古荒漠草原生态区降水量增加,使研究区的植被覆盖度呈现出上升趋势,这与我们实地的调查数据是符合的。
图9 建造风力发电机组前(a)、后(b)所有距离的NDVI平均值
Fig.9 NDVI mean value of all distances before (a) and after (b) the
construction of wind turbines
此外,风力发电机运行还使各方向上ET出现显著性差异,并明显降低风机所在位置ET,增加WN方向ET,这种差异在更大程度上破坏了与LST的相关性。由于风力发电机涡轮产生的湍流可以将大气边界层的干燥空气拉到近地面,导致陆地大气水汽梯度增大,从而增大土壤蒸散发。研究区可能是因为常年盛行西北风,导致上风向比风机底部产生更多湍流,在WN方向风力发电机传送更多干燥空气到地面,较大的陆地大气水汽梯度使WN方向的土壤ET与其离散程度明显增大。
本文的研究是在240m范围内进行的,在更大范围内风力发电机对LST和ET的影响如何,还有待继续研究。虽然利用实验观测的方法,逐个遥感像元验证本文的结论是困难的,但大量的野外实验观测和验证是非常必要的,作者在以后的研究中,将开展这方面的工作。
4 结束语
1)风力发电机运行使各方向的LST在冬季产生显著差异,并且使240m范围内的LST有显著降温趋势,风力发电机底部LST降温最明显。
2)风力发电机运行对各方向的ET产生显著影响,其中风机所在位置ET最小,西北方向ET最大,并且在90m范围内的ET有显著降低趋势,风力发电机底部ET降低最明显。
3)风力发电机的运行破坏了各方向LST与ET之间原有的相关性。
作者简介:王刚(1993—),男,湖北天门人,地理学专业硕士研究生,主要研究方向为生态遥感。
E-mail:wangg_vip@foxmail.com
本期回顾
《地理信息世界》2021年2期速览
地理信息科学一流本科专业建设
· 疫情防控下全国大学生专业技能竞赛的改革创新 ——以地理信息 科学专业为例
理论研究
创新应用