北半球的风在减少吗？

“还记得昨天，那个夏天 ，微风吹过的一瞬间，似乎吹翻一切， 只剩寂寞肯沉淀。”一首《被风吹过的夏天》可以说唤起的是90后共同的童年了。但仔细品味歌词，可能会被其中“微风吹翻一切”的“煽情”搞得哈哈大笑了。的确，若是微风力量都这么大，那冬天塞北的狂风怕是要“倾覆你的世界”了。

那么在实际情况中，我们怎么评估风的能量呢？世界上风能资源又是如何分布的？风能会随时间发生变化吗？就让我们化身“追风者”，去探寻“看不见的”风能背后的秘密吧。

风来了！怎么“抓住”它？

风能是太阳能的一种转化形式，是指由太阳辐射使得地球表面受热不均，进而引起大气层受热不均匀，空气就会沿着水平方向运动，空气流动所形成的动能。只要有空气的冷暖差异，风就不会停息。因此风可以说是气象要素中的的“常驻嘉宾”，近些年来风又多了一重身份，那就是全球新能源发电中的“新秀”。

风力发电的原理其实很简单，“大风车呀吱悠悠地转”，风车是我们小时候就很熟悉的玩具之一。风力发电机其实就是风车“PLUS”，我们利用风力带动风车叶片旋转,再通过增速机将旋转的速度提升,根据能量守恒，动能转换就能促使发电机发电了!

风能不像太阳能，它可以24小时不间断发电，如果可以完全加以利用，岂不是能源问题就解决了一大半？然而现实总要比理想骨感得多，风能的利用存在着许多困难。

首先风能的能量密度低，大约是水能的1/816。想获得与水能相同的功率，风轮的直径就要比水轮的大许多倍，一般风机叶片可以达到50-60米长。最大的风机叶片直径已经超过70米，相当于一架波音飞机的翼展。

其次，风的脾气时好时坏，小宇宙爆发起来就是“狂风呼啸”；心情愉悦时则“微风习习”。风这样古怪的性格可让风力发电机十分头疼：风速很小时，风力机根本无法启动。当风速超过20米/秒（或27米/秒）时，会影响到风力机的安全，不得不停止运行。

因此，由于受到安装环境，规模开发、设备成本和风的不稳定性等的影响，风力发电真正运行起来还是一个字——难。不过风速的大小虽然多变，但我们可以根据地理位置总结出风速的平均状态，在此基础上“揣摸”风的心情来发电就会方便很多。

一般而言，受气候大背景以及地形地貌等诸多因素的影响,风能分布往往不均衡,且波动性非常大。根据世界气象组织发表的风能资源估计分布图，按平均风能密度和相应的年平均风速将全世界风能资源分为10个等级。8级以上的风能高值区主要分布在南半球中高纬度洋面和北半球的北大西洋、北太平洋以及北冰洋的中高纬度部分洋面上；大陆上风能一般不超过7级，其中以美国西部、西北欧沿海、乌拉尔山顶部和黑海地区等多风地带较大。我国的东南沿海、内蒙古、新疆和甘肃一带风能资源也很丰富。

我国地域辽阔，风能资源丰富。我国风能资源较为丰富的地区主要分布在两个地区：三北地区（我国的东北、华北和西北地区）和沿海及其岛屿。那么问题来了：我们该如何评估风能呢？总不能凭感觉分辨风的强弱吧？风能评估是风能利用的重要依据，不可靠的风能资源数量越多，越容易严重高估/低估区域风力资源的丰富性，容易错判风力发电厂的位置。更严重者，将影响到我国的能源发展战略，会误导我国的能源发展方向。在生活中，若要给一个人安排任务，首先要评估他的能力。风能的利用也是如此，欲降新能源之重任与斯，必先评估其是否可靠。

风能“体检”？怎么做？

想要对风能变化进行长期的研究，地基气象台站的历史资料是传统“武器”。根据国家气候中心的初步研究，自 1950 年以来我国的风速变化较为显著，特别是1969年以后，每10年风速减小0.2m/s。柴达木盆地东部、吐鲁番以及青海等地风速每10年减小0.3m/s。

风能资源累积变化分布。a北美洲，b欧洲和c亚洲1979年至2016年风能累积变化[2]

但是地基气象站记录风速也存在很多局限性。

1.地基气象站测量风速一般位于8m或者10m，而风力发电机的高度在60-100m之间，由于不同高度上风的大小分布完全不同，因此气象站所测量的风速并不等于发电机接收的风速。那么可以利用经验公式推出来么？由于气象局一般不会记录地表粗糙度和大气稳定度（外推必须的两大要素），利用垂直风廓线（风速随高度的变化曲线）从地表风速外推风力发电机高度的风速也会带来很大的不确定性。

2.气象观测站一般建在城际，而风力发电区域一般远离城市，由于下垫面（大气与其下界的固态地面或液态水面的分界面）不同，他们的风速也会有很大区别（比如在平坦的操场跑步和障碍跑时对速度会有影响）。

3.由于观测仪器的更换、站点的迁移等缺乏记录，不同仪器和不同位置测得的风可能并不一样，这就使得长期风速的分析不是在同样的外条件下进行的，存在非均一性的问题。也会带来误差。

4.观测数据自然离不开人，而受到地形和设备的约束，时空采样都会受到限制。以我国为例，风能资源较为丰富的东北和西北地区、青藏高原西北部地广人稀，站点密度明显少于我国中、东部地区。要想在这里好好评估他，实在是没有足够的资料来支撑，科学家也只能喊“做不到”。

当地基气象站的数据面对古灵精怪的风束手无策时，就该它的好兄弟再分析数据出手相助，接过了给风做“体检”的诊断书。

但再分析数据并非“完美无缺”。由于是从天上看世界，再分析数据自带了“磨皮”功能，模糊掉很多小细节。比如a和b两个不同城市离得很近，风速变化却很大，但是由于分辨率不足，现有的技术无法支持再现每一个小区域内风能的变化，会模糊局部风速增强的特征，导致数据与实际风速有偏差。同时，由于不同数值模型动态过程中用到的数据处理方法有差别，这也造成数据结果的不确定性，而这在风能资源评估工作中都是不可忽视的。因此，在使用之前有必要先对各种再分析数据集进行评估。

“再分析技术”哪家强？

由于再分析数据也是经过后期处理后的产品，因此使用不同的再分析资料对风能进行评估就会得出不同的“体检 告”。那么哪一份 告的结果更为可靠呢？正所谓“尺有所短，寸有所长”，不同气象要素在各种数据中表现不一，有好有坏，因此无法简单粗暴地给再分析资料排名次。

目前较为常用的再分析资料有 ERA-Interim、JRA-55、CFS和MERRA-2。ERA-Interim 由欧洲气象中心提供，时间序列从1979年1月至今，数据全，更新速度快；JRA-55 是由日本气象厅提供的再分析资料，对于中国的科研人员来说，精确度较好（因为日本靠近中国）；MERRA-2由NASA（美国国家航空航天局）提供，CFS由NCEP(美国气象环境预 中心）提供，不仅包含的要素多，范围广，而且延伸的时段长，是一个综合的数据集。

为了更准确地把握风能的动态，需要对不同的再分析资料给出的风能“体检 告”再一次进行分析评估。中科院大气物理黄刚研究员与课题组的硕士生苗昊泽予共同完成的最新研究，从气候特征、年际变率和长期线性趋势等方面，与1980至2016年期间的观测数据集进行比较分析，评估了四种再分析数据集在重现北半球近地面风速和风功率密度的时空特征的能力，研究结果在国际能源领域顶级期刊《Energy》发表。

他们的结果表明：北半球近四十年来风速和风功率密度都呈现下降趋势。再分析数虽都可以较好地反映出这种变化，但是明显地低估了其下降幅度。同时，他们发现在不同区域，不同再分析产品重现能力有较大变化。整体而言，JRA-55和CFS再现北半球地面风速年和季节变化的能力最佳。其中，JRA-55最好地重现了亚洲的地面风速特征，CFS在欧洲表现最佳，MERRA-2只有在北美中部地区与观测较为一致。

1980-2016年各数据集风功率密度变化趋势(ms-1year-1)的空间分布。其中，欧洲(a-e)、亚洲(f-j)和北美洲(k-o)，观测数据(a、f和k)，ERA-Interim(b、g和l)、JRA-55(c、h和m)、CFS(d、i和n) 和MERRA-2(e，j和o)。[1]

北半球的风怎么就减少了？

美国科罗拉多大学博尔德分校的研究人员在《自然·地球科学》杂志发表的研究也指出，全球变暖条件下全球风能资源分布将发生变化，下一世纪北半球的风能资源可能会减少，而南半球的风能资源会增加。

北半球风能减少是全球变暖的“副作用”之一吗？在全球变暖的大背景下，极地增暖的速度更为明显，术语称为“北极放大”效应，其中的一个原因是北极增暖与海冰消融是一个互相促进的正反馈过程。前面提到，风是由于地球表面冷热不均而产生的空气流动，可以说温度差越大，产生的风速越大。而北极增暖则削弱了赤道与北极之间的温度梯度，因此北半球中纬度西风带风速整体减小。一些模拟结果也表明，由于北半球中纬度地区南北侧的冷暖温差减弱，风暴系统的活动整体减少，也是风能资源减少的一个原因。

而在南半球，除南极洲外，南半球大陆主要分布在热带和副热带地区，南极增暖不如南美中部、非洲南部和澳洲的陆上增暖明显。南半球热带和副热带陆地变暖更快，与同纬度海洋间的温度梯度增大，风速增大，风能资源因此增加。在南美和澳洲的中高纬地区，风能资源仍趋于减少，和北半球类似。

风能是目前最商业化和发展最迅速的可再生能源，也是一种相当不稳定的自然资源。由于风能的评估方法和采用数据总是存在不可避免的局限性，因此对风能资源开发进行风险评估时需要因地制宜，选择合适的方法和数据。

同时目前全球气候模式无法模拟出风能资源的长期变化趋势，因此利用全球气候模式进行风能资源预估时，一定要慎重再慎重。正确的风能评估可以避免不当的投资，制定合理的可持续发展举措。全球增暖是人类共同面临的问题，只有深刻地认识全球变暖对各个方面的影响，才能更好地积极地应对。

参考文献：

1.Haozeyu Miao, Danhong Dong, Gang Huang*, Kaiming Hu, Qun Tian, Yuanfa Gong, Evaluation of Northern Hemisphere surface wind speed and wind power density in multiple reanalysis datasets, Energy (2020), doi: https://doi.org/10.1016/j.energy.2020.117382

2.Qun Tian, Gang Huang, Kaiming Hu, Dev Niyogi, Observed and global climate model based changes in wind power potential over the Northern Hemisphere during 1979–2016, Energy (2019), doi: https://doi.org/10.1016/j.energy.2018.11.027

3.Karnauskas, K.B., Lundquist, J.K. &”>

4.朱瑞兆，薛析，风能的计算和我国风能的分布，

5.薛桁,朱瑞兆,杨振斌，中国风能资源贮量估算，太阳能学 ，2001