大氣再分析資料在中國近海的風(fēng)資源特征和適用性分析

杜夢蛟 鄧浩 文仁強 易侃 張皓

1 中國長江三峽集團(tuán)有限公司科學(xué)技術(shù)研究院，北京 101100

2 中國電力工程顧問集團(tuán)西南電力設(shè)計院有限公司，成都 610056

1 引言

能源危機已成為人類共同面臨的世界性難題之一，日趨嚴(yán)重的化石能源枯竭、氣候變暖、環(huán)境惡化等使人們認(rèn)識到發(fā)展可再生能源的重要性和緊迫性。在能源轉(zhuǎn)型背景下，風(fēng)能已成為全世界發(fā)展最快的清潔能源。隨著陸地可利用風(fēng)資源逐漸減少，許多國家把目光轉(zhuǎn)向海上風(fēng)電的開發(fā)。與陸地相比，海上風(fēng)能具有安全無污染、湍流強度弱、儲量大、分布廣、不占用土地資源等優(yōu)點（鄭崇偉等, 2014;Li et al., 2020）。

風(fēng)資源評估是確定區(qū)域風(fēng)資源儲量、風(fēng)電場選址、風(fēng)力發(fā)電機組選型和機組排布方案的前提。許多理論研究和工程建設(shè)中常使用氣象臺站、測風(fēng)塔或其他觀測資料進(jìn)行風(fēng)能資源評估，例如Arslan et al.（2020）對土耳其的季節(jié)特征研究中使用了氣象站10 m風(fēng)速觀測數(shù)據(jù)。而許多研究（孟昭翰等,1991；薛桁等, 2001；毛慧琴等, 2005；陳飛等,2008；楊麗芬等, 2011）也基于臺站或測風(fēng)塔資料探討了國內(nèi)不同區(qū)域風(fēng)能資源的時空變化。雖然基于氣象站或測風(fēng)塔實測的風(fēng)資源評估在數(shù)據(jù)準(zhǔn)確性和結(jié)果可靠性上具有一定優(yōu)勢，但其也具有明顯的局限性。新建測風(fēng)塔或氣象站需要耗費大量的人力、物力（李澤椿等, 2007; 羅勇等, 2020）；如果發(fā)生儀器故障或極端天氣時常導(dǎo)致觀測數(shù)據(jù)在時間上難以滿足連續(xù)完整年的標(biāo)準(zhǔn)（GB/T 18710-2002），該問題在海上風(fēng)資源評估中尤為明顯，這已成為制約海上資源評估準(zhǔn)確性和工程收益的重要因素。

作為大氣科學(xué)領(lǐng)域極其重要的資料源，大氣再分析資料是應(yīng)用資料同化技術(shù)將雷達(dá)衛(wèi)星、飛機船舶和臺站觀測等資料與數(shù)值預(yù)報產(chǎn)品融合而來的時空完整的歷史天氣數(shù)據(jù)（趙天保等, 2010）。與傳統(tǒng)的臺站、海上船舶或浮標(biāo)觀測數(shù)據(jù)相比，再分析數(shù)據(jù)除了具有易獲取、成本低等優(yōu)點，還具有較高的時空分辨率，因此被廣泛應(yīng)用于風(fēng)能開發(fā)利用研究。許多研究均表明，再分析數(shù)據(jù)在風(fēng)資源評估中可以在一定程度上對測風(fēng)數(shù)據(jù)進(jìn)行插補、訂正和替代（馮雙磊等, 2009; 許昌等, 2017; 劉霄等, 2017）。此外，目前常規(guī)測風(fēng)設(shè)備無法實現(xiàn)對三維風(fēng)場的整體觀測，而再分析數(shù)據(jù)可以對近地層風(fēng)場整體分布特征進(jìn)行模擬和刻畫（趙彥廠等, 2008; 劉漢武等,2016）。

由于數(shù)值模式框架、觀測資料收集以及數(shù)據(jù)同化技術(shù)和均一化處理等過程還有待改進(jìn)，因此再分析模擬的風(fēng)場仍然具有一定偏差。劉漢武等（2016）研究表明ERA-40（ECMWF Reanalysis-40）、ERA-interm（ECMWF Reanalysis-interm）和NCEP（National Centers for Environmental Prediction）再分析數(shù)據(jù)都較難模擬出近50年來中國各區(qū)域風(fēng)速顯著減小的變化趨勢以及季節(jié)變化特征。呂潤清和李響（2021）也指出ERA5再分析數(shù)據(jù)與觀測數(shù)據(jù)在一致性及誤差方面存在較為顯著的時空差異，且該數(shù)據(jù)在夏季的適用性低于其他季節(jié)。除了時間變化上的誤差，再分析數(shù)據(jù)集的準(zhǔn)確性和可信度也存在顯著的區(qū)域差異（Bengtsson et al., 2007; 謝瀟等,2011）。就風(fēng)場而言，Kim et al.（2018）對CFSR、ERA-Interim、MERRA、MERRA-2在韓國西南海域某風(fēng)場的適用性分析表明MERRA-2性能最好，ERA-Interim性能最差。在我國環(huán)渤海區(qū)域，陳艷春等（2017）認(rèn)為JRA-55和ERA-Interim兩套資料的適用性優(yōu)于CFSR、NCEP/NCAR和NCEP/DOE。Song et al.（2015）也針對ERA-interim風(fēng)場在中國近海的適用性指出其在黃海和東海區(qū)域與浮標(biāo)觀測結(jié)果接近。申華羽等（2019）基于5個測風(fēng)塔數(shù)據(jù)對ERA-Interim和NCEP/NCAR再分析在中國東南近海的偏差分析顯示NCEP/NCAR的10 m風(fēng)適用性更好。曠芳芳等（2015）應(yīng)用浮標(biāo)觀測資料則指出CFSR再分析資料在臺灣海峽比ERA-Interim更接近觀測。

從已有的研究不難發(fā)現(xiàn)，再分析風(fēng)場數(shù)據(jù)在中國近海的適用性存在差異已基本得到共識，但很少有研究關(guān)注最新的ERA5和目前在風(fēng)能開發(fā)應(yīng)用中使用較多的MERRA2與CFSR再分析數(shù)據(jù)的具體差異，同時很少有研究關(guān)注了再分析對風(fēng)能的再現(xiàn)能力。因此，本文將基于上述三種再分析數(shù)據(jù)集對我國近海風(fēng)能資源特征進(jìn)行統(tǒng)計分析，為近海風(fēng)能資源的開發(fā)和利用提供參考；并在此基礎(chǔ)上結(jié)合實測數(shù)據(jù)，指出不同再分析數(shù)據(jù)應(yīng)用于中國近海風(fēng)能的適用性。

2 數(shù)據(jù)和方法

2.1 數(shù)據(jù)介紹

本文所使用的數(shù)據(jù)包括13個海洋測站和3個測風(fēng)塔實測測數(shù)據(jù)，以及2000～2019年ERA5、MERRA2和CFSR再分析10 m逐時風(fēng)場數(shù)據(jù)。受限于觀測條件和數(shù)據(jù)缺測等原因，昌邑、如東、沙扒測風(fēng)塔分別僅包含2019年1月1日至2019年08月19日、2019年8月8日至2019年12月31日和2019年1月1日至2019年08月1日的逐日100 m風(fēng)速，而海洋測站包含2019年逐時10 m風(fēng)速。各觀測站點名稱（簡稱）、經(jīng)緯度等信息見表1。便于研究，本文按四大海域劃分中國近海：渤海（37°N以北，124.5°E以西）、黃海（31°N～37°N，123.5°E以西）、東海（21.5°N～31°N，123°E以西）、南海（17.5°N以北，106.5°E以西），區(qū)域劃分概況和實測站點位置分布可見圖1。3種再分析資料的詳細(xì)信息見表2。

圖1 研究區(qū)域概況和觀測數(shù)據(jù)位置分布（空心圈為海洋觀測站，實心圈為測風(fēng)塔，填色表示海拔高度）Fig. 1 Overview of the study area and the location distribution of the observation data, in which the hollow circles are ocean stations and the solid circles are wind towers, the shaded indicate the altitude

表1 實測站點信息Table 1 The information of observed data

表2 3種再分析數(shù)據(jù)信息Table 2 The information of three reanalysis data

2.2 風(fēng)資源特征分析方法

常用的海上風(fēng)機輪轂高度在100 m附近，因此本文使用冪律將10 m風(fēng)速統(tǒng)一推導(dǎo)到100 m高度：

其中，Z表示高度，Z10、Z100分別為10、100 m，U10、U100分別為10、100 m高度處的風(fēng)速，α為風(fēng)切變指數(shù)，本文取1/7（Akinsanola et al., 2021）。

風(fēng)能密度（WPD）為空氣在單位時間內(nèi)流經(jīng)單位截面垂直氣流的動能，計算公式為

其中，w為風(fēng)能密度，m為空氣質(zhì)量（單位：kg），v為風(fēng)速（單位：m/s），ρ為空氣密度（單位：kg/m3），這里取標(biāo)準(zhǔn)大氣海平面空氣密度為1.225 kg/m3。

由于風(fēng)機只有風(fēng)速達(dá)到切入風(fēng)速時才能發(fā)電，而風(fēng)速超過切出風(fēng)速時為了避免風(fēng)機損壞將停止發(fā)電，參考前人研究（Ma et al., 2017）與市場主流型號風(fēng)機的載荷設(shè)計，定義fEW為有效風(fēng)時速（EW）出現(xiàn)的頻率，其計算公式為

其中，t為3～25 m/s有效風(fēng)速出現(xiàn)的時次，T為總時次。

為了衡量風(fēng)資源的穩(wěn)定性，定義變異系數(shù)（CV）和月變化指數(shù)（Monthly Variability Index，MVI）（Wen et al., 2021）:

其中，Cv為變異系數(shù)，σw為逐時風(fēng)能密度的標(biāo)準(zhǔn)差，為平均風(fēng)能密度；IMVI為月變化指數(shù)，wmax為最豐富月份的風(fēng)能密度，wmin為最貧乏月份的風(fēng)能密度，aw為多年平均的風(fēng)能密度。CV或MVI數(shù)值越小，代表風(fēng)能穩(wěn)定性越好，越有利于風(fēng)能開發(fā)。

3 結(jié)果分析

3.1 不同再分析數(shù)據(jù)在中國近海的風(fēng)資源特征

對中國近海四大海域100 m高度風(fēng)速概率特征進(jìn)行了統(tǒng)計，結(jié)果如圖2所示。整體上，3種再分析風(fēng)速概率分布存在南北海域差異，即在東海、南海小于9 m/s的風(fēng)速概率比渤海、黃海大；此外，ERA5再分析在整個近海的低風(fēng)速（＜6 m/s）概率都比CFSR和MERRA2再分析大，說明ERA5風(fēng)速相對較弱。具體的，ERA5、CFSR和MERRA2再分析在渤海（圖2a）的最大（?。╋L(fēng)速分別為30.59（0.0004）、39.70（0.004）、40.83（0.12）m/s，概率最大風(fēng)速（概率）分別為3.1 m/s（2.1%）、6.5 m/s（1.1%）、7.8 m/s（0.9%）；黃海（圖2b）最大（?。╋L(fēng)速分別為29.66（0.001）、40.49（0.004）、43.53（0.15）m/s，概率最大風(fēng)速（概率）分別為3 m/s（2.2%）、7.1 m/s（1.1%）、8 m/s（1.1%）；東海（圖2c）最大（?。╋L(fēng)速分別為44.59（0）、80.31（0）、66.72（0.11）m/s，概率最大風(fēng)速（概率）分別為1.9 m/s（3.0%）、6.6 m/s（0.94%）、5.2 m/s（1.4%）；而南海（圖2d）最大（小）風(fēng)速分別為44.64（0）、82.63（0.004）、66.71（0.10）m/s，概率最大風(fēng)速（概率）分別為1.9（2.2%）、7.0（1.0%）、6.2（1.2%）m/s。

圖2 2000～2019年中國近海（a）渤海（b）黃海、（c）東海和（d）南海海域100 m高度風(fēng)速單個概率分布統(tǒng)計。黑色、紅色和藍(lán)色實線分別代表ERA5、CFSR和MERRA2再分析資料Fig. 2 Probability statistics of wind speed at 100 m height in (a) Bohai Sea (b) Yellow Sea, (c) East China Sea, and (d) South China Sea of China from 2000 to 2019. The black, red, and blue solid lines in the figure represent ERA5, CFSR, and MERRA2 reanalysis data respectively

3種再分析在中國近海有效風(fēng)時的空間分布（圖3）顯示江浙和海南以東海域的EW較長，而臺灣海峽西南由于存在風(fēng)速大于風(fēng)機切出風(fēng)速的情況，EW較短。EW量級上近海多數(shù)區(qū)域介于0.84～0.95，近岸部分區(qū)域低于0.8。此外，ERA5、CFSR和MERRA2在中國近海的EW分布還具有差異性，例如ERA5再分析近海EW比近岸低，而MERRA2在江蘇沿海以北區(qū)域的EW依次高于CFSR和ERA5。

圖3 2000～2019年基于（a）ERA5、（b）CFSR和（c）MERRA2再分析數(shù)據(jù)的中國近海有效風(fēng)時（EW）的空間分布Fig. 3 The spatial distribution of EW (effective hour of wind speed) based on (a) ERA5, (b) CFSR, and (c) MERRA2 in China offshore from 2000 to 2019

圖4給出了3種再分析在中國近海的WPD特征，可以看出100 m高度的WPD均超過200 W m-2，說明中國海上風(fēng)能潛力巨大。不同再分析也展現(xiàn)出較大的差異，其中ERA5（圖4a）中WPD的空間分布的最值中心為臺灣海峽中部的2253.34 W m-2。MERRA29（圖4c）的WPD在中國近海的分布特征與ERA5相似，但量級ERA5大。此外，參照董旭光等（2019）研究結(jié)果中山東沿海100 m高度WPD都大于600 W m-2，說明MERRA2對黃海風(fēng)能量級的再現(xiàn)能力較好，而ERA5可能低估了近岸WPD。CFSR（圖4b）在臺灣海峽的WPD。CFSR的WPD在海南島西部海域和整個東海區(qū)域風(fēng)能密度都較高（＞1200 W m-2），渤海和南海的風(fēng)能密度達(dá)到600 W m-2，風(fēng)能密度最小的黃海和部分省近海也超過200 W m-2。這可能與CFSR所使用的數(shù)值模式、同化數(shù)據(jù)或同化方法的差異造成風(fēng)速模擬偏高有關(guān)（曠芳芳等, 2015）。

圖4 2000～2019年基于（a）ERA5、（b）CFSR和（c）MERRA2再分析數(shù)據(jù)的中國近海風(fēng)能密度（WPD）的空間分布Fig. 4 The spatial distribution of WPD (Wind Power Density) based on (a) ERA5, (b) CFSR, and (c) MERRA2 in China offshore from 2000 to 2019

在風(fēng)能資源的開發(fā)中，除了風(fēng)能資源的豐富程度之外，其穩(wěn)定性也是較為關(guān)鍵的因素。衡量風(fēng)能穩(wěn)定性的日變異系數(shù)CV如圖5，ERA5（圖5a）在中國近海的CV分布具有南北差異，福建以北的近海區(qū)域CV值較高（＞1.3），對應(yīng)風(fēng)能波動性較大——其中浙江北部區(qū)域波動最大；相比之下，臺灣海峽（CV＜1.0）因常年風(fēng)速較大，逐日變化小，風(fēng)能穩(wěn)定性較高。與ERA5類似，CFSR（圖5b）的CV分布也展現(xiàn)出南小北大的分布差異。而MERRA2（圖5c）在中國近海的CV區(qū)域差異大，其中浙江沿海CV最大（大于4），而最小的臺灣海峽CV只有1.03?；?種再分析CV空間分布的共同點說明，我國臺灣海峽以南海域的風(fēng)能穩(wěn)定性相比其它海域而言更優(yōu)，可能更適宜連片式的大范圍、大規(guī)模并網(wǎng)風(fēng)電開發(fā)。

圖5 2000～2019年基于（a）ERA5、（b）CFSR和（c）MERRA2再分析數(shù)據(jù)的中國近海風(fēng)能變異系數(shù)（CV）的空間分布Fig. 5 The spatial distribution of CV (Coefficient of Variation) based on (a) ERA5, (b) CFSR, and (c) MERRA2 in China offshore from 2000 to 2019

我國近海風(fēng)能資源存在明顯的季節(jié)差異（孫稚權(quán)等, 2016），從3種再分析MVI的分布（圖6）可知整體上中國近海偏南海域的季節(jié)性變化比北方大，對比圖5、6可知，各再分析風(fēng)能的日變異和月變化表現(xiàn)出了南北差異，可能與中國南方海域風(fēng)速受南海季風(fēng)進(jìn)退影響有關(guān)（Wen et al., 2021）。ERA5（圖6a）在渤海、黃海和東海的MVI指數(shù)較小，而南海較大；同時ERA5能更好反映復(fù)雜地形對風(fēng)速的影響，在珠江口、杭州灣和長江入海口地區(qū)的MVI指數(shù)超過0.4。廣東沿海、臺灣西部和山東—江蘇沿海是CFSR在中國近海的MVI相對大值區(qū)，除外的其他區(qū)域月變化指數(shù)低于0.2。MERRA2在中國近海的MVI變化最不明顯，福建以北的海域MVI低于0.2，且多數(shù)區(qū)域低于0.1，而南海大部分地區(qū)MVI也介于0.1～0.2。

圖6 2000～2019年基于（a）ERA5、（b）CFSR和（c）MERRA2再分析數(shù)據(jù)的中國近海風(fēng)能月變化指數(shù)（MVI）的空間分布Fig. 6 The spatial distribution of MVI (Monthly Variability Index) based on (a) ERA5, (b) CFSR, and (c) MERRA2 in China offshore from 2000 to 2019

3.2 不同再分析數(shù)據(jù)在中國近海的適用性分析

不同再分析數(shù)據(jù)在中國近海的風(fēng)資源特征分析表明在數(shù)據(jù)之間和海域之間均存在一定差異。為此，我們利用中國近海的觀測（13個海洋氣象站和3個測風(fēng)塔）資料進(jìn)行對比，探討其適用性，為不同再分析在風(fēng)資源評估中的應(yīng)用潛力和價值提供參考。

Weibull模型在風(fēng)能開發(fā)中有廣泛應(yīng)用，基于雙參數(shù)Weibull分布和極大似然估計法（王文新等,2021），本文計算了不同觀測點風(fēng)速概率分布的形狀因子k和尺度因子c（圖7），并計算了相應(yīng)的概率和累積概率分布（圖略）。雙參數(shù)Weibull擬合k值對概率曲線的基本形狀起決定作用，k越小風(fēng)速概率分布范圍越廣，而尺度參數(shù)c則對概率曲線起放大縮小作用。從圖7可知中國近海不同站點或測風(fēng)塔實測風(fēng)速概率分布差異較大，其中k介于1.37～3.34，c介于4.03～11.86。雖然所有再分析都高（低）估了海洋站（測風(fēng)塔）實測k，但CFSR相對實測k值的偏差更小。此外，再分析幾乎都高估了實測c，而ERA5相對更接近各個站點尺度參數(shù)。3種再分析資料與18站實測k、c偏差的均值分別為0.17和1.67，說明多數(shù)情況下再分析k、c與實測能較好對應(yīng)，即再分析數(shù)據(jù)與多數(shù)實測資料的風(fēng)速概率分布擬合較好，表明其具備一定刻畫實際風(fēng)能特征的能力。

圖7 2019年中國近海13個海洋氣象站和3個測風(fēng)塔處實測（黑色）、ERA5（藍(lán)色）、CFSR（紅色）和MERRA2（紫色）威布爾擬合形狀參數(shù)k和尺度參數(shù)cFig. 7 The shape parameter k and scale parameter c of Weibull distribution at 13 ocean stations and three wind towers in offshore China in 2019,where black, blue, red, and purple represent measured, ERA5, CFSR and MERRA2, respectively

圖8為2019年各站點實測與再分析日風(fēng)能密度時間序列的對比，圖9為不同站點處的相關(guān)系數(shù)，偏差和均方根誤差，單一再分析在再現(xiàn)不同站點的WPD時具有一致性。由于不同站點或測風(fēng)塔存在區(qū)域差異，因此實測風(fēng)能密度存在明顯的差異，例如DSN站點處平均WPD僅為44.38 W/m2，而NJI站點卻達(dá)到1074.24 W/m2。除了量級差異外，各觀測點風(fēng)能波動性也有差異，其中DSN站點處風(fēng)能最穩(wěn)定，而DCN站點處風(fēng)能日波動最劇烈。雖然ERA5、CFSR和MERRA2再分析資料與測風(fēng)塔相關(guān)系數(shù)較差（介于－0.14～0.32），但都與海洋觀測站風(fēng)能密度較吻合，其中ERA5與海洋觀測站的相關(guān)系數(shù)更高（介于0.62～0.81），這一方面可能源于10 m風(fēng)速以冪律簡單外推至測風(fēng)塔所在的100 m高度時產(chǎn)生的誤差，另一方面可能源于測風(fēng)塔數(shù)據(jù)本身缺乏海洋臺站公開發(fā)布時采取的質(zhì)量控制和誤差訂正，導(dǎo)致再分析數(shù)據(jù)與測風(fēng)塔數(shù)據(jù)之間差異較大。ERA5再分析在多個實測站點處低估WPD（符合圖4相關(guān)結(jié)論），但其相對觀測的整體誤差最?。籆FSR和MERRA2再分析表現(xiàn)出整體高估，其中CFSR比MERRA2偏離更大，尤其是在BSG、DCN、DSN 3處站點，CFSR盡管與測風(fēng)觀測均表現(xiàn)出較為明顯的日變化變化（相關(guān)性較好），但對于風(fēng)速模擬偏大，導(dǎo)致均方根誤差明顯大于MERRA2和ERA5?？傮w而言，ERA5與多數(shù)站點實測WPD的相關(guān)性更大，偏離程度更小，其在中國近海的性能相較CFSR和MERRA2再分析更好。

圖8 2019年中國近海13個海洋氣象站和3個測風(fēng)塔處實測（黑色）、ERA5（藍(lán)色）、CFSR（紅色）和MERRA2（綠色）再分析100 m高度日風(fēng)能密度時間序列Fig. 8 Time series of measured (black), ERA5 (blue), CFSR (red), and MERRA2 (green) reanalysis of 100-m WPD at 13 ocean stations and three wind towers in offshore China in 2019

圖9 2019年中國近海13個海洋氣象站和3個測風(fēng)塔100 m實測風(fēng)能與ERA5（藍(lán)色）、CFSR（紅色）和MERRA2（綠色）再分析（a）相關(guān)系數(shù)、（b）偏差和（c）均方根誤差（RMSE）Fig. 9 (a) The correlation coefficient, (b) bias, and (c) root mean square error (RMSE) between reanalysis data and measured 100-m WPD at 13 ocean stations and three wind towers in offshore China in 2019, where ERA5 (blue), CFSR (red) and MERRA2 (green) are in blue, red, and green,respectively

表3給出了3種再分析在各個站點的EW，平均WPD和CV，從結(jié)果中可見，再分析幾乎都高估了EW和WPD，尤其對XCS、XMD和DSN站點EW的高估最嚴(yán)重；而WPD則除了LYG、SSN和ZHI站點外，均存在高估情況。整體而言，ERA5相對CFSR和MERRA2的偏差更小。3種再分析波動性（CV）都較實測偏小，其中3種再分析在不同站點的偏差表現(xiàn)各有優(yōu)劣。綜合各指標(biāo)顯示ERA5整體性能較優(yōu)，但需注意MERRA2在再現(xiàn)渤海和南海的風(fēng)能日變異性、CFSR在刻畫黃海的EW、WPD以及東海黃海的CV時有一定優(yōu)勢。

表3 ERA5、CFSR和MERRA2再分析與各實測點EW、WPD和CV的對比Table 3 Comparison of ERA5, CFSR, and MERRA2 reanalysis with measured EW, WPD, and CV

4 總結(jié)與討論

本文從風(fēng)速概率分布、有效風(fēng)時，風(fēng)能密度、風(fēng)能穩(wěn)定性（日變異、月變化和年變化）的角度分析了ERA5、CFSR和MERRA2 3種再分析資料在中國近海100 m高度的風(fēng)資源特征，并基于2019年13個海洋觀測站逐時10 m風(fēng)速和3座測風(fēng)塔100 m日風(fēng)速討論了不同再分析在中國近海的適用性。

整體而言，ERA5比CFSR和MERRA2的性能更優(yōu)，但MERRA2在再現(xiàn)渤海和南海的風(fēng)能波動以及CFSR在刻畫黃海的EW、WPD和東海黃海的CV時具有一定優(yōu)勢。具體結(jié)論如下：

（1）風(fēng)速概率統(tǒng)計顯示2000～2019年ERA5、CFSR、MERRA2在中國南方近海（東海、南海）的弱風(fēng)概率都比北方（渤海、黃海）大；ERA5在四大海域小于6 m/s累積概率高于CFSR和MERRA2。ERA5、CFSR、MERRA2再分析都顯示中國近海的EW較高（介于0.84～0.95），其中臺灣海峽相對較低；3種再分析的WPD在空間上呈“低高低”分布，其中臺灣海峽及周邊區(qū)域是風(fēng)能密度高值中心，而WPD量級上CFSR最大值依次高于MERRA2和ERA5。風(fēng)能穩(wěn)定性方面，ERA5和CFSR的日變異呈南小北大空間分布，而MERRA2波動較大（日變異系數(shù)介于1.03～4）；整體上，3種再分析顯示中國南方海域的風(fēng)能月變化比北方大，但CFSR顯示渤海黃海也存在一些月變化較大區(qū)域。

（2）適用性評估顯示3種再分析與多數(shù)站點實測風(fēng)速概率和累積概率分布較吻合，整體上CFSR（ERA5）與各實測的形狀因子（尺度因子）更接近實測。相關(guān)分析和偏離性分析表明ERA5、CFSR、MERRA2與測風(fēng)塔實測相關(guān)系數(shù)較差，但與海洋觀測站相關(guān)性較高；ERA5（CFSR和MERRA2）低（高）估了實測WPD量級，同時3種再分析中ERA5整體相關(guān)性更大、偏離程度更小。

上述結(jié)論可為中國近海的風(fēng)能資源評估、風(fēng)能資源開發(fā)選址和再分析數(shù)據(jù)的使用提供一定的參考，例如ERA5再分析數(shù)據(jù)可應(yīng)用于我國大部分海域，尤其適用于目前海上風(fēng)電開發(fā)、建設(shè)較為集中的地形相對復(fù)雜的近海海域。但本文還存在許多可以改進(jìn)的地方, 例如風(fēng)切變指數(shù)是隨著時間、粗糙度和地形等因子的改變而動態(tài)變化的，因此將站點10 m風(fēng)速外推時取風(fēng)切變?yōu)槌?shù)可能對結(jié)果造成一定的誤差。同時適用性分析中南海區(qū)域?qū)崪y樣本偏少，而且16個測站空間位置分布不均，站點代表性不完全統(tǒng)一可能會影響適用性分析結(jié)論。

致謝感謝國家科技資源共享服務(wù)平臺—國家海洋科學(xué)數(shù)據(jù)中心（http://mds.nmdis.org.cn/[2022-12-31])提供數(shù)據(jù)支撐。感謝中國三峽新能源（集團(tuán)）股份有限公司提供數(shù)據(jù)支撐。