对数风廓线对研究风随高度与沿海地区地形变化的关系

风廓线雷达在我国民用航空气象领域中的研究与应用作者：钱一嘉来源：《科学与财富》2016年第18期摘要：本文从理论上分析了风廓线雷达的工作方式和特点，阐述了风廓线雷达在我国民用航空气象领域中实际的应用情况和未来发展趋势。

低空风切变是一种小尺度性质的天气系统现象，最至关紧要的一点是不容易被观测，这就对飞机运行状态产生了重要影响，是飞机事故的一种安全隐患，所以国内外对这种气象类型给予了高度重视。

在多数机场中都有风廓线雷达的装置，探测气象要素的变化情况，保证飞机在飞行和着陆中的安全状态。

关键词：风廓线雷达；民用航空；航空气象前言：风切变是民用航空气象界的一个热门话题，对飞机运行产生了一定威胁，当正在运行中的飞机遇到这种气象条件，会不受控制，从而导致安全事故的发生，是引起空中事故不容忽视的隐形杀手。

因此为了安全保障，要从根本上对风切变增加认识了解，加强对其现象的研究，降低造成的危害。

风廓线雷达是一种新型气象雷达，能够对风切变等气象要素以垂直探测模式进行监控。

低空风切变的产生与大气本身运动情况等因素有着重要关系，风廓线雷达的应用能够探测到其存在，能够获取到相关数据信息，为规避这种气象条件的不良影响创造了有利条件，大大保证了飞机运行的安全性。

本文以风廓线雷达与低空风切变为研究对象，对风廓线雷达探测低空风切变的应用展开了论述。

一、民用航空气象风廓线雷达与低空风切变概述（一）风廓线雷达风廓线是对风速的一种描述，是对风速与高度关系的描述，也就是分析当高度变化时风速如何随着变化，为风速在大气边界层内的规律奠定了研究基础。

其调查方法是在小于1.5千米的地面高度基础上测试出风速、风向，通过测试观察风速、风向与高度的关系，并根据大气稳定度进行分类，得出数学表达式[1]。

而风廓线雷达是描述风廓线，用来研究风速的一种遥感设备，还可以用来对天气的监测。

从不同方向高空发射电磁波束，电磁波受到大气折射率的影响发生散射现象，雷达对电磁波束信息进行接收处理，形成大气风场，收集有关大气风场的信息，对高空风场做出进一步的探测，探测过程体现出自动化程度高与不受时间与空间限制的高.分辨率。

风速廓线名词解释
风速廓线是指在垂直方向上随着高度变化的风速分布情况。

由于大气中的摩擦力和地形等因素的作用，风速在不同高度上可能会有所不同。

风速廓线的研究对于风力发电、建筑设计等领域具有重要意义。

以下是一些与风速廓线相关的名词解释：
1. 高度：风速廓线中的高度通常指的是相对于地面的高度，可以用来描述风速在不同海拔高度上的变化。

2. 层流层：也称为滑行层，是指离地面较近的地区，受到地表粗糙度和摩擦力影响较大，风速廓线比较平缓，变化较小。

3. 过渡层：也称为混合层，是指从地表至层流层之间的过渡区域。

在这个区域内，地形和局地特征对风速廓线的影响逐渐减弱，风速的垂直梯度变大。

4. 自由大气层：也称为自由对流层，是指远离地表的大气层区域。

自由大气层中的风速廓线受到大尺度天气系统和地球自转等因素影响，通常表现出明显的垂直梯度和变化。

5. 稳定层：指在大气中温度逐渐减小或增加的情况下，风速随高度变化不大的层次。

稳定层可以分为辐射稳定层、温度递增稳定层等不同类型。

6. 不稳定层：指在大气中温度逐渐增加或减小的情况下，风速随高度变化较大的层次。

不稳定层可以分为辐散不稳定层、对流不稳定层
等不同类型。

风速廓线的研究对于风能资源评估、风力发电机组设计以及建筑物的结构安全等方面具有重要意义。

了解风速廓线及其特征有助于更好地评估和利用风能资源，并进行相应的工程规划和设计。

不同季节天气条件下风廓线雷达测风精度分析随着时代的发展和科技的不断进步，通过相关的技术手段能够测算出不同季节天气条件下的相关数据资料。

而本文就将针对不同季节天气条件下风廓线雷达测风精度进行详细的分析与讨论，通过一定的探测和资料对比，能够有效测算出晴空和不同降水条件下风廓线雷达所探测的精度以及高度随机变化的状况。

通过不同季节天气条件的应用和数据探测，将风廓线雷达探测风精度的准确性进行逐步的分析，对于测算较低的环境和条件进行详细的算法改进，有效提升测算数据质量，提高探测的性能标准。

标签：气象观测;风廓线雷达系统;精度分析引言在不同的天气条件下，通过风廓线雷达能够提供以风为主要数据的高时间分辨率扩线数据，并且这种风廓线雷达能够全天不间断的进行工作运转。

风廓线雷达系统能够提高时空密度以及风场观测资料的准确性，在现如今的气象部门被广泛的应用。

与此同时，风廓线雷达系统能够加强对于灾害性天气的预警，能够在第一时间有效的测算出一些恶劣影响的天气，尤其是面向一些具有高度灾害性的天气预测有着重要的探测作用。

1 不同季节天气条件下风廓线雷达测风的影响利用风廓线雷达系统的观测数据资料，一水平风速的差异作为计算的主体，利用风廓线雷达系统。

和探测空气球将携带的GTS1型探空仪进行细致的数据对比与分析。

通过不同的季节和天气条件下所产生的水平风速差异做出详细的计算和分析。

而处于不同季节和天气条件的影响，风廓线雷达系统所测出的水平风速差异也大有不同，以夏季和冬季为主要测算的两个季节，通过在晴空，夏季降水条，冬季寒冷空气进行风廓线雷达系统的水平探测和数据情况分析。

我们在数据探测和对比的过程当中，利用风廓线雷达系统的5波束进行观测顺应着东南西北四个方向，以一个垂直指向天顶的波束为中心，其他四个方向以相同的角度进行倾斜。

在所有垂直速度处于一种水平均匀的状态下，采用垂直波束能够测算出径向速度垂风以及降水条件下关于风的精度，以此类推，即可测算出水平方的分量。

风廓线雷达数据处理与应用研究风廓线雷达数据处理与应用研究一、引言风廓线雷达是一种用于探测大气中风场特征的高分辨、全天候雷达系统。

它利用探测得到的散射信号和多普勒频移信息，可以获取大气中不同高度上的风速和风向数据。

这些数据对于气象、航空、气候等领域的研究和应用具有重要意义。

风廓线雷达数据的处理和分析是利用这一技术的关键环节，本文将对风廓线雷达数据的处理方法和应用进行研究和探讨。

二、风廓线雷达数据处理方法1. 数据获取风廓线雷达通过发射微波信号，利用散射回波量测来自大气中不同高度上的信号强度。

这些回波信号被接收到雷达天线，并通过模拟/数字转换等方式将其转化为数字信号保存。

获取的原始数据包括频率、强度和多普勒频移信息。

2. 数据预处理原始数据存在一定的噪声和杂波，需要进行滤波和去噪处理。

滤波可以选择不同的算法，如中值滤波、卡尔曼滤波等。

去噪处理可以采用傅立叶变换、小波变换等频域方法，也可以利用滑动窗口平均、差分算法等时域方法。

3. 数据分析数据分析主要包括信号处理、多普勒频移解算和风分析。

信号处理包括雷达图像生成和分析，可以利用滤波、插值等算法对散射回波信号进行处理和可视化展示。

多普勒频移解算是指通过多普勒频移信息计算出风速和风向，可以利用傅立叶变换、互相关等方法进行解算。

风分析是利用解算得到的风速和风向数据，对大气运动、风场结构等进行分析和研究。

三、风廓线雷达数据应用研究1. 气象学应用风廓线雷达可以提供大气中不同高度上的风场特征，对于气象学研究有着重要意义。

可以通过分析风廓线数据，探测大气中的气旋、锋面等天气系统；研究大气运动对降水、气温等气象要素的影响；监测大气层结、对流发展等气象过程；识别大气中的边界层和湍流等。

2. 航空航天应用风廓线雷达可以提供精确的风速和风向数据，在航空和航天领域有着广泛的应用。

利用风廓线雷达可以监测低空风场，为飞机起降、航迹规划等提供重要参考信息；可以预测复杂气象条件下的空气动力学影响，提高航空器的飞行安全性；可以研究风切变等对飞行的影响，改善飞行操纵性能。

第２６期２０２３年９月江苏科技信息ＪｉａｎｇｓｕＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＩｎｆｏｒｍａｔｉｏｎＮｏ ２６Ｓｅｐｔｅｍｂｅｒꎬ２０２３基金项目:上海勘测设计研究院有限公司科标业ꎻ项目名称:基于多源卫星遥感数据的海上风电场海洋环境参数分析研究ꎻ项目编号:２０２１ＦＤ(８)－００１ꎮ作者简介:张鑫凯(１９８５ )ꎬ男ꎬ江苏启东人ꎬ高级工程师ꎬ本科ꎻ研究方向:海上风电ꎬ光伏ꎮ中国近海海上风场分布特征研究以近１０年(２０１０ ２０２２年)为例张鑫凯(上海勘测设计研究院有限公司ꎬ上海２００３３５)摘要:相比传统观测手段ꎬ卫星遥感技术具有易获取㊁大时空㊁低成本等优势ꎬ在海上风场资料观测方面具有独特优势ꎮ目前ꎬ行业内基于卫星遥感手段对中国近海海上风场的分布变化特征研究相对较少ꎮ文章利用２０１０ ２０２２年海上风场融合资料ꎬ系统分析了中国近海海上风场近１０年的时空分布变化特征ꎮ结果显示:卫星反演海面风场与实测海面风场相比具有较好的一致性ꎬ风速平均相对绝对误差为１４ ８％ꎬ均方差误差为１ １ｍ/ｓꎬ风向的均方差误差为１７ ３３ʎꎬ平均偏差为１５ １７ʎꎻ中国近海整体上呈现冬春季风速大㊁夏季风速低的特点ꎬ在东海和南海交界处呈现出三角形高风速区域ꎮ本研究成果有望对海上风电场的前期规划提供理论支撑和科学支持ꎮ关键词:卫星遥感ꎻ海面风场ꎻ中国近海ꎻ时空分布特征中图分类号:Ｐ７１㊀㊀文献标志码:Ａ０㊀引言㊀㊀海面风场是海洋上层运动的主要动力来源ꎬ与海洋中几乎所有的海水运动直接相关[１]ꎮ在海洋动力学过程中ꎬ它不仅是形成海面波浪的直接动力ꎬ而且是区域和全球海洋环流的动力[２]ꎮ因此ꎬ海面风场的测量对于海洋环境数值预报㊁海洋灾害监测㊁海气相互作用㊁海上风电场规划建设等都具有重要意义ꎮ目前ꎬ观测海面风场的传统方法主要是通过浮标㊁船舶㊁沿岸及岛屿自动气象站等手段获取资料[３]ꎮ然而ꎬ由于海洋环境恶劣㊁仪器耗费高等原因ꎬ我国近海观测网多设置于沿海一带且数量有限㊁分布稀疏ꎬ无法获得大面积同步㊁长时间序列的观测资料ꎬ缺乏对海面风场整体性㊁系统性的认知ꎮ与传统观测手段相比ꎬ卫星遥感则具有大面积㊁准同步和全天候的观测能力ꎮ１９７８年美国国家航空航天局(ＮａｔｉｏｎａｌＡｅｒｏｎａｕｔｉｃｓａｎｄＳｐａｃｅＡｄｍｉｎｉｓｔｒａｔｉｏｎꎬＮＡＳＡ)发射了全球第一颗ＳｅａＳＡＴ卫星ꎬ此后一系列用于测量地表风向量的卫星传感器发射升空ꎬ为海面风场的全球观测提供了行之有效的技术手段ꎮ目前ꎬ可以观测海面风的卫星传感器主要有微波散射计㊁微波辐射计和微波高度计[４]ꎮ同时ꎬ交叉校准多平台(Ｃｒｏｓｓ－ＣａｌｉｂｒａｔｅｄＭｕｌｔｉ－ＰｌａｔｆｏｒｍꎬＣＣＭＰ)为世界海洋提供了矢量风场融合信息ꎬ能够更加深入地了解海上风速和风向的变化ꎬ掌握风速风向的变化规律ꎬ更好地利用海上风能ꎮ中国近海区域在人类生产和生活中占有重要的地位ꎬ其跨越不同的气候区域ꎬ气候差异显著ꎬ各类天气活动频繁ꎬ是世界上受海洋灾害最严重的区域之一ꎮ除海啸灾害外ꎬ中国近海海洋灾害都与风场密切相关ꎬ其中ꎬ台风引起的风暴潮灾害造成的损失最严重[５]ꎬ其次为台风㊁寒潮天气带来的海上大风相伴生的海浪灾害ꎬ这两类海洋气象灾害造成的经济损失达总灾害损失的８０％以上[６]ꎮ因此ꎬ对我国近海海面风的深入研究ꎬ不仅对台风等海洋天气形势的分析预报具有重要意义ꎬ而且可以为近海区域海上风能的有效利用提供科学支撑ꎮ然而ꎬ行业内基于卫星遥感手段对海上风场的分析研究相对较少ꎮ针对实际的开发需求和目前研究存在的不足ꎬ本文利用长时序(２０１０ ２０２２年)的卫星遥感产品资料ꎬ对中国近海目标海域的海面风场分布特征开展分析评估研究ꎬ获取不同近海海域的海面风场时空变化特征ꎬ以期为海上风电场的前期规划提供科学支撑ꎮ１　研究区域与数据１ １㊀研究区域概况㊀㊀研究区域为中国近海ꎬ包括渤海㊁黄海㊁东海和南海ꎮ渤海三面被陆地环绕ꎬ大陆径流较强ꎬ湾内海水不易与外部进行交换ꎮ黄海是西太平洋重要的陆架边缘海之一ꎬ位于东亚季风区ꎬ受太阳辐射㊁大气强迫㊁河流径流及地形㊁岸线㊁潮汐潮流等多种因素的影响ꎬ水文和环流存在显著的季节变化和空间差异ꎮ东海西有宽广陆架㊁东有深海槽ꎬ兼有深浅海特征ꎬ是海况十分复杂的海区ꎮ南海位于中国大陆的南面ꎬ通过狭窄的海峡或水道ꎬ东与太平洋相连ꎬ西与印度洋相通ꎬ是一个东北－西南走向的半封闭海ꎮ为了研究分析典型子区域的海面风场特征ꎬ本文将中国近海分为１２个子区域ꎬ包括渤海㊁渤海海峡㊁黄海北部㊁黄海中部㊁黄海南部㊁东海北部㊁东海南部㊁台湾海峡㊁南海东北部㊁南海北部㊁琼州海峡和北部湾ꎮ１ ２㊀卫星遥感数据㊀㊀微波测量海面风速是基于海面的后向散射或亮温与海面的粗糙度有关ꎬ而海面粗糙度与海面风速之间具有一定的经验关系进行的ꎮ微波散射计通过测量海面微波后向散射系数ꎬ根据它与海面风矢量的经验模式函数来反演海面风场ꎮ对同一海域不同入射角的资料进行分析ꎬ可获得风向分布信息ꎮ交叉校准多平台(Ｃｒｏｓｓ－ＣａｌｉｂｒａｔｅｄＭｕｌｔｉ－ＰｌａｔｆｏｒｍꎬＣＣＭＰ)是一种网格化的４级风场产品(Ｌ４)ꎬ可为世界海洋提供矢量风场信息ꎮＣＣＭＰ是通过对卫星微波遥感和仪器观测的海面风数据进行交叉校准和同化而得出的合成风场资料ꎮ使用的卫星传感器主要有两种类型ꎬ即成像辐射计和散射计ꎮ成像辐射计通过评估随着风的增加ꎬ海洋表面的发射和散射特性变化所引起的微波辐射变化ꎬ反演无冰海洋上近地面的风速[７－９]ꎮ以欧洲中期天气预报中心(ＥｕｒｏｐｅａｎＣｅｎｔｒｅｆｏｒＭｅｄｉｕｍ－ＲａｎｇｅＷｅａｔｈｅｒＦｏｒｅｃａｓｔｓꎬＥＣＭＷＦ)的再分析业务资料为背景场[１０]ꎬＣＣＭＰ产品采用一种增强的变分同化分析法(ＶａｒｉａｔｉｏｎａｌＡｎａｌｙｓｉｓＭｅｔｈｏｄꎬＶＡＭ)[１１－１２]ꎬ同化了特殊传感器微波/成像仪(ＳｐｅｃｉａｌＳｅｎｓｏｒＭｉｃｒｏｗａｖｅ/ＩｍａｇｅｒꎬＳＳＭ/Ｉ)㊁ＴＭＩ㊁散射计ＱｕｉｋＳＣＡＴ㊁辐射计ＷｉｎｄＳＡＴ和高级散射计(ＡｄｖａｎｃｅｄＳｃａｔｔｅｒｏｍｅｔｅｒꎬＡＳＣＡＴ)等２０多种卫星探测海面风资料以及部分船舶㊁浮标观测资料ꎮＡｔｌａｓ等[１３]验证了ＣＣＭＰ合成风场资料较单个的卫星平台风场资料在精度方面有很大的提高ꎮ毛科峰等[１４]分析验证了ＣＣＭＰ风场资料的均方根误差精度在东中国海海域高于ＥＲＡ－Ｉｎｔｅｒｉｍ风场资料和ＱｕｉｋＳＣＡＴ/ＮＣＥＰ合成风场资料ꎮ由此产生的产品是一个空间上完整的数据集ꎬ每６ｈ提供一次ꎮ本文通过网站ｈｔｔｐｓ://ｗｗｗ.ｒｅｍｓｓ.ｃｏｍ/ｍｅａｓｕｒｅｍｅｎｔｓ/ｃｃｍｐ/下载了２０１０ ２０２２年共１３年的风场天数据ꎮ该产品以ｕ和ｖ分量的方式提供每天ＵＴＣ０时㊁６时㊁１２时和１８时的海面矢量风场ꎬｕ和ｖ分量分别为距海面１０ｍ处风矢量在纬线和经线方向的分量[１５]ꎮ１ ３㊀现场实测数据㊀㊀本文利用中国近海多个浮标观测资料ꎬ对ＣＣＭＰ风场产品进行了精度验证ꎮ在资料的时间匹配上ꎬ将对应时次(ＵＴＣ０时㊁６时㊁１２时和１８时)的现场观测资料与产品资料进行最近时间匹配ꎮ在资料的空间匹配上ꎬ将ＣＣＭＰ产品资料采取双线性二次插值方案插值到现场观测站点所在的经纬度上ꎬ然后进行空间匹配ꎮ此外ꎬ根据对数风廓线风速高度换算方法ꎬ本文通过ＣＣＭＰ和实测１０ｍ风场数据得到１００ｍ高度处风场数据ꎮ海面高度Ｚ处风速计算公式如下:ＶＺＶ０＝(ＺＺ０)１７(１)式(１)中:ＶＺ为高度Ｚ处的风速ꎻＶ０为高度Ｚ０处风速ꎻＺ㊁Ｚ０为距海面高度ꎮ１ ４㊀精度评价㊀㊀本文基于现场实测数据资料ꎬ对ＣＣＭＰ海面风速风向融合产品进行了精度检验ꎬ采用的精度检验指标包括决定系数(Ｒ２)㊁平均偏差(Ｂｉａｓ)㊁均方根误差(ＲｏｏｔＭｅａｎ－ｓｑｕａｒｅＥｒｒｏｒꎬＥＲＭＳ)和平均绝对百分比误差(ＭｅａｎＡｂｓｏｌｕｔｅＰｅｒｃｅｎｔａｇｅＥｒｒｏｒꎬＥＭＡＰ)ꎬ其具体计算如公式(２) (５)所示ꎮＲ２＝ðＮｉ＝１ｙｏｉ－ｙｏｉ()ｙｐｉ－ｙｐｉ()[]２ðＮｉ＝１ｙｏｉ－ｙｏｉ()２ðＮｉ＝１ｙｐｉ－ｙｐｉ()２(２)Ｂｉａｓ＝ðＮｉ＝１(ｙｏｉ－ｙｐｉ)/Ｎ(３)ＥＲＭＳ＝１ＮðＮｉ＝１(ｙｏｉ－ｙｐｉ)２(４)ＥＭＡＰ＝１ＮðＮｉ＝１ｙｏｉ－ｙｐｉｙｏｉˑ１００％(５)式(２) (５)中:ｙｏｉ为实测值ꎻｙ－ｏｉ为实测数据平均值ꎻｙｐｉ为卫星反演值ꎻｙｐｉ为卫星反演值平均值ꎻＮ为数据量ꎮ２㊀研究结果与分析２ １㊀海上风场资料的精度评估㊀㊀基于星地同步数据ꎬ本文获得的实测海面１００ｍ高度风速与卫星反演值对比情况如图１所示ꎮ可以看出:大多数散点都集中在１ʒ１线附近ꎬ表明反演的海面风速与实测值较为接近ꎮ从误差值来看ꎬＥＭＡＰ与ＥＲＭＳ值均比较低ꎬ决定系数Ｒ２值较高ꎬ其中Ｒ２＝０ ９ꎬＥＭＡＰ＝１４ ８％ꎬＥＲＭＳ＝１ １ｍ/ｓꎮ综合以上精度评价指标ꎬ卫星数据能够较好地反演出海面１００ｍ高度的风速ꎮ同时ꎬ基于星地同步数据ꎬ获得的实测海面１００ｍ高度风向与卫星反演值对比情况如图２所示ꎮ可以看出:大多数散点都集中在１ʒ１线附近ꎬ表明反演的海面风向与实测值较为接近ꎮ从误差值来看ꎬＢｉａｓ与ＥＲＭＳ值均比较低ꎬＥＲＭＳ＝１７ ３３ʎꎬＢｉａｓ＝１５ １７ʎꎮ综合以上精度评价指标ꎬ卫星数据能够较好地反演出海面１００ｍ高度的风向ꎮ图１㊀实测海面风速与反演得到的海面风速之间的散点图图２㊀实测海面风向与反演得到的海面风向之间的散点图２ ２㊀中国近海风场的时空分布特征㊀㊀基于１３年间海上风场月产品数据ꎬ本文采用均值合成法得到并绘制海面风场多年月平均变化图ꎬ以探究海面风场月变化特征ꎮ整体上东海和南海交界处风速一直高于其他区域ꎬ但在不同的季节也表现出一定的差异性ꎮ春冬季节东海和南海交界处海面风速达到高峰ꎬ夏秋季节此处海面风速与其他海域海面风速差异远小于春㊁冬两季ꎮ从典型区域渤海海域㊁黄海海域㊁东海海域和南海海域角度分析ꎬ４个子区域的海面风场在３ １０月风速都保持较低的水平ꎬ风速变化不明显ꎮ１１月至次年２月风速逐渐升高ꎬ全年风速整体呈现冬春季高㊁夏季低的趋势ꎮ为分析中国近海海面１００ｍ高风场多年的年际变化特征ꎬ绘制２０１０ ２０２２年１３年间风速风向年平均图ꎮ整体上来看ꎬ在不同年份中国近海海域海面风场也表现出一定的差异ꎮ虽然风速和风向大小在１３年间均呈现出相对稳定的趋势ꎬ但也有一定的分布特征ꎬ东海和南海交界处区域风速相比其他区域常年偏大ꎬ呈现一个三角状的高风速区域ꎮ综合来看ꎬ典型区域渤海海域㊁黄海海域㊁东海海域和南海海域４个子区域的海面风场在２０１０ ２０１１年呈现上升趋势ꎬ随后在２０１２ ２０１６年逐渐下降ꎬ又在２０１７ ２０１９年逐年上升ꎬ在２０２０ ２０２１年有所下降ꎬ到２０２２年风速回升ꎮ２０１０ ２０２２年１３年间一直维持在较低值ꎬ平均风速小于１０ｍ/ｓꎮ２ ３㊀典型子区域的风场变化特征㊀㊀为了更深入地了解中国近海风场的时空变化特征ꎬ本文分析了１２个子区域的风速变化特征ꎬ结果如图３所示ꎮ可以看出:总体上１２个区域的风速最大值都集中在冬季ꎬ夏季风速略有回升ꎬ但总体呈现低值状态ꎮ就风速变化而言ꎬ其中渤海㊁渤海海峡㊁琼州海峡㊁北部湾风速的变化较为平缓ꎬ其余地区的风速变化较大ꎮ针对不同子区域而言ꎬ１２个区域虽然波动程度有大有小ꎬ但波动起伏趋势相似ꎮ风速月均值峰值都集中在１２月ꎬ最低值分布略有不同:渤海㊁渤海海峡㊁黄海北部㊁黄海中部㊁黄海南部㊁东海北部的最低值分布在４月ꎻ东海南部的最低值分布在６月ꎻ台湾海峡㊁南海东北部㊁南海北部㊁琼州海峡最低值在８月ꎻ北部湾最低值在９月ꎮ３㊀结论㊀㊀针对我国近海海域ꎬ本文利用实测海上风速风向㊀㊀图３㊀中国近海１２个子区域的海面风速月均值变化数据对海上风场融合资料进行精度评价ꎬ进而系统地分析了１３年间(２０１０ ２０２２年)我国近海海上风速风向的时空特征ꎬ并对典型子海域开展局部特征分析ꎮ本文得到的主要结论如下:(１)基于星地同步数据ꎬ获得的卫星反演海面风场与实测海面风场进行对比ꎬ其中海面风速平均相对绝对误差为１４ ８％ꎬ均方差误差为１ １ｍ/ｓꎬ海面风向的均方差误差为１７ ３３ʎꎬ平均偏差为１５ １７ʎꎮ(２)整体上而言ꎬ我国近海海域呈现冬春季风速大ꎬ夏季风速低的特点ꎻ东海和南海交界处有三角形高风速区域ꎬ秋冬季三角区域向两角延伸ꎬ春夏季向沿岸区域收缩ꎮ(３)针对１２个典型子海域ꎬ风速最大值均集中在冬季ꎬ夏季风速略低ꎬ其中渤海㊁琼州海峡㊁北部湾的月尺度风速变化较小ꎬ黄海㊁东海㊁台湾海峡㊁南海北部的月尺度风速变化较大ꎮ参考文献[１]吕柯伟ꎬ胡建宇ꎬ杨小怡.南海及邻近海域海面风场季节性变化的空间差异[Ｊ].热带海洋学报ꎬ２０１２(６):４１－４７.[２]沈春ꎬ蒋国荣ꎬ施伟来ꎬ等.南海ＱｕｉｋＳＣＡＴ海面风场变化特征分析[Ｊ].海洋预报ꎬ２０１２(３):１－８. [３]张振克ꎬ丁海燕.近十年来中国大陆沿海地区重大海洋灾害分析[Ｊ].海洋地质动态ꎬ２００４(７):２５－２７. [４]杨华庭.近十年来的海洋灾害与减灾[Ｊ].海洋预报ꎬ２００２(１):２－８.[５]项杰ꎬ杜华栋.南海海面风场融合研究[Ｃ]//第３２届中国气象学会年会Ｓ１８气象卫星遥感新资料 新方法 新应用.天津ꎬ２０１５:１４７－１４８.[６]蒋兴伟ꎬ宋清涛.海洋卫星微波遥感技术发展现状与展望[Ｊ].科技导报ꎬ２０１０(３):１０５－１１１.[７]ＤＲＡＰＥＲＤＷꎬＮＥＷＥＬＬＤＡꎬＷＥＮＴＺＦＪꎬｅｔａｌ.Ｔｈｅｇｌｏｂａｌｐｒｅｃｉｐｉｔａｔｉｏｎｍｅａｓｕｒｅｍｅｎｔ(ＧＰＭ)ｍｉｃｒｏｗａｖｅｉｍａｇｅｒ(ＧＭＩ):ｉｎｓｔｒｕｍｅｎｔｏｖｅｒｖｉｅｗａｎｄｅａｒｌｙｏｎ－ｏｒｂｉｔｐｅｒｆｏｒｍａｎｃｅ[Ｊ].ＩＥＥＥＪｏｕｒｎａｌｏｆＳｅｌｅｃｔｅｄＴｏｐｉｃｓｉｎＡｐｐｌｉｅｄＥａｒｔｈＯｂｓｅｒｖａｔｉｏｎｓａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ２０１５(７):３４５２－３４６２.[８]ＭＥＩＳＳＮＥＲＴꎬＷＥＮＴＺＦＪ.Ｔｈｅｅｍｉｓｓｉｖｉｔｙｏｆｔｈｅｏｃｅａｎｓｕｒｆａｃｅｂｅｔｗｅｅｎ６ａｎｄ９０ＧＨｚｏｖｅｒａｌａｒｇｅｒａｎｇｅｏｆｗｉｎｄｓｐｅｅｄｓａｎｄｅａｒｔｈｉｎｃｉｄｅｎｃｅａｎｇｌｅｓ[Ｊ].ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ２０１２(８):３００４－３０２６.[９]ＷＥＮＴＺＦＪ.Ａｗｅｌｌ－ｃａｌｉｂｒａｔｅｄｏｃｅａｎａｌｇｏｒｉｔｈｍｆｏｒｓｐｅｃｉａｌｓｅｎｓｏｒｍｉｃｒｏｗａｖｅ/ｉｍａｇｅｒ[Ｊ].ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ:Ｏｃｅａｎｓꎬ１９９７(Ｃ４):８７０３－８７１８.[１０]ＡＴＬＡＳＲꎬＨＯＦＦＭＡＮＲＮꎬＡＲＤＩＺＺＯＮＥＪꎬｅｔａｌ.Ａｃｒｏｓｓ－ｃａｌｉｂｒａｔｅｄꎬｍｕｌｔｉｐｌａｔｆｏｒｍｏｃｅａｎｓｕｒｆａｃｅｗｉｎｄｖｅｌｏｃｉｔｙｐｒｏｄｕｃｔｆｏｒｍｅｔｅｏｒｏｌｏｇｉｃａｌａｎｄｏｃｅａｎｏｇｒａｐｈｉｃａｐｐｌｉｃａｔｉｏｎｓ[Ｊ].ＢｕｌｌｅｔｉｎｏｆｔｈｅＡｍｅｒｉｃａｎＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｏｃｉｅｔｙꎬ２０１１(２):１５７－１７４.[１１]ＨＯＦＦＭＡＮＲＮ.ＳＡＳＳｗｉｎｄａｍｂｉｇｕｉｔｙｒｅｍｏｖａｌｂｙｄｉｒｅｃｔｍｉｎｉｍｉｚａｔｉｏｎ[Ｊ].ＭｏｎｔｈｌｙＷｅａｔｈｅｒＲｅｖｉｅｗꎬ１９８２(５):４３４－４４５.[１２]ＨＯＦＦＭＡＮＲＮ.ＳＡＳＳｗｉｎｄａｍｂｉｇｕｉｔｙｒｅｍｏｖａｌｂｙｄｉｒｅｃｔｍｉｎｉｍｉｚａｔｉｏｎ.ｐａｒｔⅡ:ｕｓｅｏｆｓｍｏｏｔｈｎｅｓｓａｎｄｄｙｎａｍｉｃａｌｃｏｎｓｔｒａｉｎｔｓ[Ｊ].ＭｏｎｔｈｌｙＷｅａｔｈｅｒＲｅｖｉｅｗꎬ１９８４(９):１８２９－１８５２.[１３]ＡＴＬＡＳＲꎬＡＲＤＩＺＺＯＮＥＪꎬＨＯＦＦＭＡＮＲ.Ａｐｐｌｉｃａｔｉｏｎｏｆｓａｔｅｌｌｉｔｅｓｕｒｆａｃｅｗｉｎｄｄａｔａｔｏｏｃｅａｎｗｉｎｄａｎａｌｙｓｉｓ[Ｚ].２００８.[１４]毛科峰ꎬ陈希ꎬ李妍ꎬ等.东中国海域交叉定标多平台合成洋面风场资料的初步评估[Ｊ].气象ꎬ２０１２(１２):１４５６－１４６３.[１５]ＷＥＮＴＺＦＪ.Ａ１７－ｙｒｃｌｉｍａｔｅｒｅｃｏｒｄｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｐａｒａｍｅｔｅｒｓｄｅｒｉｖｅｄｆｒｏｍｔｈｅｔｒｏｐｉｃａｌｒａｉｎｆａｌｌｍｅａｓｕｒｉｎｇｍｉｓｓｉｏｎ(ＴＲＭＭ)ｍｉｃｒｏｗａｖｅｉｍａｇｅｒ[Ｊ].ＪｏｕｒｎａｌｏｆＣｌｉｍａｔｅꎬ２０１５(１７):６８８２－６９０２.(编辑㊀姚㊀鑫)Ｓｐａｔｉａｌ－ｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｗｉｎｄｆｉｅｌｄｉｎｔｈｅＣｈｉｎｅｓｅｃｏａｓｔａｌｒｅｇｉｏｎｓ ｔａｋｉｎｇｔｈｅｐａｓｔｄｅｃａｄｅ２０１０－２０２２ａｓａｎｅｘａｍｐｌｅＺｈａｎｇＸｉｎｋａｉＳｈａｎｇｈａｉＩｎｖｅｓｔｉｇａｔｉｏｎ Ｄｅｓｉｇｎ＆ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅＣｏ. Ｌｔｄ. Ｓｈａｎｇｈａｉ２００３３５ ＣｈｉｎａＡｂｓｔｒａｃｔ Ｃｏｍｐａｒｅｄｔｏｔｒａｄｉｔｉｏｎａｌｏｂｓｅｒｖａｔｉｏｎｍｅｔｈｏｄｓ ｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇｔｅｃｈｎｏｌｏｇｙｏｆｆｅｒｓａｄｖａｎｔａｇｅｓｓｕｃｈａｓｅａｓｅｏｆａｃｑｕｉｓｉｔｉｏｎ ｌａｒｇｅｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｃｏｖｅｒａｇｅ ａｎｄｃｏｓｔ－ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｍａｋｉｎｇｉｔｐａｒｔｉｃｕｌａｒｌｙｖａｌｕａｂｌｅｆｏｒｏｂｓｅｒｖｉｎｇｓｅａｓｕｒｆａｃｅｗｉｎｄｆｉｅｌｄｓ.Ｃｕｒｒｅｎｔｌｙ ｔｈｅｒｅｉｓｌｉｍｉｔｅｄｒｅｓｅａｒｃｈｔｈａｔｕｔｉｌｉｚｅｓｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇｆｏｒｔｈｅｓｔｕｄｙｏｆｔｈｅｓｐａｔｉａｌ－ｔｅｍｐｏｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｅａｓｕｒｆａｃｅｗｉｎｄｆｉｅｌｄｓｉｎＣｈｉｎｅｓｅｃｏａｓｔａｌｒｅｇｉｏｎｓ.Ｉｎｔｈｉｓｓｔｕｄｙ ｂａｓｅｄｏｎａｆｕｓｉｏｎｐｒｏｄｕｃｔｏｆｓｅａｓｕｒｆａｃｅｗｉｎｄｆｉｅｌｄｓ ｗｅａｎａｌｙｚｅｄｔｈｅｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｅａｓｕｒｆａｃｅｗｉｎｄｆｉｅｌｄｓｉｎＣｈｉｎｅｓｅｃｏａｓｔａｌｗａｔｅｒｓｏｖｅｒｔｈｅｐａｓｔｄｅｃａｄｅ２０１０－２０２２ .Ｔｈｅｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｇｏｏｄｃｏｎｓｉｓｔｅｎｃｙｂｅｔｗｅｅｎｓａｔｅｌｌｉｔｅ－ｒｅｔｒｉｅｖｅｄａｎｄｍｅａｓｕｒｅｄｓｅａｓｕｒｆａｃｅｗｉｎｄｆｉｅｌｄｓ.Ｔｈｅａｖｅｒａｇｅｒｅｌａｔｉｖｅａｂｓｏｌｕｔｅｅｒｒｏｒｏｆｗｉｎｄｓｐｅｅｄｉｓ１４ ８％ ｗｉｔｈａｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒｏｆ１ １ｍ/ｓ ｗｈｉｌｅｔｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒｆｏｒｗｉｎｄｄｉｒｅｃｔｉｏｎｉｓ１７ ３３ʎ ｗｉｔｈａｎａｖｅｒａｇｅｄｅｖｉａｔｉｏｎｏｆ１５ １７ʎ.Ｏｖｅｒａｌｌ Ｃｈｉｎｅｓｅｃｏａｓｔａｌｒｅｇｉｏｎｓｅｘｈｉｂｉｔｈｉｇｈｅｒｗｉｎｄｓｐｅｅｄｓｄｕｒｉｎｇｗｉｎｔｅｒａｎｄｓｐｒｉｎｇ ａｎｄｌｏｗｅｒｗｉｎｄｓｐｅｅｄｓｄｕｒｉｎｇｓｕｍｍｅｒ.Ｆｕｒｔｈｅｒｍｏｒｅ ａｔｒｉａｎｇｕｌａｒｈｉｇｈ－ｓｐｅｅｄｗｉｎｄｒｅｇｉｏｎｎｅａｒｔｈｅｂｏｕｎｄａｒｙｏｆｔｈｅＥａｓｔＣｈｉｎａＳｅａａｎｄＳｏｕｔｈＣｈｉｎａＳｅａｗａｓｏｂｓｅｒｖｅｄ.Ｔｈｅｆｉｎｄｉｎｇｓｏｆｔｈｉｓｓｔｕｄｙｐｒｏｖｉｄｅｖａｌｕａｂｌｅｓｃｉｅｎｔｉｆｉｃｓｕｐｐｏｒｔｆｏｒｔｈｅｐｌａｎｎｉｎｇｏｆｏｆｆｓｈｏｒｅｗｉｎｄｆａｒｍｓ.Ｋｅｙｗｏｒｄｓ ｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇ ｓｅａｓｕｒｆａｃｅｗｉｎｄｆｉｅｌｄ Ｃｈｉｎｅｓｅｃｏａｓｔａｌｒｅｇｉｏｎｓ ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃ。