基于相关性的WRF风场时间校正方法，利用离岸测量进行近岸风资源评估

《Journal of Marine Science and Engineering》：Correlation-Based Temporal Correction of WRF Wind Fields Using Offshore Measurements for Nearshore Wind Resource Assessment

　　

准确的风速估算对于风资源评估至关重要。本研究利用日本两个近岸区域的扫描激光雷达测量数据和高分辨率WRF模拟结果，研究人员开发了时间校正（Temporal Correction, TC）方法的两种扩展，该方法使用现场测量来校正由天气研究与预报（Weather Research and Forecasting, WRF）模型生成的风场。首先，当使用单个测量点进行校正时，研究人员推导出两个经验公式，基于从WRF模拟获得的风速参考-目标相关系数（reference–target correlation coefficient）来预测适当的校正系数，并开发了一种使用这些公式的方法（TC-pred）。结果表明，TC-pred具有比传统TC方法更高的风速估算精度和更广的适用范围。其次，研究人员通过引入每个参考点的加权公式，将TC-pred方法扩展为允许使用多个测量点作为参考。随着参考点数量的增加，风速估算精度得以提高，这主要是因为包含高参考-目标相关系数的参考点的概率增加了。这表明，为了抑制风估算的不确定性，可以有效地确定测量布局，使得目标区域中至少一个参考点与每个目标点之间的相关系数超过某个阈值。

论文解读文章

**研究背景、存在问题及研究动机**
在风电场规划阶段，准确可靠的风资源评估是能量产量评估的基础，直接决定项目收益。传统评估中，通常将风流动模型（如计算流体动力学模型CFD或中尺度气象模型）模拟的风场与现场定点测量相结合，通过空间外推估算目标点风况。然而，在近岸海域，陆-海对比导致地形、地表粗糙度及大气稳定度的空间不连续性，并形成内边界层（Internal Boundary Layer, IBL），使得风场空间变异性复杂。尽管天气研究与预报（Weather Research and Forecasting, WRF）模型能再现包含热力学过程的三维大气场，适用于近岸风场模拟，但WRF通常不直接使用现场测量约束，存在系统性偏差和随机误差。为此，研究人员先前提出了时间校正（Temporal Correction, TC）方法，利用参考点的风误差矢量校正目标点风场，并证明其在长年平均风速偏差方面表现优于其他方法。然而，先前验证仅限于参考-目标相关系数（reference–target correlation coefficient）较高的场景（≥0.85），且当相关系数较低时，TC的估算准确性可能低于未使用现场测量的原始WRF结果。此外，随着扫描激光雷达等多测量点技术的普及，如何利用多个参考点进一步提升估算精度并指导测量布局设计，成为亟待解决的问题。因此，本研究旨在扩展TC方法：针对单参考点情况，建立基于WRF模拟相关系数预测最优校正系数α的经验框架（TC-pred）；针对多参考点情况，引入加权方案以整合多个测量点信息，并在日本两个近岸区域进行验证。该研究发表于《Journal of Marine Science and Engineering》。

**主要关键技术方法**
研究使用了来自日本两个近岸区域（北海道石狩港海域和秋田县由利本庄市海域）的现场测量数据。石狩港部署了双扫描激光雷达系统（dual-scanning lidars，型号Windcube 400S），在海拔142米处测量10个离岸点（N1-N5和S1-S5）的10分钟平均风速和风向，观测期为2023年3月至2024年2月。由利本庄部署了单扫描激光雷达（Streamline XR），在40米、100米和160米三个高度测量两个离岸点（NSL和SSL），观测期为2020年2月至2021年1月。WRF模拟采用版本4.3.3，水平网格间距从2.5公里经两层嵌套细化至0.1公里，仅对约2公里以上高度施加四维数据同化（FDDA），以避免在低层约束粗糙输入数据。TC方法基于参考点误差矢量修正目标点风矢量，本研究在此基础上开发了两种扩展：TC-pred方法通过两个经验公式（相关系数转换函数和α预测函数）从WRF模拟的参考-目标相关系数预测最优α；多参考点方法引入加权系数，基于各参考点的校正系数α进行归一化逆距离加权，避免多重计数。

**研究结果**
**3.1 现有TC方法的准确性**
通过对比固定校正系数α=1的TC方法（TC-1）与原始WRF（CTRL）及直接应用（DA）方法，发现：当参考-目标相关系数高于0.90时，TC-1在偏差和估算-测量相关系数上优于CTRL；当相关系数低于0.85时，TC-1的估算-测量相关系数甚至低于CTRL。这表明校正系数α应随相关系数降低而减小。

**3.2 扩展TC方法的公式化**
基于石狩和由利本庄数据，研究人员建立了两个经验回归关系：
（1）相关系数转换函数：从WRF模拟的参考-目标相关系数（ρ_WRF）转换到测量等效相关系数（ρ_meas），回归方程为 ρ_meas = 0.9359·ρ_WRF + 0.0635（决定系数R2=0.96）。
（2）α预测函数：测量等效相关系数ρ_meas与最优校正系数α的关系为 α = 0.6996·ρ_meas + 0.3020（R2=0.96）。
TC-pred方法利用这两个公式预测α，并与理想化TC（TC-ideal，直接使用实测数据搜索最优α）进行对比。

**3.2.2 扩展TC方法的准确性评估**
在单参考点情况下，TC-pred在相对偏差上介于CTRL（负偏）和TC-1（正偏）之间，且当相关系数低至0.75-0.80时，TC-pred的偏差绝对值仍小于CTRL；在估算-测量相关系数上，TC-pred在相关系数低于0.90时明显优于TC-1，甚至在0.75-0.80区间仍略高于CTRL。TC-pred与TC-ideal的准确性几乎不可区分，表明两个经验公式的预测误差未导致估算精度下降。

**4.3 多参考点准确性评估**
在石狩海域验证了多参考点（1-3个）情况：随着参考点数量增加，相对偏差离散度减小，估算-测量相关系数增大。但进一步分析发现，这主要源于包含高相关系数参考点的概率增加，而非多点协同效应。在双参考点案例中，对比最佳单参考点（高相关系数ρ_max）与添加第二参考点（低相关系数ρ_min）的效果，发现偏差变化混合（改进与退化并存），估算-测量相关系数改善极有限（多数样本<0.005）。这表明，在TC框架下，增加参考点的主要效益在于扩大高相关系数覆盖范围，而非对同一目标点进行多次校正。

**讨论与结论**
讨论部分指出：单参考点情况下，本研究验证了先前工作提出的随相关系数降低需减小α的假设，并建立了有效经验公式；多参考点情况显示，测量布局应优先确保目标区域内至少一个参考点与每个目标点的相关系数超过某一阈值，以抑制不确定性。研究结论翻译如下：“在本研究中，利用来自日本两个近岸区域的扫描激光雷达测量和高分辨率WRF模拟，我们开发了时间校正（TC）方法的两种扩展，该方法使用现场测量来校正WRF生成的风场。当使用单个测量点进行校正时，我们推导出两个经验公式，基于从WRF模拟获得的风速参考-目标相关系数来预测适当的校正系数，并开发了一种使用这些公式的方法（TC-pred）。结果表明，TC-pred具有比传统TC方法更高的风速估算精度和更广的适用范围。此外，我们通过引入每个参考点的加权公式，将TC-pred方法扩展为允许使用多个测量点作为参考。风速估算精度随着参考点数量的增加而提高，这主要是因为包含高参考-目标相关系数的参考点的概率增加了。这表明，为了抑制风估算的不确定性，可以有效地确定测量布局，使得目标区域中至少一个参考点与每个目标点之间的相关系数超过某个阈值。这些结果表明，TC-pred框架具有超越本文所考察的两个日本近岸区域的潜在适用性，而在实际应用前，需要对经验回归系数进行现场验证。在未来的工作中，我们计划修改TC-pred方法，使校正系数α依赖于特定大气稳定度类别和风向扇区的相关系数。”