-
题名基于CMIP6多模式集合的未来中国风功率预估
被引量：5
- 1
-
-
作者
张佳
乐旭
田晨光
周浩
曹阳
汤金平
-
机构
南京信息工程大学江苏省大气环境监测与污染控制高技术研究重点实验室/大气环境与装备技术协同创新中心/环境科学与工程学院
中国科学院大气物理研究所/气候变化研究中心
-
出处
《大气科学学报》
CSCD
北大核心
2023年第3期402-414,共13页
-
基金
国家重点研发计划项目(2019YFA0606802)
江苏省碳达峰碳中和科技创新专项资金项目(BK20220031)。
-
文摘
实现我国2060年“碳中和”目标,需要大力发展包括风能在内的清洁能源,然而气候变化给未来风资源利用带来较大的不确定性。本文利用人工神经网络(Artificial Neural Network,ANN)算法对16个CMIP6气候模式风速数据进行逐一订正,在此基础上预估21世纪30、60年代以及21世纪末这3个不同年代在低(SSP1-2.6)和高(SSP5-8.5)排放情景下中国风功率较当代的变化。结果表明,ANN算法使CMIP6气候模式均方根误差平均降低(39.93%±9.57%),并使多模式集合平均与观测的相关系数从0.56增加到0.83,更好地再现了中国当代风速的空间分布和季节变化。在此基础上,预估的21世纪60年代(2050—2064年)风功率密度在两种情景下分别减少了(1.01±0.94)W·m^(-2)(2.62%±2.27%)和(1.11±1.45)W·m^(-2)(1.90%±2.51%)。时间上,春季作为风能密度最大的季节,两种排放情景下风功率分别减少了(1.16±1.14)W·m^(-2)和(1.43±1.58)W·m^(-2)。空间上,中国东南部风功率密度在SSP1-2.6情景下降(0.56±0.53)W·m^(-2),而SSP5-8.5情景下上升(0.40±0.29)W·m^(-2)。近期(2025—2039年)全国平均风功率密度在两种情景下分别减少了(0.52±0.83)W·m^(-2)和(0.54±1.02)W·m^(-2),而长期(2085—2099年)风功率密度分别减小了(0.98±1.17)W·m^(-2)和(1.83±1.17)W·m^(-2)。利用极度梯度提升(XGB)算法订正CMIP6数据的预估变化量级偏小但趋势一致,表明随着全球变暖幅度的增加,我国风功率降低的趋势将更加显著。
-
关键词
CMIP6
风功率密度
人工神经网络
集合预估
不确定性
-
Keywords
CMIP6
wind power density
Artificial Neural Network
ensemble projection
uncertainty
-
分类号
P467
[天文地球—大气科学及气象学]
P425.63
[天文地球—大气科学及气象学]
-
