英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

土耳其当代表面风气候学

Sinan Sahin · Murat Tuuml;rkeş

摘要：本研究的目的是详细研究土耳其边界层梯度风的气候特征。在本研究中，使用了土耳其气象局（TMS）1970—2008年期间在267个台站测量的16个方向的月平均风速（）数据，在174个台站测量的盛行风向（）和台站气压（）数据。这些数据由TMS提供。为了达到研究目的，使用了代表季节风分布的季节中期月份的风模式，并且通过计算平均风速的发散角和旋转分量来检验地面风的形成。此外，它的目的是解释海平面气压（SLP）模式与风力形成之间的关系。通过主成分分析（PCA）检查季节中期月份的模式。根据数据，可以看出土耳其的气流一般从西到东呈放射状分布。气候上，夏季土耳其风最强盛，而秋季最弱。和分布在陆地和海洋间温差高的月份中表现出平行性（即风梯度），这是它们的比热值不同导致的。春季和秋季和Vp值的分布差异很大，在此期间温度差异相对较低。根据PCA结果，前两个部分代表土耳其的强风区域。这些成分可能解释了相干风形成区域的存在，由于区域自然地理因素和过程（例如地形，海拔高度，曝光，海陆分布，气团和气流的表面机械和热力学变化等等）以及不同的天气学尺度压力和循环条件的直接影响，呈现出不同的特点。

1. 介绍

由于陆地、海洋和大气具有不同的比热容，它们因来自太阳的能量而具有不同的温度。温度分布取决于地理和环境条件。地球上相应形成的气温差和相关的气压差导致了风的形成。确定特定地点，区域或地区的风向模式在科学和实践研究方面提供了非常有价值的信息。工业区，居民点，火力发电厂，机场等场所的选择和建设一定要使用风向信息。此外，风对一个地区的天气和气候有相当大的影响。气象条件和地形结构对一个地区的风力系统的力和其他特性有重要影响。

到目前为止，研究人员还没有根据土耳其的风气候计算进行研究。有关土耳其风的研究主要集中在风能及其潜力方面。然而，关于风速持续性的统计研究尚不多见。Koccedil;ak（2008,2009）通过使用对马尔马拉地区20个台站数据的去趋势波动分析，自相关函数方法，条件概率方法和持续时间曲线的方法来研究风速的平均持续性，以消除平均风速的周期变化。在一项更全面的研究中，Lavagnini等人（2006）利用欧洲中期天气预报中心（ECMWF）1979 -1994年间及1979-1994年间所观测到的再分析风场资料，利用24年间的6h资料，对地中海盆地的海上风场气候学进行了研究。由于ECMWF数据的限制，他们选择使用有限区域模型。在该研究中，土耳其西南海岸被发现适合风能应用。此外，土耳其气象局（TSM）利用45个气象站的风力数据，通过WAsP计划制作了土耳其风力地图集（EİEİ 2009），这些气象站以小时为单位进行测量，并在1989-1998年间在土耳其呈均匀分布。然而，由于该研究仅包括45个台站，由于整个土耳其的自然地理情况复杂，因此分析和资料不足以说明风场的分布和风气候学的高度可变性。

国际文献中有许多研究调查了用于定义风气候学的风资料的时间序列。这些研究可以分为：风能评估（如Rehman等，2009），如Weibull分布的风速数据统计特征的研究（如Rehman和Halawani, 1994），诸如多重分形去趋势波动分析（MF-DFA）和Fisher-Shannon（FS）信息平面（如Telesca和Lovallo, 2011）等方法分析风数据序列，使用二项式级联乘法模型的风速多重分形描述（例如Kavasseri和Nagarajan, 2005）等等。

在这项研究中，将研究土耳其表面（边界层梯度）风的气候特征（风气候学）。为此，一般来说，（1）将一年中旬月份的平均和主导地表风模式用作季节性风分布的代表，（2）计算了平均风速的发散分量和旋转分量后，仔细研究风的形成，（3）解释海平面气压（SLP）模式与风形成之间的关系，（4）此外，还使用基于协方差矩阵的PCA方法研究了季节中期月份的Vm数据。属于前两个主成分的载荷大于0.4的地区分布显示在土耳其地图上，从气候和气象角度上对结果进行了评估。

1. 数据

表1 本研究中使用的16个方向的度数值（°）

在研究中，我们使用了1970-2008年间在267个站点测量的16个方向的月平均风速（）数据，在174个站点TMS测量的主导风向和站点压力（）数据。表1和表2分别给出了本研究中使用的16个方向的度数值（°）以及有关和一年季中月份主导风向（）的基本统计信息。土耳其分为七个主要地理区域，自1941年以来一直有效，因为在安卡拉举行的第一届地理大会上接受了它们在地理，气候，气象，地质，农业，林业，生物学等及其应用等科学目的上的应用（例如，Atalay和Mortan 2008;Erinccedil;1984;Tuuml;rkeş和Suuml;mer2004; Erlat和Tuuml;rkeş2012等）。这些区域命名如下：（1）黑海地区（BLS），（2）马尔马拉地区（MAR），（3）爱琴海地区（AEG），（4）地中海地区（MED），（5） ）安纳托利亚中部地区（CAN），（6）安纳托利亚东部地区（EAN）和（7）安纳托利亚东南地区（SAN）。

表2 1970 - 2008年间季中各月和数据的描述性统计

研究中将使用这些地理区域的通用名称，同时评估结果。在图1中，可以看到计算平均风资料的267个气候和气象站以及计算SLP资料的174个站点的空间分布。空心方形符号表示安纳托利亚东部地区的四个台站，其中包括1984-2008年观测期的风资料。研究中增加了这些台站，以便更清楚、准确地看到该地区的压力变化。由于在其他地区找不到合适的测量结果，所以没有从其他地区添加测站。1970-2008年间16个方向的月平均风测数据可供232个站使用。其余35个测站的月平均风资料数据在24-37年的相对较短时间段内变化。

图1 土耳其的地理区域和本研究中使用的267个站点的分布情况

1. 方法

3.1 Lambert公式

通过Lambert公式计算出16个方向的长期月平均气候风资料（Conrad 1946; Erinccedil;1984）。Lambert公式靠其分量来查找平均风速。因为它是矢量，它有方向和大小。Lambert公式用和分量表示如下：

风速平均值是风速的向量平均值，因此它是一个向量值，用来表示。16个方向的角度值及其定义见表1。

3.2自然邻点插值

用Lambert公式计算的267个站点的平均值在纬度和经度分别为35.5°N-42.5°N和25.5°E-44.5°E的情况下网格化分辨率为75times;150。在本研究中，自然邻点插值（NNI）作为构建网格的方法（Sibson 1981）。与传统方法（例如Gold 1989; Sambridge等1995; Watson和Phillip 1987等）相比，NNI方法避免了在显示不均匀分布的数据插值中遇到的许多问题。NNI方法是基于Voronoi图的局部加权平均技术，用于选择x插值点邻点并确定它们的权重（Sibson 1981; Berg et al.2008）。NNI方法在显示各向异性和稀疏分布的数据插值和一般地球科学相关数据的插值结构上具有优势（Watson和Phillip 1987; Watson 1992; Foster and Evans 2008）。在这种技术中，通过三角剖分进行三角测量，其中每个样本点是每个三角形的顶点。之后，以确保每个点的三角形边的数量最小的方式识别凸面区域。这些区域每个相邻点的加权设置通过蒂森-沃罗诺伊技术（Sibson 1981）确定。基于点的自然邻坐标用下面的等式表示：

这里， 表示的体积，而表示 空间中的Voronoi单元。 对于任何值，的值总是取0到1之间的值。当点不是的自然邻点时，它取0；然而，当它与在同一位置时，它取1。

NNI方法中的基本方程可写成如下：

这里，是位置处的插值函数的值。从数据点连续且均匀地扩散。在这种方法中，数据点处函数的导数必须是不连续的，以在任何点获得连续函数。Sibson（1981）使用等式4确定的自然权重，考虑在处观察到的变化以二次函数形式表示。该方法无法在实际数据中成功使用。Watson（1992）提出了各种方法来消除数据点处的不连续性，将处的变化整合到等式5中。在本研究中，考虑了Watson（1992）提出的NNI方法的适应性。

3.3 主成分分析

主成分分析（PCA）试图根据差异和相似性显示数据集群的形状和形态（Haan 1977）。PCA是确定多维数据形状的重要工具，它适用于数据未以图形方式显示的情况。PCA的另一个优点是在确定其形状之后，通过减少有关数据的维度而不损失太多信息来总结数据。在这项研究中，不会执行特征向量的变换，因为变换使组件的方差最大化，影响正交性并改变加载值（Davis 1996）。

3.4 海平面气压的计算

至于SLP，依据Tuuml;rkeş（2010）与国际民用航空组织（ICAO）标准大气相一致的以下公式计算：

在这里，表示位势压力高度（m），表示台站压力（百帕），表示参考SLP（1013.25 hPa），表示重力加速度（9.81），表示干燥空气的比气体常数，表示参考海平面温度（288.15 K），最后，代表标准大气递减率：

根据国际民航组织（ICAO）的标准大气，用于计算SLP与压力升高差值（）的公式为：

在这里，SLP是海平面压力（百帕），是压力升高差值（米），是台站海拔（米）。

1. 分析结果和讨论

4.1本研究所用术语的一般定义

从一个地方到另一个地方的气压变化解释了天气系统或风的运动。在全世界同时进行的天气气象气压测量中，我们只显示取决于区域大气环流和天气系统变化的气压变化，这种气压称为SLP（Tuuml;rkeş2010）。假设在台站温度下的等温大气层，SLP是通过将陆地上给定高度处测得的台站气压降低到平均海平面来计算的。气压变化也控制风切变。增加压力梯度会导致风速增加。

边界层是对流层最接近地球表面的部分，直接受其影响。边界层的厚度约为1公里，表面摩擦和各种热力学和机械变化是这一层在空气流动和空气物理特性方面的有效和主导因素。对于动力起源和深压单元，反气旋和表面风辐散流动和空气下沉在边界层的高压中心占主导地位，气旋和表面风辐合和空气对流控制低压中心。边界层梯度风通常不会垂直于等压线吹，常以15°至45°之间的不同角度相交。换句话说，水平空气运动即吹的风，受到科氏力，离心力以及由于表面条件，地形等引起的摩擦力或阻力的影响，因此风的方向和气压梯度的方向并不总是一致的。空气从高压中心辐射的发散称为“辐散”。对于低压区域，边界（摩擦）层的气旋式环流，由高压中心向低压中心流动。这就是所谓的“辐合”。尽管风速的转速分量表现出与地转风的相似性，但它平行于流函数的等值线。通过使用SPHEREPACK 3.0（Adams and Swarztrauber 1999）的球谐函数提取发散和旋转风分量。 SPHEREPACK是美国国家大气研究中心（NCAR）开发的用于计算球谐分析和合成的FORTRAN程序包。

4.2海平面气压和本地气压数据的统计评估

表2中的最小值和最大值显示了和数据的极端值。在计算表2最大值的几个月期间，盛行风风速的最大值在Bozcaada气象站（位于Dardanelles附近爱琴海东北部的小岛Ccedil;anakkale上）约为7.2 m / s，其方向为NNE在1月份；最大值发现在Samandağ（Hatay）测站，为15.5 m / s，在7月份。在计算表2最小值的几个月内，盛行风风速最小值在Kahramanmaraş气象站，最小值约为0.8 m / s，方向W，在1月份；最小值在Cizre（Şırnak）测站，为0.03 m / s，在 1月份。对于表2中的和值，最高变异系数（CV）值是在1月份发现的，而最低CV值在4月份发现。和的CV比率之间的差异从24.32%到25.24%不等。

表3 1970 - 2008年间记录的和计算的SLP数据描述性统计数据

表3中显示的最小和最大平均值表示每月台站（本地）压力和SLP数据的极端值。表3中的最低本地压力数据在1月份海拔2400米的Başkale（Van）站被发现约为769.5 hPa。另一方面，最低SLP数据为1002.4 hPa，在7月海拔347 m的Birecik站计算得到。表3中的最大本地压力在1月份海拔4米的Tekirdağ站处约为1019.7 hPa，而最大SLP值约为1040.5 hPa，是在海拔高度为1725米的大陆较高Doğubeyazıt站10月份发现的。当本地气压数据的CV值为7%时，SLP的CV值介于0.27%和0.49%之间。同样，尽管本地气压数据的偏度值大约为-0.4，但与其他月份相比，SLP数据的偏度值为正值且极为显著，在4月份尤为高。

图2a和b分别显示了1月计算的SLP和本地气压的频率分布图。竖直虚线表示SLP和本地气压的平均值。正如我们从图2中理解的那样，SLP和本地气压值的分布是完全不同的。图2解释了SLP的偏度值和局部压力值之间的差异。其他季中月份的频率分布图几乎相同。因此，我们仅以1月份的分布图为例。

因此，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21633]，资料为PDF文档或Word文档，PDF文档可免费转换为Word