摘要: 文章利用2018年~2023年向家坝水电站气象站大风资料以及高空观测资料，对向家坝水电站大风特征及其影响系统进行分析，考察大风日数，大风风向、大风风速及其影响系统的特征。结果表明：1) 向家坝水电站大风日数共计112天，年平均日数18.7天；并且大风日数具有明显的季节特征，春夏比秋冬季节显著偏多。2) 大风日大风多出现在21时到次日01时，09时到10时发生概率最小。3) 向家坝水电站风向总体以偏北风、偏西风为主，偏南风、偏东风出现概率均小于2%。4) 风速年际变化小，以7级风占比最大，72.3%。5) 向家坝水电站大风影响系统按季节分为3类：春季的混合型大风，占比34.3%，一般出现在4到5月；夏季的强对流大风，占比49%，主要出现在盛夏；秋、冬季的冷空气大风，占比16.7%。
Abstract: Using the strong wind data and high-altitude observation data from the meteorological station of Xiangjiaba Hydropower Station from 2018 to 2023, this study analyzes the characteristics and impact system of strong winds at Xiangjiaba Hydropower Station, examining the number of strong wind days, wind direction, wind speed, and the characteristics of the impact system. The results show that: 1) The Xiangjiaba Hydropower Station has a total of 112 days of strong winds, with an average of 18.7 days per year; And the number of strong wind days has obvious seasonal characteristics, with significantly more in spring and summer than in autumn and winter. 2) Strong winds often occur from 21:00 to 01:00 the next day, with the lowest probability occurring from 09:00 to 10:00. 3) The wind direction of Xiangjiaba Hydropower Station is generally dominated by north and west winds, with the probability of south and east winds occurring less than 2%. 4) The interannual variation of wind speed is small, with 7-level winds accounting for the largest proportion, 72.3%. 5) The strong wind impact system of Xiangjiaba Hydropower Station is divided into three categories according to seasons: mixed strong winds in spring, accounting for 34.3%, generally occurring from April to May; Strong convective winds in summer, accounting for 49%, mainly occur in midsummer; Cold air and strong winds in autumn and winter account for 16.7%.
1. 引言
向家坝水电站位于云南昭通水富市与四川宜宾叙州区交界的金沙江下游河段上，是西电东送枢纽骨干，经过十几年的建设运行，已经发挥出在发电、防洪、航运、灌溉、环境等方面的综合效益[1]-[3]。向家坝水电站的正常运营，受到天气过程的直接影响。准确、及时的天气服务可以为向家坝水电站更好地规划和调度提供参考和决策，减少灾害性天气造成的损失。其次随着绿色能源在国家能源战略中占比越来越重，保障向家坝水电站高效运转，显得更加重要。同时近年来在全球气候变化，极端性天气事件增加的背景下，向家坝水电站灾害性天气更为复杂多变，其中尤以大风最难预测，而大风是向家坝水电站主要气象灾害天气之一，因此急需提升大风预报水平。目前国内外学者针对各类灾害性大风天气的研究已取得了不少成果[4]-[8]，但针对水电站项目的大风研究却较少，能为向家坝水电站大风预报能力的提高提供帮助的成果就更少，又因向家坝水电站的地形特点，造成大风预报预警时效短，因此本文选择向家坝水电站大风作为研究对象，以提高对向家坝水电站大风天气的认识进而在之后的工作中有效提高大风预报预警能力。
2. 资料与方法
大风数据来源于2018年~2023年年向家坝水电站6个气象观测站(莲花池、马延坡、云天化、江边、升船机、水富码头)逐日观测资料。气象学中大风是指8级(17.2 m/s)及以上的风，本文按照向家坝水电站气象服务需求，将7级(13.9 m/s)及以上的风定义为大风。其次，一个气象日内，任意站点出现7级及以上的大风，则记作1个大风日；其三，将春季(3~5月)、夏季(6~8月)、秋季(9~11月)、冬季(12~次年2月)进行季节划分。本文主要采用统计学方法分析大风特征及影响系统。
3. 结果分析
3.1. 大风日数特征
3.1.1. 大风日数年际变化特征
利用向家坝水电站2018年~2023年现气象自动站资料进行统计分析，向家坝水电站共出现大风日数为112天，大风日数年平均值18.7天，出现大风天气的频次2018和2020年最少，2023年最多。2018年~2023年年累计大风日数呈增多的趋势，如图1所示。
Figure 1. Monthly statistics of strong wind days at Xiangjiaba hydropower station from 2018 to 2023
图1. 2018年~2023年向家坝水电站逐月大风日数统计表
3.1.2. 大风日数月、季变化特征
由表1可知，向家坝水电站每月平均大风日数在8月出现4.0天，频次最多；5月3.8天，次多；2、10、12月出现0.2天，频次较低；2月0.3天，最少。全年总体表现为先增后减，再增后大幅减少的变化趋势，3月开始大风日数逐渐增加，5月随着春夏季节交替，冷暖空气交锋频繁造成大风日数达到峰值，之后6、7月减少，8月强对流活动最为活跃大风日数达到全年最大，9月开始大幅减少，进入10月随着气温快速下降，大风进入低谷区。向家坝水电站大风天气有着明显的季节特征，其季节变化总体呈夏季 > 春季 > 秋季 > 冬季的形势，占全年比重分别为44.6%、42%、9.8%、3.6%，大风在各季出现频率差异极其明显，夏季是大风天气的多发季节，春季次之，秋季和冬季大风分布占比显著偏小。有研究得出，受地形影响，秋、冬季北风冷空气影响四川盆地强度与频次均较弱，这是造成大风日数偏少的主要原因。
Table 1. Monthly Statistics of strong wind days at Xiangjiaba hydropower station from 2018 to 2023
表1. 2018年~2023年年向家坝水电站逐月大风日数统计表
| 年份 |
1月 |
2月 |
3月 |
4月 |
5月 |
6月 |
7月 |
8月 |
9月 |
10月 |
11月 |
12月 |
合计 |
| 2018 |
0 |
0 |
1 |
2 |
3 |
1 |
3 |
3 |
1 |
0 |
1 |
0 |
15 |
| 2019 |
0 |
0 |
2 |
3 |
3 |
2 |
2 |
4 |
1 |
0 |
1 |
0 |
18 |
| 2020 |
0 |
1 |
1 |
|
5 |
1 |
2 |
4 |
1 |
0 |
0 |
0 |
15 |
| 2021 |
2 |
0 |
1 |
1 |
5 |
2 |
4 |
2 |
1 |
1 |
1 |
1 |
21 |
| 2022 |
0 |
0 |
3 |
3 |
3 |
2 |
2 |
7 |
0 |
0 |
1 |
0 |
21 |
| 2023 |
0 |
0 |
1 |
6 |
4 |
2 |
3 |
4 |
1 |
0 |
1 |
0 |
22 |
| 合计 |
2 |
1 |
9 |
15 |
23 |
10 |
16 |
24 |
5 |
1 |
5 |
1 |
112 |
| 平均 |
0.3 |
0.2 |
1.5 |
2.5 |
3.8 |
1.7 |
2.7 |
4.0 |
0.8 |
0.2 |
0.8 |
0.2 |
18.7 |
3.2. 大风日小时变化特征
对2018年~2023年年向家坝水电站大风出现的时段进行统计并绘制成图，由图可知(图2)，21时到次日01时大风每个时次出现次数均达8次以上；02时到08时大风每个时次出现次数3~6次；09时到10时每个时次出现次数仅1次；11时到20时大风每个时次出现次数2~6次。总体比较21时到次日01时出现大风概率最大；09时到10时发生概率最小。造成此结果的原因，是因为向家坝水电站大风多为对流性天气引起，而对流性过程在向家坝水电站又多发于夜间到凌晨。
Figure 2. Statistical chart of hourly strong wind frequency at xiangjiaba hydropower station from 2018 to 2023
图2. 2018年~2023年年向家坝水电站小时大风次数统计图
3.3. 大风风向特征
由向家坝水电站2018年~2023年各站大风风向玫瑰图分析可知(图3)，莲花池站、云天化站和水富码头站大风风向以偏北风为主，出现的平均概率为50.1%。升船机和马延坡站以偏西风为主，出现的平均概率为62.9%。江边站以偏西北风为主，出现的平均概率为52.6%。6站统计，偏南风和偏东风出现概率最小，均小于2%。各站风向差异较大，原因为各站站点所在位置的地形造成，如升船机站位于峡谷正中，大风风向基本由东向西沿河流方向。
Figure 3. Rose chart of strong wind direction at xiangjiaba hydropower station from 2018 to 2023
图3. 2018年~2023年年向家坝水电站站点大风风向玫瑰图
3.4. 大风风速特征
统计2018年~2023年年向家坝水电站大风风速等级。根据表2数据可知，7级大风出现的天数占大风总数的72.3%，8级大风占大风总数的19.6%，9级及以上大风占大风总数的8%。最大风速11级，仅出现了1次。大风风速特征年际变化小、8级及以上大风主要出现在3月到5月、7月和8月。各站风力等级对比，8级大风6站均有出现，9级大风只出现在莲花池和升船机站，10级及以上大风仅出现在升船机站。
Table 2. Statistical table of the number of strong wind levels at Xiangjiaba hydropower station from 2018 to 2023
表2. 2018年~2023年年向家坝水电站大风各风力等级次数统计表
| 风力等级 |
7级 |
8级 |
9级 |
10级 |
11级 |
12级及以上 |
合计 |
| 次数 |
81 |
22 |
7 |
1 |
1 |
0 |
112 |
3.5. 大风影响系统分析
对个例统计与分析，参考四川盆地内大风研究的已有成果[8]-[12]，将向家坝水电站大风天气的影响系统按季节分为3类：
1) 春季的混合型大风，混合型大风一般出现在4到5月冬、夏季风转换时，气温逐渐升高，同时伴有北方冷空气影响，其环流背景表现为中低层先有一个升温过程，低层偏南气流加强，之后有西北路径冷空气南下影响盆地。此类大风占向家坝水电站大风的34.3%；
2) 夏季的强对流大风，此类大风主要出现在盛夏，对向家坝水电站出现的强对流大风进行环流形势分析，发现此类大风过程的主要影响系统在中层或以上，反映上冷下暖的不稳定天气，强对流大风出现时经常和雷雨天气相伴，此类大风发生需要三个基本条件：大气不稳定、水汽和抬升机制。强对流大风是主要影响向家坝水电站的大风，占比为49%。
3) 秋、冬季的冷空气大风，冷空气大风为地面冷锋后高压前沿大气压梯度造成，往往与寒潮和强降温同时出现，该类大风主要特点为北方冷空气侵入盆地，盆地内有较为密集的气压梯度，此类大风出现次数较少，只占所有大风的16.7%；
4. 结论
1) 向家坝水电站2018年~2023年年累计大风日数112天，大风日数年平均值为18.7天，年际变化总体有增多的趋势。大风日数年内总体表现为先增后减，再增后大幅减少，平均大风日数8月出现频次最多为4.0天，2、10、12月出现频次最少为0.2天，具有明显的季节特征，其季节变化总体呈夏季 > 春季 > 秋季 > 冬季的形势，且季节分布极其不均，春夏两季比秋冬季大风显著偏多。其次大风多出现在21时到次日01时，09时到10时出现大风最少。
2) 风向以偏北风和偏西风为主，偏南风和偏东风出现概率最小。风速以7级大风占比最多，出现日数占大风总数70.6%。
3) 向家坝水电站大风天气影响系统可分为3类：a) 春季混合型大风，一般出现在4到5月冬、夏季风转换时，此类大风占向家坝水电站大风的34.3%；b) 夏季对流大风，此类大风主要出现在盛夏，是主要影响向家坝水电站的大风，占比49%。c) 秋、冬季冷空气大风，该类大风与北方冷空气侵入盆地相关，此类大风出现次数最少，占比为16.7%。