CN: 11-6035/N
ISSN: 2096-2223
“海上丝绸之路”·海洋环境与新能源数据集 II 区论文（已发表） • 版本 ZH3 Vol 5 (4) 2020
下载
“21世纪海上丝绸之路”风能资源时空特征数据集
Temporal-spatial characteristics dataset of offshore wind energy resource for the 21st Century Maritime Silk Road
郑崇伟
Zheng Chongwei
 >>
： 2020 - 10 - 28
： 2020 - 12 - 22
： 2020 - 10 - 29
： 2020 - 12 - 28
667 19 0
摘要&关键词
摘要：本研究建立了国内外首套开放型、公益性“21世纪海上丝绸之路”（简称“海上丝绸之路”）风能资源时空特征数据集。首先系统给出了风能一系列关键指标的计算方法，而后从体量大、信息密度低的原始大数据中提取一系列风能开发的有用信息，全面覆盖风能密度、有效风速频率、能级频率、变异系数、月变化指数、季节变化指数、资源总储量、有效储量、技术开发量等关键指标的时空特征。为各国参与“海上丝绸之路”建设的决策、科研、工程人员提供数据支撑，为海上风能开发的高效展开、产业化、规模化提供科学依据，为克服“海上丝绸之路”建设面临的电力困境提供技术途径。
关键词：海上丝绸之路；海上风能数据集；时空特征
Abstract & Keywords
Abstract: This paper is the first open-ended and nonprofit temporal-spatial dataset of offshore wind energy resource for the 21st Century Maritime Silk Road. First, we systemically presented the calculation methods of a series of key parameters of wind energy. Then we extracted a range of useful information about wind energy development from the original big data with large volume and low information density, including the wind power density (WPD), effective wind speed occurrence (EWSO), energy level occurrences, coefficient of variation (Cv), monthly variability index (Mv), seasonal variability index (Sv), total storage, effective storage and technological storage. This dataset can provide data support for relevant decision makers, researchers and engineers, and serve as scientific basis for the efficient industrialization of offshore wind energy development, as well as a technical way to overcome the power dilemma faced by the construction of the Maritime Silk Road.
Keywords: Maritime Silk Road; offshore wind energy dataset; temporal-spatial characteristics
数据库（集）基本信息简介
数据库（集）名称“21世纪海上丝绸之路”风能资源时空特征数据集
数据作者郑崇伟
数据通信作者郑崇伟（chinaoceanzcw@sina.cn）
数据时间范围多年平均的1–12月
地理区域“海上丝绸之路”海域，地理范围为30°E–130°E, 15°S–30°N
数据量16 MB
数据格式*.dat
数据服务系统网址http://www.dx.doi.org/10.11922/sciencedb.j00001.00142
基金项目国际（地区）合作与交流项目（41520104008）
数据库（集）组成本数据集为二进制数据，由8个部分组成：
（1）“海上丝绸之路”海域多年平均的1–12月风能密度，由1个文件组成，文件名为“WPD.dat”；
（2）“海上丝绸之路”海域多年平均的1–12月有效风速频率，由1个文件组成，文件名为“EWSO.dat”；
（3）“海上丝绸之路”海域多年平均的1–12月100 W/m2以上能级频率，由1个文件组成，文件名为“ALO.dat”；
（4）“海上丝绸之路”海域多年平均的1–12月200 W/m2以上能级频率，由1个文件组成，文件名为“RLO.dat”；
（5）“海上丝绸之路”海域多年平均的1–12月变异系数，由1个文件组成，文件名为“Cv.dat”；
（6）“海上丝绸之路”海域多年平均的月变化指数，由1个文件组成，文件名为“Mv.dat”；
（7）“海上丝绸之路”海域多年平均的季节变化指数，由1个文件组成，文件名为“Sv.dat”；
（8）“海上丝绸之路”海域的风能资源储量，包括总储量、有效储量、技术开发量，由1个文件组成，文件名为“Storage.dat”。
Dataset Profile
TitleTemporal-spatial characteristics dataset of offshore wind energy resource for the 21st Century Maritime Silk Road
Data authorZheng Chongwei
Data corresponding authorZheng Chongwei (chinaoceanzcw@sina.cn)
Time rangeMulti-year average values from January to December
Data volume16 MB
Geographical scope30°E–130°E, 15°S–30°N
Data format*.dat
Data service system<http://www.dx.doi.org/10.11922/sciencedb.j00001.00142>
Sources of fundingMajor International (Regional) Joint Research Project of National Science Foundation of China (41520104008)
Dataset compositionThis dataset is composed of 8 files of binary data as follows:
(1) Monthly wind power density (WPD) of multi-year average status of the Maritime Silk Road from January to December, named “WPD.dat”.
(2) Monthly effective wind speed occurrence (EWSO) of multi-year average status of the Maritime Silk Road from January to December, named “EWSO.dat”.
(3) Monthly available level occurrence (ALO, occurrence of WPD greater than 100 W/m2) of multi-year average status of the Maritime Silk Road from January to December, named “ALO.dat”.
(4) Monthly rich level occurrence (RLO, occurrence of WPD greater than 200 W/m2) of multi-year average status of the Maritime Silk Road from January to December, named “RLO.dat”.
(5) Coefficient of variation (Cv) of multi-year average status of the Maritime Silk Road from January to December, named “Cv.dat”.
(6) Monthly variability index (Mv) of multi-year average status of the Maritime Silk Road from January to December, named “Mv.dat”.
(7) Seasonal variability index (Sv) of multi-year average status of the Maritime Silk Road from January to December, named “Sv.dat”.
(8) Total storage, effective storage and technological storage of wind energy of the Maritime Silk Road from January to December, named “Storage.dat”.
引 言
“21世纪海上丝绸之路”（简称“海上丝绸之路”）是连接“中国梦”与“世界梦”的蓝色纽带[1]。然而沿线电力供应能力薄弱，严重制约“海上丝绸之路”建设的高效展开[2,3,4,5,6,7]。整体来看，“一带一路”沿线的用电量仅为世界平均水平的61%[8]。如何打破电力困局，成为“海上丝绸之路”建设高效展开的核心所在。可再生、无污染、全天候等诸多优势使得海上风能成为各发达国家追逐的新焦点，主要用于海上风电、海水淡化等。前人对全球多个海域的风能评价做了很多积累和贡献[9,10,11]，但目前为止，海上风能资源数据凤毛麟角，而这又是实现风能开发高效展开的关键基础。
海洋数据的制作与共享已成为综合国力的重要体现。相比陆上资料，海洋资料获取难度更大，也更为稀缺，这种困境在我国尤为突出，影响着相关海洋开发建设的高效展开[12]。目前，海洋和气象原始数据相对丰富，但海上风能数据稀缺。如何从体量大、信息密度低的原始大数据中提取风能开发的有用信息，并形成数据集，将成为推动风能开发产业化、规模化、高效展开的关键支撑，也是国内外同行共同面临的难题，亟待解决。
本研究旨在建立国内外首套开放型、公益性“21世纪海上丝绸之路”风能资源时空特征数据集，为克服电力困局提供技术途径、数据支撑，为“海上丝绸之路”建设、“海洋命运共同体”建设尽绵薄之力。
1   数据采集和处理方法
1.1   数据介绍
本研究在国内外率先系统给出“海上丝绸之路”风能资源一系列关键指标的时空分布数据，促进海上风能开发的高效、合理展开，为各国参与“海上丝绸之路”建设的决策、科研、工程人员提供数据支撑，为克服“海上丝绸之路”建设面临的电力困境提供技术途径。
早在2012年，Zheng等[13-14]就提出了有效风速频率（Effective Wind Speed Occurrence，EWSO）、能级频率（Energy Level Occurrence）这两个关键指标，并不断对其进行丰富和完善，分别用于描述资源的可利用率、富集程度，得到国内外同行的认可和广泛应用。本研究建立的风能资源数据集系统覆盖风能密度、有效风速频率、能级频率、变异系数、月变化指数、季节变化指数、资源储量等一系列关键指标的时空分布。
本研究主要从ERA-interim数据中提取风能评价的有用信息，该数据来自ECMWF（欧洲中期天气预报中心——European Centre for Medium-Range Weather Forecasts）。时间分辨率为6 h；空间分辨率提供了多种选项：0.125°×0.125°, 0.25°×0.25°, ..., 2.5°×2.5°；空间范围为90°S–90°N，180°W–180°E，时间范围从1979年1月1日00：00至今，数据网址：http://data-portal.ecmwf.int/data/d/interim_daily/。ERA-Interim再分析资料是继ERA-40之后的新产品，该数据使用了分辨率更高的气象模式，在观测资料的应用及同化方法方面也有很大改进。使用最新的四维变分同化技术，同化的资料包括卫星资料、常规观测资料以及模拟数据。刘汉武等[15]指出ERA-interim 模拟较小（或大）风速中心的位置和范围最接近实测，同时指出代用数据不宜直接用于风电场风能资源评估中的长年代订正。Dee等[16]指出ERA-interim较好地解决了同化过程中卫星数据使用的有关问题。Song等[17]分析发现在中国近海ERA-interim风场与浮标数据接近。Bao等[18]对比分析指出ERA-Interim和NCEP-CFSR在均方根误差和偏差方面更优于NCEP-NCAR和ERA-40数据。整体来看，ERA-Interim数据具有较高精度和可信度，在国外得到广泛认可和运用。另外，ECMWF最新发展了ERA5再分析资料[19]，提供了100 m高度的风场数据，更有利于风能评价。未来可利用ERA5数据，参照本研究的方法，建立覆盖全球海域的100 m高度风能资源数据集。
1.2   各指标的算法
风能密度： 定义为垂直于气流的单位截面上风的功率（Wind Power Density，WPD），计算方法为[20]：
（1）
式（1）中，W为风能密度（单位：W/m2）；V为风速（单位：m/s）；为海表空气密度（单位：kg/m3）。当海拔在500 m以下时，一般采用常温标准大气压下的空气密度，可取1.225 kg/m3[11]。
风能可利用率： 定义为风能资源开发的有效风速出现的频率（Effective Wind Speed Occurrence，EWSO）。在风能开发过程中，通常认为风速在5–25 m/s有利于风能资源的采集与转换，并将这个区间的风速定义为有效风速。也有标准将3–25 m/s的风速定义为有效风速。通常海上风能比陆上风能丰富，在此采用较高的标准，将5–25 m/s的风速定义为有效风速。风能可利用率的计算方法如下[13-14]：
(2)
式（2）中，EWSO为有效风速频率，t1 为有效风速出现的时次，T为总时次。
能级频率： 2011年，郑崇伟等[21]提出波浪能能级频率（不同等级波浪能流密度出现频率）这一关键指标，用于描述波浪能的富集程度。2012年，参考波浪能能级频率，郑崇伟[13]提出了风能能级频率这一关键指标，用于描述风能的可利用程度。初期主要是统计了Available Level Occurrence（ALO，100 W/m2以上能级频率）和Rich Level Occurrence（RLO，200 W/m2以上能级频率）。在此将风能能级频率这一指标进一步发展和完善，定义了5个能级：ALO、MLO、RLO、ELO、SLO，各缩写对应的全称和定义详见表1。
表1   风能能级频率的定义
要素缩写定义
Available Level OccurrenceALO100 W/m2以上能级频率
Moderate Level OccurrenceMLO150 W/m2以上能级频率
Rich Level OccurrenceRLO200 W/m2以上能级频率
Excellent Level OccurrenceELO300 W/m2以上能级频率
Superb Level OccurrenceSLO400 W/m2以上能级频率
能级频率的计算方法如下[14]：
(3)
(4)
(5)
(6)
(7)
式（3）–（7）中，t2 、t3 、t4 、t5 、t6 分别为100、150、200、300、400 W/m2以上风能密度出现的时次，T为总时次。
变异系数 ：通常用变异系数（Coefficient of Variation，Cv）来展现资源的月尺度以内的稳定性[22]，Cv数值越小，代表稳定性越好，越有利于风能开发。Cv的计算方法为：
（8）
（9）
式（8）–（9）中，为变异系数，为均值，S为标准差，n为样本数。
月变化指数： 通过计算风能密度的月变化指数（Monthly Variability Index，Mv）来展现风能资源的月际差异。Mv数值越大，代表月际差异越显著，越不利于风能开发，相反则有利于风能开发。Mv的计算方法如下：
（10）
式（10）中，为最丰富月份的风能密度，为最贫乏月份的风能密度，为多年平均的风能密度。
季节变化指数： 通过计算风能密度的季节变化指数（Seasonal Variability Index，Sv）来展现风能资源的月际差异。Sv数值越大，代表季节差异越是显著，越不利于风能开发，相反则有利于风能开发。Sv的计算方法如下：
（11）
式（11）中，为最丰富季节的风能密度，为最贫乏季节的风能密度，为多年平均的风能密度。
风能资源储量： 资源储量密切关系到发电量，前人对资源储量做了很多研究，但多是笼统给出大范围的总体储量，在此参照Zheng等[23]的方法，定量计算单位面积的风能资源储量，覆盖总储量、有效储量和技术开发量，具体计算方法：
(12)
(13)
(14)
式（12）中，为风能的总储量；是年平均风能密度；H是全年小时数，H = 365d × 24 h = 8760 h。式（13）中，是资源的有效储量，是全年中有效风速出现的小时数。式（14）中，是技术开发量，通常风能的Ce 取0.785，风力机叶片实际扫掠面积，即对于直径为1 m的风轮扫掠面积为0.52×π=0.785 m2。
2   风能数据描述
2.1   风能密度
利用ERA-interim风场数据，根据WPD算法，计算得到近40年逐6 h的WPD数据。计算1979年1月的WPD进行平均，同样的方法得到近40年每年1月的WPD，而后得到多年平均的1月WPD。同理得到“海上丝绸之路”多年平均状态下的1–12月的WPD数据。本数据文件名为“WPD.dat”，共包含1–12月12个时次。数据的空间范围：30°E–130°E，15°S–30°N。空间分辨率：0.25°×0.25°。缺测值为-9.99e+33。
在此代表性地给出年平均WPD的空间分布特征，见图1。赤道附近海域为低值中心。存在3个显著大值区：阿拉伯海最高（大部分海域在200 W/m2以上，中心在索马里近海，可达600 W/m2）、南海次之（大部分海域在150 W/m2以上，传统的南海大风区和吕宋海峡为大值中心，可达400 W/m2以上）、孟加拉湾（基本在150 W/m2以上；相对大值中心为斯里兰卡东南部近海、科摩林角和斯里兰卡之间的海峡，在200 W/m2以上）。


图1   “海上丝绸之路”的年平均风能密度
2.2   风能可利用率
利用1979年1月逐6 h的ERA-interim风场，统计得到该月的EWSO，同样的方法得到近40年每年1月的EWSO，而后得到多年平均的1月EWSO；同理得到近40年平均的1–12月EWSO数据。本数据文件名为“EWSO.dat”，共包含12个时次：多年平均的1–12月。数据的空间范围：30°E–130°E，15°S–30°N。空间分辨率：0.25°×0.25°。缺测值为-9.99e+33。
图2代表性地给出年平均EWSO的空间分布特征。南海–北印度洋的风能可利用率整体乐观，大部分区域在50%以上。年平均EWSO和年平均WPD的空间分布大体一致。


图2   “海上丝绸之路”的年有效风速频率
2.3   能级频率
利用1979年1月逐6 h的WPD数据，统计得到该月的ALO，同样的方法得到近40年每年1月的ALO，而后得到多年平均的1月ALO；同理得到近40年平均的1–12月ALO数据，以及多年平均的1–12月MLO、RLO、ELO、SLO数据。
本研究代表性地给出了ALO和RLO，分别命名为“ALO.dat”“RLO.dat”，共包含12个时次，即多年平均的1–12月。数据的空间范围：30°E–130°E，15°S–30°N。空间分辨率：0.25°×0.25°。缺测值为-9.99e+33。年ALO和年RLO的空间分布特征见图3。“海上丝绸之路”大部分海域的年ALO在50%以上，年RLO在30%以上。ALO和RLO存在几个共同的大值中心：索马里近海、斯里兰卡东南部近海一个椭圆型海域、科摩林角和斯里兰卡之间海域、传统的南海大风区、吕宋海峡–海南岛一带。

（a）


（b）

图3   “海上丝绸之路”部分能级频率
（a）100 W/m2以上 （b）200 W/m2以上
2.4   变异系数
利用1979年1月逐6 h的WPD数据，结合Cv的算法，得到该月的Cv，同样的方法得到1979–2014年每年1月的Cv，而后得到多年平均状态的1月的Cv。同理得到多年平均状态的1–12月的Cv数据。本数据文件名为“Cv.dat”，共包含12个时次：多年平均的1–12月。数据的空间范围：30°E–130°E，15°S–30°N，空间分辨率：0.25°×0.25°，缺测值为-9.99e+33。
以2、8月为代表月，给出多年平均状态下的冬夏两季的Cv空间分布特征，见图4。2月，10°N以内的北印度洋低纬海域的稳定性明显好于其余海域；存在几个稳定性较差的海域，如阿拉伯海的北部和西北部近海、阿曼湾、孟加拉湾湾顶、苏门答腊岛西部海域等。8月，稳定性明显好于2月，这应该是由于西南季风强劲而又稳定。受西南季风影响显著的区域稳定性明显好于其余海域，尤其是阿拉伯海，Cv基本在0.5以内，中心甚至在0.3以内。

（a）


（b）

图4   “海上丝绸之路”的风能密度变异系数
（a）2月（b）8月
2.5   月变化指数
将1979年01月逐6小时的WPD做平均，得到该月平均的WPD，同理得到1979年逐月（共12个月）平均的WPD。利用1979年1–12月逐月的风能密度，结合式（10），计算得到1979年的Mv，采用同样的方法得到1979–2014年逐年的Mv，最后得到多年平均的Mv数据。本数据文件名为“Mv.dat”，共包含1个时次：多年平均值。数据的空间范围：30°E–130°E，15°S–30°N，空间分辨率：0.25°×0.25°，缺测值为-9.99e+33。
如图5所示，阿拉伯海的多年平均Mv最大，基本在2.4以上，中心在3.3以上。这是由于阿拉伯海的夏季西南季风非常强劲，而其余季节的风速较小，造成了显著的季节差异。孟加拉湾大部分区域的Mv在2.1–2.7之间，低值区分布于孟加拉湾西南部的斯里兰卡周边大范围海域。南海的Mv小于阿拉伯海和孟加拉湾，南海北部近海的Mv小于南海中南部。


图5   “海上丝绸之路”多年平均的风能密度月变化指数
2.6   季节变化指数
将1979年3–5月逐6 h的WPD做平均，得到1979年春季（March-April-May，MAM）平均的WPD，同理得到1979年各个季节平均的WPD，结合式（11），计算得到1979年的Sv，采用同样的方法得到近40年逐年的Sv，最后得到多年平均的Sv数据。本数据文件名为“Sv.dat”，共包含1个时次：多年平均值。数据的空间范围：30°E–130°E，15°S–30°N。空间分辨率：0.25°×0.25°。缺测值为-9.99e+33。多年平均状态下的Sv见图6，空间分布特征与Mv大体一致。


图6   “海上丝绸之路”多年平均的风能密度季节变化指数
2.7   资源储量
利用近40年的WPD、EWSO数据，计算得到“海上丝绸之路”单位面积的风能资源储量。本数据文件名为“Storage.dat”，包含风能总储量、有效储量、技术开发量3个要素，空间分布特征见图7。每个要素均为1个时次。空间范围：30°E–130°E，15°S–30°N。空间分辨率：0.25°×0.25°。缺测值为-9.99e+33。

（a）


（b）


（c）

图7   “海上丝绸之路”的风能资源储量（单位：103 kW·h·m-2）
（a）总储量（b）有效储量（c）技术开发量
有效储量与总储量的空间分布特征大体一致，这是由于“海上丝绸之路”的有效风速频率整体较高所致。存在几个显著的资源储量大值中心：索马里近海、吕宋海峡、台湾海峡、传统的南海大风区。
3   数据质量控制和评估
本数据集主要是从ERA-interim再分析资料中提取风能评估的一系列关键信息。ERA-interim的数据质量和控制已由ECMWF完成。本研究在提取风能关键信息时，设定了界限，例如EWSO定义为5–25 m/s之间的风速出现的频率，超出该区间范围的则不纳入统计。另外，ALO、MLO、RLO、ELO、SLO等关键信息也设定了相应界限。在数据处理中，遇到异常的风速、风能密度采用3点滑动平均进行处理。
4   数据价值
本数据的价值在于在国内外率先建立了“海上丝绸之路”风能资源数据。从体量大、信息密度低的原始数据中提取了风能评估与开发的有用信息，系统覆盖风能评估与开发密切关注的一系列关键指标：多年平均的1–12月的风能密度、多年平均的1–12月的有效风速频率、多年平均的1–12月的100 W/m2以上能级频率、多年平均的1–12月的200 W/m2以上能级频率、多年平均的1–12月的变异系数、多年平均的月变化指数、多年平均的季节变化指数、风能资源储量（含总储量、有效储量、技术开发量）。本数据集是海上风电、海水淡化等风能工程高效、科学展开的关键支撑，从而为克服“海上丝绸之路”建设面临的能源困局做出积极贡献。另外，目前我们与部分国家在海洋原始数据方面还存在一定差距。本研究建立的风能资源数据属于成品，比原始数据更有利于缩短相关工程的建设周期。希望本研究能为我们实现海洋数据弯道超车提供一种思路。
5   数据使用方法及建议
“21世纪海上丝绸之路”风能时空特征数据集全部数据已全部上传至Science Data Bank（http://www.dx.doi.org/10.11922/sciencedb.j00001.00142）发布。同时，请使用者添加文献引用，并在致谢中标注“**大连舰艇学院郑崇伟团队”。
本数据集为开放型、公益性数据，仅对“21世纪海上丝绸之路”公益性建设和科学研究开放，不对任何商业机构、部门开放。
致 谢
感谢ECMWF提供的原始海表风场数据。
[1]
新华网. 习近平提战略构想：“一带一路”打开“筑梦空间”[EB/OL]. (2014-08-11) [2015-05-22]. http://news.xinhuanet.com/fortune/2014-08/11/c_1112013039.htm.
+ CSCD · Baidu Scholar
[2]
ZHENG C W, LI C Y, WU H L, et al. 21st Century Maritime Silk Road: Construction of Remote Islands and Reefs[M]. Springer, 2018.
+ CSCD · Baidu Scholar
[3]
ZHENG C W, XIAO Z N, ZHOU W, et al. 21st Century Maritime Silk Road: A Peaceful Way Forward[M]. Springer, 2018.
+ CSCD · Baidu Scholar
[4]
ZHENG C W, XU J J, ZHAN C, et al. 21st Century Maritime Silk Road: Wave Energy Resource Evaluation[M]. Springer, 2019.
+ CSCD · Baidu Scholar
[5]
郑崇伟, 李崇银. 海洋强国视野下的“海上丝绸之路”海洋新能源评估[J]. 哈尔滨工程大学学报, 2020, 41(2): 175-183.
+ CSCD · Baidu Scholar
[6]
郑崇伟. 21世纪海上丝绸之路: 风能资源详查[J]. 哈尔滨工程大学学报, 2018, 39(1): 16-22.
+ CSCD · Baidu Scholar
[7]
郑崇伟, 李崇银. 关于海洋新能源选址的难点及对策建议——以波浪能为例[J]. 哈尔滨工程大学学报, 2018, 39(2): 200-206.
+ CSCD · Baidu Scholar
[8]
蒋瑜, 邬明权, 黄长军, 等. 2000–2019年“一带一路”海外电力项目数据集[J/OL]. 中国科学数据, 2019, 4(4). (2019-12-28). DOI: 10.11922/csdata.2019.0069.zh.
+ CSCD · Baidu Scholar
[9]
CARVALHO D, ROCHA A, GÓMEZ-GESTEIRA M, et al. Offshore wind energy resource simulation forced by different reanalyses: Comparison with observed data in the Iberian Peninsul [J]. Applied Energy 2014; 134: 57-64.
+ CSCD · Baidu Scholar
[10]
郑崇伟, 李崇银, 杨艳, 等. 巴基斯坦瓜达尔港的风能资源评估[J]. 厦门大学学报(自然科学版), 2016, 55(2): 210-215.
+ CSCD · Baidu Scholar
[11]
CAPPS S B, ZENDER C S. Estimated global ocean wind power potential from QuikSCAT observations, accounting for turbine characteristics and siting[J]. Journal of Geophysical Research, 2010, 115, D09101, doi:10.1029/2009JD012679.
+ CSCD · Baidu Scholar
[12]
郑崇伟, 李崇银. 21世纪海上丝绸之路: 海洋新能源大数据建设研究—以波浪能为例[J]. 海洋开发与管理, 2017, 34(12): 61-65.
+ CSCD · Baidu Scholar
[13]
ZHENG C W, ZHUANG H, LI X, et al. Wind energy and wave energy resources assessment in the East China Sea and South China Sea[J]. Science China Technological Sciences, 2012, 55(1): 163-173.
+ CSCD · Baidu Scholar
[14]
ZHENG C W, LI X Y, LUO X, et al. Projection of Future Global Offshore Wind Energy Resources using CMIP Data[J]. Atmosphere-Ocean, 2019, 57(2): 134-148.
+ CSCD · Baidu Scholar
[15]
刘汉武, 王文本, 江滢, 等. 再分析数据在风能资源评估中的优势和局限性[J]. 风能, 2016, 12: 58-63.
+ CSCD · Baidu Scholar
[16]
DEE D P, UPPALA S M, SIMMONS A J, et al. The ERA-Interim reanalysis: configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656): 553-597.
+ CSCD · Baidu Scholar
[17]
SONG L N, LIU Z L, WANG F. Comparison of wind data from ERA-Interim and buoys in the Yellow and East China Seas [J]. Chinese Journal of Oceanology and Limnology, 2015, 33(1): 282-288.
+ CSCD · Baidu Scholar
[18]
BAO X H, ZHANG F Q. Evaluation of NCEP–CFSR, NCEP–NCAR, ERA-Interim, and ERA-40 reanalysis datasets against independent sounding observations over the Tibetan Plateau[J]. Journal of Climate, 2013, 26: 206-214.
+ CSCD · Baidu Scholar
[19]
黄奇恩, 徐建军. 东亚及其周边海域的一年大气再分析资料试验与评估[J]. 厦门大学学报(自然科学版), 2020, 59(3): 401-411.
+ CSCD · Baidu Scholar
[20]
LI Y, WANG Y, CHU H Y, et al. The climate influence of anthropogenic land-use chanses on near-surface wind energy potential in China[J]. Chinese Science Bulletin, 2008, 53 (18): 2859-2866.
+ CSCD · Baidu Scholar
[21]
郑崇伟, 李训强. 基于WAVEWATCH-III模式的近22年中国海波浪能资源评估[J]. 中国海洋大学学报(自然科学版), 2011, 41(11): 5-12.
+ CSCD · Baidu Scholar
[22]
CORNETT A M. A global wave energy resource assessment[C]. proceedings of the eighteenth (2008) international offshore and polar engineering conference. Vancouver, 2008: Paper no. ISOPE-2008-TPC-579.
+ CSCD · Baidu Scholar
[23]
ZHENG C W, LI C Y, PAN J, et al. An overview of global ocean wind energy resource evaluations[J]. Renewable and Sustainable Energy Reviews, 2016, 53: 1240-1251.
+ CSCD · Baidu Scholar
数据引用格式
郑崇伟. “21世纪海上丝绸之路”风能资源时空特征数据集[DB/OL]. Science Data Bank, 2020. (2020-10-28). DOI: 10.11922/sciencedb.j00001.00142.
稿件与作者信息
论文引用格式
郑崇伟. “21世纪海上丝绸之路”风能资源时空特征数据集[J/OL]. 中国科学数据, 2020, 5(4). (2020-12-22). DOI: 10.11922/csdata.2020.0097.zh.
郑崇伟
Zheng Chongwei
主要承担工作：方案设计、数据质量评估与验证。
chinaoceanzcw@sina.cn
（1983—），男，四川宜宾人，博士，研究方向为海洋新能源评估、物理海洋学。
出版历史
I区发布时间：2020年10月29日 （ 版本ZH2）
II区出版时间：2020年12月28日 （ 版本ZH3）
CSCD  ·  Badiu Scholar
参考文献列表中查看
中国科学数据
csdata

  • --

中国科学院期刊云服务平台 · 中国科学院科学传播局
技术支持 中国科学院计算机网络信息中心 · 印刻学术