风玫瑰（Wind Rose)作图及分析

风玫瑰图在风力发电、气象、城市规划乃至保险等领域有着广泛应用，本文简单介绍了风玫瑰图的作图过程和简要的可视化与分析思路。

风玫瑰图（wind rose plot）作为一种气象科学的专用图表，是用来定量分析气象要素中风的一种工具。同时，风玫瑰图作为风电场建设前期必不可少的步骤——“风能资源评估”的主要工具，也越来越受到能源部门的建设者和规划者的重视。在风玫瑰图的极坐标系上，每一部分的长度表示该风向出现的频率，最长的部分表示该风向出现的频率最高。风玫瑰图通常分16个方向，也有的再细分为32个方向。因图形似玫瑰花朵，故此得名。

具体而言，风玫瑰图可分为风向玫瑰图和风速玫瑰图，用来简单描述某一地区风向风速的分布。风玫瑰图采用极坐标系来呈现数据，极坐标系下从外向内的方向代表风的方向，某条半径的长度，也就代表了该风向在所有记录中的比例（百分比、频次）。如果半径长度代表的是平均风速的大小，此时风玫瑰图就为风速玫瑰图。

进一步地，风玫瑰图可以同时展现风速和风向两类信息。在风向玫瑰图的基础上，在每一个方向上，如果将半径划分按照不同风速出现的比例加以标注（类似直方图的形式），风速的统计信息就得以呈现出来。

显然，风玫瑰图反映了一个地方的风力特点，“风玫瑰”中最大的花瓣就是当地的主导风向，因此在气候计算、城市规划、风力发电等方面有广泛的应用。同时，风玫瑰图的制作也并不复杂：

在Python中，我们将采用windrose库(https://github.com/python-windrose/windrose )来绘制玫瑰图。国内的风速的高频数据没有找到，这里采用美国国家可再生能源实验室（The National Renewable Energy Laboratory, https://www.nrel.gov/ ）提供的数据作为示例。

从数据的表头信息可以看出，气象站点位于北纬39.378度，西经106.102度，从地图上可以看出大致位于美国科罗拉多州落基山脉内，距离落基山脉最高峰埃尔伯特峰几十公里，利用Cartopy可以很容易地标出站点位置。

可以看到数据的采样频率为5分钟，测量的风速为地表100米高度的风，除风速和方向信息以外，还有风力资源、温度、气压等信息。根据风速和方向，可以进一步得到风速在水平和垂直方向上的分量，u-wind、v-wind分别为水平、垂直方向的风速分量。南北水平方向，东西垂直方向。按上北、下南、左西、右东建立坐标轴，正北为0°，顺时针风向为正：

u−wind=WS×sin⁡(WD/180×π){u-wind}={WS}\times \sin{({WD}/180\times \pi)} u−wind=WS×sin(WD/180×π)

v−wind=WS×cos⁡(WD/180×π){v-wind}={WS}\times \cos{({WD}/180\times \pi)} v−wind=WS×cos(WD/180×π)

其中，WS-风速，WD-风向。

首先看一下，风速和风向在一年之内的变化情况、风向的分布（风速的见后）以及风速与风向之间的关系。可以明显观察到以下现象：

通过风玫瑰图，我们可以更加直观地看到风向、风速的分布情况，得到与上面相同的结论。

除了可以画直方图以外，还可以画等高线图，具体命令如下：

此外，windrose库具有简单的统计功能，可以采用Weibull分布拟合风速的概率密度直方图。

最后，我们将2007年一年的数据按照月度分别绘制风玫瑰图，可以看出风向和风力的月度变化。

上图除了验证了前面的结论以外，还可以发现11月和3月的风力最大、风向最为集中，而非1月或者12月。7月份风向更加偏北，东北风、（东）南风的比例大大增加，但是风的整体强度不大。

之所以呈现出这样的特点，与站点所处地理位置的气候特点密切相关。该站点位于落基山脉内，北纬39度多，位于中纬度地带。中学地理曾经学过，中纬度环流与低纬度和极地环流不同，并非完整闭合，但是在上空主要由西风带主导。显然该位置自然而然以西风为主。

北美大陆的气压配置图式与亚欧大陆相似，具有四个活动中心，即：两个副极地低压中心—北大西洋冰岛低压和北太平洋阿留申低压；两个副热带高压中心—北大西洋亚速尔高压和北太平洋夏威夷高压。另外，在大陆内部也有一个冬高夏低、冬夏交替的气压活动中心。冬季，海洋温度高于大陆温度，西风更加强盛；夏季，大陆温度高于海洋温度，西风活动减弱。查阅有关资料可知，

前面说过该站点位于北纬40度附近，因此冬季主要为西风和西北风，而在夏季北风、西北风、东北风甚至南风都有（南风的整体强度很小），其具体原因有待进一步学习。夏季的风向比较紊乱，一方面是由于此地本来以西风为主，虽然西风减弱，但是仍然具有相当强的实力，另一方面，北美大陆面积较小，海陆热力差异不如亚洲显著，因此风的强度有“中和”的感觉。当然，一年的数据也存在偶然性，需要多年的数据加以分析。

通过使用python的windrose库，本文分析了美国科罗拉多州落基山脉一个站点2007全年的风力特点，风玫瑰图的确是直观高效。而且还发现，风力分布的特点可以用中学学过的地理知识得以解释，真的让人欢欣鼓舞。实际上，除了分析单个站点一年的分布情况以外：