图1 2010-2023 年全球及中国风电和光伏累计装机容量[22]
Fig.1 Cumulative installed capacity of wind power and photovoltaic in the world and China from 2010 to 2023 [22]
北京大学学报(自然科学版) 第62 卷 第4 期 2026 年7 月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 62, No. 4 (July 2026)
doi: 10.13209/j.0479-8023.2025.050
国家自然科学基金(42230506)资助
收稿日期: 2025-04-24;
修回日期: 2025-06-18
Some Ideas on the Development of New Energy Geography
为了应对全球气候变化, 承担负责任大国的使命, 推动社会经济低碳绿色转型, 我国政府承诺二氧化碳排放力争于 2030 年前达到峰值, 努力争取2060 年前实现碳中和(简称“双碳”目标, 或“3060”目标)[1]。发电、石化、化工、建材、钢铁、有色金属、造纸和国内民用航空是八大高碳行业, 其中电力行业(能源和工业生产过程)是中国主要的化石能源消费和碳排放大户, 碳排放占比超过全国碳排放总量的 48%, 位居碳排放行业之首[2]。为了实现“双碳”目标, 国家积极深化电力体制改革, 部署构建以新能源为主体的新型电力系统。这意味着风电和光伏将成为未来电力系统的主体, 目前占主导地位的煤电将成为辅助性能源。
在“双碳”目标驱动下, 以风电和光伏为主体的新能源迎来快速发展的战略机遇期。2022 年 5 月 14日出台的《关于促进新时代新能源高质量发展的实施方案》[3]中提出, 2030 年我国要实现风电、太阳能发电总装机容量达到 12 亿千瓦以上的目标, 加快构建清洁低碳、安全高效的能源体系。到 2060 年,以风电和光伏为主的非化石能源消费比例达到 80%以上[4]。截至 2024 年底, 我国风电、光伏发电装机突破 13.5 亿千瓦[5], 提前 6 年完成气候雄心峰会上的承诺。2013 年以来, 风电装机增长 6 倍, 年均增长约 20%; 光伏装机增长 180 多倍, 年均增长约60%。年度新增装机全球占比均在 40%以上, 为绿色发展持续提供动力。中国风电装机连续 14 年居全球第一, 光伏发电装机连续多年居全球第一[5]。
伴随装机规模的高速扩张, 新能源产业暴露出一系列深层次的矛盾: 地理布局方面, 陆上集中式风电和光伏分布在社会经济水平相对较低的沙(漠)戈(壁)荒(漠)地区, 远离能源消费区域, 导致较高的跨区域输电成本; 在消纳与并网环节, 电网基础设施滞后于装机增速, 调峰能力不足, 引发“弃风弃光”现象, 全国平均弃电率仍然处在较高水平; 土地资源约束凸显, 光伏风电项目与耕地保护、生态红线频繁发生冲突; 行业面临内部技术迭代加速与外部传统能源降价形成的双重竞争压力; 在生态环境领域, 水土保持和植被破坏等次生问题逐渐显现,亟需科学理论的指导。
作为社会经济系统发动机的燃料, 能源对国民经济各行业和人民生活具有重要作用。地理学家很早就认识到能源部门在经济活动中的极端重要性及其广泛的技术和社会影响, 并逐渐关注如能源消费和生产的空间变化、自然环境与能源供应和需求关系以及能源不同空间距离调配的区域效应等特征。
George [6]在 1950 年出版的法文版《能源地理》(Géographie de l'énergie)是能源地理学的开山之作,揭示了全球化石和可再生能源分布与利用的整体状况和区域差异, 强调能源地理与社会经济系统的紧密关系, 并初步探讨能源流动和运输问题, 包括以电力形式进行的传输和储存。同年, 美国地理学家协会(Association of American Geographers, AAG)出版《世界石油地理》[7], 描述石油资源的全球地理分布。1961 年, 加拿大地理学家 Chapman[8]认识到人类社会对无生命能源的需求迅速增长, 指出地理学家在解释能源利用模式和能源对不断增长的世界经济的重要性方面可能发挥的作用, 进一步强化能源地理学这一新兴领域的研究框架。此后, 涌现出一批能源地理学著作, 如《能源地理学》[9]、《地理视角下的能源》[10]和《能源地理学》[11]等。20世纪 70 年代, AAG 通过两种形式推动能源地理学的发展, 一是资助出版能源地理学著作, 二是在 AAG内部成立与能源相关的学术团体。1979 年在费城召开的年会上, Martin Pasqualetti 和 Jerome Dobson组织能源专业小组, 后更名为能源与环境专业小 组[12]。2014 年 AAG 年会召集能源主题相关的 25 场分会, 发表100 多篇论文, Petrova [13]将这届年会总结为“能源地理学者接管”, 表明地理对能源研究的重要性越来越大。
综合上述研究成果, 本文将能源地理学定义为研究一定地域内能源形成、生产、加工、贸易、消费和回收等全生命周期对社会经济和生态环境影响效应的应用基础学科。
经过近半个多世纪的发展, 能源地理学已从单纯专注于分析能源供应和需求模式的工业地理学的分支学科, 发展成为涵盖多个主题的独立地理学科, 从能源对各产业的影响、能源资源的不均衡分布和各种类型的空间格局、能源政策和国际安全问题的不同地缘政治影响, 到全球气候变化、生态环境影响和可持续发展等, 再到景观规划和设施选址中的土地使用冲突和适应性管理战略等[12,14]。2022 年爆发的俄乌冲突, 进一步凸显能源对全球政治经济乃至环境体系的影响。能源地理学引入许多经典的地理概念(如空间修复(spatial fix)、物质能量流动、新陈代谢、领土和领土性), 加深对能源空间属性和流动本质的认识, 并提供从脆弱性、恢复力、社区、景观和公平正义等观察能源社会性的视角[13]。
在国内, 1959 年出版的《世界石油地理》[15]是最早从地理学视角论述石油能源地理分布的著作。中国地理学家在能源勘察、能源区划、能源产业布局、能源与社会经济的关系等研究领域做出重要贡献。其中, 能源区划是最具能源地理学特色的工作。李文彦等[16]根据我国自然与经济条件地域差异显著、能源多样化且分布不均衡的特点以及经济体系的发展进程, 划分出两级能源经济区。一级区是根据大范围内资源地域组合的完整性和国民经济发展中能源供需平衡的要求而划分的能源综合开发与合理产销区, 包括东北区、华北区、华东区、华中区、南方区和西部区等 6 个; 二级区是根据一定地域内资源丰度和能源经济特点划分的能源布局类型区。谷树忠等[17]在综合考虑资源条件、交通运输条件以及生态条件等因素的前提下, 进行国家能矿资源安全的功能区域划分, 提出将全国的能矿资源富集区划分为开发区、接替区和储备区 3 个类型。任志远等[18]采用 1978 年以来近 30 年中国各地区的能源及经济数据, 对中国能源生产、消费重心及 GDP 重心的变化进行测定, 并分析中国能源生产、消费与经济发展区域差异的动态变化及相互关系。梁仁彩[19]所著《世界能源地理》系统地论述了世界能源资源的基本特点与地域分布规律、能源生产与消费地理、能源基地建设与综合发展、各种能源运输方式与货流地理、世界主要工业发达国家的能源供需特点以及世界一次能源与供应前景等内容, 是国内第一部综合研究世界能源地理的科学著作。从发展进程看, 我国的能源地理研究从 20 世纪中叶起, 大致形成“世界资源地理”和“部门经济地理”两个脉络, 并持续面向国家战略需求开展经世致用的应用研究。新时代, 在“双碳”目标、能源转型和能源安全背景下, 能源地理研究迎来新的发展机遇[20]。面对区域冲突、公共事件和极端天气等多重外部风险的叠加影响, 结合中国式现代化的新要求, 地理学应发挥其关注空间差异的特征, 重点研究能源地理的区位特征、时空变化和空间布局等问题。以生态文明建设、高质量发展和能源绿色转型等为目标, 探究能源地理空间差异及动力机制等理论与实践问题[21]。
在全球环境治理和应对气候变化背景下, 传统化石能源的使用因高污染物和温室气体排放而受到广泛的质疑。为实现“双碳”目标, 大力发展以风电和光伏为主的新能源来代替化石能源成为广泛共识。从图1 可知, 2010—2023 年全球及中国风电和光伏累计装机容量呈现快速增长的态势。其中, 风光发电成本超出预期的快速下降是一个重要驱动力[23]。风电和光伏等新能源供给和需求的占比越来越大, 能源结构的转变速度加快。在此背景下,Frántal 等[24]提出能源地理学的转型, 强调更多地关注太阳能、风能和生物质能源等的生产、消费和对区域社会经济发展的作用以及对自然环境的影响。对能源转型的研究受到气候变化、价格波动、创新政策、安全和创造就业机会的驱动[25]。在能源转型过程中, 能源地理学家可以从空间视角支持能源决策, 评估替代能源的潜在影响[26]。Lombard 等[27]发现, 南非可再生能源项目的空间分布对农村经济有积极影响。Sareen 等[28]通过剖析印度塔尔沙漠太阳能项目, 认为环境治理和能源地理学的框架可以引导能源转型, 使其摆脱后殖民地缘政治中普遍存在的资源开采与增长结合的经济范式, 转向使用适当的技术来提供民生服务。
图1 2010-2023 年全球及中国风电和光伏累计装机容量[22]
Fig.1 Cumulative installed capacity of wind power and photovoltaic in the world and China from 2010 to 2023 [22]
传统化石能源向可再生清洁能源的转型迫切需要地理学科加以规范和引导。Pasqualetti 等[29]从地理维度阐述风能基本特征、发展历程、公众感知与社会接受度、风能景观和生态环境效应等, Mulvaney[30]以太阳能地理学(Geographies of solar power)为题, 将太阳能的技术、发展历史、转型和政策放在地理学范畴内进行讨论。这些研究成果为风电和光伏新能源地理学的发展奠定了基础。然而, 这些研究仅仅是概念性议题, 不够系统和深入。在大力发展风电和光伏为主的新能源背景下, 迫切需要更加深刻的地理学理论、方法和技术指导。
1981 年召开的联合国新能源和可再生能源会 议将新能源定义为“以新技术和新材料为基础, 使传统的可再生能源得到现代化的开发和利用, 用取之不尽、周而复始的可再生能源取代资源有限、对环境有污染的化石能源, 重点开发太阳能、风能、生物质能、潮汐能、地热能、氢能和核能(原子能)”[31]。1997 年原国家计划委员会颁布的《新能源基本建设项目管理的暂行规定》中, 第一次将新能源界定为“风能、太阳能、地热能、海洋能、生物质能等可再生资源经转化或加工后的电力或洁净材料”。由此可见, 新能源是指除水能发电之外的可再生能源[32]。不过, 从这些新能源类型发展的历史过程以及未来趋势(图2)看, 只有风电和光伏能够在实现碳中和战略中承担重要的历史使命。因此,本文所称新能源主要指风电和光伏两大类。
图2 2000-2023 年全球新能源累计装机容量[22]
Fig.2 Global cumulative installed capacity of new energy from 2000 to 2023 [22]
与传统能源地理学的概念和内涵相似, 新能源地理学的研究内容主要包括风能和太阳能等新能源资源的时空特征、开发潜力与影响因素、生产和消费过程及空间格局, 以及社会经济和生态环境效应的部门应用地理学。根据该学科内涵构建的新能源地理学研究框架如图3 所示。
图3 新能源地理学研究框架
Fig.3 Research framework for new energy geography
从本体论视角, 与传统化石能源相比, 受大气环流、太阳辐射和下垫面等因素影响, 风能和太阳能的资源要素及其开发利用的影响因素具有高度的时空异质性和区域差异, 是最具地理特色的研究本体。
太阳辐射与下垫面覆被相互作用形成气压差,气流在运动方向上从高压吹向低压形成风。风能资源的区域差异较大, 在受低纬信风带、盛行西风带和极地东风带控制的地区, 风能资源往往十分丰富; 在赤道无风带, 风能资源极为贫乏; 青藏高原南部边缘地区受地形影响, 风力也较小[33]。风能开发包含的诸如地点、土地利用、景观变化、人类印记和反应、环境正义、邻近性以及经济发展等元素, 使其研究完全符合地理学范畴[24,34]。正如 Pasqualetti 等[29]所言, “对地理学家来说, 无论是在文化上还是在自然上, 风能发电最显著的空间特征在于其资源禀赋具有显著的地点依赖性。”
太阳能资源的时空变化是天文辐射、大气因素和下垫面覆被共同作用的结果, 呈现夏季多而冬季少、中低纬度地区多而高纬和赤道地区少、内陆多而沿海地区少的特点。在我国, 青藏高原是太阳能资源最丰富的地区, 而四川盆地由于云雾多, 成为太阳能资源最稀少的地区。太阳能资源的分布规律提供了光伏发电的区域资源基础。从装机容量的地理分布来看, 50 MW 以上光伏电站主要分布在青海、宁夏、贵州、甘肃、陕西、内蒙古和河北[35-36]。不仅资源分布和开发容量存在区域差异, 而且需要地理空间数据来表征光伏发电的间歇性和竞争性, 并解决因部署光伏导致土地利用和覆被变化带来的生物多样性与土地开发保护优先事项之间的权衡问题[37]。
2.3.1 尺度依存
在新能源(特别是风电和光伏)研究中, 尺度依存特征包含多重含义。一是风电和光伏资源具有多尺度的时空特征。例如, 在空间上, 太阳能资源具有全球尺度的纬度差异, 同时受到地形调节等的影响, 呈现区域或局地的尺度分异。在时间上, 风光资源在年尺度上较稳定, 太阳能的天内尺度波动显著, 风能的小时级尺度波动很大。二是不同尺度大气过程与风电场之间的相互作用存在显著的差异。从空间范围 2 km 到数百公里、持续时间几分钟到几天的中尺度过程, 到空间范围几米到几公里、持续时间几秒到几小时的微尺度过程, 还有被 Wyngaard [38]称为“未知区域”的 1.5～0.5 km 的天气过程, 对风电场产生的大气效应不同, 需要用不同时空分辨率的模型去模拟[39]。从本质上讲, 风电场是局地大气过程的扰动源, 通过改变特定水平范围(不同气象要素的影响距离存在差异, 其中风速的下风向影响距离最大, 通常在 60 km 以内)与垂直范围(通常从地面到轮毂高度)内大气热力和动力过程而产生大气效应[40]。三是指新能源项目的规模(如容量大小和占地面积等)对生态环境效应、经济性和社会接受度等方面的影响程度和范围。一般而言, 新能源对生态环境的影响多为局部效应(如对植被、土壤和视觉景观等的影响以及产生的噪声、光影和电磁辐射效应等)。除风速外, 对天气和气候的影响范围较小。不过, 风电场的规模不同, 影响范围也不同。经济尺度效应指随着新能源项目规模增大, 规模效应使得单位能源成本下降。例如, 在风电和光伏项目中, 较大规模的项目可以更有效地分摊固定成本(如土地购置费、初期研发和建设费用等), 从而降低单位电力的成本。社会接受度尺度效应指新能源项目的规模会影响社会和当地社区的接受度。大型项目可能引起更多的社会关注, 包括对视觉影响、噪音污染和土地使用的担忧。有效的社区参与和利益相关者的沟通对大规模项目尤为重要, 能够确保项目的顺利进行。
2.3.2 区域分异
作为一种物理实体, 新能源基础设施总是处于特定的地理环境中。中国地域辽阔, 地理环境复杂多样, 无论是新能源发电设施产生的气候与生态环境效应, 还是受大气过程制约的运行过程, 均呈现显著的区域分异特征。
首先, 背景天气或气候过程的区域差异会影响新能源发电的效率。风电瞬时功率的两个重要参数风速和空气密度都具有一定的区域差异性, 尽管满足切入风速, 如果空气密度低, 也会出现“有气无力”的情形; 峰值日照时数(即一段时间内的辐照度积分总量相当于辐照度为 1 kW/m2 的光源持续照射的时间)受云量和纬度影响, 区域异质性也较显著。此外, 不同区域大尺度的天气过程对新能源设施的控制作用也不尽相同。
其次, 区域下垫面性质会影响新能源设施的气候与生态环境效应。目前, 我国集中式风电和光伏主要布局在西北内陆的“沙戈荒”地区, 海上风电和光伏集中在东部海域, 尤其以东南海域分布最为广泛。新能源设施建设在截然不同的下垫面上, 异质化的热力和动力作用对其气候与生态环境效应产生显著的差异[41]。
第三, 社会经济发展水平的区域差异。我国各地区社会经济发展水平差异显著, 对发展新能源的认知和接受度不尽相同。这些因素在新能源设施布局时必须加以考虑, 因为新能源资源基础好的地区往往经济发展相对滞后, 本地消纳容量有限且远离负荷中心, 需要考虑并网输送。新能源电力发展是一项系统工程, 不仅要考虑资源基础, 还应考虑地理区位和经济发展水平。
新能源尤其是风能和太阳能的时空分布异质性由地球表层各种过程和机制决定。具体来说, 风光能源的时空分布受大气环流和地形条件等因素影响, 具有空间分异和时变(季节和昼夜)特征。在风光能源时空分布形成的地球表层过程机制方面, 需要着重研究以下议题。
1) 大气环流对风能和太阳能资源形成的作用机制。研究内容主要为大气环流模式(包括赤道低压带、副热带高压带、温带低压带和极地高压带等)如何决定地表风速和风向的季节性和地理分布特征, 进而影响风力发电站的选址和风力发电量; 一些特定的环流带(如副热带高压带)的气象特征(如晴天和高温等)对光伏的选址和发电有何影响。另外, 大气环流异常模式(如厄尔尼诺现象和拉尼娜现象)导致的极端天气事件对新能源设施和发电的影响也值得关注。
2) 地形条件对风能和太阳能资源的分异作用。研究内容包括地形造成的多种效应对局地风光资源的分异作用, 如高地效应、通道效应、阻隔效应和地面粗糙度效应等对风速的影响, 坡度与坡向效应、遮阴效应以及下垫面反射效应对太阳有效辐射量的影响。
3) 风能和太阳能的时间变化及互补特征。研究太阳能资源的昼夜与季节特征和风能资源的季节特征, 以及这些特征的空间分布格局, 明晰风能和太阳能时空特征及其形成机制, 对优化风能和太阳能资源利用至关重要。由于太阳能和风能呈现不同的时间变化特征, 两种能源互补使用可以提供更稳定和更可靠的能源电力供应。Liu 等[42]发现, 优化风光安装比例可以降低我国大部分地区风或光单独发电的波动性, 连接更大范围的风电场可以显著提高风电的稳定性。全面理解风电和光伏的时空互补特征, 能够对提高风光发电稳定性提供重要的理论支撑。
风能和太阳能资源的性质和分布特征决定了大规模集中式风电和光伏设施分布与消费中心在地理空间上的错配, 这种空间的分离不仅影响新能源的可利用性和经济性, 还对基础设施建设与规划布局提出新的要求。在生态优先的高质量发展背景下,应当优先关注以下议题。
1) 基于供需特征的新能源优化布局。重点研究在考虑源荷空间关系、传输成本、与其他能源协同和竞争、消纳时空特征以及风光能源内部关系等因素的前提下, 新能源发电设施的规模和空间布局的优化。
2) 大规模新能源设施布局对区域产业结构、模式和聚集的重塑。重点研究与新能源相关联产业的变化, 如风光发电与产业融合的新能源产业园、光伏与大农业(农林牧渔)的互补模式以及新型的绿电消费业态等。
3) 新能源设施与基本农田和生态红线的用地协调。重点研究新能源设施与基本农田和生态红线的空间关系、满足生态保护和基本农田保护需求下的区域最大新能源发展规模、最小土地占用和最低生态环境扰动下的新能源设施布局等。
随着“双碳”目标的日趋实现, 以风光能源为主的新型电力系统成为电力供给的主力, 新能源供给的韧性和鲁棒性对社会经济系统的影响逐渐增大。能源韧性指其在面对外部冲击或变化时的适应能力和恢复能力, 鲁棒性则指其在面对各种内外部压力和干扰时能够保持稳定运行的能力。从地理学和地缘政治角度, 应当着重研究以下议题。
1) 新能源供给的韧性和鲁棒性对能源安全的影响。在能源供给侧, 多种能源类型融合, 如新能源与传统能源、新能源内部的风电和光伏互补等、分布式新能源的有机补充以及灵活智能电网系统构建等, 均能提高新能源供给的韧性和鲁棒性, 降低能源供给在自然灾害和地缘政治危机到来时中断的风险, 提升能源的安全性, 确保能源供应的稳定性。
2) 新能源供给的韧性和鲁棒性对经济稳定性以及环境友好性的影响。稳定的新能源供给系统有助于降低能源价格的波动性, 减少对传统能源的过度依赖, 从而增强经济的稳定性和可持续性。新能源稳定供给能够促进清洁能源的发展, 减少对化石能源的需求, 有利于减少温室气体排放, 保护生态环境。
由于气候变化的空间异质性, 从供给角度看,气候变化可能导致风能和太阳能资源在数量上的再调整和空间格局的重塑。一些地区可能会经历风速和太阳辐射增加, 其他地区可能会减少。从需求角度看, 不同(纬度)地区的供热和制冷需求也会发生改变, 导致新能源电力供需平衡的再调整, 直接影响新能源系统的安全运行和规划决策[43]。在应对气候变化背景下, 需进一步深化以下研究议题。
1) 不同的升温目标和共享社会经济路径情景下, 气候变化对风能和太阳能供给和需求的影响。基于气候模式等数据, 研究气候平均态变化对新能源的影响效应, 重点关注气候波动变化对新能源供需的影响, 包括供需的数量特征、时间变化和空间分布。目前, CMIP6 气候预测的时空分辨率较低, 难以满足对实际风光电厂的精准服务, 需要开发更加精细的气候数据[44]。
2) 极端天气(或气候)事件对新能源设施及发电量和电力需求的影响。研究内容包括极端天气事件(如暴雨、冰雹、雷暴、台风(飓风)和冰雪冷冻等)发生的频率、强度和空间范围对新能源设施安全的影响, 持续性异常风速(低于切入风速或高于切出风速)、高温和连续阴雨或沙尘天气分别对新能源发电量和发电效率的影响。
亟需加快探寻能源系统应对极端天气(气候)之策, 深化对极端天气(气候)影响能源系统安全机制的科学认知, 提高能源领域的气象服务能力, 适应新形势下推进能源绿色低碳转型的战略需求。
风电和光伏基础设施的运维通过改变地表和边界层物理性质, 对大气产生热力和动力扰动, 进而产生天气或气候效应, 或正或负, 或大或小, 或长或短, 与地理位置、规模大小和技术参数等有关。
研究表明, 风电设施区一般夜间温度升高, 白天温度降低, 夜晚温度变化的绝对值更大; 对区域温度的影响秋冬季强于春夏季, 与区域本底气候特征相关[45]。对降水的影响总体上较小, 海上风电场对 24 小时降水的影响较大, 与距海岸远近和方位相关。风机叶片转动吸收气流动量, 减小下游风速, 具有非局部性远距离传播特征。轮毂高度的风速减缓最显著, 20 km 范围内保持较大的衰减, 风速的最大衰减距离约 30～60 km[44]。
对太阳能来说, 白天温度升高, 出现全天“光伏热岛”, 也有夜间降温的报道。对区域温度的影响在温暖季节最显著, 与区域本底气候特征有关; 对降水的影响整体上较小, 与区域本底气候特征相关;光伏面板对风向具有重定向的效应, 对风速有衰减效应[46]。
总的来说, 目前对风电和光伏气候效应的研究不够深入, 需要对以下议题进行深入探索。
1) 整合地面实测、遥感观测和数值模拟数据,实现从局地、区域到全球的新能源气候效应的尺度贯通研究。目前的研究途径单一, 尺度之间的关联性没有建立起来, 结论存在偏差甚至完全相反的情形, 亟需建立多尺度多途径的研究体系。
2) 新能源发电设施对气候影响的阈值效应。研究内容包括新能源设施规模对气温、降水、风速和蒸散发等气象要素影响的范围和强度, 新能源设施技术参数(如风电的轮毂高度和叶片直径)对气象要素的影响程度, 以及上述影响效应的区域差异和随时间(昼夜、季节和年际)变化特征。
3) 大规模海域和陆地新能源设施布局对海陆大气过程的影响。在海域和陆地大规模部署新能源发电设施, 会在局地到区域尺度上对海陆之间的大气过程产生可以观察到的效应, 特别是在风力和太阳能资源丰富、设施密集的沿海地区。例如, 可能会改变海陆风的时空分布和强度, 进而影响当地的气候特征, 如温度、湿度和降水模式等。
人类活动会对自然生态系统及其赋存的环境条件产生一定的影响, 新能源建设也不例外。有研究证实, 风电和光伏的建设和运营对地表自然要素与过程的影响较为显著, 产生一定的生态环境和健康效应[47-48]。从地理学角度, 应研究以下内容。
1) 风电和光伏设施建设和运维对地貌景观及水土流失的影响程度和空间范围。研究内容包括建设阶段的地貌形态变化和水土流失状况、建成后新能源景观的塑造和水土流失治理等。
2) 风电和光伏设施影响地表植被组成、结构、生长状况和生物多样性的正负效应。研究内容包括明晰新能源设施建设和运维阶段影响的方式和程度, 评估受扰动植被的恢复周期和恢复效果, 解析风电和光伏对植被影响效应的作用途径等。
3) 风电和光伏设施对土壤理化性质和土壤碳通量的影响。研究内容包括明晰影响的空间范围和土层深度, 评估受扰动土体的恢复速率与效果等。
4) 风电场对动物栖息、繁育和迁徙的影响, 尤其是风电对鸟类和蝙蝠的驱离和杀伤效应。研究内容包括分析对种群数量和结构的影响程度与作用途径, 研究风电设施和叶片转动对鸟类迁飞路线的干扰和鸟类的适应, 提出从规划布局和技术进步等方面减少对鸟类和蝙蝠影响的对策。
5) 风电场噪声、光影和电磁辐射对心理和人体健康的影响。研究内容包括发现噪声、光影和电磁辐射对人体心理和生理影响的强度和距离等阈值效应, 评估影响效应的个体差异及影响因素。
风电和光伏等新能源基础设施的大量布局使得自然景观发生快速的变化, 形成新的景观类型——新能源景观。新能源景观指包含新能源设施在内的自然、半自然或人工景观类型, 由于具有低碳环保属性, 新能源景观通常被认为是一种兼具灰色基础设施与绿色基础设施特征的新型景观类型[49]。与传统能源设施相比, 由于能量密度较低, 单位发电量的新能源基础设施占地面积较大, 在垂直和水平方向都消耗更多的景观容量。例如, 大型风力发电涡轮机由于高度大且可运动, 通常放置在许多人能看到的地点, 对景观影响较大。欧洲国家的新能源占地和可视性量化研究表明, 单位发电量(1 GWh)的陆上风电使用面积和可见面积分别为 176000 和28000 m2, 光伏发电则分别达到 2014800 和 451500 m2[50]。随着新能源设施的大规模布局, 传统能源景观发生演变, 新能源景观(如风力涡轮机和太阳能电池板)逐渐成为许多地区的新地标和景观特征。从地理学视角, 新能源景观与文化感知主要研究当地居民对新能源景观的物理感知、心理认知、愿景和福祉等方面的影响, 包括如下几方面。
1) 风力涡轮机和光伏组件的对视觉景观的影响。研究新能源设施数量、大小、规模和布局对景观视觉的作用过程, 分析天气状况、地形条件和时间等客观因素以及受影响者个体差异等主观因素对视觉景观的影响。重点关注新能源设施的空间布局引起的景观和视觉舒适性变化的规模阈值及其对居民生理和心理的影响。
2) 新能源景观容量的时空分布特征及影响因素。在不改变景观特征的情况下, 定量评估可以容纳多大规模的涡轮机和光伏组件, 重点关注技术进步和科学的规划管理对新能源景观容量的影响, 为新能源设施的合理布局提供依据。
3) 当地居民对新能源景观的感知和接受度。关注新能源发展引起的景观变化如何影响人们对环境和能源的认识, 以及这些变化如何反映在文化表达和价值观中; 明晰哪些自然、社会文化和心理因素影响居民对新能源景观的感知和接受度; 探索新能源项目如何促进社区参与, 反映和塑造地方文化身份, 以及如何在社会文化层面提升对可持续新能源解决方案的接受度。
4) 新能源景观的可持续性设计与利用。探讨新能源项目如何融入生态和景观设计, 促进可持续发展, 并在视觉美学和文化层面上产生积极影响。公众对新能源景观的感知和态度存在巨大的分歧,如果合理地利用和引导, 新能源景观可以成为具有休闲旅游功能的景观资源。例如, 在广西牛头岭,金风科技把铜鼓壮锦、木棉花和打榔舞等当地文化特色图案绘制在百米高的风机塔筒和叶片上, 将风电场打造成独具壮族文化特色的风车公园, 成为一种独特的旅游资源① http://gx.people.com.cn/n2/2024/0428/c347802-40827010.html 。
地理时空反演技术在新能源地理学中被用于分析风能和太阳能等新能源资源的历史变化和预测未来趋势。该方法依赖遥感数据和历史气象记录, 通过算法, 回溯过去的环境状态, 揭示能源资源如何随时间和地点变化[51]。通过分析历史序列中数十年的遥感及实测数据, 可以评估某一地区太阳辐射和风速的季节性和年际波动, 从而优化能源布局和提高能源系统的鲁棒性。此外, 该技术可用于确定最佳的新能源开发地点和新能源组合配置策略, 确保能源供应的可持续性和效率[52]。地理时空反演技术不仅可以增强对新能源潜力空间分布的理解,还有助于评估未来气候变化对能源供需的影响[36]。
气候模式分析是新能源地理学研究的核心部分, 主要用于评估和模拟气候变化对新能源资源可用性的影响。通过使用区域及全球气候模型, 预测未来温度、降水、风速和太阳辐射等气候条件的变化, 进而分析气候变化如何影响供电、用电以及供需匹配关系, 以此辅助决策者评估投资风险和调整能源策略。此外, 气候模式还能够帮助模拟大规模新能源部署可能产生的地区或全球气候反馈[53-54]、极端气候条件下的新能源适应性[55]以及全球能源结构改革的政策响应等[56-57]。
能源模拟仿真技术在新能源地理学中用于模拟新能源系统(如风电和光伏电站)的能量生产、消费和存储过程。这些仿真通常基于实时数据和历史数据, 结合气候模型和经济模型, 评估能源项目在不同技术和政策情景下的性能[58]。例如, 利用高级仿真工具(如 System Advisor Model (SAM)和 HOMER), 结合实时数据和气候模型, 通过模拟风电场和光伏电站在不同运营条件下的响应, 可以优化系统设计, 增加能源产出, 减少废弃率[59]。此外, 能源模拟仿真也可以预测新能源系统对市场和电网的影响, 为能源政策的制定提供科学依据[60-61]。
大规模的新能源开发项目对生态环境可能会产生深远的影响。生态环境响应分析主要评估新能源项目对生物多样性、土地利用和水资源等生态系统要素的潜在扰动[62], 特别是对于生态敏感区域的开发, 生态环境响应分析可以用来模拟能源开发与生态系统保护之间的协同效应, 为项目的环境可持续性提供评价标准[63]。例如, 研究太阳能农业(Agrivoltaics)系统如何在不延缓作物生长的同时提供能量, 评估光伏设施对生物栖息地的影响以及可能的缓解措施等[64-65]。该技术还能够帮助规划者选择对生态环境扰动最小的项目位置, 并设计减少生态干扰的能源系统, 制定缓解措施。例如, 研究风电场对鸟类迁徙的影响[66], 或评估大规模光伏项目对地表温度和当地水循环的影响[67-68]。
在新能源地理学中, 多尺度动态模拟用于研究从微观到宏观层面新能源设施的环境和气候效应。这种模拟涵盖从单个发电设施到整个电场, 再到更广泛受扰动的地区, 分析新能源项目如何影响局部和区域气候模式[54]。例如, 通过多尺度模拟, 可以研究大规模风电场对降水模式的影响, 或光伏电站对地表反照率的改变如何影响局地气候条件。这些信息对评估新能源项目的长期可持续性和环境兼容性至关重要[37,69]。
在新能源地理学中, 人工智能技术的应用正在开辟新的研究前沿。深度学习模型(如卷积神经网络(CNN)和递归神经网络(RNN)), 被广泛用于解析和解释遥感数据, 识别和预测风力和太阳能资源的时空分布[70]。这些模型能够处理大规模的空间数据集, 从而精确地预测可能的环境变化和能源产量。此外, 强化学习技术用于优化新能源系统的运行策略, 通过模拟和实时调整来应对气候变化和市场需求的不断变化[71-72]。
人工智能还用于模拟和评估新能源部署对地区气候的潜在影响[73]。例如, 通过集成学习和贝叶斯网络模型, 研究者可以预测大规模太阳能农场或风电场建设对地表温度、降水模式及生态系统的长期影响[74-75]。这些先进的 AI 模型提供了一个多维度的分析平台, 使研究人员和管理人员能够在决策过程中考虑环境、技术和经济因素, 从而制定更有效和可持续的能源政策[76-77]。
此外, 基于 Transformer 的架构模型在生成复杂数据查询和处理脚本方面显示出巨大的潜力, 在新能源发展策略制定和风险评估方面应用广泛[78-79]。例如, 基于 GPT 模型, 可以预测特定新能源部署策略在面对极端气候事件和市场变动时的表现, 帮助决策者优化策略, 以便适应未来的变化[80]。这些应用不仅提升了新能源地理学的研究和实践效率, 也为相关领域提供了前所未有的决策支持和风险管理工具。随着 AI 技术的持续进步, 预计未来在新能源地理学中的应用将更加广泛和深入[81]。
综上所述, 以风电和光伏为主体的新能源在快速持续发展进程中面临区位选择、规模控制、布局优化及效应评估等重大科学问题, 而风能和太阳能作为最具地理本体的自然资源, 其开发利用过程中的空间属性问题为地理学创设或拓展了重要的研究领域, 因此有必要构建新能源地理学来系统地解决这些科学难题。在此基础上, 需从多维度强化政策支撑: 1) 强化空间规划与资源统筹, 建立国家级新能源地理信息平台, 制定差异化开发标准, 推动跨区域跨国协同; 2) 完善生态补偿与风险防控机制,构建全生命周期生态补偿体系, 并运用 GIS 与机器学习技术, 建立风险预警模型; 3) 推动技术创新与产业融合, 支持地理信息和人工智能技术的应用,促进新能源与工业农业等传统产业协同, 以此实现新能源开发的科学性、可持续性和社会公平性。
[1] 习近平. 继往开来, 开启全球应对气候变化新征程——在气候雄心峰会上的讲话[EB/OL]. (2020-12-12) [2025-03-27]. https://www.fmprc.gov.cn/ziliao_6749 04/zyjh_674906/202012/t20201212_7946331.shtml
[2] IEA. An energy sector roadmap to carbon neutrality in China [R/OL]. (2021) [2025-03-27]. https://www.iea.org/reports/an-energy-sector-roadmap-to-carbon-neutr ality-in-china
[3] 国务院办公厅. 国务院办公厅转发国家发展改革委国家能源局关于促进新时代新能源高质量发展实施方案的通知[EB/OL]. (2022-05-30) [2025-03-27].https://www.gov.cn/zhengce/content/2022-05/30/conte nt_5693013.htm
[4] 中共中央, 国务院. 中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见[EB/OL]. (2021-10-24) [2025-03-27]. https://www.gov.cn/gongbao/content/2021/content_5649728.htm
[5] 国家能源局. 我国风光发电利用率保持 95%以上[EB/OL]. (2024-12-20) [2025-03-27]. http://www.nea.gov.cn/20241220/b3b2e87dc3a945b684e364ca6e420866/c.html
[6] George P. Géographie de l'énergie. Paris: Librairie de Médicis, 1950
[7] Pratt W E, Good D. World geography of petroleum.Princeton, NJ: Princeton University Press, 1950
[8] Chapman J D. A geography of energy: an emerging field of study. Canadian Geographer, 1961, 1: 10-15
[9] Manners G. The geography of energy. London: Hutchinson University Library, 1964
[10] Guyol N B. Energy in the perspective of geography.Englewood Cliffs, NJ: Prentice-Hall, 1971
[11] Wagstaff H R. A geography of energy. Dubuque, IA:Brown, 1974
[12] Pasqualetti M J. The Geography of energy and the wealth of the world. Annals of the Association of American Geographers, 2011, 101(4): 971-980
[13] Petrova S. The AAG in Tampa: energy geographers take over [EB/OL]. (2014) [2025-03-27]. http://urbanenergy.org/2014/04/21/energyaag2014/
[14] Solomon B D, Pasqualetti M J. History of energy in geographic thought // Cleveland C. Encyclopedia of Energy. Vol 2. San Diego: Elsevier, 2004: 831-842
[15] 傅角今. 世界石油地理. 北京: 科学出版社, 1959
[16] 李文彦, 陈航. 中国能源经济区划的初步研究. 地理学报, 1983, 38(4): 327-339
[17] 谷树忠, 耿海青, 姚予龙. 国家能源、矿产资源 安全的功能区划与西部地区定位. 地理科学进展, 2002, 21(5): 410-419
[18] 任志远, 李强. 1978年以来中国能源生产与消费时空差异特征. 地理学报, 2008, 63(12): 1318-1326
[19] 梁仁彩. 世界能源地理. 北京: 科学出版社, 1989
[20] 杨宇, 郭越, 樊杰, 等. 能源地理研究的发展与展望. 地理学报, 2024, 79(1): 147-170
[21] 文琦, 万媛媛, 陆冰洁, 等. 中国能源地理学研究进展及展望. 经济地理, 2022, 42(11): 95-102
[22] IRENA. Renewable capacity statistics 2024. Abu Dhabi: International Renewable Energy Agency, 2024
[23] He G, Lin J, Sifuentes F, et al. Rapid cost decrease of renewables and storage accelerates the decarbonization of China’s power system. Nature Communication,2020, 11: 2486
[24] Frántal B, Pasqualetti M J, Van der Horst D, et al. New trends and challenges for energy geographies: introduction to the special issue. Moravian Geographical Reports, 2014, 22(2): 2-6
[25] Araújo K. The emerging field of energy transitions:progress, challenges, and opportunities. Energy Research & Social Science, 2014, 1: 112-121
[26] Calvert K. From ‘energy geography’ to ‘energy geographies’: perspectives on a fertile academic borderland. Progress in Human Geography, 2016, 40: 105-125
[27] Lombard A, Ferreira S L A. The spatial distribution of renewable energy infrastructure in three particular provinces of South Africa. Bulletin of Geography,2015, 30: 71-85
[28] Sareen S, Shokrgozar S. Desert geographies: solar energy governance for just transitions. Globalizations,2022, 19(7): 1047-1064
[29] Pasqualetti M J, Solomon B D. Geographical dimensions of wind power // Solomon B D, Calvert K E.Handbook on the geographies of energy. Cheltenham:Edward Elgar Publishing Limited, 2017: 134-147
[30] Mulvaney D. Geographies of solar power // Solomon B D, Calvert K E. Handbook on the geographies of energy. Cheltenham: Edward Elgar Publishing Limited, 2017: 148-162
[31] United Nations. Report of the United Nations Conference on new and renewable sources of energy: Nairobi Programme of Action. Nairobi: United Nations, 1981
[32] 国家计划委员会. 新能源基本建设项目管理的暂行规定[EB/OL]. (1997) [2025-03-27]. http://www.nea.gov.cn/2015-12/13/c_131051679.htm
[33] Lu X, McElroy M B, Kiviluoma J, et al. Global potential for wind-generated electricity. PNAS, 2009,106(27): 10933-10938
[34] Pasqualetti M J, Brown M A. Ancient discipline, modern concern: geographers in the field of energy and society. Energy Research & Social Science, 2014, 1:122-133
[35] Liao M, Zhang Z, Jia J, et al. Mapping China’s photovoltaic power geographies: spatial-temporal evolution, provincial competition and low-carbon transition.Renewable Energy, 2022, 191: 251-260
[36] Liu L, Wang Y, Wang Z, et al. Potential contributions of wind and solar power to China’s carbon neutrality.Resources, Conservation and Recycling, 2022, 180:106155
[37] Kruitwagen L, Story K T, Friedrich J, et al. A global inventory of photovoltaic solar energy generating units. Nature, 2021, 598: 604-610
[38] Wyngaard J C. Toward Numerical Modeling in the“Terra Incognita”. Journal of the Atmospheric Sciences, 2004, 61(14): 1816-1826
[39] Veers P, Dykes K, Lantz E, et al. Grand challenges in the science of wind energy. Science, 2019, 366:eaau2027
[40] Frandsen S T, Jørgensen H E, Barthelmie R, et al. The making of a second-generation wind farm efficiency model complex. Wind Energy, 2009, 12: 445-458
[41] Xu Z, Li Y, Qin Y, et al. A global assessment of the effects of solar farms on albedo, vegetation, and land surface temperature using remote sensing. Solar Energy, 2024, 268: 112198
[42] Liu L, Wang Z, Wang Y, et al. Optimizing wind/solar combinations at finer scales to mitigate renewable energy variability in China. Renewable and Sustainable Energy Reviews, 2020, 132: 110151
[43] Liu L, He G, Wu M, et al. Climate change impacts on planned supply-demand match in global wind and solar energy systems. Nature Energy, 2023, 8: 870-880
[44] Buster G, Benton B N, Glaws A, et al. High-resolution meteorology with climate change impacts from global climate model data using generative machine learning.Nature Energy, 2024, 9: 894-906
[45] Zhou L, Tian Y, Roy S B, et al. Impacts of wind farms on land surface temperature. Nature Climate Change,2012, 2: 539-543
[46] 李培都, 高晓清. 光伏电站对生态环境气候的影响综述. 高原气象, 2021, 40(3): 702-710
[47] 李国庆, 李晓兵. 风电场对环境的影响研究进展.地理科学进展, 2016, 35(8): 1017-1026
[48] May R, Middel H, Stokke B G, et al. Global life-cycle impacts of onshore wind-power plants on bird richness.Environmental and Sustainability Indicators, 2020, 8:100080
[49] 王倩娜. 新能源景观: 后化石燃料时代下风景园林规划设计的新领域. 风景园林, 2016, 23(11): 72-78
[50] Ioannidis R, Koutsoyiannis D. A review of land use,visibility and public perception of renewable energy in the context of landscape impact. Applied Energy, 2020,276: 115367
[51] Davidson M R, Zhang D, Xiong W, et al. Modelling the potential for wind energy integration on China’s coalheavy electricity grid. Nature Energy, 2016, 1: 16086
[52] Rios R, Duarte S. Selection of ideal sites for the development of large-scale solar photovoltaic projects through analytical hierarchical process — geographic information systems (AHP-GIS) in Peru. Renewable and Sustainable Energy Reviews, 2021, 149: 111310
[53] He G, Avrin A P, Nelson J H, et al. SWITCH-China: a systems approach to decarbonizing China’s power system. Environmental Science & Technology, 2016,50(11): 5467-5473
[54] Li Y, Kalnay E, Motesharrei S, et al. Climate model shows large-scale wind and solar farms in the Sahara increase rain and vegetation. Science, 2018, 361:1019-1022
[55] Perera A T D, Nik V M, Chen D, et al. Quantifying the impacts of climate change and extreme climate events on energy systems. Nature Energy, 2020, 5: 150-159
[56] Azarova V, Engel D, Ferner C, et al. Exploring the impact of network tariffs on household electricity expenditures using load profiles and socio-economic characteristics. Nature Energy, 2018, 3: 317-325
[57] Zhao X G, Li P, Zhou Y, et al. Which policy can promote renewable energy to achieve grid parity? feedin tariff vs. renewable portfolio standards. Renewable Energy, 2020, 162: 322-333
[58] Wussow M, Zanocco C, Wang Z, et al. Exploring the potential of non-residential solar to tackle energy injustice. Nature Energy, 2024, 9: 654-663
[59] Ji J, Tang H, Jin P, et al. Economic potential to develop concentrating solar power in China: a provincial assessment. Renewable and Sustainable Energy Reviews,2019, 114: 109279
[60] Chen H, Gao X, Liu J, et al. The grid parity analysis of onshore wind power in China: a system cost perspective. Renewable Energy, 2020, 148: 22-30
[61] Heptonstall P J, Gross R J K. A systematic review of the costs and impacts of integrating variable renewables into power grids. Nature Energy, 2021, 6: 72-83
[62] Usubiaga A, Acosta-Fernández J, McDowall W, et al. Exploring the macro-scale CO2 mitigation potential of photovoltaics and wind energy in Europe’s energy transition. Energy Policy, 2017, 104: 203-213
[63] Dhar A, Naeth M A, Jennings P D, et al. Perspectives on environmental impacts and a land reclamation strategy for solar and wind energy systems. Science of The Total Environment, 2020, 718: 134602
[64] Mamun M A A, Dargusch P, Wadley D, et al. A review of research on agrivoltaic systems. Renewable and Sustainable Energy Reviews, 2022, 161: 112351
[65] Schwarz R, Ziv Y. Shedding light on biodiversity:reviewing existing knowledge and exploring hypothesized impacts of agrophotovoltaics. Biological Reviews, 2025, 100: 855-870
[66] Runge C A, Watson J E M, Butchart S H M, et al.Protected areas and global conservation of migratory birds. Science, 2015, 350: 1255-1258
[67] Aydin N Y, Kentel E, Duzgun S. GIS-based environmental assessment of wind energy systems for spatial planning: a case study from western Turkey. Renewable and Sustainable Energy Reviews, 2010, 14(1):364-373
[68] Tonelli D, Rosa L, Gabrielli P, et al. Global land and water limits to electrolytic hydrogen production using wind and solar resources. Nature Communications, 2023, 14(1): 5532
[69] Miller L M, Brunsell N A, Mechem D B, et al. Two methods for estimating limits to large-scale wind power generation. PNAS, 2015, 112(36): 11169-11174
[70] Garcia Marquez F P, Peinado Gonzalo A. A comprehensive review of artificial intelligence and wind energy. Archives of Computational Methods in Engineering, 2022, 29(5): 2935-2958
[71] Jha S K, Bilalovic J, Jha A, et al. Renewable energy: present research and future scope of artificial intelligence. Renewable and Sustainable Energy Reviews,2017, 77: 297-317
[72] Wang H, Liu Y, Zhou B, et al. Taxonomy research of artificial intelligence for deterministic solar power forecasting. Energy Conversion and Management,2020, 214: 112909
[73] Ferrero Bermejo J, Gómez Fernández J F, Olivencia Polo F, et al. A review of the use of artificial neural network models for energy and reliability prediction. a study of the solar PV, hydraulic and wind energy sources. Applied Sciences, 2019, 9(9): 1844
[74] Kalogirou S, Sencan A. Artificial intelligence techniques in solar energy applications. Solar Collectors and Panels, Theory and Applications, 2010, 15: 315-340
[75] Zhao X, Wang C, Su J, et al. Research and application based on the swarm intelligence algorithm and artificial intelligence for wind farm decision system. Renewable Energy, 2019, 134: 681-697
[76] Shams M H, Niaz H, Hashemi B, et al. Artificial intelligence-based prediction and analysis of the oversupply of wind and solar energy in power systems.Energy Conversion and Management, 2021, 250:114892
[77] Singh R, Memon S A, Shaikh R, et al. A review of artificial intelligence applied for the solution of issues in the extensive adaption of solar and wind energy.International Journal of Ambient Energy, 2022, 43(1):7419-7436
[78] Al-Ali E M, Hajji Y, Said Y, et al. Solar energy production forecasting based on a hybrid CNN-LSTM-transformer model. Mathematics, 2023, 11(3): 676
[79] Sperandio Nascimento E G, de Melo T A C, Moreira D M. A transformer-based deep neural network with wavelet transform for forecasting wind speed and wind energy. Energy, 2023, 278: 127678
[80] Harrison-Atlas D, Glaws A, King R N, et al. Artificial intelligence-aided wind plant optimization for nationwide evaluation of land use and economic benefits of wake steering. Nature Energy, 2024, 9: 735-749
[81] Byrne D. How artificial intelligence is helping Ghana plan for a renewable energy future [EB/OL]. (2024-05-07) [2025-03-27]. https://doi.org/10.1038/d41586-024-01316-w