发展风能资源在减少化石能源使用、降低二氧化碳排放、缓解全球变暖、增强抗旱能力等方面有重要作用,通过研究风速变化来评估全球或区域风能密度是最常用的方法。本文在梳理和分析前人研究成果的基础上,利用上海市、安徽省、江苏省、浙江省44个气象观测站点逐日风速数据分析1959-2016年长三角区域春季、夏季、秋季、冬季平均风速分布特征和变化趋势。基于海平面气温和位势高度场气候信息,定义与长三角区域不同季节平均风速高度相关的气候变量,使用选择的气候变量建立预测季节平均风速的统计模型。通过评估模型拟合优度和验证模型预测表现,选择能有效预测长三角区域不同季节平均风速的模型。主要研究工作和结论如下:(1)长三角区域1959-2016年春季、夏季、秋季、冬季平均风速表现出上海市较大,浙江省和江苏省次之,安徽省最小的空间分布特征。时间上,上海市、安徽省和江苏省平均风速最大值和最小值分别发生在春季和秋季,夏季和冬季平均风速差异较小,浙江省平均风速季节差异不大。就变化趋势而言,近58年来整个区域四个季节平均风速呈现显著的降低趋势,冬春季下降趋势较大、夏秋季下降趋势较小。上海市春季、夏季、秋季、冬季平均风速在整个区域中降低趋势最大,安徽省降低趋势最小。(2)通过对长三角区域1959-2016年春季、夏季、秋季、冬季每日风速小于3m/s的平均风速和每日风速小于3m/s的天数占对应季节总天数比例的变化特征分析发现,只有江苏省和浙江省四个季节每日风速小于3m/s的平均风速存在降低趋势。然而,整个区域所有季节风速小于3m/s的天数占对应季节总天数的比例呈现持续的上升趋势,说明近年来长三角区域低风速的时间越来越多。上海市四个季节风速小于3m/s的天数占对应季节总天数的比例每年上升率最大,安徽省每年上升率最小。从风能开发角度而言,由于上海市低风速出现的时间越来越多,风能资源的利用难度越来越大。(3)通过计算海平面气温、位势高度场气候信息与长三角区域春季、夏季、秋季、冬季平均风速的相关性,定义了与相应季节平均风速具有空间上一致性和时间上持续性显著相关的气候区域。利用经验正交函数在定义的气候区域中提取主成分信息,并选择第一主成分代表的气候变量数据用于构建预测模型。(4)考虑平均风速中显著的时间趋势和所选择的气候变量,建立了三种用于预测风速的线性趋势模型。通过评估时间趋势和气候变量分别在模型中的拟合表现,分析了气候变量对相应季节平均风速的影响。在同一区域同一季节平均风速所有的候选模型中,考虑气候变量的模型,无论是模型的拟合优度还是拟合优良性,都要优越于仅考虑时间趋势的模型。(5)留一交叉验证方法和均方误差用于比较所有候选模型的预测表现,并基于比较的结果选择了不同区域不同季节平均风速预测表现最好的模型。通过将数据划分为拟合期(1959-1998)和验证期(1999-2016),验证了所选择的最优模型的预测能力。最终,本文所选择的模型可以提前3到6个月预测上海市春季、秋季和冬季平均风速,提前3到4个月预测安徽省春季和夏季平均风速,提前4到6个月预测江苏省春季、夏季、秋季、冬季平均风速,提前4个月预测浙江省秋季平均风速。预测季节风速可以更有效评估风能资源,特别是在当风速增大或减小造成能源供给与需求出现矛盾时能及时采取预防措施,提高能源系统规划和经营。