滄州市設施農業(yè)抗風能力研究

彭潔文 梅鳳玉

摘要 為提高氣象部門的設施農業(yè)氣象服務水平，為滄州市設施農業(yè)發(fā)展提供技術支撐，選取1981—2010年年滄州市的一般氣象站最大風速、大風災情數(shù)據(jù)等，分析大風災害氣候特征、災情特征，并進行大風災害風險區(qū)劃，計算設施農業(yè)抗風能力，提出大風災害防御措施。結果表明：滄州市區(qū)、滄縣、黃驊、海興、鹽山等地大風災害風險等級較高，任丘、青縣、南皮、孟村等地大風災害風險等級中等，肅寧、河間、獻縣、泊頭、東光、吳橋等地大風災害風險等級較低；溫室所能承受的最大風速約為17 m/s，大棚、中棚、小棚所能承受的最大風速分別為14、11、8 m/s。

關鍵詞 設施農業(yè)；風險區(qū)劃；臨界風速；抗風能力；風險預報

中圖分類號：S424 文獻標識碼：B 文章編號：2095–3305（2023）12–0-03

Study on the Wind Resistance Ability of Facility Agriculture in Cangzhou City

Peng Jie-wen et al（Cangzhou Meteorological Bureau， Cangzhou， Hebei 061000）

Abstract In order to improve the level of meteorological services for facility agriculture in the meteorological department and provide technical support for the development of facility agriculture in Cangzhou City， the maximum wind speed data and strong wind disaster data from general meteorological stations in Cangzhou City from 1981 to 2010 were selected to analyze the climate and disaster characteristics of strong wind disasters. The risk zoning of strong wind disasters was carried out， the wind resistance capacity of facility agriculture was calculated， and measures for preventing strong wind disasters were proposed. The results show that the risk level of strong wind disasters in Cangzhou urban area， Cangxian， Huanghua， Haixing， Yanshan and other places is relatively high， while the risk level of strong wind disasters in Renqiu， Qingxian， Nanpi， Mengcun and other places is moderate， while the risk level of strong wind disasters in Suning， Hejian， Xianxian， Botou， Dongguang， Wuqiao and other places is relatively low. The maximum wind speed that a greenhouse can withstand is about 17 m/s， while the maximum wind speeds that a greenhouse， a medium greenhouse， and a small greenhouse can withstand are 14， 11， and 8 m/s， respectively.

Key words Facility agriculture; Risk zoning; Critical wind speed; Wind resistance; Risk prediction

滄州市設施農業(yè)發(fā)展迅速，是實現(xiàn)滄州市農業(yè)現(xiàn)代化的重要舉措，也是農業(yè)增產、農民增收的主要手段。設施農業(yè)生產對天氣條件的依賴程度較高，受災害性天氣的影響較大。大風是影響滄州市設施農業(yè)主要的氣象災害，因此，做好設施農業(yè)大風風險等級預報工作，對提前防范大風災害具有實際意義。

目前，針對設施農業(yè)的研究較多[1-3]，黃川容等[4]利用北京市1981—2010年30年的氣象觀測資料，結合溫室災情數(shù)據(jù)，計算了不同風力對北京溫室可造成的災害的概率，確定了日光溫室風災等級劃分的量化標準，并對日光溫室風災風險的時空變化進行了評估。張淑杰等[5]利用東北地區(qū)176個氣象站1987—2010年的10 min平均最大風速資料，采用極值Ⅰ型分布函數(shù)計算了5、10、20、30年重現(xiàn)期的風速極值和風速，結合東北地區(qū)日光溫室結構特點，確定了日光溫室所受最大風壓，最終得出了東北各區(qū)域日光溫室遭受大風危害的臨界風壓和風速指標。

然而，針對滄州市設施農業(yè)的研究仍處于空白。因此，在前人的基礎上[6-14]，選取1981—2010年年滄州市一般氣象站最大風速數(shù)據(jù)、大風災情數(shù)據(jù)等，分析大風災害氣候特征、災情特征，劃分大風災害風險區(qū)劃，計算設施農業(yè)抗風能力，提出大風災害防御措施，以期更好地為滄州市設施農業(yè)發(fā)展、農業(yè)增產及農民增收提供保障。

1 資料與方法

1.1 區(qū)域概況及資料來源

滄州市地處河北省東南部、河北平原東部的黑龍港流域，位于北緯37°29′～38°57′，東經(jīng)115°42′～117°50′之間。東部瀕臨渤海，北部與天津、廊坊接壤，西部及西南部與保定、衡水毗鄰，南隔漳衛(wèi)新河，與山東省的濱州、德州相望。

研究采用1981—2010年滄州市的一般氣象站數(shù)據(jù)、滄州市大風災情數(shù)據(jù)、滄州市統(tǒng)計年鑒數(shù)據(jù)、滄州市縣級行政邊界數(shù)據(jù)、滄州市2015年土地利用類型數(shù)據(jù)。

1.2 研究方法

1.2.1 加權綜合評價法 加權綜合評價法綜合考慮所有指標對評價因子的不同影響程度，將每個指標的作用大小綜合集中于一個數(shù)量化指標，以評價對象的優(yōu)劣。

1.2.2 層次分析法 層次分析法是一種將定性與定量分析相結合的方法，可以減輕主觀因素對權重的影響。層次分析法通過數(shù)量化、模型化的方式處理復雜系統(tǒng)的決策思維過程。大致可分為4個基本步驟：（1）構建此次分析模型；（2）構建判斷矩陣；（3）各層次單排序指標權重設定及計算；（4）一致性檢驗。

1.2.3 評價指標歸一化 大風災害影響因子包括致災因子、承災體、防災減災能力，每個影響因子又有多個指標，對每個指標進行歸一化處理，消除各個指標的量綱和數(shù)量級的差異。

正向指標計算公式如下：

Yij=（1）

負向指標計算公式如下：

Yij=（2）

式（1）、式（2）中：Xij是第i個評價指標第j個評價單元的原始數(shù)據(jù)；Yij是第i個評價指標第j個評價單元標準化后的值；Ximax是第i個評價指標各個評價單元中的最大值；Ximin是第i個評價指標各個評價單元中的最小值；m表示評價指標個數(shù)，i＝1，2，3，…m；n表示評價單元個數(shù)，j＝1，2，3，…n。

1.2.4 不同重現(xiàn)期溫室基本風壓計算

采用多種概率分布模型計算不同的重現(xiàn)期，并通過K-S檢驗、A-D檢驗和卡方檢驗比較擬合效果，選擇擬合效果最優(yōu)的概率分布模型，估算不同重現(xiàn)期最大風速，利用風荷載公式、基本風壓公式計算不同重現(xiàn)期溫室基本風壓。

2 結果與分析

2.1 大風災害氣候特征

對滄州市1981—2010年風觀測資料進行統(tǒng)計分析，結果表明：滄州市最大風速的極值在年際分布并不具有明顯的趨勢和一致性，在月際分布上，最大風速極值的4—7月較高，11月較低，各站比較來看，海興、鹽山較強，河間較弱；由大風日數(shù)的年際統(tǒng)計結果可見，各站大風日數(shù)變化并沒有明顯的趨勢；從年際變化來看，各站大風日數(shù)曲線不太疊合，反映的大風日數(shù)特征信息并不一致；根據(jù)大風日數(shù)的月際統(tǒng)計結果，各站大風日數(shù)的分布曲線基本疊合，反映出大風日數(shù)分布特征比較一致，大風日數(shù)月分布在4—6月較高，9月較低。

2.2 大風災害災情特征

根據(jù)1985—2014年的大風災害災情記錄，30年間滄州市各縣市區(qū)共有133起大風災害災情記錄，其中，17年有詳細損失描述的災情記錄。直接經(jīng)濟損失較大的集中在1990、1995、1997、2002年。各地災情記錄以任丘、河間、鹽山、肅寧最多，分別為19、17、16和15次。市區(qū)沒有災情記錄，考慮到市區(qū)的防災能力強于其他區(qū)，這種對比說明了防災能力在人類面對自然災害時的重要性。

根據(jù)1985——2014年的大風災害災情記錄，選取直接經(jīng)濟損失記錄較為完整的17個年份，繪制直接經(jīng)濟損失圖。大風災害的發(fā)生較為頻繁，在1988、1990、2002和2006年達到最高；大風災害造成直接經(jīng)濟損失較高的在1990、1995、1997和2002年。

根據(jù)1985—2014年間的大風災害災情記錄，選取資料較為完整、農作物受災較為嚴重的幾年，繪制大風災害中農作物的受損面積統(tǒng)計圖，1990年為大風災害災情最嚴重的一年，農作物受災面積175 631.63 hm2，成災62 039.36 hm2。

2.3 大風災害風險區(qū)劃

選取最大風速、大風日數(shù)為大風災害致災因子，人口密度、GDP、農業(yè)用地作為大風承災體，農民人均收入、公共財政收入、農林水利投入、醫(yī)療保險參保比例、醫(yī)護能力作為防災減災能力，進行歸一化處理。利用層次分析法計算得到各指標權重，計算得到致災危險性指數(shù)、承災體脆弱性指數(shù)、防災減災能力指數(shù)。

研究結果表明：滄州市區(qū)、黃驊、鹽山、海興、孟村等地致災危險性等級較高，青縣、南皮、滄縣等地致災危險性等級中等，肅寧、任丘、南皮、河間、泊頭、東光、吳橋等地致災危險性等級較低；滄州市區(qū)、任丘等地承災體脆弱性等級較高，河間、滄縣等地承災體脆弱性等級中等，青縣、黃驊、海興、鹽山、孟村、南皮、東光、吳橋、泊頭、獻縣、肅寧承災體脆弱性等級較低；滄州市區(qū)、滄縣、任丘、河間、黃驊、青縣、獻縣的防災減災能力較強，肅寧、泊頭、南皮、鹽山、吳橋的防災減災能力中等，海興、東光、孟村的防災減災能力較弱。

綜合致災危險性、承災體脆弱性、防災減災能力的影響，計算得出大風災害風險指數(shù)，利用自然斷點法劃分大風災害風險等級，結果表明：滄州市區(qū)、滄縣、黃驊、海興、鹽山等地大風災害風險等級較高，任丘、青縣、南皮、孟村等地大風災害風險等級中等，肅寧、河間、獻縣、泊頭、東光、吳橋等地大風災害風險等級較低（圖1）。

2.4 抗風能力劃分

2.4.1 設施農業(yè)類型分布 按照河北省蔬菜設施類型的地方標準（DB13/T 951—2008）規(guī)定，結合滄州市實地調查結果，將滄州市設施農業(yè)分為日光溫室、大拱棚、中拱棚和小拱棚。

2.4.2 不同重現(xiàn)期最大風速 采用多種概率分布模型計算不同的重現(xiàn)期，并通過K-S檢驗、A-D檢驗和卡方檢驗比較擬合效果，選擇擬合效果最優(yōu)的概率分布模型，估算不同重現(xiàn)期最大風速。主要計算過程通過Easyfit軟件實現(xiàn)，不同重現(xiàn)期大風日數(shù)的計算方法同最大風速。

根據(jù)1981—2010年滄州市各氣象站的最大風速數(shù)據(jù)，利用Easyfit軟件對最大風速的極值分布進行擬合，并選取最優(yōu)擬合函數(shù)分布，估算滄州市5、10、20、50、100年重現(xiàn)期的最大風速。結果表明：不同重現(xiàn)期最大風速整體上呈現(xiàn)西低東高的分布特征，滄州市各站5年重現(xiàn)期風速最大值為21.01 m/s，出現(xiàn)在海興，最小值為14.6 m/s，出現(xiàn)在河間；滄州市各站10年重現(xiàn)期風速最大值為21.93 m/s，出現(xiàn)在海興，最小值為15.66 m/s，出現(xiàn)在河間；滄州市各站20年重現(xiàn)期風速最大值為22.68 m/s，出現(xiàn)在鹽山，最小值為16.68 m/s，出現(xiàn)在河間；滄州市各站50年重現(xiàn)期風速最大值為24.57 m/s，出現(xiàn)在鹽山，最小值為17.00 m/s，出現(xiàn)在河間；滄州市各站100年重現(xiàn)期風速最大值為26.01 m/s，出現(xiàn)在鹽山，最小值為18.83 m/s，出現(xiàn)在泊頭。

2.4.3 臨界風速 以溫室為例，利用風荷載公式、基本風壓伯努利方程等，根據(jù)不同重現(xiàn)期最大風速結果，計算得到10 m高度處不同重現(xiàn)期的基本風壓值。滄州地區(qū)日光溫室高度一般都在5 m以下，且一般都建造在地勢平坦、四周空曠的地方，符合規(guī)定的B類地區(qū)。在不考慮風載體型系數(shù)的情況下，根據(jù)溫室風壓計算公式可以得出滄州地區(qū)不同重現(xiàn)期5 m高度處溫室風壓分布情況，結果表明：滄州地區(qū)不同重現(xiàn)期5 m高度處基本風壓整體上呈東高西低分布特征。

計算得到滄州地區(qū)不同重現(xiàn)期溫室風壓分布情況，考慮溫室使用年限和高度，此處將5 m高度處20年重現(xiàn)期基本風壓作為日光溫室的臨界風壓，計算得出，溫室所能承受的最大風速約為17 m/s，風力為8級左右。由此計算出大棚、中棚、小棚所能承受的最大風速分別為14、11、8 m/s。取對棚室影響較小的低風險的最大值作為抗風等級，從而得到不同類型設施農業(yè)大風災害風險等級，即日光溫室、大拱棚、中拱棚和小拱棚的抗風等級分別為抗8級、抗7級、抗6級和抗5級大風。

3 結論

（1）滄州市最大風速的極值在年際分布并不具有明顯的趨勢和一致性，在月際分布上最大風速極值的4—7月較高，11月較低，各站比較海興、鹽山較強，河間較弱；大風日數(shù)的年際統(tǒng)計結果，各站大風日數(shù)變化并沒有明顯的趨勢，年際變化來看，各站大風日數(shù)曲線不太疊合，反映的大風日數(shù)特征信息并不一致；大風日數(shù)的月際統(tǒng)計結果，各站大風日數(shù)的分布曲線基本疊合，反映出大風日數(shù)分布特征比較一致，大風日數(shù)月分布在4—6月較高，9月較低。

（2）直接經(jīng)濟損失較大的集中在1990、1995、1997、2002年。各地災情記錄以任丘、河間、鹽山、肅寧為最多，分別為19、17、16和15次；大風災害的發(fā)生比較頻繁，在1988、1990、2002和2006年達到最高；大風災害造成直接經(jīng)濟損失較高的在1990、1995、1997和2002年；1990年為大風災害災情最嚴重的一年，農作物受災面積175 631.63 hm2，成災面積62 039.36 hm2。

（3）滄州市區(qū)、黃驊、鹽山、海興、孟村等地致災危險性等級較高，青縣、南皮、滄縣等地致災危險性等級中等，肅寧、任丘、南皮、河間、泊頭、東光、吳橋等地致災危險性等級較低；滄州市區(qū)、任丘等地承災體脆弱性等級較高，青縣、黃驊、海興、鹽山、孟村、南皮、東光、吳橋、泊頭、獻縣、肅寧承災體脆弱性等級較低；滄州市區(qū)、滄縣、任丘、河間、黃驊、青縣、獻縣防災減災能力較強，海興、東光、孟村防災減災能力較弱；滄州市區(qū)、滄縣、黃驊、海興、鹽山等地大風災害風險等級較高，肅寧、河間、獻縣、泊頭、東光、吳橋等地大風災害風險等級較低。

（4）大棚、中棚、小棚所能承受的最大風速分別為14、11、8 m/s，取對棚室影響較小的低風險的最大值作為抗風等級，從而得到不同類型設施農業(yè)大風災害風險等級，即日光溫室、大拱棚、中拱棚和小拱棚的抗風等級分別為抗8級、抗7級、抗6級和抗5級風。

參考文獻

[1] 李天來.我國日光溫室產業(yè)發(fā)展現(xiàn)狀與前景[J].沈陽農業(yè)大學學報，2005（2）： 131-138.

[2] 王篤利，陳青云，曲梅.溫室基本風壓取值方法探討[J].農業(yè)工程學報，2005 （11）：179-182.

[3] 楊再強，張波，薛曉萍，等.設施塑料大棚風洞試驗及風壓分布規(guī)律[J].生態(tài)學報，2012，32（24）：7730-7737.

[4] 黃川容，楊再強，劉洪，等.北京日光溫室風災風險分析及區(qū)劃[J].自然災害學報，2012，21（3）：43-49.

[5] 張淑杰，孫立德，馬成芝，等.東北日光溫室最大風荷載特征及風災預警指標研究[J].資源科學，2015，37（1）：211-218.

[6] 杜鵬，李世奎.農業(yè)氣象災害風險評價模型及應用[J].氣象學報，1997（1）：96-103.

[7] 于飛，谷曉平，羅宇翔，等.貴州農業(yè)氣象災害綜合風險評價與區(qū)劃[J].中國農業(yè)氣象，2009，30（2）：267-270.

[8] 謝佰承，羅伯良，帥細強，等.湖南洪澇災害農業(yè)風險評估研究[J].中國農業(yè)氣象，2009，30（S2）：307-309.

[9] 劉洪，郭文利，李慧君.北京地區(qū)日光溫室光環(huán)境模擬及分析[J].應用氣象學報，2008（3）：350-355.

[10] 魏瑞江，李春強，康西言.河北省日光溫室低溫寡照災害風險分析[J].自然災害學報，2008（3）：56-62.

[11] 王鵬飛，于秀捷.從氣象角度對防御塑料大棚風災的思考[J].遼寧農業(yè)科學， 1999（5）：34-38.

[12] 蔣秀根，劇錦三，張麗莉.考慮桁架剛度的溫室結構風載效應分析方法[J].中國農業(yè)大學學報，2005（6）：70-74.

[13] 武燕飛.風壓作用下溫室結構荷載的研究[D].南京：南京農業(yè)大學，2007.

[14] 張連永，李進京，孫新年.華東連棟塑料溫室結構設計風荷載研究[J].農機化研究，2008（1）：62-65.