赵慧霞 王 铸 刘 扬 张立生

（国家气象中心，北京 100081）

1 引言

设施农业是我国现代农业发展的一个重要方向[1]。但在全球气候发生重大变化背景下，极端天气气候事件发生频次增加，冬季暴雪天气时有发生，沉重的积雪常常会超出温室大棚设施的承载负荷，导致拱架坍塌或墙体损毁，造成经济损失。2018年初大范围暴雪，安徽、湖北、湖南等省部分地区种植养殖业大棚大面积损毁，农作物受灾严重，受灾面积达34.13万hm2，直接经济损失达25.1亿元[2]。如何提前预估强降雪天气对设施农业可能产生的影响是一项需要加强的研究工作。

近年来我国学者在雪灾风险评估方面不断开展探索性研究[3-4]，主要集中在牧区雪灾[5-6]、城市雪灾[7]、森林雪灾[8]，以及降雪对交通[9-10]的影响评估等方面。对于设施农业温室大棚的气象灾害风险评估工作也有开展[11]，主要集中在低温寡照灾害监测和预警[12-13]、风灾风险评估[14-16]方面，针对强降雪导致设施农业温室大棚垮塌风险评估方面的研究还较少。张淑杰等[17]根据东北地区各地日光温室的结构特征和雪被类型，确定了日光温室所能承受的最大雪压，得出了东北地区日光温室暴雪垮棚灾害的临界雪压和雪深指标。陈妮娜等[18]根据气象观测资料和设施农业受灾资料，探讨了辽宁省设施农业大风、暴雪致灾指标，结果认为当积雪深度达到6～9cm、10～12cm和超过12cm时，设施农业分别出现轻度受灾、中度受灾和重度受灾。

本研究参考建筑结构荷载规范和农业温室结构荷载规范，以及不同类型温室大棚的使用年限，将不同重现期的基本雪压作为风险阈值，并基于中央气象台智能网格降水量和降水相态预报数据，构建了我国农业温室大棚积雪压垮风险预估模型，并对2020年2月华北黄淮和11月内蒙古及东北地区两次较强雨雪过程开展了预估应用试验，对照实际灾情检验其预估效果。

2 数据和方法

2.1 数据来源

历史积雪深度数据来自国家气象信息中心整编积雪数据集，为1951—2018年共2 378个国家气象观测站逐年最大积雪深度数据；预报数据来自中央气象台智能网格数据，为逐3h相态预报数据和降水量预报数据，空间分辨率为5km×5km；灾情数据来自国家减灾中心的《昨日灾情》信息和中国气象局气象灾害直报系统实时报告的灾情信息。

2.2 站点多年一遇最大积雪深度的估算方法

参考《建筑结构荷载规范》（GB 50009-2012）[19]和《农业温室结构荷载规范》（GB/T51183-2016）[20]，计算各气象观测站多年一遇最大积雪深度采用极值Ⅰ型概率分布法，分布函数见公式（1）。根据极值分布性质，可得R年一遇的最大积雪深度，见公式（2）。

式（1）和式（2）中，F（h）为概率分布函数；α为分布函数的尺度参数；u为分布函数的位置参数；h为年最大积雪深度；HR表示R年一遇的最大积雪深度。参数α、u估计采用《建筑结构荷载规范》（GB 50009-2012）推荐的耿贝尔法。

2.3 站点多年一遇基本雪压的计算

由于雪压资料缺乏，因此采用多年一遇最大积雪深度和所属区域平均积雪密度来计算多年一遇基本雪压，见公式（3）。

式中，PR为R年一遇的基本雪压（kN/m2）；HR为R一遇的最大积雪深度（m）；ρ为积雪密度（kg/m3）；g为重力加速度（9.8 N/kg）。

各区域积雪平均密度按下述取值[19]：东北地区及新疆北部取150kg/m3；华北及西北地区取130kg/m3，其中青海取120kg/m3；淮河、秦岭以南地区取150kg/m3，其中江西、浙江取200kg/m3。

2.4 基于智能网格预报的雪压预测计算

以中央气象台智能网格预报产品中逐3h降水相态预报和降水量预报数据（5km×5km）为驱动，输出雪压网格预报产品。根据公式（4）进行计算格点雪压预测值Pf，其中h为日降雪量预测值，为相态是降雪或雨夹雪时的逐3 h降水量的累加值。

式中，Pf为雪压预测值（kN/m2）；h为日降雪量预测值（mm），g为重力加速度（9.8N/kg）。

3 设施农业积雪压垮风险阈值的确定

《农业温室结构荷载规范（GBT51183-2016）》中规定了全国各地温室不同设计年限的雪压承载值应符合规范中基本雪压规范值。本研究假定现实中所有设施温室大棚均按照《农业温室结构荷载规范（GBT51183—2016）》进行结构设计和建造。因此，各地建造设计的温室大棚基本是与当地降雪气候背景相适应的。比如，相同结构的东北地区的温室大棚通常要比南方地区建造的更抗雪压，而相同的雪压对南方地区的温室大棚造成的灾害影响通常大于东北地区。当实际雪压超过规范中设计的基本雪压时，温室大棚将有垮塌风险。

我国设施农业类型以日光温室和塑料大棚为主，其中日光温室的抗雪压能力较强，设计使用年限通常有10～20a；塑料大棚抗雪压能力相对较弱，主题钢结构的大棚设计使用年限通常为10a；竹木结构的大棚以及部分老旧大棚抗风雪能力差，一般使用年限只有3～5a。因此，本研究选取3a、5a、10a和20a重现期的基本雪压（P3、P5、P10、P20）作为积雪压垮风险分级的阈值。10a一遇站点最大积雪深度分布和基本雪压分布如图1和图2所示，其他重现期积雪深度分布和雪压分布图略。

图1 10 a一遇站点积雪深度分布（a）和雪压分布（b）

4 基于智能网格预报的农业温室大棚积雪压垮风险预估模型

4.1 站点多年一遇雪压的格点插值

前面计算得到的多年一遇基本雪压阈值为站点数据，为与智能网格预报产品相匹配，实现格点化评估，首先对站点多年一遇基本雪压阈值进行空间插值处理。插值采用Kriging空间插值方法，将基于站点计算得到的多年一遇雪压阈值插值到与智能网格一致的5km×5km的1 201×1 401个网格上。该插值方法具有估计无偏性、反映空间结构性以及保障结果精度等优点[21]。多年一遇雪压阈值空间插值结果如图2所示。

图2 3a一遇（a）、5a一遇（b）、10a一遇（c）、20a一遇（d）雪压阈值分布

4.2 农业温室大棚积雪压垮风险等级评估模型

农业温室大棚积雪压垮风险等级划分及影响见表1，表中Pf为雪压预估值，PN为N年一遇雪压阈值，R为温室大棚垮塌风险等级。将智能网格雪压预测数据网格值逐一与该网格3a、5a、10a、20a一遇雪压阈值（P3、P5、P10、P20）进行比对计算分析，根据表1的等级划分，确定该网格农业温室大棚积雪压垮风险预估等级。

表1 农业温室大棚积雪压垮风险等级

5 农业温室大棚积雪压垮风险预估模型应用试验

5.1 2020年2月中旬华北黄淮较强雨雪过程应用

2020年2月14日，京津冀及山东等地出现较强降雪或雨转雪天气，累计降水量3～10mm，北京中东部、河北中部、山东等地部分地区15～30mm，积雪深度1～4cm，辽东半岛、河北东北部、山东中部和北部部分地区有5～9cm，山东潍坊安丘达13cm。

利用本文设计的风险预估模型，对华北黄淮此次强雨雪天气过程的农业温室大棚积雪压垮风险进行了预估。13日48h和14日24h风险预估分布结果分别如图3所示，较高风险（R=3）和很高风险（R=4）区域主要分布在河北的承德、唐山、沧州，山东的滨州、东营、潍坊，以及辽宁的营口、大连。

图3 2020年2月13日48h（a）、14日24h（b）农业温室大棚积雪压垮风险预估

据国家减灾中心信息，2月14—15日河北承德市和唐山市，辽宁营口市，山东潍坊、济宁、菏泽等地部分地区遭受雪灾，造成上述3省6市8 000余人受灾，农作物受灾面积近100余公顷，直接经济损失2 300余万元；据中国气象局气象灾情直报系统信息，山东潍坊青州、高密、昌邑、安丘、昌乐，河北承德、唐山，辽宁营口等地报告部分设施农业大棚垮塌或受损。上述灾情报告与风险预估模型结果较吻合。预估有较高风险或很高风险的河北沧州以及山东滨州和东营没有收到相关设施农业灾情报告，分析其原因可能是固态降水量预测值较实况偏高导致风险预测值偏高，积雪深度实况也表明大部不足5cm；另外，在山东济宁和菏泽部分地区也有设施农业受灾报告，但风险预估这些区域风险为基本安全（R=1），分析风险漏报主要原因为这些区域固态降水量预测值较实况偏低，这些区域积雪深度实况显示有6～8cm。综合分析，可以认为该模型较好地预估了此次华北强降雪天气对大部分地区设施农业的影响风险，但对固态降水量预报的准确性要求较高。

5.2 2020年11月中旬内蒙古中部及东北地区强雨雪过程应用

2020年11月18日，黑龙江东部和南部、吉林中西部偏北、内蒙古中部和东南部等地出现大到暴雪，黑龙江哈尔滨、牡丹江、七台河和鸡西，内蒙古通辽和赤峰出现大暴雪到特大暴雪，累计降水量20～55mm。内蒙古中东部、黑龙江东部和南部、吉林等地新增积雪深度有5～15cm；内蒙古通辽和赤峰，黑龙江哈尔滨、牡丹江、鸡西、七台河，吉林松原、吉林市等地有20～38cm。

利用本研究构建的风险评估模型，也对此次强降雪天气过程的农业设施温室大棚积雪压垮风险进行了预估。风险等级预估结果如图4所示：内蒙古中部和东南部的部分地区有较高的农业温室大棚积雪压垮风险，其中赤峰、通辽以及锡林郭勒盟西部有很高及以上压垮风险，赤峰和通辽部分地区有极高压垮风险。

图4 2020年11月17日48h（a）、18日24h（b）农业温室大棚积雪压垮风险预估

据国家减灾中心信息，11月18日以来，内蒙古赤峰、通辽、锡林郭勒3市（盟）21个县（区、旗）2.4万人受灾，农作物受灾面积600余公顷，直接经济损失3.3亿元。据气象局灾情直报系统灾情报告，内蒙古通辽库伦旗、科左中旗、开鲁县、科左后旗、科尔沁区、奈曼旗等6个旗（县、区），赤峰市松山区、林西县、宁城县、克什克腾旗、阿鲁科尔沁旗、巴林右旗、敖汉旗、巴林左旗、喀喇沁旗等9个旗（县、区）均有农业蔬菜温室大棚积雪压垮灾情，且灾情较重，这与风险预估模型结果非常吻合；吉林长春、四平、吉林市、延边中西部有少量设施大棚垮塌灾情报告，但其灾情信息以低温冰冻灾害为主，如冰冻造成的电力和通信设施受损、树木倒伏弯曲、城市停水停暖等。综合对比设施大棚实际灾情与模型预估结果，两者吻合度较高。

6 结语

（1）本文利用气象站点积雪数据和极值Ⅰ型概率分布法计算了我国多年一遇的最大积雪深度和基本雪压分布，并基于中央气象台智能网格降水量和降水相态预报数据，构建了我国农业温室大棚积雪压垮风险预估模型。

（2）对2020年2月华北黄淮较强雨雪过程以及11月内蒙古及东北地区较强雨雪过程开展了风险预估应用试验，风险等级预估结果与灾情实况较为吻合，认为评估模型应用效果较好，能在气象服务中发挥一定的参考作用。

（3）该风险预测模型的不足和后期需要改进之处主要有以下三点：一是该模型假定设施农业在所有区域均匀分布，未考虑其实际地理分布，因此未来有必要引入利用遥感提取的或实际调查获取的设施农业实际地理分布数据，以提高温室大棚强降雪影响风险预估准确性。二是在缺少雪压监测数据的情况下，本研究的基本雪压是根据我国几个区域平均积雪密度计算而得，但积雪密度受气温、积雪深度、积雪时间等气象要素影响较大，因此，模型中需进一步深入研究积雪密度影响机理，进而加强基本雪压研究，为温室大棚等农业设施的积雪压垮风险研究提供更为科学的依据。三是冬季大风天气也是影响农业设施温室大棚结构安全的一个气象因素，在以后的垮塌风险预估模型中增加大风灾害影响因子，以提高预估模型的应用价值。