基于灾损的日光温室雪灾预警等级研究

李昌玉; 张令振; 张婷华; 彭毛青措; 李君; 陈东卫; 李姝彬

doi:10.11923/j.issn.2095-4050.cjas2024-0006

PDF(1455 KB)

农学学报 ›› 2025, Vol. 15 ›› Issue (2) : 95-100. DOI: 10.11923/j.issn.2095-4050.cjas2024-0006

农业信息农业气象

基于灾损的日光温室雪灾预警等级研究

作者信息 +

Research on Early Warning Level of Snow Disaster in Solar Greenhouse Based on Disaster Damage

Author information +

History +

摘要

为了满足现代农业发展的精细化服务需求，建立日光温室雪灾预警，指导农户提前采取有效措施，做好灾前防御，减少或避免雪灾造成的经济损失。本研究采用极值概率分布模型对青海省河湟谷地13个县区1978—2021年最大积雪深度观测资料进行分析，计算了30 a重现期日光温室坡度角为30°、35°和40°的最大雪压，得到日光温室雪灾临界指标。在此基础上选取1985—2021年河湟谷地日光温室实际雪灾资料、积雪深度资料，以各雪灾年造成的日光温室损失率作为因子，依据计算标准化降水指数不同等级灾害占总灾害比例的方法，确定日光温室雪灾不同强度等级的阈值，再根据积雪深度和温室损失率的函数关系，构建基于日光温室损失率的雪灾预警指标，将日光温室雪灾预警等级分为轻度、中度、重度三级。此方法对日光温室雪灾指标划分提出新的思路和方法，不仅简单，而且具有地域普适性，便于气象服务业务应用。

Abstract

In order to satisfy the refined service requirements of modern agriculture, this study established a snow disaster warning system of solar greenhouses, which could guide farmers to take effective measures to reduce or avoid economic losses that caused by snow disasters. The extreme probability distribution model was used to analyze the maximum snow depth data of 13 counties in Hehuang Valley of Qinghai Province from 1978 to 2021, and calculated the maximum snow pressure of the solar greenhouse with 30°, 35°and 40° slope angles during the 30-year return period, and then the snow disaster critical index of the solar greenhouse was obtained. It was selected the actual snow disaster data, the snow depth data of solar greenhouse, and the loss rate caused by the snow disaster year as a factor in Hehuang Valley from 1985 to 2021 based on the previous foundation. According to the method of calculating the standardized precipitation index to the proportion of different levels disasters in the total disaster, the threshold values of different levels of snow disasters of solar greenhouse were determined, and then the snow disaster warning indicator system was established based on the solar greenhouse loss rate according to the relationship between snow depth and greenhouse loss rate. It was classified the warning levels of solar greenhouse snow disasters into three levels: mild, moderate, and severe. This new method puts forward new ideas for the division of snow disaster indicators in solar greenhouses. It is not only simple, but also has regional universality and is convenient for meteorological service business applications.

导出引用

李昌玉 , 张令振 , 张婷华 , 彭毛青措 , 李君 , 陈东卫 , 李姝彬. 基于灾损的日光温室雪灾预警等级研究. 农学学报. 2025, 15(2): 95-100 https://doi.org/10.11923/j.issn.2095-4050.cjas2024-0006

LI Changyu , ZHANG Lingzhen , ZHANG Tinghua , PENGMAO Qingcuo , LI Jun , CHEN Dongwei , LI Shubin. Research on Early Warning Level of Snow Disaster in Solar Greenhouse Based on Disaster Damage. Journal of Agriculture. 2025, 15(2): 95-100 https://doi.org/10.11923/j.issn.2095-4050.cjas2024-0006

0 引言

日光温室是农业增效、农民增收的重要渠道，是低耗、高产、集约化的高效农业，为城市蔬菜供应提供了保障。在政策的支持及技术的助力下，青海省设施农业发展迅猛，综合效益显著^[1-2]。但随着极端天气事件增多，暴雪等气象灾害出现频繁^[3⇓⇓-6]，雪灾是青海地区日光温室影响最广最常发的气象灾害^[7⇓-9]。因雪压大于温室承载力时，日光温室常出现骨架断裂、受损，甚至温室坍塌等，使温室内作物受冻，导致果蔬减产和品质下降，造成经济损失^[10-11]，同时一定程度上影响着日光温室的发展^[12-13]。研究日光温室灾害指标并进行监测预报预警，是日光温室雪灾预防与管理的前提^{[14⇓⇓-17]}。国内学者对日光温室雪灾指标的研究方法各有不同，张波^[18]在风洞实验和能量平衡的基础上，建立了基于能量平衡的设施表面积雪模型，依据积雪日数划分日光温室雪灾等级指标，这种方法受试验条件限制。李瑞萍等^[19]依据历史资料和试验数据，确定雪压、雪深、雪量三要素之间的回归关系，结合日光温室的雪荷载，确定出日光温室轻、中、重度的雪灾指标，此方法较为繁琐。陈妮娜等^[20]用统计学方法，根据暴雪对各行政县域内温棚的受损栋数和经济损失划分出轻、中、重3种等级的雪深指标，这种划分过于绝对和主观。刘可群等^[21]根据农业农村部大棚蔬菜灾害损失标准，分析风灾灾损率与极大风速关系建立风压灾损模型，在假定雪压和风压相同的条件下，建立雪压损失模型，计算得到雪灾预警指标。这种方法与实际情况存在明显差异。张淑杰等^[22]采用极值I型分布函数计算了不同年的重现期雪深和雪压极值，根据温室结构特点及雪被类型，确定最大承受雪压，得到日光温室致灾的临界雪压和雪深指标，但没有进行分级研究。设施农业雪灾最直接的影响就是温室受损，本研究以日光温室因雪灾造成的损失率为指标因子，参照计算标准化降水指数不同等级确定的方法，划分出日光温室雪灾强度等级，再根据积雪深度和温室损失率的函数关系，得出了日光温室不同雪灾等级的预警指标。对日光温室雪灾指标划分提出新的思路和方法。此方法曾应用于牧区雪灾等级指标确定^[23]，具有一定的科学性。将此方法尝试应用于日光温室的雪灾预警等级指标，方法简单，又考虑到地域的普适性，便于应用于气象业务服务中。该研究旨在建立适应当地的日光温室雪灾标准，为当地日光温室雪灾提供统一的气象服务标准，完善防灾减灾机制，为全面加强农业气象服务体系建设，提高日光温室气象服务能力提供科技支撑。

1 资料与方法

1.1 数据资料

1978－2021年经质控后的青海省河湟谷地（民和县、乐都县、平安区、互助县、西宁市、大通县、湟中区、湟源县、海晏县及黄河流域的循化县、化隆县、尖扎县、贵德县）13个气象观测站的降水量、积雪深度资料，来源于青海省气候中心；1985－2021年河湟谷地日光温室雪灾灾情资料（1985年之前无日光温室灾情资料），来源于《中国气象灾害大典》（青海卷）、气象灾情管理系统和各地应急局收集的雪灾灾情资料，相应时期积雪深度资料来源于青海省气候中心；日光温室数据来源于各县区蔬菜技术推广站。

经调研和查阅文献，青海东部河湟谷地为日光温室主要集中区，约占全省日光温室面积的74%^[24]。青海日光温室使用的是东西走向稍偏西或偏东，采用单斜面的建筑结构，其余三面是墙体，一般长65 m左右，宽9~12 m，脊高3~5 m，坡度角为30°~40°标准的日光塑料温室。夜间保温被覆盖。

1.2 研究方法

1.2.1 日光温室雪灾临界指标的计算

（1）多年重现期最大积雪深度的计算。中国温室使用寿命年限为30 a，使用1978—2021年经质控后的青海省河湟谷地13个气象观测站的降水量、积雪深度资料，采用极值I型分布函数计算河湟谷地30 a一遇最大积雪深度。极值I型分布函数见式(1)、(2)。

F (x) = e x p [- e x p (- α x - μ)]

(1)

X_{R} = μ - \frac{1}{α} l n [l n (\frac{R}{R - 1})]

(2)

式中，F(x)为概率分布函数；ɑ为尺度参数为年最大积雪深度值；μ为分布的位置参数，即其分布的众值，X_R为重现期R年的最大积雪深度。

（2）基本雪压的计算。基本雪压按照GB 55001—2021《工程结构通用规范》国家标准计算。基本雪压计算见式(3)。

S_{0} = ρ g h

(3)

S₀为基本雪压(kN/m²)，ρ为地区平均等效积雪密度(kg/m³)，g为重力加速度(9.8 m/s²)，h为30 a一遇的最大积雪深度值(cm)。根据GB 5009－2012《建筑结构荷载规范》规定青海的积雪密度ρ为120 kg/m³。

（3）日光温室雪荷载的计算。雪荷载（最大雪压）是日光温室结构设计中的主要活载之一，它的取值直接影响着温室结构的安全性和经济性。根据GB 55001—2021规定，屋面水平投影面上的雪荷载标准值应为屋面积雪分布系数和基本雪压的乘积。雪荷载计算见式(4)。

S_{k} = μ_{r} s_{0}

(4)

式中S_k为日光温室雪荷载，μ_r为屋面积雪分布系数，s₀为基本雪压(kN/m²)。屋面积雪分布系数根据GB 5009—2012获得，30°、35°和40°的屋面积雪分布系数分别为0.85、0.7、0.55。

1.2.2 日光温室雪灾预警等级划分

以1985－2021年河湟谷地日光温室雪灾灾情资料为基础，建立时间、地点、日光温室损失率的雪灾档案，依据计算标准化降水指数不同等级灾害占总灾害比例的方法，计算出日光温室雪灾发生的频数，以各雪灾年造成的日光温室损失率作为因子，确定日光温室雪灾不同强度等级的阈值，再根据积雪深度和温室损失率的函数关系，计算出日光温室不同雪灾等级下预警指标。

方法：先计算日光温室损失率。日光温室损失率为该地区该过程因雪灾造成日光温室损失数与本年度该地区日光温室总数之比。计算见式(5)。

D_{j} = \frac{C_{j}}{Z_{j}} \times 100 %

(5)

式中，D_j为第j年该地区日光温室损失率；C_j为第j年该地区雪灾造成日光温室损失数；Z_j为第j年度该地区日光温室总数。

其次，计算各等级雪灾出现的频率比重。参照标准化降水指数中各等级灾害占总灾害的比重^[13]来确定日光温室实际受雪灾的各等级灾害出现的频率比重，计算见式(6)。

A_{i} = \frac{f_{i}}{F} \times 100 %

(6)

式中，A_i为各等级出现频率比重，f_i为各等级出现频率，F为灾害出现的总频率(32%)。然后计算各等级雪灾发生的频数。为各等级雪灾出现的频率比重与雪灾过程总数之积。计算见式(7)。

B_{i} = A_{i} \times N

(7)

式中，B_i为各等级雪灾出现的频数，A_i为各等级出现频率比重，N为日光温室雪灾过程总数。

再次，划分日光温室雪灾强度等级。将日光温室雪灾过程按日光温室损失率升序排列，根据各雪灾等级对应的频数，提取相应等级日光温室损失率区间值，划分出日光温室轻、中、重三级雪灾强度等级。

最后，确定日光温室雪灾预警等级。通过Excel建立日光温室损失率和积雪深度两者之间的函数关系，计算出日光温室损失率对应的积雪深度，并给出不同雪灾等级的颜色，得到日光温室雪灾预警等级。

2 结果与分析

2.1 日光温室雪灾临界指标确定

计算30 a重现期坡度角为30°、35°和40°日光温室的雪荷载。采用Arcgis中的自然断点法，绘制河湟谷地日光温室雪荷载空间分布图（图1），河湟谷地日光温室雪荷载自西北向东南部河谷逐渐减小。另随着日光温室坡度角的增大，雪荷载呈逐渐减小的趋势。坡度角30°的日光温室雪荷载以0.091~0.200 kN/m²为主，坡度角40°的日光温室雪荷载主要以0.024~0.070 kN/m²为主。根据以上计算坡度角30°、35°和40°日光温室的雪荷载，坡度角越大其雪荷载越小，故用最小坡度角30°日光温室的最小雪荷载0.05 kN/m²，对应的积雪深度5 cm作为青海省日光温室雪灾临界指标。

图1 青海河湟谷地30 a重现期30°(a)、35°(b)和40°(c)雪荷载空间分布

Full size|PPT slide

2.2 日光温室雪灾预警等级划分

2.2.1 日光温室各灾害等级出现频率比重和频数

经过计算得出，21次雪灾过程中，轻灾频数为10，中灾频数为7，重灾频数为4。可看出日光温室各灾害等级出现频率比重和频数随着灾情程度的加重而减小（表1）。

表1 日光温室不同雪灾等级占总灾害的比重、频数

等级	类型	出现频率/%	频率比重/%	频数
0	无灾	68	-	-
3	轻灾	15	47	10
2	中灾	10	31	7
1	重灾	7	22	4

2.2.2 日光温室雪灾强度等级划分

将21次日光温室雪灾过程按日光温室损失率升序排列（表2），根据表1中各雪灾等级对应的频数，提取表2中相应等级日光温室损失率区间值，划分出日光温室轻、中、重三级雪灾强度等级（表3）。即根据表1中的频数10，提取表2中日光温室损失率第10个位数的值1.00作为轻度雪灾事件的上限阈值，取第17个位数的值6.60作为中度雪灾事件的上限阈值，各等级雪灾事件上限阈值作为下一等级雪灾事件的下限阈值。

表2 21次雪灾过程的日光温室损失率

序列	雪深/cm	日光温室损失率/%
1	8	0.07
2	6	0.20
3	5	0.20
4	9	0.28
5	9	0.30
6	7	0.38
7	13	0.75
8	14	0.80
9	10	0.99
10	20	1.00
11	13	2.70
12	14	3.00
13	15	3.58
14	18	3.80
15	17	4.56
16	17	6.00
17	20	6.60
18	19	7.10
19	20	8.25
20	20	9.35
21	23	9.80

表3 日光温室雪灾强度等级划分

等级	日光温室损失率/%
轻灾	D≤1
中灾	1<D≤6.6
重灾	D>6.6

表3中日光温室损失率小于等于1%为轻灾，日光温室损失率大于1%，小于等于6.6%为中灾，日光温室损失率大于6.6%为重灾，以日光温室损失率为雪灾等级指标确定因子，不仅反映出灾情的直接结果，而且方法简单，便于业务应用。

2.2.3 日光温室雪灾预警等级划分

由21次日光温室雪灾过程中日光温室损失率和积雪深度通过Excel建立积雪深度和日光温室损失率两者之间的函数关系见式(8)。

H = - 0.12374 D^{2} + 2.4676 D + 8.5983

(8)

通过α=0.05的显著性检验。式中H为积雪深度，D为日光温室损失率。通过函数关系计算出日光温室损失率对应的积雪深度，并给出不同雪灾等级的颜色，得到日光温室雪灾预警等级（表4）。

表4 日光温室雪灾预警等级

等级（颜色）	雪深H/cm
轻灾（黄色）	5<H≤11
中灾（橙色）	11<H≤19
重灾（红色）	H>19

2.3 致灾指标的验证

为了验证暴雪对日光温室受损指标，用2014年4月2日降雪过程日光温室受到不同程度的损害进行验证。此次天气过程西宁市辖区除市区无积雪，有20个监测点出现不同程度的积雪，平均积雪深度为12 cm，13个监测点积雪深度超过5 cm，4个监测点积雪深度超过10 cm，1个监测点大于20 cm，最大积雪在湟中县共和镇监测点为23 cm。虽然西宁观测站（廿里铺）观测无积雪，但从出现雪灾地区最近观测站的积雪深度值可以看出（表5），如离城北区大堡子镇较近的湟中区多巴镇，离城中区总寨镇较近的湟中区鲁沙尔，这2个测站的积雪深度值也均在5 cm以上。由此可见，日光温室发生雪灾时临界指标积雪深度为5 cm是符合当地实际情况的。

表5 2014年4月2日日光温室受灾地区雪深及受损率

地区	降水量/mm	积雪深度/cm	日光温室受损数/栋	日光温室受损率/%	最近测站
湟中区多巴镇	15.8	6	2	湟中区9.8	-
湟中区田家寨镇	14.3	12	37		-
湟中区共和镇	22.4	23	26		-
湟中区李家山镇*	11.6	7	10		湟中区上五庄镇
湟中区上新庄镇*	14.3	12	25		湟中区田家寨
大通县新庄镇*	13.8	8	66	大通县0.07	大通县桥头镇
大通县桥头镇	13.8	8	112		-
大通县塔尔镇*	13.8	8	55		大通县桥头镇
大通县长宁镇	10.8	7	30		-
大通县朔北乡*	13.8	8	3		大通县桥头镇
城北大堡子镇*	15.8	6	8	城北区0.2	湟中区多巴镇
城中区总寨镇*	22.9	18	19	城中区3.8	湟中区鲁沙尔
湟源县城关镇	11.9	9	1	湟源县0.28	-

注：此表为积雪深度大于5 cm的信息。带*地区降水量和雪深观测值使用最近测站的降水量和雪深值。

根据西宁市农业农村局调查，此次全市因降雪导致423栋温室棚架坍塌，其中湟中区130栋，大通县266栋，城北区大堡子镇8栋，城中区总寨镇19栋。共计经济损失729.18万元，其中湟中区经济损失为522.83万元。虽然大通县受灾温室数量较湟中区多，但计算日光温室损失率，湟中区损失率达到9.8%，大通县只有0.07%，并且湟中区积雪深度及经济损失都比较大。以此可证明以温室损失率来划分雪灾标准是科学的。

3 结论和讨论

对于各地而言，基于日光温室实际损失率作为因子确定雪灾强度等级指标，可客观、合理、科学、准确地反映日光温室雪灾的灾害程度，不受地域、温室类型、温室用途等限制，对不同地区不同类型的温室都可参考本研究方法来划分雪灾指标，便于实际业务操作。业务人员可根据雪深预报对应的不同雪灾预警等级，发布日光温室雪灾预警，生产者可采取相应防御措施，提高防灾减灾能力，减少经济损失。

因受日光温室灾情资料限制，本研究没有考虑日光温室的种类，结构特点，新旧程度，管理等因素，需要在今后有大量的灾情资料、气象站网密度增加、日光温室信息和生产管理水平完善的基础上进一步详细的分类研究，计算出不同种类和结构日光温室的雪灾指标，使得气象服务更加具体化和精细化。

研究结果可用于青海省日光温室雪灾预警，评估日光温室雪灾灾害的影响程度，客观评价日光温室雪灾事件的强度和等级，提升日光温室雪灾的评估质量和气象服务在设施农业领域中的作用，提高设施农业气象防灾减灾能力，对政府部门防灾救灾工作提供科学依据，具有广泛的社会效益和经济效益。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	吴海峰. 青海日光温室设施使用中的常见问题与解决方法[J]. 安徽农业科学, 2015, 43(25):358-359. 本文引用 [1]

[2]	陈思宁, 黎贞发, 刘淑梅. 设施农业气象灾害研究综述及研究方法展望[J]. 中国农学通报, 2014, 30(20):302-307. 本文引用 [1]

[3]	周文魁. 气候变化对中国粮食生产的影响及应对策略[D]. 南京: 南京农业大学, 2012. 本文引用 [1]

[4]

罗生洲, 汪青春, 戴升. 青海省气象灾害的若干气候特征分析[J]. 冰川冻土, 2012, 34(6):1380-1387.

本文引用 [1] 摘要

利用1984—2007年气象灾害资料, 分析了青海省各类气象灾害的发生机率及时空分布特征.冰雹、暴雨洪涝、雪灾、干旱和雷电及霜冻是青海省主要气象灾害, 连阴雨、大风、沙尘暴、冻害、渍涝、高温、龙卷风、大雾为青海次要气象灾害.在地域分布上, 海南州和海东地区是青海气象灾害多发和危害严重地区; 玉树州和果洛州属于气象灾害发生较少和危害较轻地区.就行政县域而言, 西宁市湟中县、海南州兴海县、贵德县为青海气象灾害多发县, 果洛州班玛县、久治县、玉树州治多县则是青海省气象灾害较少和危害较轻县份.年内5—6月出现的气象灾害种类最多, 4—9月份是气象灾害高发期.在1984—2007年间, 暴雨洪涝、冰雹、雷电灾害发生次数呈增多趋势, 其他灾害发生次数增多趋势不甚明显.

[5]	谭方颖, 王建林, 张蕾, 等. 山东省设施农业风灾风险评估研究[J]. 中国生态农业学报(中英文), 2024, 32(1):174-182. 本文引用 [1]

[6]

武荣盛, 吴瑞芬, 金林雪, 等. 内蒙古自治区日光温室气候适宜性区划[J]. 应用生态学报, 2023, 34(5):1305-1312.

https://doi.org/10.13287/j.1001-9332.202305.027

本文引用 [1] 摘要

为解决内蒙古自治区不同蔬菜类型日光温室科学规划和合理布局,利用全区119个观测站1991—2020年的地面气象资料,基于内蒙古自治区日光温室叶菜和果菜的生长需求,结合生产季节关键气象要素分析及低温冷害、风灾、雪灾等气象灾害指标研究,筛选出冬季低温日数、日光温室生产季节的日照时数、阴天日数、极端最低气温、风灾日数、积雪日数作为气候区划指标,采用加权求和方法分析不同坡度(35°和40°)日光温室叶菜类和果菜类综合气候适宜性指标、等级和区划。结果表明: 35°叶菜、35°果菜、40°叶菜、40°果菜的气候适宜性区划等级具有较高的一致性,叶菜类较果菜类在同一地区的日光温室气候适宜性更高。坡度越大,风灾指标越低、雪灾指标越高。受风灾和雪灾影响程度不同的地区,气候适宜性也不同,研究区东北部主要受雪灾影响,40°坡度的气候适宜性更高;东南部受风灾影响更大,35°坡度的气候适宜性更高。阿拉善盟、河套灌区、土默川平原、鄂尔多斯市大部、燕山丘陵区东南部、西辽河平原南部等地区,光热资源匹配良好,风雪灾风险最低,为日光温室最适宜区,也是当前和未来设施农业重点发展区域;内蒙古东北部的大兴安岭沿麓地区,光温资源匮乏,温室生产能耗大,暴雪灾害频繁,为不适宜区。

[7]	张涛涛, 延军平, 廖光明, 等. 近51a青藏高原雪灾时空分布特征[J]. 水土保持通报, 2014, 34(1):242-245,251. 本文引用 [1]

[8]	柯长青, 李培基. 青藏高原积雪分布与变化特征[J]. 地理学报, 1998(3):19-25. 本文引用 [1]

[9]

高益波, 胡波, 丁烨毅, 等. 雪灾对农业影响的损失评估[J]. 中国农学通报, 2017, 33(19):122-125.

https://doi.org/10.11924/j.issn.1000-6850.casb17030186

本文引用 [1] 摘要

为了分析雪灾对宁波市农业影响的损失，并对其进行评估。本研究选取宁波市2014年一次降雪过程，基于自然灾害理论，综合考虑形成雪灾损失的危险性、暴露性、脆弱性和防灾减灾能力，将遥感、地理信息技术与雪灾损失相结合构建雪灾损失评估模型。结合土地利用类型图，提取农业用地，将雪灾对农业影响的损失区域划分为低损失、中损失和高损失，并进行分区评述。结果表明：余姚市的积雪覆盖面积最大，且雪灾各损失等级所占面积均最大，受灾最严重；海曙区、江东区和江北区无积雪覆盖，无雪灾损失。雪灾高损失区域主要位于海拔较高的余姚南部和鄞州西部山区。

[10]	罗新兰, 于红, 黎贞发, 等. 辽宁省日光温室雪荷载分布[J]. 中国农学通报, 2012, 28(5):295-299. 本文引用 [1]

[11]	赵慧霞, 王铸, 刘扬, 等. 天津市典型日光温室和塑料大棚雪荷载分布[J]. 防灾科技学院学报, 2020, 22(1):46-51. 本文引用 [1]

[12]	张静, 陈笑娟, 李婷, 等. 基于脆弱性曲线的河北省日光温室棚室雪灾风险评估[J]. 气象与环境科学, 2023, 46(3):32-37. 本文引用 [1]

[13]	赵慧霞, 王铸, 刘扬, 等. 农业温室大棚积雪压垮风险预估研究[J]. 气象灾害防御, 2022, 29(1):10-15. 本文引用 [2]

[14]

乐章燕, 石茗化, 李德, 等. 河南省设施农业冬季低温灾害风险评估[J]. 干旱气象, 2022, 40(4):667-676.

https://doi.org/10.11755/j.issn.1006-7639(2022)-04-0667

本文引用 [1] 摘要

为了提高气候资源利用率，合理优化河南省冬季设施农业布局，利用1981—2018年河南省113个国家气象站冬季逐日最低气温资料，采用数理统计方法计算冬季年最低气温标准差和不同低温灾害指标的气候概率、发生频率、发生强度，并采用等权重法构建设施农业低温风险指数，结合低温灾情资料，选用有序样本最优聚类法划分设施农业低温风险等级，且叠加地表覆盖数据进行低温灾害风险评估。结果表明：河南省各地冬季低温灾害指标小于等于-5 ℃的气候概率和发生频率均超过0.80，不适宜发展塑料小拱棚，且不宜采用单层塑料大棚进行设施农业生产。信阳和南阳南部小于等于-10 ℃的气候概率和发生频率均小于0.20，适宜发展塑料大棚;鹤壁、安阳和濮阳小于等于-10 ℃的气候概率和发生频率均超过0.80，需发展日光温室才能保证设施作物生长。在塑料大棚发展区内，信阳市固始县和商城县为低温灾害轻度风险区，信阳大部、南阳部分区域和周口为中度风险区，其他地区均为重度风险区;在日光温室发展区内，濮阳、安阳和鹤壁部分区域为低温灾害特重风险区。河南省冬季各地不同等级的低温灾害风险有一定的区域性，在发展设施农业时，应因地制宜进行科学布局。

[15]	吕晶洁. 包头市日光温室风灾预警指标研究[J]. 农业灾害研究, 2020, 10(7):42-44. 本文引用 [1]

[16]	魏瑞江, 王鑫. 国内设施种植气象灾害研究进展[J]. 海洋气象学报, 2021, 41(4):73-81. 本文引用 [1]

[17]	刘伯华, 张艳艳, 张卫中, 等. 气象服务于设施农业发展研究[J]. 现代农业科技, 2019(19):169-170. 本文引用 [1]

[18]	张波. 温室风灾与雪灾预警技术的研究[D]. 南京: 南京信息工程大学, 2013. 本文引用 [1]

[19]

李瑞萍, 李梦军, 赵彩萍, 等. 太原市设施农业雪灾指标设计[J]. 中国农学通报, 2019, 35(31):101-106.

https://doi.org/10.11924/j.issn.1000-6850.casb18050119

本文引用 [1] 摘要

为了设计由雪压、积雪深度、降雪量同时定义的设施农业雪灾指标，采用1980—2013年太原市逐日降雪资料作统计分析，进行温室设施表面与地面积雪对比观测试验，引入并订正设施荷载。结果表明：（1）降雪量与积雪深度、积雪深度与雪压的关系存在显著的线性相关与季节差异特征；（2）对比观测试验显示，温室设施表面不同部位的积雪深度及雪压存在差异，设施顶部承受雪压最大，温室设施表面最大雪压与地面观测雪压之间的比值约为0.8，温室设施表面积雪深度≤地面雪深；（3）依据设施荷载，通过雪压、积雪深度、降雪量之间的回归关系式，设计出由雪压、积雪深度、降雪量三要素同时定义的设施农业雪灾指标，建立轻度、中度、重度3个等级的灾害标准。

[20]	陈妮娜, 蒋大凯, 王瀛, 等. 辽宁省设施农业大风和暴雪致灾指标[J]. 江苏农业科学, 2013, 41(11):386-387. 本文引用 [1]

[21]	刘可群, 杨文刚, 刘志雄, 等. 冬季大棚蔬菜低温冰雪灾害评估与预警研究[J]. 湖北农业科学, 2011, 50(22):4617-4621,4625. 本文引用 [1]

[22]

张淑杰, 陈艳秋, 王萍, 等. 东北地区最大雪深、雪压及日光温室垮棚致灾指标[J]. 生态学杂志, 2016, 35(6):1601-1607.

本文引用 [1] 摘要

日光温室结构设计需兼顾安全稳固和经济成本，这与温室最大雪荷载量（最大雪深和雪压）有直接关系。本文利用东北地区179个气象站1981—2010年的雪深资料，采用极值Ⅰ型分布函数分别计算了5、10、20、30年一遇（重现期）的雪深和雪压极值，分析其地理分布特征；根据各地日光温室结构特点及雪被类型，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。结果表明: 东北地区最大积雪深度和雪压呈自西向东增加的趋势，黑龙江东部和北部、吉林东部地区为高值区，雪深和雪压分别大于50 cm和0.45 kN·m<sup>-2</sup>；黑龙江西南部、吉林西部、辽宁西部和南部地区为低值区，雪深和雪压分别小于30 cm和0.25 kN·m<sup>-2</sup>；温室雪灾致灾指标因雪被类型和温室坡度而异，纯雪的致灾雪深明显大于雪水混合雪深；日光温室的坡度角(30°—40°）越大，致灾雪被深度越大，抗灾性越强；从暴雪致灾指标、各地最大雪深、雪压和光热条件综合来看，东北地区的西、南部比东、北部更适合蔬菜日光温室的发展。

[23]	郭晓宁, 李林, 王军, 等. 基于实际灾情的青海高原雪灾等级(评估)指标研究[J]. 气象科技, 2012, 40(4):676-679. 本文引用 [1]

[24]	陈来生, 韩睿, 杜中平. 青海高原日光温室结构优化与建造技术创新[J]. 农业科学, 2019, 9(10):887-892. 本文引用 [1]

基金

青海省气象局预报员专项基金2015西宁市大到暴雪分析及对设施温棚的致灾指标研究(QXYBZX201503)

PDF(1455 KB)

Accesses

Citation

Detail

段落导航

Received	Revised	Published
2024-01-12	2024-11-21	2025-02-20
Issue Date
2025-02-18

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

关于期刊

在线期刊

作者中心

摘要

Abstract

关键词

Key words

引用本文

0 引言

1 资料与方法

1.1 数据资料

1.2 研究方法

1.2.1 日光温室雪灾临界指标的计算

1.2.2 日光温室雪灾预警等级划分

2 结果与分析

2.1 日光温室雪灾临界指标确定

图1 青海河湟谷地30 a重现期30°(a)、35°(b)和40°(c)雪荷载空间分布

2.2 日光温室雪灾预警等级划分

2.2.1 日光温室各灾害等级出现频率比重和频数

表1 日光温室不同雪灾等级占总灾害的比重、频数

2.2.2 日光温室雪灾强度等级划分

表2 21次雪灾过程的日光温室损失率

表3 日光温室雪灾强度等级划分

2.2.3 日光温室雪灾预警等级划分

表4 日光温室雪灾预警等级

2.3 致灾指标的验证

表5 2014年4月2日日光温室受灾地区雪深及受损率

3 结论和讨论

{{custom_sec.title}}

{{custom_sec.title}}

参考文献

{{custom_fnGroup.title_cn}}

脚注

基金