山东省设施农业风灾风险评估研究*

谭方颖 ,王建林** ,张 蕾 ,李 峰 ,张继波 ,赵晓凤

(1.国家气象中心 北京 100081;2.山东省气候中心 济南 250031)

20 世纪90 年代以来,灾害风险管理在防灾减灾中的作用和地位日益凸显,开展灾害风险研究与应用具有重大理论和现实意义。农业是气候影响最敏感的领域之一[1],气象灾害风险的加剧将直接威胁农业生产。近年来,农业气象灾害风险研究越来越受到广大学者的高度重视,也是政府相关管理部门和农业生产部门亟需的应用性较强的课题。目前有关农业气象灾害风险的研究对象主要集中于大田作物[2-4]和果树[5-7],灾害类别以旱灾、涝灾、高温和低温灾害为主,而针对设施农业气象灾害风险的研究相对较少。

设施农业属于现代农业形式,可用于作物反季节生产,能够有效提高土地和光热等资源利用率,也是增加农业产出和农民收入、提高人民生活质量的重要手段,对于增强农业综合生产力以及实施乡村振兴均具有重要意义。2022 年中央一号文件中也明确提出“加快发展设施农业”。在社会需求和相关政策支持下,我国设施农业发展迅速,针对设施农业的研究也相继展开,主要集中在温室小气候模拟和要素预报[8-9]、温室内作物生长发育模拟[10-11]、灾害指标及气候适宜度模型构建[12-13]、灾害影响评估及预警防御[14-15],对于设施农业气象灾害风险的研究较少,且限于由光温因子引起的针对设施内作物气象灾害风险的研究[16]。荷兰、美国、日本、以色列等设施农业较发达国家,其农业设施标准化程度高,设施环境综合调控及农业机械化技术发达,在风险分析研究方面主要侧重于经济、社会和环境风险[17-19]。我国设施农业以简易日光温室和塑料大棚为主,抵御自然灾害能力相对较差。风灾是我国设施农业高影响气象灾害之一,轻者可损坏棚膜,重者将直接造成主体结构垮塌,给设施农业带来毁灭性打击。在“国际减轻自然灾害十年”活动中,灾害风险管理学者已针对灾害风险形成基本达成共识,关于灾害风险形成机制理论,主要有“二因子说” “三因子说”和“四因子说”[1],灾害风险是致灾因子危险性、承灾体暴露性和脆弱性以及防灾减灾能力4 个因子综合作用的产物[2],逐渐成为近年来气象灾害风险评估的主要趋势和发展方向。黄川容等[20]、杨再强等[21]、李楠等[22]的相关研究为设施农业风灾风险评估奠定了较好的基础,但以上研究主要侧重于灾害发生频率、强度等危险性评估因子,对于风险评估中其他因子的研究甚少,尤其是利用灾害风险“四因子”理论开展设施农业气象灾害风险评估并进行深入应用的研究鲜有报道。

山东省地貌复杂,土地利用垦殖率高,后备资源少,但光热资源配置较好,适宜开展设施农业生产[23],其设施农业面积多年稳居全国前3 位,创造了巨大的经济效益。风灾是山东省设施农业主要气象灾害之一,本文拟以自然灾害风险理论为依据,研究构建设施农业风灾的危险性、暴露度、脆弱性、防灾减灾能力评估指数以及设施农业风灾风险评估指数,以期为设施农业气象灾害风险科学评估和管理、有效防灾减损提供参考。

1 材料与方法

1.1 数据来源

本研究所用气象资料为1991—2020 年山东省112 个气象观测站(图1)逐日极大风速,来自国家气象信息中心(http://data.cma.cn);2020 年GF-6 号卫星影像数据来自中国资源卫星应用中心(http://www.cresda.com),DEM 高程数据和土地利用数据来自中国科学院(http://www.resdc.cn),基础地理信息数据来自国家基础地理信息中心(http://www.ngcc.cn);2010—2020 年设施农业风灾灾情资料来自中国气象局气象灾害管理系统,该系统是由中国气象局组织开发和运维的具有政府职责功能的气象灾害管理系统,主要用于全国气象部门开展气象灾害收集、灾情分析等应用服务,相关灾情数据由县(市、区)级气象部门业务人员根据气象灾害发生发展情况,实时跟踪、实地调查记录获取灾情数据,并上传至该系统,内容包括气象灾害类型、灾害开始和结束时间、灾害发生地点、灾害经济损失、灾害影响描述、天气过程描述、农业损坏大棚个数和农业受灾作物名称等信息。

图1 山东省气象站分布Fig.1 Distribution of meteorological stations in Shandong Province

1.2 研究方法

1.2.1 设施农业风灾致灾因子及指标选取

在设施农业生产中,当风速达到一定量级,农业设施将遭受损失,包括1)小部分棚膜或覆盖物被吹起(轻度受灾),2)棚膜被撕裂或掀翻(中度受灾),3)设施主体结构损坏和垮塌(重度受灾)。通过研究和生产实践发现,造成农业设施损坏的往往是过大的极大风速[24],因此采用极大风速作为设施农业风灾致灾因子,基于参考文献[25],将山东省设施农业风灾划分为3 个等级(表1)。

表1 山东省设施农业风灾气象等级Table 1 Meteorological grades of wind damage in facility agriculture in Shandong Province

1.2.2 基于模糊信息分配理论的风灾危险性指数构建

根据自然灾害风险理论,致灾因子危险性由致灾因子强度及其发生概率两个指标共同决定。各等级风灾发生概率采用信息分配理论计算得到。

根据信息分配理论[26],如用于分析的数据样本为x,则模糊信息分配计算公式为:

式中:qij为第i个数值在第j个等级的模糊概率;xi(i=1,2,···,n)为样本组中的第i个数值,n为样本数量;uj为第j个等级区间的中点值;∆=uj−uj−1(j=2,3,···,m),为信息分配区间长度,m为等级个数。

利用式(1)将极大风速分配到各风灾等级中,其超越uj的概率(即各等级风灾发生概率值)利用下式计算:

式中:u为根据样本空间确定的控制点序列{u1,u2,···,um},uk为uj到um间的第k个值,p(uk)为风速样本落在uk处的概率值。

基于各等级风灾强度和发生概率,构建风灾危险性指数(H)[27]:

式中:l为风灾等级;Wl为第l级风灾的平均强度(m∙s−1),即落在第l级风灾指标范围(表1)内的逐日极大风速平均值;Pl为第l级风灾发生概率。

1.2.3 基于GF-6 影像提取设施农业面积的暴露度指数构建

承灾体暴露于孕灾环境的部分越大,灾害损失的可能性越大,风险也越高[28]。因此,本研究采用区县设施农业面积占其行政面积的比例作为暴露度评估指标。GF-6 号卫星具有高分辨率、宽覆盖、高质量成像、高效能成像等特点,以2020 年3—4 月的GF-6 号16 m 卫星影像图为主要数据源,以基础地理信息数据、1∶10 万土地利用数据、30 m 分辨率DEM高程数据和野外地面调查数据作为辅助信息。首先利用土地利用数据中的城镇矢量,剔除对设施农业信息提取干扰最大的城镇信息;其次在分析设施农业与其他地物在光谱和纹理等方面差异的基础上,利用设施农业与其他地物在GF-6 号16 m 卫星影像图8 个波段上的直方图信息均服从近似正态分布的特征,采用最大似然监督分类法等遥感提取方法[29],建立适合山东省设施农业种植面积提取的遥感识别模型,提取山东省各区县设施农业面积。设施农业暴露度指数(E)为:

式中:A和S分别为各区县设施农业面积和相应行政区面积。

通过野外调查信息和Kappa 系数等精度检验方法,结合GF-1 号2 m 和GF-2 号1 m 卫星影像图,以鲁南的临沂市为例,选取6 个样本对提取的设施农业面积结果进行精度验证。结果显示,提取的设施农业面积与实际调查面积较为吻合(图2),6 个验证样本面积提取准确率均在86.4%以上(表2),平均准确率为92.8%,可以反映出山东省设施农业实际分布情况。

表2 设施农业面积提取样本信息及准确率Table 2 Information and accuracy of extracted samples of facility agricultural area

图2 GF-1 号2 m 卫星影像图(左)和设施农业遥感提取结果影像图(右)Fig.2 Image maps of GF-1 2 m satellite (left) and remote sensing extraction result (right) of facility agriculture

1.2.4 基于设施抗风设计标准的脆弱性指数构建

根据自然灾害风险理论,农业设施的脆弱性应由其抗风能力决定,而评估其抗风能力的理论基础为农业设施的标准风荷载。根据风荷载标准值计算公式,在农业设施用途和体型相似的情况下,其风荷载的大小主要取决于基本风压,根据农业温室结构荷载规范[30],基本风压大小主要取决于重现期风速(风速标准值)大小,故将其作为设施农业脆弱性评估指标,其值越大,表明农业设施标准风荷载越大,抗风能力越强,脆弱性越小,风灾风险越小。综上,脆弱性指数(V)用风速标准值倒数表示:

式中:Y为风速标准值,本文采用重现期为30 a 风速。

1.2.5 基于灾情信息的成灾指数构建

基于山东省2010—2020 年风灾灾情数据,筛选出观测风速达到设施农业风灾指标的灾情记录共410 条。计算每个区县实际出现灾情的次数以及观测风速达到风灾指标的次数,两者比值越大,说明成灾概率越大,防灾减灾能力越弱,风灾风险越大,因此,将成灾指数(D)作为防灾减灾能力评估指标:

式中:C和N分别为灾情实际出现次数以及观测风速达到风灾指标的次数。

1.2.6 风灾风险评估指数构建

为消除风灾风险评估模型中危险性、暴露度、脆弱性和防灾减灾能力4 个不同指标间量纲的影响,将各指标因子在建立风险评估模型前进行归一化处理,同时为避免函数底数为0,对于大者为优(其值越大,对风灾风险贡献越大)的因子采用公式(7),对于小者为优的因子,采用公式(8):

式中:wj和wj′分别为指标因子j(即H、E、V和D)归一化处理前和处理后的值,wjmin和wjmax分别为指标因子j归一化处理前的最小值和最大值。

将归一化处理后的危险性、暴露度、脆弱性和成灾指数的乘积作为风灾风险评估指数。

2 结果与分析

2.1 山东省设施农业风灾危险性分析

山东省设施农业风灾危险性指数分布见图3。可见,危险性总体呈现自西南向东北增加的趋势,高值区主要分布在山东半岛以及鲁中部分区县,危险性指数在2.0 以上,上述区域主要为沿海和丘陵、山地地形,风速较大,风灾危险性高;中值区主要集中在鲁北和鲁中,危险性指数为1.0～2.0;低值区则主要分布在鲁南,危险性指数在1.0 以下。

图3 山东省设施农业风灾危险性指数空间分布Fig.3 Spatial distribution of hazard index of wind disaster for facility agriculture in Shandong Province

2.2 山东省设施农业风灾暴露度分析

山东省设施农业风灾暴露度指数空间分布显示(图4),中高值区主要分布在鲁中的东部、鲁西北、鲁西南和山东半岛西部,大部分区县暴露度指数为3.0～10.0,部分区县在10.0 以上;其他地区设施农业面积较少,暴露度指数在3.0 以下,其中山东半岛东部、鲁东北以及鲁南部分区县设施农业暴露度指数在1.0 以下。可见,设施农业暴露度高低主要受地形和气候等因素影响,环中部山区的平原地区为山东省设施农业主产区,也是风灾暴露度高的地区。

图4 山东省设施农业风灾暴露度指数空间分布Fig.4 Spatial distribution of exposure index of wind disaster for facility agriculture in Shandong Province

2.3 山东省设施农业风灾脆弱性分析

山东省设施农业脆弱性空间分布特征不明显,总体表现为南部和中部高、北部和东部低的分布特征(图5)。脆弱性中高值区主要集中在鲁南、鲁中的东部和山东半岛西部,大部区县脆弱性指数在0.06 以上,其中鲁西南和鲁中的部分区县脆弱性指数最高,在0.08 以上;低值区主要分布在鲁北和山东半岛东部,脆弱性指数在0.06 以下。

图5 山东省设施农业风灾脆弱性指数空间分布Fig.5 Spatial distribution of vulnerability index of wind disaster for facility agriculture in Shandong Province

2.4 山东省设施农业风灾防灾减灾能力分析

山东省设施农业成灾指数具有明显的空间分布特征(图6),高值主要分布在鲁西北、鲁西南和鲁中的西部,其成灾指数最大,部分区县在0.05 以上,设施农业风灾的防灾减灾能力最弱;鲁北大部、鲁中东部、鲁东南和山东半岛成灾指数在0.02 以下,设施农业风灾的防灾减灾能力最强;其余大部分区县成灾指数为0.02～0.05,设施农业风灾防灾减灾能力为中等。

图6 山东省设施农业成灾指数空间分布Fig.6 Spatial distribution of disaster index of wind disaster for facility agriculture in Shandong Province

2.5 山东省设施农业风灾风险分析

利用自然断点法将风灾风险指数划分为3 个等级,分别是低风险、中风险和高风险(图7)。山东省设施农业风灾风险以低风险为主,共包含64 个区县,分布较为集中的区域为鲁东南和鲁北的中东部,风险指数在0.13 以下;高风险区主要分布在鲁西北、鲁西南和鲁中,共12 个区县,风险指数在0.17 以上;其他36 个区县为中风险,在鲁北、鲁中、鲁西南和山东半岛均有分布,风险指数在0.13～0.17。

图7 山东省设施农业风灾风险空间分布Fig.7 Spatial distribution of wind disaster risk for facility agriculture in Shandong Province

应用2000—2010 年设施农业风灾灾情数据,对设施农业风灾风险评估结果进行验证,计算各区县灾情出现次数与风灾风险指数空间分布的相关系数为0.442,达P<0.05 的显著性水平,这说明评估的山东省设施农业风灾风险分布与实际灾情空间分布较为一致,综合风灾危险性、暴露度、脆弱性和防灾减灾能力4 个指标构建的设施农业风灾风险指数可达到较好的评估效果。

3 讨论与结论

本文将自然灾害风险理论应用于设施农业气象灾害风险评估,基于组成自然灾害风险系统的4 个基本要素,从科学性、合理性、客观性、代表性和可操作性等方面综合考虑,选择因子构建了设施农业风灾风险评估指数,并对设施农业风灾风险进行了分析和验证。与以往研究相比,一定程度上解决了设施农业风灾风险评估研究中暴露度、脆弱性、防灾减灾能力等因多种原因未能进入风险评估体系以及评估结果难以验证的问题,探索了一种可行的基于自然灾害风险理论的设施农业风灾风险评估技术方法,并在山东省进行了应用和检验。

研究区域评估结果显示,山东设施农业风灾危险性总体呈自西南向东北增加的特征,山地和沿海地区危险性最高,较好地反映了地形对风灾危险性地域分布的影响,与李楠等[22]研究结论较为一致。山东省设施农业主要分布在环中部山区的鲁中东部、鲁西北和鲁西南等地的部分地区,为暴露度中高值区,该区域地下水位低、灌溉条件好、地块平整、常年风速相对较小,符合设施种植建设规范[31],与山东省统计年鉴中农用塑料薄膜使用量的空间分布也具有非常好的对应关系。鲁南和鲁中气温较高,少有长时间极端低温,经实地调查和专家咨询,该区域塑料大棚和中型拱棚相对于山东省其他区域占比较多,其中鲁中东部的设施农业主要分布在潍坊的西北部,塑料大棚主要集中在昌乐和青州,临朐种植设施樱桃较多,农业设施也以塑料大棚为主,日光温室占比相对较少,抗风能力总体偏差,因此以上区域均为脆弱性中高值区,此结果与基本风压[30]的反向空间分布也较为吻合。此外,2021 年7 月8—9 日,除鲁西北和鲁中的部分区县外,山东省大部分地区出现12 m∙s−1以上大风天气,经调查共有10 个区县设施农业出现灾情,其中9 个区县在鲁西南,与本文脆弱性评估结果也较为一致;鲁西北、鲁西南和鲁中西部部分区县经济相对欠发达,设施农业管理水平总体不高,此外,通过分析国家预警信息发布中心2020 年预警发布数据,计算山东省各区县风灾预警次数与达到设施农业风灾指标日数百分比的结果也表明,上述区域该百分比值最低,大部分区县在60%以下,其风灾防灾减灾能力相对较弱。综上分析,基于本文构建的设施农业风灾危险性、暴露度、脆弱性和成灾指数的评估结果符合实际情况。

设施农业风灾风险评估验证结果显示,山东省各区县风灾风险指数与风灾灾情出现次数在空间上具有显著一致性,风灾高风险区主要分布在暴露度高的鲁西北、脆弱性高和防灾减灾能力弱的鲁南以及暴露度和危险性高、防灾减灾能力也较弱的鲁中,设施农业风灾风险的高低由风灾危险性、暴露度、脆弱性和防灾减灾能力共同决定。由此,各区县可根据风险评估结果,采取针对性措施降低风灾风险。其中,鲁西北和鲁中东部风灾风险高,主要是由于设施农业暴露度高,因此可进一步科学规划设施农业布局,减小风灾风险;鲁中西部区县风灾风险高的主要原因是防灾减灾能力弱,可通过加强气象灾害应急管理体制建设、做好风灾预警和防御工作减小风灾风险;脆弱性高、暴露度也较高则是鲁西南成为设施农业风灾高风险区的主要原因,提高设施装备和管理技术水平,是降低风灾风险的主要手段。鲁东南和鲁北的中东部设施农业暴露度低,且常年风速较小、危险性低,风灾风险小,风灾不是限制其设施农业发展的主要因素,可在加强光温水等气候资源优化配置和高效利用的基础上,在符合设施农业用地管理办法的前提下,适当扩大设施农业面积,实现设施农业可持续绿色发展。此外,山东半岛虽然风灾危险性高,但其风灾风险并不高,主要原因为其设施农业暴露度低、防灾减灾能力强,因此山东半岛并非设施农业主产区,其设施农业可通过优化设施农业布局、提高防灾减灾能力降低风灾风险。

综上,基于本研究方法的山东省设施农业风灾风险评估结果与实际情况基本符合,基于自然灾害风险理论构建的设施农业风灾风险评估指数合理、方法可行。但由于影响设施农业生产的因素众多,相关统计数据较难获得,风灾风险评估指标体系尚不够完善。如在危险性指数构建中,是以气象站观测数据代表评估单元(区县)的情况,暴露度评估是将设施农业面积占行政区面积比例作为指标因子,脆弱性指数的构建是基于农业设施符合建造标准的情况,且由于目前尚没有区县级日光温室和塑料大棚实际面积的官方统计数据,未能将各区县农业设施类型、折损程度加以区分,因设施农业灾情信息有限,也未能基于灾害影响程度来量化防灾减灾能力,因此评估结果与实际情况并非完全吻合。今后可随着气象观测站点的不断增加、农业设施等承灾体信息、灾情记录、生产管理等资料的不断充实和完善,以及调查研究工作的不断深入,进一步改进设施农业风灾风险评估技术,提高灾害风险评估准确性和防灾减灾针对性,助力设施农业可持续发展。