大橋橋位不同重現期年最大風速推算

摘要：大風是威脅橋梁安全的主要災害之一，是大型橋梁工程設計的關鍵，它影響到整個工程的安全性。科學的橋梁抗風設計可以有效預防或降低風險，減少損失。以安徽馬鞍山長江大橋為例，借助當涂氣象站1960—2022年逐年風速資料，采用時距一致性訂正方法，建立相應時段當涂縣氣象站10 m高度10 min平均年最大風速系列（其中2000—2008年逐年最大風速，通過與未受城市化影響的馬鞍山氣象站比較進行了合理訂正），利用耿貝爾法推算出大橋橋位區不同高度不同重現期10 min平均年最大風速。結果表明：馬鞍山長江大橋橋位區不同重現期（100 a，50 a，30 a）10 m高度10 min平均年最大風速分別為28.8 m/s、27.2 m/s和26.0 m/s。利用指數和對數法，將橋位區風速外推到200 m以下每10 m高度層最大風速。

關鍵詞：大橋；重現期；最大風速；耿貝爾

中圖分類號：P425 文獻標志碼：A 文章編號：1001-2443（2024）03-0264-06

科學的抗風設計是大型橋梁［1］、單體建筑 ［2］、電網［3］、沿海（江）岸堤防［4］等工程的重要安全保障。大風作為常見的氣象災害之一，其影響范圍廣且后果嚴重。不僅摧毀樹木，阻礙交通，還可傳播沙塵顆粒等污染物質，危害生命和財產安全，成為阻礙經濟發展的重要因素。在過去，因瞬時強風導致諸多災難事件發生。2015年6月1日，長江湖北監利段發生“東方之星”客輪翻沉特大事故［5］， 強風暴雨襲擊導致442人遇難。2019年3月20日，發生在安徽馬鞍山長江大橋極端大風事件，大橋廣告牌坍塌造成2人死亡［6］。東疆蘭新鐵路開通以來，因大風已引發多起列車脫軌和傾覆事故［7］，大風給東疆鐵路運輸安全帶來了嚴重影響，經濟損失巨大。根據Ashley［8］和Black［9］的統計研究，美國平均每年有約84人死于大風。可見，大風研究十分必要，已成為國內外學者廣泛關注對象，研究成果在防災減災中發揮了關鍵作用。李陶［10］研究了中間層頂（80～105 km）風場緯向風、經向風變化規律對中高層大氣動力學的重要意義。胡海川［11］通過建立渤海極大風預報客觀訂正方法，為大風天氣過程預報提供重要參考。任偉［12］、黃哲等［13］、湯潔等［14］、鄭麗娜［15］就臺風災害影響機理進行了探討。張太西［16］、胡帆［17］、秀蘭［18］通過構建風災災損指數及其等級，給出了新疆風災風險時空分布特征及成因。王慧赟等［19］、高翔等［20］就東北風災多發區，開展了植被致災影響因子分析。國內針對橋梁大風研究的不多見，安徽地區橋梁大風研究還尚不清晰。

本研究以馬鞍山長江大橋為例，分析大橋橋位年最大風速，以期為安徽地區大風防災減災提供理論支持，研究結果對國內相似大橋的防風工作具有指導意義。

1 資料與方法

1.1 研究資料

馬鞍山長江大橋位于安徽省馬鞍山市。大橋起于馬鞍山博望區丹陽鎮牛路口（蘇皖界）并接溧水至常熟高速公路，止于馬鞍山市和縣姥橋鎮206省道，在當涂縣江心洲位置處跨越長江。大橋全長約36.274 km，其中跨江主體工程長11.209 km。大橋周邊有3個國家氣象站：馬鞍山、和縣以及當涂，分別距大橋江心約16.7 km、14.6km和13.1 km。通過比較3個站1960—2022年年平均風速相關性，得到：馬鞍山與和縣R=0.919，馬鞍山與當涂R=0.901，當涂與和縣R=0.960，相關系數均大于0.9，相關性較好，說明3個站均能反映大橋一帶的風速變化。因此，可以采用距大橋江心最近的當涂氣象站1960—2022年逐年風速資料（其中1988—1999年風速資料缺測，年最大風速未挑取）作為大橋橋位年最大風速推算依據。累計樣本超過30年，所用氣象資料來源于安徽省氣候中心，資料經過了縣、市、省3級審核，準確率高。為便于測風數據分析，下表1給出了當涂縣氣象站有測風記錄以來風速觀測方式和風速儀變化情況。

1.2 研究方法

1.2.1 指數法 氣象站的風速儀在歷史沿革期間，因測風高度和測風方式發生過變化，需要對測風資料進行時距一致性訂正。《公路橋梁抗風設計規范》規定，風速計算應采用自記式風速儀記錄的10 min平均風速資料，風速儀標準高度應為10 m。為消除風速儀距地面高度不同對風速大小的影響，有必要利用指數公式，將氣象站風速儀離地面高度分別為10.5 m和6.4 m兩個高度上的年最大風速，統一換算到距地面10 m高處的年最大風速。大氣邊界層內風速沿高度變化可以用指數公式（1）表示。

[Vn=V1ZnZ1a]" " " " " " " " " " " " " " " " " " " " " "（1）

式中：Vn為高度Zn處風速，V1為風速儀實際高度Z1處風速，[α]為與地表粗糙度有關的無量綱冪指數（風廓線指數），取值[α]=0.16。將氣象站已知數據代入（1）式得（2）式。

V10=0.9922V10.5" V10=1.0740V6.4" "（2）

由于20世紀80年代前，日最大風速記錄方式是從每日人工觀測2min平均風速中的08、14、20時3次定時記錄中挑取。80年代以后，有了自記式風速儀記錄，日最大風速實現了從自記記錄10min中挑取。因此，要進行最大風速時間一致性訂正，將2 min風速統一訂正到10 min。查閱文獻［21］，換算可采用公式（3）表示。

V10 min=0.88V2 min（定時）+0.8" " " " " " " " " " " " " " （3）

式中：V10 min指10分鐘平均風速，V2 min是指2分鐘平均風速。采用（2）和（3）式將當涂氣象站兩個高度、兩個測風方式年最大風速統一換算到距地10 m高度10 min年最大風速，得到當涂縣氣象站年最大風速序列，見表2。

1.2.2 耿貝兒法 根據研究［22-25］，可采用極值Ⅰ型（耿貝兒法）分布理論作為大橋橋位最大風速概率估算模型，計算重現期為30 a、50 a和100 a的10 min平均最大風速。極值I型的分布函數如（4）式所示［26］。

[F（x）=P（Xmaxlt;x）=e-e-a（x-m）] （4）

式中：P為給定概率（重現期），Xmax代表X總體樣本最大值，e為自然常數，[α]為分布眾數，x為X總體樣本中的隨機變量，[μ]為尺度參數，與分布的離散性有關。

2 結果與分析

2.1 最大風速序列均一性審查和修正

《建筑結構荷載規范》（GB 50009—2012）規定，觀測數據應考慮其均一性，對不均一數據應結合周邊氣象站狀況等作合理性訂正。圖1為當涂縣氣象站平均年最大風速隨時間變化曲線。可以看出，2000—2008年平均最大風速存在顯著性偏差。2000—2008年平均最大風速（均值9.6 m/s）明顯小于1960—1987年和2009—2022年平均最大風速速值（均值13.6 m/s）。2000—2008年平均年最大風速減小幅度達29.4%，2006年平均最大風速僅8.0 m/s，為近50年來最小值。經查閱當涂氣象站歷史沿革信息，因城市規劃需要和探測環境影響，當涂氣象站有過2次搬遷，分別在2010年和2016年。期間風速儀距地高度發生了變化，測風數據會受到影響。其次，當涂氣象站變遷前后城市化發展導致氣象站周圍環境發生了顯著變化，一方面原先氣象站周圍的農田面積縮小或消失，氣象站四周被高大建筑取代，另一方面遷站至城區較遠的開闊區域，周圍障礙物較少，風速受城市化發展影響較小，風速值較之前會有突變。上述原因均可能導致當涂氣象站測風數據的不均一性，觀測值不能代表自然狀態下的實際風速。因此，需要對2000—2008的測風資料進行修正。

經查閱，馬鞍山氣象站受環境影響較小，因此，選定馬鞍山氣象站作為對比站。將馬鞍山和當涂氣象站分3個時間段進行對比（均進行了時間和高度一致性訂正）（表3）。由表3知，馬鞍山和當涂氣象站在1960—1987年28年間平均年最大風速差別很小（0.4 m/s），可判斷為在氣候背景下的風速變量相等。馬鞍山氣象站2000—2008平均年最大風速比前28年減少1.1 m/s，后14年比1960—1987年減少1.4 m/s。說明在2000—2008年風速突變減少后，在后14年狀態是穩定的。進一步分析，當涂氣象站2000—2008年平均最大風速比前28年減小3.9 m/s，比后14年減小4.1 m/s，是人為因素（城市化發展使氣象站周圍環境發生了改變）導致。將3.9 m/s減去1.1 m/s得到2.8 m/s，可認為該值是2000—2008年間人為因素的影響量，將2.8 m/s分別加到當涂氣象站2000—2008年逐年風速值上便得到了自然條件下的逐年風速值，見表2中2000—2008年訂正后風速。

2.2 氣象站年最大風速概率計算

有了當涂氣象站51年的大風序列值，可采用極值Ⅰ型概率分布函數估算方法得到大橋不同重現期年最大風速值。耿貝爾參數估算法誤差很小，可用耿貝爾法算出基本風速。其超過保證率函數如（5）式所示。

[P（x）=1-ee-a（x-u）]" " " " " " " " " " " " " " " " " " （5）

用耿貝爾法來估計參數[α]和[μ]。令[Y=α（x-μ）]，求得[y]的保證率函數如（6）～（8）式所示。

[P（Y）=P（Ygt;y）1-e-e-y]" " " " " " " " " " " " " " " "（6）

[E（Y）=α[E（XM）-u]]" " " " " " " " " " " " " " " " " （7）

[D（Y）=α2D（XM）]" " " " " " " " " " " " " " " " " " "（8）

可以得到

[α=σyσXM]，[μ=E（XM）-1αE（y）=E（XM）-σXMσYE（y）]" " " （9）

將當涂氣象站51年最大風速平均值為[x]=13.4 m/s、標準方差為1.8分別作為[E（XM）]和[σXM]的近似估計值，且[E（y）]和[σγ]的近似估計值[y]和[Sγ]只與N有關。由參考文獻［26］表8.8查，N=51時，[y]=0.5489，[Sγ]=1.1623。將4項估計值分別代入式（9）式得到（10）式。

[α=Sγ1.8]=0.65，[μ=x-1.8Sγy]=12.5 m/s" " " " " " " " " " " （10）

再由（5）式得到（11）式。

[Xp=μ-1αln[-ln（1-p）]]" " " " " " " " " " " " " " " " " "（11）

將P=1/100，P=1/50，P=1/30及[α]和[μ]代入（11）式，得到當涂氣象站100 a、50 a和30 a一遇的10 min平均年最大風速分別為X100=19.6 m/s、X50=18.5 m/s 和X30=17.7 m/s。

2.3 橋位區風速推算

由于馬鞍山長江大橋主體位于江上，江面風速較陸地（當涂氣象站）風速大，需要選取江邊1個氣象站，找出兩者之間的統計關系，再根據這個統計關系將氣象站多年一遇的10 min平均年最大風速移植到大橋使用。由于大橋在建設之初沒有建立測風塔，可利用大橋周邊布設的區域氣象站。經查詢，江心區域氣象站距大橋跨江處最近，可用于對比分析。江心區域氣象站風速儀高度7 m，有13年（2009—2022）10 min最大風速資料，需要和當涂氣象站建立同步時距關系（圖2）。

圖2表明，江邊風速一直高于陸地（當涂氣象站），風速分布走勢一致且沒有突變偏離發生，說明在相同的天氣系統影響下，這兩個站的年最大風速有較好的相關性，可以用于大橋風速推算。采用公式（1）將江心區域氣象站距地7 m歷年平均最大風速統一換算到10 m高度處，再與當涂氣象站同時段同高度年最大風速進行對比分析。2009—2022年，距地10 m年最大風速的平均值：江心區域氣象站為20.2 m/s，它代表江邊風，以[V]江表示，當涂氣象站為13.7 m/s，它代表陸地風，以[V]陸表示，平均比值用[κ]表示。如（12）式所示。

[k=V江V陸]" " " " " " " " " " " " " " " " " " " " " " " "（12）

求得比值[k]=1.47，即為橋位區風速比陸地（當涂氣象站）風速的增大系數。將當涂氣象站100 a、50 a和30 a一遇的10 min平均年最大風速分別乘上增大系數1.47，可得大橋橋位X100=28.8 m/s，X50=27.2 m/s ，X30=26.0 m/s。

馬鞍山長江大橋最高塔高185.8 m，利用公式（1）可得大橋橋位200 m以內每10 m高度風切變指數為1.12，可計算出大橋橋位不同高度不同重現期10 min平均最大風速，計算結果見表4。

3 結論

當涂氣象站10 m高處10 min不同重現期（100 a，50 a，30 a）平均年最大風速分別為19.6 m/s、18.5 m/s 和17.7 m/s。橋位區風速與陸地（當涂氣象站）風速增大系數比為1.44，橋位區不同重現期（100 a，50 a，30 a）10m高處10 min平均年最大風速分別為28.8 m/s、27.2 m/s和26.0 m/s。進一步外推，得到橋位區200 m以下不同重現期（100 a，50 a，30 a）每10 m高度層最大風速值。需要注意的是，最大風速在空間上的分布不僅受天氣系統影響，同時也受到地形和人為等因素的影響。當涂氣象站歷史上有過2次搬遷，風速儀的環境發生了明顯變化，計算結果會影響大橋橋位風速值的準確性。又因江心區域氣象站周圍修建了防洪堤岸，周圍樹木不能及時修剪，可能使測風速數據偏小，計算的江、陸風速比值偏小，導致推算結果可能偏小，應適當提高橋位設計風速。采用極值I型（耿貝兒法）來推算橋位最大風速是對未來風速預估的一種新嘗試，建議利用橋位不同氣象站進行對比分析，進一步完善這種推算方法的合理性。

參考文獻：

［1］ 胡昌瓊，張雪婷，王必強，等.武漢青山長江公路大橋設計的風參數研究［J］.暴雨災害，2019，38（3）：276-283.

［2］ 何如，蘇志，李強，等.單體建筑氣象抗風參數設計實例分析［J］.氣象研究與應用，2011，32（A02）：127-129.

［3］ 馬玉峰，宋進華，高春香.內蒙古東部電網最大風速及其重現期極值分布特征［J］.氣象科技，2015，43（1）：162-167.

［4］ 徐衛忠，史軍，穆海振.上海地區沿海（江）岸非汛期不同重現期最大風速估算［J］.氣象與減災研究，2018，41（1）：44-50.

［5］ 鄭永光，田付友，孟智勇，等.東方之星客輪翻沉事件周邊區域風災現場調查與多尺度特征分析［J］.氣象，2016，42（1）：1-13.

［6］ 周后福，范偉，陶寅，等.安徽一次局地極端大風觀測與成因探討［J］.災害學，2020，35（2）：97-101，121.

［7］ 夏祎萌，何清，李軍，等.東疆蘭新鐵路沿線大風特征及風壓研究［J］.干旱區資源與環境，2012，26（10）：18-23.

［8］ ASHLEY W S.Spatial and temporal analysis of tornado fatalities in the United States：1880-2005［J］.Wea.Forecasting，2007（22），1214-1228.

［9］ BLACK A W，ASHLEY W S.Nontornadic convective wind fatalities in the United States［J］.Nat Hazards，2010（54），355-366.

［10］ 李陶，方欣.鈉激光雷達對中間層頂大氣溫度和風場的探測［J］.安徽師范大學學報（自然科學版），2015（2）：103-109.

［11］ 胡海川，周軍.集合預報在渤海極大風預報中的應用［J］.氣象，2019，45（12）：1747-1755．

［12］ 任偉，任燕，張慶.臺風“溫比亞”影響期間山東極端降水過程水汽來源及源區貢獻定量分析［J］.氣象科技，2022，50（1）：94-102.

［13］ 黃哲，韓路杰，金茹，等.浙江天目山區臺風暴雨特征和成因分析［J］.氣象科技，2022，50（6）：812-821.

［14］ 湯潔，徐芬，吳海英，等.1710號臺風“海棠”外圍龍卷大氣環境條件和雷達特征分析［J］.氣象科技，2022，49（2）：235-243.

［15］ 鄭麗娜，王媛，張子涵.2019年臺風利奇馬引發山東特大暴雨成因分析［J］.氣象科技，2021，49（3）：437-445.

［16］ 張太西，王慧，余行杰.新疆風災時空分布特征分析［J］.干旱區地理，2021，44（5）：1281-1289.

［17］ 胡帆，王旭.北疆不同等級風災的時空分布特征差異性研究［J］.自然災害學報，2021，30（5）：112-121.

［18］ 秀蘭，馬禹，陳睿勇.1980—2019年北疆風災時空變化特征及成因［J］.干旱氣象，2021，39（2）：262-268.

［19］ 王慧赟，張英潔，靳英華，等.長白山寒溫帶風災區植被受損與災后變化程度及其影響因素［J］.應用生態學報，2019，30（5）：1580-1588.

［20］ 高翔，王慧赟，張英潔，等.溫帶山地森林強風致災的影響因子分析——以長白山風災區為例［J］.東北師大學報（自然科學版），2019，51（2）：130-139.

［21］ 曾向紅，杜東升，吳賢云.岳陽洞庭湖大橋橋位設計風速推算［J］.氣象研究與應用，2015，36（4）：89-93.

［22］ 賴亞勝.高要地區不同重現期風速風壓的估算［J］.廣東氣象，2022，44（3）：15-18.

［23］ 楊鵬鵬，張大燕.50年一遇最大風速估算［J］.陜西氣象，2019，4：46-48.

［24］ 李麗，王業斌，魯俊，等.1981—2020年安徽省不同重現期最大風速和極大風速時空變化特征［J］.熱帶氣象學報，2022，38（5）：662-670.

［25］ 孫超，湯超，韓俊杰.最大風速的估算方法與應用［J］.黑龍江氣象，2020，37（1）：10.

［26］ 馬開玉，丁裕國，屠其璞，等.氣候統計原理與方法［M］.北京：氣象出版社，1993，408-411.

Calculation of Annual Maximum Wind Speed for Different Return Periods at Bridge Sites

YANG Chun-ming， Chen Xiao-wei， Li Bi-han

（Maanshan Meteorological Bureau，Maanshan 243000，China）

Abstract： Strong wind is one of the main disasters threatening the safety of bridges， and it is the key to the design of large bridges， which affects the safety of the whole project. Scientific wind-resistant design of bridge can effectively prevent or reduce the risk and reduce the loss. Taking Maanshan Yangtze River Bridge in Anhui Province as an example， with the help of the annual wind speed data of Dangtu meteorological station from 1960 to 2022， the annual average maximum wind speed series of 10 minutes at 10 m height of Dangtu meteorological station in the corresponding period were established by using the time-distance consistency correction method （The maximum wind speed from 2000 to 2008 was reasonably corrected by comparing it with the Maanshan meteorological station， which was not affected by urbanization）. Using the Gumbel method to calculate the 10 minute average annual maximum wind speed at different heights and return periods in the bridge site area. The results show that the average annual maximum wind speed at a height of 10 meters and 10 minutes for different return periods （100 a， 50 a， 30 a） at the location of the Maanshan Yangtze River Bridge is 28.8 m/s， 27.2 m/s， and 26.3 m/s， respectively. Using exponential and logarithmic methods， the wind speed in the bridge site area is extrapolated to the maximum wind speed per 10 meters of height below 200 meters.

Key words： great bridge; return period; maximum wind speed; Gumbel

（責任編輯：鞏 劼）