APP下载

雷电监测产品与潜势预报在抗震救灾中的运用

2010-06-29李一丁王基全

成都信息工程大学学报 2010年2期
关键词:潜势决策树灾区

李一丁, 余 勇, 王基全

(四川省防雷中心,四川成都610072)

雷电灾害是全球最严重的10种自然灾害之一。四川省雷电活动十分频繁,是雷电灾害多发区之一,雷电灾害多见于盆地区和川西高原南部。盆地区和川西高原南部的雷电活动主要发生在3月至10月。四川省每年因雷击造成人员伤亡、财产损失巨大。

随着四川省闪电定位仪网、大气电场仪、新一代天气雷达网、地面气象自动站监测系统、先进的信息网络系统、高性能计算机和数值天气预报在业务上的应用,四川省在已经开展的雷电监测、雷电灾害调查、雷灾上报等基础业务上,开展了0-12小时雷电潜势预报业务,并初步建立了ARCGIS公用平台,将上述业务都整合在ARCGIS平台上,显著提升了四川省雷电监测预报预警的现代化水平。在5.12汶川大地震后,雷电监测预报业务在航空保障以及灾区安置点选址上主动开展服务,为抗震救灾作出了重大贡献。

四川省已于2007年开始应用决策树方法开展雷电潜势预报,并取得了较好的预报效果,雷电潜势预报决策树是利用决策树方法、以数值预报产品为基础、利用8个预报因子提练形成。目前雷电潜势预报决策树还存在预报因子和方法优化、业务推广等诸多缺陷。在已经开展工作基础上,对已有的利用决策树方法建立的重点城市及区域雷电潜势预报模型进行介绍、特别是川西高原地区和地震灾区的雷电潜势预报,进一步提高雷电潜势预报的准确率。

1 监测系统简介

闪电以其大电流、高电压、强电磁辐射和发生的瞬态性等为特征。闪电放电击穿过程可以产生频率范围很宽且连续的电磁辐射。

闪电监测系统就是利用闪电回击辐射的声、光、电磁场特性来遥测闪电回击放电参数的一种自动化探测系统。四川省的闪电监测系统是一个专业性较强的系统,涉及到气象、计算机等各领域。系统具有良好的人机界面,操作简单,方便易用,并能结合各种气象资料统计分析雷电特征,为雷电监测及数据的应用提出了一定的思路和方法。

图1 雷电监测产品业务流程图

图1为四川省雷电监测产品的生成流程,全省各探测子站的探测数据,同时上报中国气象局和四川省气象局信息中心,并在四川省气象局信息中心汇总、计算、生成雷电监测产品所需要的因子。由四川省防雷中心雷电监测预警预报平台统一生成各种雷电监测产品,传送给各类用户。

2 主要功能及产品

2.1 基础数据处理

雷电监测系统的数据处理主要包括:

(1)数据合并与分解。根据用户所需时间或地点等条件对图形处理平台生成的多闪电数据进行合并或分解,能同时支持MDB和TXT等格式文件的读取,方便用户查询。

(2)数据处理和转换。对数据库MDB和TXT格式的数据进行处理和相互转换,满足不同系统对特定格式的需求。

2.2 雷电资料统计分析

数据前期处理后,可以进行后期的雷电资料分析统计,可以细分为以下几个功能:

(1)数据查询和统计。本平台能快速准确地对全省及指定的地、市、州及县域范围内的雷电数据进行统计,如图2所示。并自动生成所查询数据的起始时间,最大正、负闪电对应的时间、强度、经纬度和具体地名20kA以下、20kA-50kA、50kA-100kA和100kA以上等不同等级的闪电次数;省内各地、市、州发生雷电的总数以及每小时内发生雷电的总数,和成都市各区、市、县的雷电统计次数以及分时段的雷电统计次数。

图2为四川省雷电监测资料的主窗口,负责查询和显示全省各地市州以及成都市各区县的具有统计意义的雷电监测信息,并提供其他分类统计软件的链接端口。

(2)分时统计、分周统计和分月统计。分时统计是根据用户所输入的时间段进行综合统计,并显示数据统计结果。

周统计是根据用户所输入的开始日期,自动计算出该日期所在周的综合数据,并自动生成各类相关报告产品。

月统计是根据用户所输入的月份,进行当月闪电强度的分析,并自动生成各类相关报告产品。

根据雷电监测和统计数据,可以监测雷暴发生、发展和消亡的全过程,为各重要部门提供准确的雷电灾害调查资料。

2.4 在抗震救灾中的运用

“5.12”抗震救灾期间,防雷中心应用雷电监测预警系统,对地震灾区进行实时的雷电监测,及时公布雷电活动信息,积极配合地震前线指挥部普及防雷知识,避免新的人员伤亡。从2008年5月12日地震发生后到5月22日,灾区共发生闪电1905次,其中正闪559次,负闪1346次,雷电活动具体日分布表如表1所示。

图2 四川省雷电监测资料界面

表1 地震灾区雷电日分布表

结合历史资料,对四川省地震灾区的6个地、市、州,39个区市县进行了雷暴特点分析,计算了关于地震灾区的闪电密度和强度值,对地震灾后的选址和重建工作提供了雷电风险评估。根据2005-2007年的雷电监测数据,统计出地震灾区的雷电密度分布图如图3所示。其中每个格点大小表示为1平方公里,用5种不同灰度的颜色对不同级别雷电密度进行分类。雷电密度最高,表示范围从11.5-128.5次/平方公里。图3显示四川地震灾区最大雷电密度出现在德阳市境内,为25次/平方公里。

通过对灾区雷暴日数和闪电密度的计算,可以为以后灾区的重建工作提供重要的依据,并且可以将临时安置房临界检测面积的换算值应用到灾后重建的防雷设施检验当中去。可以看出,四川省雷电监测系统为地震灾区的重建工作做出了重要的贡献。

3 雷电潜势预报

随着新一代天气雷达网、气象卫星、闪电定位仪网、大气电场仪、地面气象自动站监测系统,以及高性能计算机、先进的信息网络系统和数值天气预报等技术在雷电监测业务上的应用,四川省雷电天气预报的现代化水平得到了显著提升。同时,四川省防雷减灾管理、技术服务项目也已基本成型。为了使四川省防雷管理业务适应现代化管理发展的需要,争取实现防雷管理的数字化、网络化、集约化以及资源共享等目标,结合本省防雷工作的实际情况,着手建设了雷电潜势预报平台,流程如图4所示。

图3 地震灾区雷电密度分布图

3.1 雷电潜势预报算法

雷电潜势预报一直是气象预报的难点之一,目前四川省的潜势预报主要采用决策树方法。

决策树方法是应用最广泛的归纳学习方法之一,速度快、很直观,在专家系统、工业控制过程、金融保险预测以及医疗诊断等领域有广泛的应用,能够在一个平台上较好地整合雷电潜势预报中的各种资料和各种预报方法。

四川省雷电潜势预报决策树是一棵二叉树,成长的算法采用成长-修剪法。最初建立的树节点太多,预报效果不太理想,经过不断修剪和选择后,四川省雷电潜势预报决策树在2007年8-9月对四川地区雷电潜势预报正确率较高,空、漏报率较低,预报效果较好,特别是预报概率值≥75%时具有较好的预报指示意义。

图4 雷电潜势预报模块技术方案流程图

3.2 雷电潜势预报产品

四川省监测预警系统的0-12小时雷电潜势预报业务,是在ARCGIS公用平台上生成的。其中包括栅格样条插值图即概率色差图和预报数据等高线图。将色差图和等高线图同时叠加在ARCGIS平台的地图上,使概率色差和数据等高线相互呼应,提高了预报的直观可读性。

为了验证潜势预报的准确性,将定时采用雷电监测系统中的闪电定位数据对潜势预报进行验证。图5为2007年7月18日08时12小时雷电潜势预报及对应的闪电实况对比图。

图5中,“▼”为闪电定位仪监测的闪电资料,黑色线条为雷电潜势预报概率等值线。从图中可看出:雷电潜势预报概率75%以上分布,与闪电定位仪监测的闪电实况区域基本一致,只是在甘孜州雷电潜势预报概率50%以下时实况有闪电产生。

3.3 雷电潜势预报在抗震救灾中的运用

图5 潜势预报与闪电定位效果比较图

“5.12”地震期间,为避免雷电带来的次生灾害,更好地为抗震救灾工作服务,防雷中心应用雷电潜势预报,对各地震灾区进行雷电预报工作。向四川省“5.12”抗震救灾指挥部、成都军区抗震救灾前线指挥中心、济南军区抗震救灾指挥部、军地气象水文联合保障组以及西南空管局等相关部门提供了及时有效的雷电潜势预报数据,特别是抢险物资空投航线上的雷电预报资料,为军、民运输飞机提供了防雷保障,圆满完成了航空气象保障工作,为抗震救灾工作做出了重要贡献。

4 结论

雷电监测预警系统具有高集成、高精度、实时性、多用途和网络化的特点,能够较准确地对闪电雷击进行监测定位,以及对未来12小时雷电进行预报。因而在工程选址、灾害预警、雷电防御、雷灾鉴定防雷技术服务以及管理等多方面发挥了积极作用,显示了广泛的应用前景。并且在“5.12”地震中,为抗震救灾提供了航空气象保障,以及为灾后临时安置房建设中提供了大量的雷电统计数据,为灾后重建工作做出了贡献。

然而,目前四川省雷电监测预警系统的建设和所获信息的应用尚处于起步阶段,只有不断地对我省的监测预警系统进行开发和完善,实现多站点信息的综合有效定位,才能发挥闪电探测和预警在各行业的保障作用,推动气象事业的发展。

[1]许小峰.国家雷电监测网的建设与技术分析[J].中国工程科学,2002,(5).

[2]陈瑶.雷电监测预警系统[D].北京:中国科学院,2006.

[3]孟青,张义军,吕伟涛.城市雷电预警预报技术[A].中国气象学会2004年年会会议论文集[C].2004:107-110.

[4]副岛毅,奥山和彦,杨宝珠.雷检测系统(SAFIR)与雷短时预报[J].气象科技,1998,(3).

[5]吴秀芹,张洪岩.ArcGIS 9地理信息系统应用与实践[M].北京:清华大学出版社,2007.

猜你喜欢

潜势决策树灾区
贺兰山沿山地区强对流潜势预报方法研究
临涣选煤厂浮选效果评价与尾煤再选潜势分析
50万升汽柴油保供河南灾区
安庆石化:驰援灾区显担当
氨对甲苯二次有机气溶胶生成潜势影响的实验研究
一种针对不均衡数据集的SVM决策树算法
决策树和随机森林方法在管理决策中的应用
“适者生存”?
基于决策树的出租车乘客出行目的识别
基于肺癌CT的决策树模型在肺癌诊断中的应用