成都市雷电灾害风险区划分析

张 琨，卜俊伟，张 亮

(四川省防雷中心，四川 成都 610072)



成都市雷电灾害风险区划分析

张 琨，卜俊伟，张 亮

(四川省防雷中心，四川 成都 610072)

该文通过分析2009—2014年成都市闪电定位仪数据和成都市各区县人文经济数据(人口密度和生产总值)，采用气象学分级统计分析方法，建立数学模型进行综合分析，对成都市区县进行雷电灾害风险区划，分析结果表明：郫县、龙泉驿区、青羊区和双流区雷电灾害综合风险较大，这些区域的重点建筑物及其附属设施(易燃易爆场所、危化品场所、大型公共设施及人口密集区、工业集中区和高层建筑等)，应加强防雷设施的安装与检测。

闪电定位仪；人文经济数据；雷电灾害；风险区划

1 引言

成都市位于四川盆地西部，下辖9区6县，代管4个县级市，面积12 121 km2，总人口1 210万人。成都所处地理环境特殊，雷电发生频次多、范围广，雷暴活动期长。成都市防雷中心数据统计，自2004年以来，成都市因雷击造成的直接和间接损失累计超过亿万元以上，且有逐年上升的趋势。本文对成都市进行雷电灾害风险区划研究，目的是对极高风险区域进行重点雷击防护，降低雷击风险。

近年来，全国各地气象专家已经对雷电灾害风险区划进行了相关的研究。李秀东[1]在《全国雷电灾害统计分析》中分析了全国1999—2008年平均闪电密度、平均雷暴日和雷电伤亡分布，并指出与雷灾数关系密切的因子依次是雷灾伤亡人数、闪电密度、人口总数和财产损失。程向阳等[2]利用气象资料、社会经济数据和雷电灾害等资料开展了对安徽省的雷电风险区划研究。程丽丹等[3]对河南省雷灾易损性进行了研究。卜俊伟[4]对四川省进行了雷电灾害风险区划，其中包括成都市的雷电灾害风险区划，但是文中没有对成都市区域进行一个更加详细的雷电灾害风险区域划分。

本文借鉴前人的研究成果，并结合成都市的特点，定义雷电灾害风险因子，运用雷电灾害风险评估的评估体系和数理统计方法，对成都各区县进行雷电灾害风险分析，形成了成都市雷电灾害风险区划图，对提升成都市雷电灾害主动防护能力，降低因雷电灾害带来的损失和保障人民生命财产安全具有极其重要的意义。

2 数据统计

本文所分析的数据主要有两部分组成，分别来自成都市防雷中心和成都市统计局，由于成都市统计局至今还未公开发布2015成都市区市县统计年鉴，故选取2009—2014年闪电定位仪的数据和2009—2014年成都市人文经济数据(成都市人口密度和成都市区域生产总值)进行分析。

2.1 闪电定位仪的数据分析

ADTD闪电定位仪[5]是一种监测雷电发生的气象探测仪器，是指利用闪电辐射的声、光、电磁场特性来遥测闪电放电参数的一种自动化探测设备，并把经过预处理的闪电数据实时地通过通讯系统送到中心数据处理站实时进行交汇处理，可全天候、长期、连续运行并记录雷电发生的时间、位置、强度和极性等指标。本文采用闪电定位仪的指标有:雷电密度、雷暴日等。

2009—2014年成都市年均雷电密度分布图，如图1所示，雷电分布基本覆盖全成都，其中，成都市区、双流区和龙泉驿区3地的部分区域雷电密度相对较大，双流区雷电密度高达72次·km-2·a-1,温江区密度最小,低于1.5次·km-2·a-1。

2009—2014年成都市年均雷暴日分布图，如图2显示，成都市南部大部分区域雷暴日较多，北部地区较少，双流区最高，雷暴日高达49 d。

闪电定位仪的数据虽然能分析出雷击分布和雷击密度，能反映出本地区雷电发生的情况，然而并不能从全局分析雷击风险，因此，需要结合人文经济指标综合分析，才能更加科学的对成都市雷电灾害进行风险划分。

图2 2009—2014年成都市年均雷暴日分布图Fig.2 Distribution map of annual thunderstorm days in Chengdu city in 2009—2014

2.2 人文经济指标的数据分析

本文采用的人文经济指标包括人口密度和生产总值，从人民的生命财产安全方面来反应雷电灾害发生时所带来的危害程度。

图3是2009—2014年区域人口密度分布统计，图4是2009—2014各区域生产总值分布，由图可知，成都市主城区人口密度相对较高，成都市主城区、龙泉驿区和双流区生产总值相对较高。

图3 2009—2014年区域人口密度分布统计Fig.3 Regional population density distribution in 2009—2014

图4 2009—2014年各区域生产总值分布Fig.4 Regional GDP distribution in 2009—2014

3 雷灾害风险区划数学模型的建立

通过以上成都市闪电定位仪和人文经济指标数据的统计与分析，建立雷电灾害风险因子，参数定义如下：

①区域雷电密度定义为ρL(单位:个·a-1·km-2)，是指各区域内每平方公里内每年发生的雷电次数，其值越高，范围内发生雷电灾害的几率越大，本文采用的雷电密度取各区域2009—2014年的年平均值，来反应各区域的年平均雷电密度。

②区域雷暴日定义为D(单位：d/a)，是指每年发生在区域内的雷暴天数，D值越大，此区域每年发生的雷击天数越多，潜在风险越大，本文选取各区域2009—2014年雷暴日的年平均值。

③区域人口密度定义为Rp(单位：人/km2),是指每平方公里范围内的人口数。Rp值越大，当雷击发生时，所造成的伤亡风险越大，本文选取2009—2014年人口密度的平均值。

④区域单位面积生产总值Va(单位：万元)，表示区域内单位面积生产总值Va值越大，当发生雷击灾害时，造成的经济损失越大，本文选取2009—2014年单位面积生产总值的年平均值。

经计算，19个区县的雷电灾害风险因子如表1所示：

表1 各区县的雷电灾害风险因子

按照灾害学统一量纲的方法，对各等级的风险指数进行如下划分：极高等级1.0，高等级为0.8，中等级为0.5，低等级为0.2。采用气象学统计分析中的分级统计方法[6]，其核心思想是将成都市19个区县的各项评价指标按从小到大的顺序排列，按照1～3组包含5 个评价指标，第4组包含4个评价指标进行分组，然后第n(n=1，2，3) 组的最大值和第n+l组中的最小值的平均值作为第n级的最大值和第n+l级的最小值。根据此算法，对雷电灾害风险因子进行等级划分，如表2所示：

表2 雷电灾害风险因子等级划分

定义雷电灾害风险值Rs=(ρL′+D′+Rp′+Va′)/4，由此公式计算各区县的雷电灾害风险值，如表3所示：

表3 雷电灾害风险值

同样采用分级统计方法，对19个区县的综合雷电灾害风险值进行分级划分，划分为4个等级:极高风险区(Rs>0.69),高风险区(0.625≤Rs<0.69),一般风险区(0.575≤Rs<0.625),低风险区(Rs<0.575)，19个区县的划分情况，如表4所示：

表4 风险区划分布

运用RrcGIS[7]对成都市雷电灾害风险区划进行色块划分，如图5所示。

图5 成都市雷电灾害风险区划图Fig.5 Lightning disaster risk zoning map of Chengdu City

4 结论

研究表明，青羊区、郫县、龙泉驿区和双流区等4个区域在综合分析中，属于极高风险区， 青羊区作为主城区，人口密集，楼宇林立，应对高层楼宇和人口密集区重点防护；双流区作为天府新区核心区域，成都双流国际机场所在地，具有众多高新技术企业，应在感应雷防护方面进行重点建设；龙泉驿区紧邻主城区，农业占比较大，在空旷的户外作业较多，应加强检查当地农民的用电设施、房屋结构等，不符合防雷要求的要整改，对民众进行如何在户外避雷的常识宣传。

邛崃市、成华区、浦江县和彭州市虽然是低风险区，并不代表不需要进行雷电防护，雷击事故往往是人员的疏忽和相关意识不够造成的，要加强雷电风险意识的培养。

雷击发生地点是一个不可预测的，但是可以减少此风险带来的危害，雷击灾害风险区划是一个复杂的过程 ，本文选取的4个风险因子还不能从微观上反应每个建筑物的雷击风险，如何采用更加全面的风险因子和更加细化的算法进行分析是下一阶段需要研究的重心。

[1] 李秀东.全国雷电灾害统计分析[J].沙漠与绿洲气象,2011,8(5):1-3.

[2] 程向阳,谢五三.雷电灾害风险区划方法研究及其在安徽省的应用[J],气象科学,2012,32(1):80 -85.

[3] 程丽丹,张永刚,等.河南省雷电灾害易损性分析及风险区划[J].气象与环境科学,2011,34(3):50-54.

[4] 卜俊伟.基于闪电定位资料的四川省雷电风险区划分析[J].高原山地气象研究,2014,34 (2):87-90.

[5] 黄志兴.ADTD型闪电定位仪的日常使用和维护[J].气象水文海洋仪器,2015,6 (2):112-113.

[6] 中国气象局监测网络司.地面气象电码手册[M].北京:气象出版社,1999:86-88.

[7]Johnston K, Hoef J M V, Krivoruchko K, et al. Using ArcGIS Geostatistical Analyst[J]. Cinderella Manual, 2004.

Analysis on the risk zoning of lightning disaster in Chengdu City

ZHANG Kun,BU Junwei,ZHANG Liang

(The Lightning Protection Center of Sichuan Province, Chengdu 610072, China)

Through the analysis of the 2009—2014 Chengdu lightning location system data and Chengdu City District humanistic economic data (population density and GDP), the meteorology classification statistical analysis method was used to establish a mathematical model for comprehensive analysis for the lightning disaster risk zoning of counties and districts in Chengdu. The analysis results show that Pixian County, Longquanyi District, Qingyang District and Shuangliu District have larger lightning disaster integrated risk, these areas of important buildings and ancillary facilities (inflammable and explosive places, places of hazardous chemicals, large public facilities and densely populated areas, industrial concentrated district and high-rise buildings, etc.) should strengthen the lightning protection facilities installation and testing.

lightning locator; human economic data; lightning disaster; risk zoning

1003-6598(2016)04-0040-04

2016-02-23

张琨(1987—)，男，助工，主要从事雷电防护和检测预警工作，E-mail:514690043@qq.com。

成都市气象局资助课题(成气发42)“成都市雷灾隐患调查研究”。

P429

B