基于层次分析法的福建省雷电灾害风险区划

张 雷，涂慰云，李天诚，孙蔡亮，王颖波

（1.福建省政和县气象局，福建 政和 353600；2.福建省南平市延平区气象局，福建 南平 353000；3.福建省莆田市气象局，福建 莆田 351100；4.福建省防雷中心，福建 福州 350001）

基于层次分析法的福建省雷电灾害风险区划

张 雷1，涂慰云2，李天诚1，孙蔡亮3，王颖波4

（1.福建省政和县气象局，福建 政和 353600；2.福建省南平市延平区气象局，福建 南平 353000；3.福建省莆田市气象局，福建 莆田 351100；4.福建省防雷中心，福建 福州 350001）

主要利用福建省气象局提供的1961—2010年雷暴日人工观测数据和2006—2010年闪电定位数据以及雷电灾害数据,对福建省雷电时空分布规律和雷电灾害风险区划进行分析研究。选择孕灾环境敏感性、致灾因子危险性、防灾减灾能力以及承灾体易损性四项指标作为福建省雷电灾害风险区划的指标，对福建省各县市的雷电灾害风险值进行分析、计算。研究结果表明：福建省高雷电灾害风险值区域主要集中在清流、明溪一带以及罗源，低雷电灾害风险值区域主要集中在南平北部、三明西部、漳州南部以及沿海一带。

雷电灾害；层次分析法；风险区划；福建省

据福建省气象局统计，福建全省每年都会有因雷电造成的数以千万的经济损失及人员伤亡的案例，通过马明等[1]对1997—2006年各地气象部门收集的雷电灾害资料进行统计可知,福建雷电灾害事故总数仅次于广东位居全国第二，因此，按照灾害学和风险管理学的理论方法，从致灾因子危险性、孕灾环境敏感性、承灾体易损性和防灾减灾能力等四个形成雷电灾害的因素对福建全省进行雷电灾害风险区划，并绘制福建省雷电灾害风险区划图，结果不仅有助于认识福建雷暴及其雷电灾害的特征与规律，而且还能将雷电灾害防御管理提高到风险管理的高度，在减灾规划与预案制定、国土规划利用、重大工程建设、金融投资、防灾减灾效益评估等方面都起着重要作用，由此可见，开展雷电灾害风险区划研究，将防雷减灾工作更大程度地纳入社会综合防灾减灾体系，可以作为提升雷电灾害防御能力的重要手段，同时区划研究结果能为地方政府进行雷电灾害防御提供更为科精确、合理的决策依据。

近年来，在雷电灾害风险评估与区划方面我国学者也进行了大量的研究。郭虎等[2]、冯民学等[3]、李彩莲等[4]、王慧等[5]、严银春等[6]利用北京、陕西、江苏、江西等省的雷暴日和雷电灾害资料，分析了以上各省的雷暴活动及雷电灾害分布特征，并作出了各省的雷电灾害易损度区划。袁湘玲等[7]、扈海波等[8]利用AHP法，即将雷电灾害评估指标进行两两比较的方法获得了各项指标权重，建立黑龙江和北京的雷电灾害风险评估模型，并进行了综合评估，最终形成了两个省的雷电灾害风险区划。扈海波等[9]根据北京地区近30 a的气象资料，利用空间网格技术，依据承灾体雷电防护和规避特征，作出北京地区雷电灾害风险区划。以往关于各省雷电灾害风险区划的研究多以人工观测雷暴日资料为基础[10-15]，指标多考虑致灾因子与承灾体的影响，很少考虑孕灾环境以及防灾减灾能力两项指标的影响，因此最终的区划结果与现实情况的吻合度还有待提高。综合利用了闪电定位资料以及人工观测资料并从致灾因子危险性、孕灾环境敏感性、承灾体易损性以及防灾减灾能力水平等4个方面对福建省各县市雷电灾害风险值进行了计算，所得结果更为准确、客观。析法对指标权重的判定过程。

图1 福建省雷电灾害风险区划指标体系框架图Figure 1 The index systen of risk zoning of lightning disaster in Fujian province

1 资料来源与研究方法

1.1 资料来源

雷暴日资料来源于福建省气象局提供的1961-2010年共计50年全省67个气象观测站的人工雷暴日观测数据，其中金门县属于福建省，但数据中不包含金门县；2006—2010年地闪数据来源于福建省气象局布设在9地的ADTD型闪电定位仪测得；雷电灾害统计数据来源于福建省防雷管理办公室提供的《福建省雷电灾害实例汇编》（2006—2010）；各县市面积、人均GDP、医院里的床位数、技术人员数、职业医师、职业助理医师以及注册护士数等资料通过查阅2011年《福建省统计年鉴》获得;各气象台站的高程即海拔数据由福建省气象局官网处提供；各县市的地形起伏度及森林覆盖率通过ARCGIS软件提取获得。

1.2 研究方法

1.2.1 直线方程法

由于评价模型中的各指标的数值差异性较大，不能直接进行加和的计算，因此必须采用标准化的方法将这些指标数据进行统一处理。本文采用的是平面解析几何里的直线方程来进行数据处理，具体标准化过程如下：

设有原始数据A的集合，

原始数据yn1标准化数据为Yn1，设标准化的区间为[0，1]，即原始数据中的M1对应于标准化数据的1，原始数据中的N1对应于标准化数据的0，数据间为线性对应关系，利用平面解析几何直线方程的两点式方程可得标准化数据Yn1与原始数据yn1的关系方程为：

1.2.2 层次分析法

建立如图1所示的福建省雷电灾害风险区划指标体系框架。 由于涉及判定的指标权重比较多，为节省篇幅，以图1中的B层为例解释说明利用层次分

（1）数据矩阵建立。通过向5位专家函询的方式让专家们按照层次分析法中的1～9标度法把B层中的每个要素即B1，B2，B3，B4对A层指标的重要性进行两两比较，从而构造出四阶的判断矩阵，如表1所示。

表1 B层判断矩阵Table 1 Layer judgmentmatrix

（2）权重计算及一致性检验

采用方根法求解将先前建立的判断矩阵A的B1，B2，B3，B4的特征向量 Wi(i=1,2,3,4)，即这四个指标的权重值和最大特征向量λmax，其计算步骤如下：

①计算A矩阵中每行元素的乘积：

②计算Mi的n次方根：

则 Wi=[W1，W2，W3，W4]T即为所求的特征向量即权重值。

④计算最大特征值：

⑤判断矩阵一致性检验：为了保证权重判断的准确性，还应对矩阵的一致性系数CR进行计算，并保证CR＜0.1，CR按式6及式7计算，RI取值见表2。

校验一致性系数CR=0.082 3＜0.1，判断矩阵满足一致性要求。

表2 平均随机一致性指标RI取值Table 2 Average random consistency index RI

按照上述步骤，对福建省雷电灾害风险区划指标体系中各级指标的判定矩阵进行权重计算及一致性检验，结果汇总如表3，一致性检验结果汇总如表4，由表4可见各级指标的判断矩阵一致性系数CR均＜0.1，符合要求。

表3 福建省雷电灾害风险指标权重值Table3 Theweightoflightningdisasterrisk indexin Fujianprovince

表4 福建省雷电灾害风险指标判断矩阵一致性检验结果Table 4 The results of judgmentmatrix consistency test of lightning disaster risk index in Fujian province

2 数据优化处理

闪电定位系统主要探测的是云地闪，而人工观测的数据是从雷声辨别，一天内听到一次雷声雷暴日就算一天，所以人工观测所获得雷暴日的数据不但包含云地闪，也包含云内闪以及云际闪。为保障数据来源的科学性、真实性，本文对雷电密度的数据进行了优化处理，具体处理方法如下：

（1）闪电定位系统所获取雷电密度Ng和通过人工观测所获得雷暴日Ta的关系：

参照 《建筑物防雷设计规范》（GB50057-2010）[16]中雷电密度计算公式Ng=0.1Td（Ng为雷电密度，Td为雷暴日）引入人工观测雷暴日与闪电定位系统所获取的雷电密度的公式：

式中：Ngl为闪电定位系统所获取雷电密度，Ta为通过人工观测所获得的雷暴日。将通过统计所得的福建省平均雷电密度2.37次/km2·a以及全省平均人工观测雷暴日50.33 d代入式8可得系数K1为0.047,从而可得到基于闪电定位系统所获得的雷电密度的雷暴日公式如下：

（2）闪电定位系统观测雷暴日Tdl和通过人工观测所获得雷暴日Ta的关系：

引入闪电定位系统所获取的雷暴日Tdl与通过人工观测所获得雷暴日Ta之间的关系公式：

式中：Ta为人工观测雷暴日，Tdl为闪电定位系统观测雷暴日。将通过统计所得的福建省全省平均人工观测所获取的雷暴日50.33 d以及通过闪电定位系统所观测的全省平均雷暴日61.65 d代入式10可得系数K2为1.22，从而可得到基于人工观测雷暴日的雷暴日公式如下：

为了综合利用两种不同观测来源的雷暴日数据，将式9与式11的结果取平均值作为各县市的修正后的雷暴日，如式12：

将福建省67个县市的闪电定位数据带入式12,计算修正后的雷暴日，并通过式GB50057-2010中地闪密度公式，获得修正后的雷电密度值，具体数值见表5，将修正后的雷电密度值与闪电定位系统所计算出来的雷电密度值进行比较后发现，拟合的效果较好，拟合系数为R2=0.920 7。

3 福建省雷电灾害风险区划

根据自然灾害风险数学公式，结合雷电灾害风险概念框架，综合考虑利用层次分析法算出来的各级指标的权重，采用直接累加的方法算出三级、四级指标的值，再采用乘积的方法将二级指标进行乘积，用乘积结果代表雷电灾害风险指数，具体方程如式13-18:

表5 修正后的福建省67个县市的雷电密度 单位：次/km2·aTable 5 The lightning density of 67 counties and cities in Fujian province

以上公式中，LDRI为是雷电灾害风险指数;VH、VE、VS、VR的值代表雷电灾害风险区划模型中B层各指标的风险指数；wh、we、ws、wr是前文中确定的 B层各 指标的 权重值 ；WH1、WH2、WE1、WE2、WE3、WS1、WS2、WS3、WR1、WR2相应地代表 C 层各指标的权重值；Ng为雷电密度；XH、XE1、XE2、XE3、XS1、XS2、XS3、XR1、XR2是C 层各指标量化后的值；Wpi（i=1,2,3,4,5）、Xpi（i=1,2,3,4,5）分别为D层各指标的权重值及量化后的值，将各指标的权重值代入式(13)～(18)，得到式(19)～(24)，通过计算得到福建省各县市雷电灾害风险指数，结果如表6所示：

表6 福建省各县市雷电灾害风险值Table 6 Lightning hazard value of counties and cities in Fujian province

利用聚类分析方法对福建省67个县的雷电灾害风险值进行分类，以平方欧氏距离作为样本间判断距离，采用质心聚类分级方法，设分级数k＝5得出分类结果，见表7。

表7 福建省67个县市雷电灾害风险值分级结果Table 7 The lightning disaster risk value classification results of 67 counties and cities in fujian province

利用绘图软件surfer11.0绘制福建省的雷电灾害风险区划图，具体图形见图1。

图1 福建省雷电灾害风险区划图Figure 1 Lightning risk zoningmap of Fujian province

4 结论

(1)从分级的结果可以看出，福建省雷电灾害风险值数量呈单峰型结构，大部分县市的雷电灾害风险值被划分到第2～4级。其中罗源、清流、明溪3个县市雷电灾害风险区划等级最高；华安、平潭、石狮三个县市雷电灾害风险区划等级最低。

(2)从福建省雷电灾害风险区划图可以看出福建省全省存在清流、明溪一带以及罗源两个雷电灾害风险高发生区，南平北部、西部部分区域、三明西部部分区域、漳州中南部区域以及福州、莆田、泉州东部沿海一带雷电灾害风险较低。

(3)由于闪电定位数据与雷暴日人工观测的不同属性体现出来的差异性，综合以上两种数据进行数据优化，与现有的闪电定位数据的雷电密度进行拟合获得了比较好的相关系数。将优化后的数据作为最终雷电灾害风险值的指标能充分利用两种数据来源的优势。

(4)针对以上风险值相对较高的县市，应加大雷电防御工作的资金投入比例，且因地制宜的制定雷电灾害防御措施。对经济较为发达、居民教育文化水平较高且雷电灾害风险值高的县市应加强雷电灾害风险评估、新、改、扩建建构住物的防雷装置设计审核、竣工验收和已安装防雷装置的建构住物的防雷安全检测等工作，杜绝雷电安全隐患；对位于经济相对落后、教育文化水平偏低但雷电灾害风险值高的县市应加强对群众防雷知识的普及等工作，让防雷科技知识家喻户晓，才能最大程度的降低雷电灾害风险概率。

[1] 马明，吕伟涛，张义军，等.1997-2006年我国雷电灾情特征[J].应用气象学报,2008,19(4):393-400．

[2] 郭虎，熊亚军.北京市雷电灾害易损性分析、评估及易损度区划[J].应用气象学报，2008，19(1):35-40.

[3] 冯民学，焦雪，韦海容，等.陕西省雷电灾害易损性分析[J].气象科学，2009,29(2):246-251.

[4] 李彩莲，赵西社，等.江苏省雷电分布特征分析、评估及易损度区划[J].灾害学，2008,23(4):49-53.

[5] 王慧，邓勇,等.云南省雷电灾害易损性分析及区划[J].气象，2007，33(12):83-87.

[6] 严银春.江西省雷电灾害易损性分析及区划[J].江西科学，2006，24(2):131-135.

[7] 袁湘玲，纪华，程琳.基于层次分析模型的黑龙江省雷电灾害风险区划[J].暴雨灾害，2010,29(3):279-283

[8] 扈海波，王迎春，熊亚军.基于层次分析模型的北京雷电灾害风险评估[J].自然灾害学报，2010,19(1):104-109.

[9] 扈海波，潘进军.S10公共气象服务政策体制机制和学科建设[C]//第28届中国气象学会年会论文集，北京：2011.

[10] 王学良，余田野，朱传林，等.我国中部五省雷暴日时空分布特征[J].热带地理，2013,33（1）：13-20.

[11] 樊运晓,罗云,陈庆寿．承灾体脆弱性评价指标中的量化方法探讨[J]．灾害学,2000,15(2)：78-81．

[12] 王爱军，柴瑞，苗国荣．唐山市雷电灾害易损性分析及易损度区划[J]．建筑电气,2011,29(10)：28-32．

[13] 杨超，赵丽娟．模糊综合评判法在厦门市雷电灾害风险区划中的应用[J]．气候与环境研究,2011,16(6)：775-778．

[14] 曾金全,张烨方,王颖波．基于综合评价算法的雷电灾害易损度区划模型研究[J]．气象,2011,37(12)：1595-1600．

[15] 扈海波,王迎春,熊亚军．基于层次分析模型的北京雷电灾害风险评估[J]．自然灾害学报,2010,19(1)：104-109．

[16] 中华人民共和国住房和城乡建设部.建筑物防雷设计规范[M]．北京：中国计划出版社,2010．

（责任编辑：叶丽娜）

Lightning Disaster Risk Zoning Based on Analytic Hierarchy Process in Fujian Province

ZHANG Lei1,TUWeiyun2,LITiancheng1,SUN Cailiang3,WANG Yingbo4

(1.Meteorological Bureau of Zhenghe County of Fujian Province,Zhenghe，Fujian 353600；2.The Fujian Province Meteorological Bureau of Nanping Yanping City District,Nanping,Fujian 353000;3.Meteorological Bureau of Fujian province Putian City,Nanping,Fujian 351100；3.The Fujian Province Meteorological Bureau of Nanping Yanping City District,Nanping,Fujian 353000；4.Fujian Lightning Protection Center,Fuzhou,Fujian 350001)

Based on the data of observation of annual thunderstorm from 1961 to 2010 provided by Fujian Provincial Meteorological Bureau and the lightning location and disaster data during 2006-2010 in Fujian,this paper analyzes the lightning risk and locations in Fujian Province.Four indicators including environmental sensitivity,vulnerability of hazard bearing body,disaster prevention and mitigation are chosen for the analysis and calculation of thunder and lightning disaster risk zoning in Fujian province.The present results show thathigh lightning risk areas in Fujian aremainly concentrated in the area of Qingliu,Mingxiand Luoyuan,and low risk of lightning value areas aremainly located in the north of Nanping,west part of Sanming,southern partof Zhangzhou and and coastal area.

lightning disaster;analytic hierarchy process;risk division;Fujian province

P429

A

1674－2109(2017)09－0053－07

2017-05-22

张雷（1983-），男,汉族，工程师，主要从事雷电及气象相关的研究。