贵州省雷电灾害风险评价与区划研究*

2018-03-27吴安坤

中国农业资源与区划 2018年2期

吴安坤

(贵州省气象灾害防御技术中心，贵阳 550081)

0 引言

灾害风险评价起源于20世纪30年代，美国田纳西河流域管理局将风险、风险管理学与灾害学相结合，提出了洪水灾害风险评价的理论方法；随后20世纪70年代，逐步由定性化评价向半定量、定量性评价转变[1]。针对特定区域遭受灾害的可能性及其可能的危害进行定量化的分析，因其先进的措施和模式受到越来越多灾害管理者的重视[2-5]。在理论分析上，Blaikei等[6]认为灾害的产生是承灾体与致灾因子相互作用的结果，致灾因子难以改变，减少灾害风险的关键是降低承灾体脆弱性、提高防灾减灾能力。而后Petak等[7]分析地震、台风等自然灾害特征，总结灾害评价理论方法并推广应用。近年来，国内在灾害风险评估理论方面也做了大量研究。黄崇福[8]针对自然灾害风险评价中存在的信息不完备或是缺失的情况，提出基于信息扩散论的风险评价模型，在灾害风险评价与灾情评估预测方面取得了广泛的应用[9-11]。史培军[12-13]提出了区域灾害系统论的观点，认为灾害是致灾因子、孕灾环境与承灾体综合作用的结果。张继权等[14]指出灾害评价应注重多层面、多元化及多学科间的相互渗透应用，提出气象灾害的形成是由致灾因子、孕灾环境、承灾体以及防灾减灾能力4个因素作用的结果。

雷电灾害作为常见的自然灾害，诸多学者从自然灾害风险机制引入雷电灾害风险时，仅从灾害风险的危险性、暴露性或承灾体的脆弱性3个方面着手研究[15-18]，没有考虑灾情承受或灾后恢复能力的影响。据此，文章以贵州省为例，从雷电灾害形成机制方面入手，建立致灾因子、孕灾环境、承灾体和防雷减灾能力的雷电灾害风险四要素，基于目标、准则、指标层建立雷电灾害风险结构体系模型，以此开展雷电灾害风险评价研究，为防雷减灾和科学决策提供参考。

1 地域环境

贵州地处云贵高原东侧，属低纬高原，为亚热带季风气候，年平均气温为15℃左右，年降水量1 300mm左右。东部全年受湿润的东南季风控制，西部则处于东南季风向西南季风过渡地带，地处低纬度高原，离海洋较近，境内山脉纵横，河流交错蜿蜒，地形地势复杂，致使山地、河谷的气候垂直变化特别明显，素有“天无三日晴”之说，呈现“一山分四季，十里不同天”的景象。特殊的地理位置和地形环境，造成境内局地气流变化明显、冷暖空气频繁交汇，极易出现雷暴天气过程，引发雷电灾害事故[19]。

2 资料来源及处理

该文使用的资料有：(1)贵州省近10年(2006～2015年)闪电监测资料，来源于贵州省闪电监测定位系统； (2)岩土电导率数据来源于世界土壤数据库(简称HWSD)，是由联合国粮农组织(FAO)、国际应用系统分析研究所(IIASA)、荷兰ISRIC-World Soil Information、中国科学院南京土壤研究所(ISSCAS)、欧洲委员会联合研究中心(JRC)于2009年3月共同发布，其分辨率可达1km； (3)贵州省2014年88个区县的总人口数、GDP 等会经济数据，取自贵州省统计年鉴[20]； (4)DEM数据，来源于美国地质调查局EROS数据中心的GTOP30数据集，分辨率达30m。按切片下载后经栅格拼接，剪切生成贵州省dem栅格数据，坡度在dem数据的基础上生成； (5)贵州省基础地理数据(含区县边界、水系分布等)以及区县行政区域图。

基于GIS进行栅格数据的处理与分析，均采用取样或插值生成分辨率0.005°×0.005°的栅格进行计算分析。

图1 雷电灾害风险形成四要素

图2 雷电灾害风险结构体系评价模型

3 体系构建与分析方法

3.1 体系构建

该文对雷电灾害风险的分析，除了考虑灾害风险的危险性、暴露性或承灾体的脆弱性外，还引入防雷减灾能力，认为形成雷电灾害必须具有条件：

(1)致灾因子：诱发雷电灾害的因素，主要由雷电活动规模、活动频次等决定，具体有雷电流强度、闪电密度。

(2)孕灾环境：形成雷电灾害的环境，主要由下垫面的性质、所处环境的气候因素等决定，包括土壤导电性能、地形海拔变化。

(3)承灾体：雷电影响的人类活动、社会财产等，直接直接作用于当地的人口、经济情况。

(4)防雷减灾能力：采取工程性、非工程性防雷措施对雷电灾害进行防御，以及灾后的应急处理、恢复能力。

据此，模拟雷电灾害风险形成过程，从致灾因子、孕灾环境、承灾体和防雷减灾能力4个方面选取相应的评价指标，基于目标、准则、指标层建立雷电灾害风险区划结构模型如图2，分别进行危险性、敏感性、易损性以及防雷减灾能力分析，进一步完成雷电灾害风险区域划分。

3.2 技术流程

雷电灾害的形成与雷电空间分布以及海拔、坡度、人口、经济等下垫面密切相关，将数据地图化是进行雷电灾害风险区划分析关键。该文借助ArcGIS 10.2地理信息处理分析能力，以区、县行政区域作为最小研究单位，建立贵州省雷电灾害风险区划技术流程(图3)。

图3 贵州省雷电灾害风险区划技术流程

表1 雷电灾害风险评价指标权重

目标层准则层指标层风险因子权重指标权重雷电灾害风险致灾因子0 3786地闪密度[次/(km2·年)]0 5896地闪强度(kA)0 0083强电流密度[次/(km2·年)]0 4021孕灾环境0 2764土壤导电率(μs/cm)0 2349水系密度0 1391DEM0 3274坡度分布(°)0 2986承灾体0 1872人口密度(人/km2)0 4749地均GDP(万元/km2)0 5126第三产业比例0 0124防雷减灾能力0 1578人均GDP0 2076医疗服务0 2958灾害防护常识普及0 4967

3.3 评价方法

区域雷电灾害风险受致灾因子危险性、孕灾环境敏感性、承灾体易损性和防雷减灾能力的影响，根据建立的结构体系模型，采用GIS栅格空间分析，建立雷电灾害风险计算。

LR=Ha+Eb+Sc-Rd

(1)

H=H1XH1+Λ+HmXHm

(2)

E=E1XE1+Λ+EnXEn

(3)

S=S1XS1+Λ+SiXSi

(4)

R=R1XR1+Λ+RjXRj

(5)

式(1)～(5)中，LR是雷电灾害风险值;H是致灾因子危险性指数;E是孕灾环境敏感性指数;S是承灾体易损性指数;R是防雷减灾能力指数;a、b、c、d、X分别为其所对应的权重系数。

采用投影寻踪模糊聚类(Projection Pursuit Classification，称PPC)的客观方法，直接由样本数据驱动进行数据挖掘，通过遗传迭代，寻求最优投影方向，将多维数据投影到低维空间，最终各指标的最佳投影方向即为各自的权重。

4 结果分析

4.1 指标权重的确定

建立以网格化后的风险区划因子(包括致灾因子、孕灾环境、承灾体、防雷减灾能力)及其对应的指标为基础的风险评价集合，利用GIS技术获取各县区评价指标(风险因子)的均值，代入遗传算法的投影寻踪模型，逐一计算其最优投影方向向量，得到评价指标体系的权重如表1。

4.2 等级划分

根据各风险评价指标因子及对应的权重，采用自然断点法对致灾因子、孕灾环境、承灾体、防雷减灾能力以及综合雷电灾害风险属性值进行等级划分，依次划分为高、次高、中、次低、低级5级。等级划分标准见表2。

表2 等级划分标准

危险性敏感性易损性防雷减灾能力雷电灾害风险风险等级等级划分<0 2776<0 1084<0 1861<0 1137<0 1997低0 2778～0 39820 1085～0 19480 1862～0 26480 1138～0 20610 1998～0 3135次低0 3983～0 55490 1949～0 30200 2649～0 40320 2062～0 33280 3136～0 4912中0 5550～0 74780 3021～0 44140 4033～0 78960 3329～0 60630 4913～0 7778次高0 7479～1 00000 4415～0 98350 7897～0 99320 6064～0 99250 7779～1 2493高

图4 致灾因子危险性区划图

4.3 风险评价

(1)致灾因子危险性

危险性整体西部高于东部，高危险区主要分布在贵阳白云、观山湖、修文、清镇、息烽，六盘水的水城、六枝，毕节的七星关、黔西、织金，黔西南的晴隆、望谟以及安顺的普定等区域；低风险区分布在黔南的平塘、独山、荔波，黔东南的从江、黎平、台江、剑河等地。

(2)孕灾环境敏感性

从土壤电导率、水系密度、地形高程(DEM)和坡度分布4个方面构建敏感性指标，对贵州雷电灾害孕灾环境进行区划分析，孕灾环境敏感性中部整体呈现偏弱，低于周边。高及次高敏感区主要分布在西部的威宁—水城—六枝—晴隆—关岭—望谟—罗甸—册亨、东南部的天柱—锦屏—剑河—雷山—三都—从江—榕江—黎平以及北部的赤水—习水—桐梓—正安—道真—务川—沿河—印江—江口一带。

(3)承灾体易损性

从人口密度、地均GDP、第三产业比例3个方面构建指标，对贵州雷电灾害承灾体进行区划分析。高易损性区域为贵阳的云岩、南明区及六盘水的钟山区，次高易损区主要分布在各市州的主城区及其周边区域，而低易损区主要分布在遵义的北部、黔东南的东南部以及黔南的南部区域，与人口和社会经济分布有很大的关系。

图5 孕灾环境敏感性区划图图6 承灾体易损性区划图

图7 防雷减灾恢复能力区划图图8 贵州省雷电灾害风险区划图

(4)防雷减灾能力

从人均GDP、医疗服务以及灾害防护常识普及3个方面构建指标，对贵州防雷减灾能力进行区划分析，毕节、贵阳、铜仁的防雷减灾能力依次高于黔南、黔西南、遵义、六盘水、安顺、黔东南。

4.4 综合风险区划

受地理位置、闪电活动以及经济发展的影响，全省雷电灾害风险西部高于东部，整体呈现由西南部向东北部递减。

云岩区、南明区、白云区中北部、乌当区西北部、水城、六枝、普定、晴隆、关岭西北部为雷电灾害高风险区；次高风险区主要分布在盘县北部、普安北部、兴仁东北部、钟山区、七星关区的西南部及东北部、织金及纳雍南部、黔西、镇宁、紫云、望谟北部、仁怀南部、播州西部边缘、赤水河谷、修文、观山湖，以及北部习水、桐梓、正安、务川等地的部分区域，东南部麻江、丹寨、雷山等地部分区域；次低及低风险区主要分布在威宁及赫章西部区域、开阳东北部、平塘中东部、独山、荔波、万山、玉屏、碧江、思南、石阡、沿河的部分区域。

5 结论与讨论

该文应用闪电监测资料、土壤数据库资料、GTOP30数据集以及社会经济统计和相关地理信息数据，模拟雷电灾害形成过程，建立雷电灾害风险评价模型，采用投影寻踪客观赋权方法获取指标权重，从致灾因子危险性、孕灾环境敏感性、承灾体易损性和防雷减灾能力强弱4个方面作定量化分析。通过灾前风险识别，开展定量化的雷电灾害风险评价，可针对性的制定综合对策，为提高贵州省雷电灾害防御能力提供科学决策参考。

但由于定量化分析雷电灾害风险受指标因子的选取、资料数据的收集处理等因素的影响，下一步将从几个方面进行完善：承灾体及防雷减灾能力中涉及的指标大多以各级行政单元为主，特别是人口、经济数据，其分布情况无法显示区域内部的差异。引入DMSP/OLS夜间灯光、NDVI植被指数等遥感数据，结合DEM、人口、经济(GDP)等资料，融合GIS、RS技术进行人口经济数据空间化处理。此外，优化指标因子的选取，完善评价体系模型。

[1] 章国材. 气象灾害风险评估与区划方法.北京：气象出版社， 2010

[2] Cutter S L.Vulnerability to environmental hazards.Progress in Human Geography， 1996， 20： 529～539

[3] Smith D I.Flood damage estimation: A review of urban stage-damage curves and loss functions.Water Sa， 1994, 20(3): 231～238

[4] 张超，吴瑞芬.内蒙古玉米干旱风险区划方法研究.中国农业资源与区划, 2015，36(7)： 134～141

[5] 肖志强，樊明，赵彦锋.武都山区农业冰雹灾害发生规律及风险区划研究.中国农业资源与区划, 2013，34(6)： 176～180

[6] Blaikei P，Cannon X, Davis I，et al. At risk：Natural hazard，people vulnerability and Disasters.London：Routledge， 1994： 147～167

[7] Petak W J，Atkisson A A.Natural hazard risk assessment and public policy.Anticipating the Unexpected.New York：Springer， 1982： 18～27

[8] 黄崇福. 自然灾害风险评价：理论与实践.北京：科学出版社， 2005： 96～98

[9] 刘引鸽，缪启龙，高庆九.基于信息扩散理论的气象灾害风险评价方法.气象科学， 2005，(1)： 84～89

[10]张丽娟，李文亮，张冬有.基于信息扩散理论的气象灾害风险评估方法.地理科学， 2009，29(2)： 250～254

[11]吴安坤，曾勇，张淑霞.基于信息扩散理论的雷电灾害事故预测.安全， 2016， 37(3)： 8～10

[12]史培军. 论灾害研究的理论与实践.南京大学学报(自然科学版)， 1991， 11： 37～42