APP下载

基于多源数据融合的云南省雷电灾害风险综合评价与区划

2021-05-19刘平英张腾飞尹丽云周清倩杨晓鹏

气象科技 2021年2期
关键词:雷暴雷电灾害

刘平英 张腾飞 尹丽云 周清倩 杨晓鹏

(1 云南省气象灾害防御技术中心,昆明 650034; 2 云南省人工影响天气中心,昆明 650034; 3 云南省气候中心,昆明 650034)

*通信作者,Email: tfzhang@ 21cn.com

引言

雷电因其强大的电流、炙热的高温、强烈的电磁辐射以及猛烈的冲击波等物理效应而能够在瞬间产生巨大的破坏作用,造成雷电灾害[1]。云南省是全国雷暴高发区之一,雷电灾害频发多发,雷击造成人员伤亡,毁坏建筑物和电气通信设施,引发火灾等间接事故[2]。近年来,相关学者结合自然灾害风险理论开展风险分析取得了一定进展,章国材等研究产生气象灾害的临界条件,提出灾害的发生不仅与致灾物理因子有关,且与自然地理环境条件以及防灾设施的能力有关[3],樊运晓等基于层次分析法探讨承灾体脆弱性评价的量化方法[4];曾金全等、王淑一等建立了复杂区域环境的雷电风险评估指标和模型,实现了评估方法的优化完善[5-6];李家启等、王凤娇等研究雷电灾害等级划分方法[7-8];陈广昌等、张烨方等研究雷电灾害风险的数量化分析方法,建立了评估指标与风险的定量化关系[9-10];马明分析雷电致灾机理及相关因素,提出雷电灾害与闪电活动、区域环境和人员分布等因子密切相关[11];一些研究也关注到地形因子对闪电活动的影响,尹丽云等分析海拔、坡度和经、纬度参数对闪电空间分布的影响[12],高金阁等研究地面粗糙度和海浪起伏度对雷电水平电场的影响[13];郭虎等、王敏等、李衣长等研究基于灾损因子的易损性区划,开展承灾体脆弱性分析[14-16];程向阳等、朱涯等建立了风险综合评价的运算程式,确定指标权重大小[17-18];余田野等、吴安坤等、汪志红等基于多源数据资料,运用ArcGIS开展精细网格化风险评估[19-21]。以上研究成果为开展雷电灾害风险定量化评价提供了参考,雷电灾害风险具有自然属性和社会属性,通过研究灾害系统的相关因子,将评价指标进行分析组合,对未来可能出现灾害状况的系统进行描述[22]。开展风险综合评价是对一定时期内区域遭受不同强度雷电风险的可能性进行判断,本文基于上述研究方法,结合气象数据、地理信息、人口与社会经济数据等多源资料,建立包含雷暴日、地闪密度、地闪电流强度、海拔高度、地形起伏、河网密度、土壤电导率、人口密度、地均GDP和土地利用类型等10项评价指标,结合ArcGIS的空间分析功能,建立目标层→准则层→指标层的层次结构,计算综合评价指数并划分风险等级,绘制风险区划图,实现对评价结果的精细化图形表现,将区划结果与历史雷电灾情分布进行对比,检验评价结果的置信度。

1 资料来源和分析方法

1.1 数据资料说明

采用2006—2017年云南省闪电定位监测系统数据,该系统采用多站时差综合定位法,可探测到地闪发生的时间、位置、幅值和极性等信息,对数据进行质量控制,剔除异常数据和0~2 kA干扰小幅值数据;雷暴日资料来源于全省125个国家级地面气象观测站1981—2010年人工观测统计;基础地理信息数据来源于国家气象信息中心;土壤电导率资料来源于世界土壤数据库(HWSD);雷电灾情资料来源于2006—2017年全国雷电灾害汇编等。

1.2 分析方法

1.2.1 数据归一化

由于各指标的定义和计量单位不统一,为消除指标间的量纲差异,采用式(1)对数据进行归一化处理,转化为无量纲的数值,使指标在分析计算过程中具有一致性。

(1)

Dij为指标的归一化值;Aij为指标的实际值;min(Ai)、max(Ai)分别为指标的最小值和最大值。

1.2.2 层次分析法确定指标权重

把复杂系统分解为若干个有序层次,通过构建权重判断矩阵,两两对比确定同一层次中每个指标的相对重要性并赋值(表1),由向量矩阵计算得到指标相对于风险的权重系数。

求解权重判断矩阵A(式(2))的最大特征根λmax和对应的特征向量,得到同一层次各指标权重系数。当矩阵阶数≥3时,要进行一致性检验,检验指标CI的计算如式(3)所示。根据矩阵阶数,对照表2查找RI值,按式(4)计算一致性比例CR,若CR≤0.1,则矩阵符合一致性要求。

(2)

(3) 表2 平均随机一致性指标值

根据CI和RI的值,计算CR:CR=CI/RI

(4)

1.2.3 数据空间化和图层叠置

运用ArcGIS空间叠加及栅格运算等功能,对数据进行归一化后,以点、面矢量的形式进行空间加载,分别建立致灾因子、孕灾环境和承灾体的准则判断图层,将归一化后的栅格数据同对应权重进行运算,逐级向上作加权综合分析得到目标层综合评价指数,划分风险等级,绘制雷电灾害风险区划图,以此掌握风险等级的分布趋势。

1.2.4 自然断点法确定风险等级

对于计算所得综合评价值,采用ArcGIS中的自然断点法划分风险等级,其算法原理是聚类分析,根据数值统计分布规律进行分级, 使类与类之间的不同最大化,聚类结束条件是组间方差最大、组内方差最小,计算方法见式5。

(5)

S:方差;i、j:第i、j个元素;A:长度为N的数组;k:i、j中间的数,表示数组中第k个元素。

2 综合评价分析建模

2.1 建立风险评价模型

分析致灾因子、孕灾环境和承灾体与雷电灾害风险的相关性,建立包含雷暴日、地闪密度、地闪电流强度、海拔高度、地形起伏、河网密度、土壤电导率、人口密度、地均GDP、土地利用类型等因子组成的风险评价指标体系,建立影响因素指标与风险程度的定量化关系,形成“目标层—准则层—指标层”的层次分析模型(图1)。

图1 雷电灾害风险层次分析模型

2.2 构建致灾因素与雷电灾害风险的定量化关系

雷电灾害由致灾因子、孕灾环境、承灾体相互作用形成[1],建立各指标与灾害风险的对应关系如公式(6)。在多因子综合分析的基础上,对一定时期内区域可能遭受雷电风险的可能性及强度进行评价,划分风险等级,对是否采取措施、采取什么措施等作出判断。

LDRI=(VHWh) +(VEWe)+ (VSWs)

(6)

式中,LDRI:雷电灾害风险综合评价指数,其值越大,则风险程度越大;VH、VE、VS表示致灾因子危险性、孕灾环境敏感性和承灾体暴露度的评价指数;Wh、We、Ws是各影响因子层对应的权重。

=WH1QH1+WH2QH2+WH3QH3

(7)

=WE1QE1+WE2QE2+WE3QE3+WE4QE4

(8)

=WS1QS1+WS2QS2+WS3QS3

(9)

式(7)~(9)表征3个因素层评价指数的运算程式,Wi是各指标权重,QH1、QH2和QH3是雷暴日、地闪密度和地闪电流强度的归一化值,QE1、QE2、QE3和QE4是海拔高度、地形起伏、河网密度和土壤电导率的归一化值;QS1、QS2和QS3是人口密度、地均GDP和土地利用类型的归一化值。将各指标归一化值与权重进行组合,得到各致灾因素图层的评价指数VH、VE和VS,逐级向上作加权分析,得到目标层雷电灾害风险综合评价指数值。

2.3 指标权重判断

基于表1,将各层指标分别进行成对比较,由于承灾体是致灾因子作用的对象,两者相互影响对于灾害形成的贡献较大,通过咨询相关防雷专家,将各指标相对于风险的重要性进行赋值,建立致灾因子、孕灾环境和承灾体的权重判断矩阵。为保证权重判断的准确性,对阶数≥3的矩阵进行检验,其一致性比例CR值均小于0.1,指标权重如表3所示。

表3 云南省雷电灾害风险评价指标权重

3 雷电灾害风险评价

3.1 致灾因子危险性分析

致灾因子是闪电活动,选取雷暴日、地闪密度和地闪电流强度等指标进行分析,表征地闪活动的频繁程度和强度大小,基于ArcGIS绘制致灾因子空间分布如图2所示。云南省年平均雷暴日数呈南高北低的特征,年平均雷暴日数在90 d/a以上的地区主要分布在滇西南的西双版纳和普洱,滇东南年平均雷暴日数为40~80 d/a,滇中的年平均雷暴日为50~70 d/a,滇西北的华坪县年平均雷暴日达85 d/a,而德钦县的年平均雷暴日只有15 d/a(图2a)。滇中及以东地区的地闪频次高,昆明、楚雄、玉溪、曲靖等地的年平均地闪密度均在2.0次/km2·a以上,丽江东南部的华坪县也是地闪密度的另一高值中心,怒江、迪庆和昭通的地闪次数较少,年平均地闪密度在0.6次/km2·a以下(图2b)。地闪电流强度的高值区主要分布在滇东北和滇西北地区,地闪电流幅值集中在60—80 kA,而在地闪活动频繁的滇中地区,地闪电流强度却相对较小(图2c)。

根据式(7)将指标归一化值与权重相乘,基于ArcGIS将栅格点进行空间叠加得到致灾因子危险性分布如图2d所示,西双版纳、普洱、昆明、楚雄东部和丽江东南部的雷电致灾因子危险性高。滇西南是主要的热带和亚热带区域,温湿条件较好,一旦有抬升动力作用就利于形成雷暴,而从南部来的暖湿气流和从滇东北进入的冷空气由于受到西北部高山阻挡,在滇中及以东地区交汇,造成这些地区闪电活动频繁,致灾因子更为活跃。

图2 致灾因子危险性的空间分布

3.2 孕灾环境敏感性分析

相关学者研究发现地形因子影响气流抬升、对流形成和地表电荷分布[12,23],分析海拔高度、地形起伏、河网密度、土壤电导率等指标对风险的影响(图3)。云南省地势自西北向东南呈阶梯状逐级下降,具有高原波状起伏、高山峡谷相间、地势阶梯递降、断陷盆地错落、江河湖泊纵横等特点[24],绘制海拔高度分布如图3a所示,自西北向东南海拔高差悬殊。由于采用最大高程与最小高程的差值不能较好地反映地貌的局部起伏,因此采用高程标准差表示地形起伏程度,基于ArcGIS邻域分析工具处理高程数据[25],取大小为1 km×1 km的窗口进行统计,得到地形起伏分布(图3b),滇西北是主要的横断山区,高山峡谷相间,迪庆、怒江地形起伏剧烈,滇中地形波状起伏,滇东南地形相对缓和。河边、湖边、低洼地区和地下水位高的区域遭受雷击的风险较大[17],建立河网密度归一化栅格数据,绘制空间分布如图3c,德宏、保山、怒江、西双版纳、普洱北部、楚雄东部、大理东部、昆明南部等地是河网密度高值区。土壤电导率是表征土壤导电能力的指标,其值越大,土壤泄放雷电流的能力就越强,越容易孕育雷灾,绘制土壤电导率分布(图3d),昆明、楚雄、德宏、曲靖等地零星分布着土壤电导率的高值区。

将4项指标的归一化值与权重代入式(8)进行运算,叠加得到孕灾环境敏感性分布(图3e),可见滇西北的迪庆、怒江、丽江的孕灾环境敏感程度高,这些地区主要是横断山区,海拔高、地形起伏剧烈。横贯云南中部的哀牢山是滇中、滇东高原和横断山脉的分界线,沿线地形起伏也较大,河网密度值较高,其孕灾环境敏感性也较大。将海拔高度与地闪密度的分布进行对比,可见在海拔1500~2500 m的地区闪电活动频繁活跃,从海拔2000 m开始,闪电密度随海拔的升高而减小,在地形起伏较大的昭通、迪庆等地区,闪电活动虽然较弱,但地闪电流幅值较大。

图3 孕灾环境敏感性的空间分布

3.3 承灾体暴露度分析

承灾体是人类及其活动所在的社会与各种资源的集合,相同灾种、相同烈度的灾害在不同承灾体上造成的结果是不同的[2]。承灾体(人员、财产等)暴露在致灾因子影响范围内,采用人口密度、地均GDP、土地利用类型等3项指标进行分析。构建人口密度与地均GDP空间分布如图4a、b所示,人口密度大,单位面积内雷击造成人员生命损失的可能性就越大;地均GDP反映经济发展状况,该指标值越大,雷击可能造成的经济损失越大。《土地利用现状分类》(GB/T 21010—2017),将土地利用类型分为建设用地、农用地和未利用地三大类,建设用地一般具有防雷装置,对雷击的防御能力较好,发生雷电灾害的风险较小;农用地包含水田、耕地等,处于空旷区域,防护能力较弱,处于户外的人员遭受雷击的风险较大;未利用地因没有防御措施,抵御雷击的能力薄弱,但区域人员分布相对而言密度小,雷击造成的人身及经济损失相对较低,因此风险赋值较低,对土地利用类型的风险评价赋值如表4,制作空间分布如图4c。综合以上因子绘制承灾体暴露度分布(图4d),可见德宏、昆明南部、曲靖南部、玉溪北部、大理中部、楚雄中部、昭通西南部等地承灾体暴露度较大。昆明、玉溪、曲靖等地的人口密度大,地均GDP较高,雷击对该区域可能造成人员生命损失和经济损失的风险较大。而偏远山区及农村居民点的防雷设施不完善, 基础设施缺乏科学的防雷设计与施工指导,区域承灾体脆弱性明显,雷击造成人员伤亡及建筑物损坏的风险较高。

图4 承灾体暴露度的空间分布

表4 土地利用类型赋值

3.4 雷电灾害风险综合评价

将致灾因子、孕灾环境、承灾体图层加权综合得到目标层雷电灾害风险综合评价指数,采用ArcGIS中自然断点法划分风险等级(表5),绘制云南省雷电灾害风险区划如图5,分析得到高风险区占全省总面积的5.28%,主要分布于滇中、滇西南及滇西北的丽江东南部等,集中在昆明市西南部、丽江市华坪县、楚雄州禄丰县、普洱市江城县、西双版纳州勐腊县、红河州的绿春县、弥勒市,曲靖市的麒麟区、陆良县和罗平县,玉溪市的红塔区、江川区和通海县,德宏州的芒市、陇川县和盈江县等地,滇西南的年平均雷暴日数高,滇中地区地闪活动频繁,地闪密度在2.0次/km2·a以上,人口密度大,地均GDP高,承灾体暴露度高,雷击可能造成的人员生命损失和经济损失的风险较其他地区更高。丽江市华坪县雷暴日及地闪密度都较大,其雷电灾害综合风险也高,应加强雷击风险防控和隐患排查等工作。

次高风险区面积占比为18.76%,主要分布在西双版纳、普洱及昆明的大部分地区,以及楚雄东部和西北部、曲靖西部、玉溪北部、大理中部和东北部等,这些区域雷电致灾因子活跃,雷击造成的人员生命损失较高,在农田、山谷、树下及水域附近,人员遭受直击雷的风险较大。

中风险区分布最广,面积占比31.62%,主要分布在临沧、德宏、曲靖、红河、丽江的大部分地区,以及文山北部、保山南部、普洱东部和昭通西南部,应强化易燃易爆场所、旅游景区、学校等雷电敏感场所的防御措施,加强山区及农村的防雷设施建设。

次低风险区占比达30.97%,主要分布在红河中部、文山中部及以东、保山中部、大理东南部和楚雄西南部等地。

低风险区占比13.37%,分布在迪庆、怒江和昭通等地,这些地区山高谷深,孕灾环境敏感性较大,虽然地闪频次较小,但地闪强度较大,雷击可能造成的损失也不可低估。

表5 雷电灾害风险等级划分

图5 云南省雷电灾害风险区划

3.5 区划评价结果检验

图6 云南省2006—2017年雷电灾害的空间分布

统计2006—2017年雷电灾害的空间分布如图6所示,玉溪、普洱、楚雄、西双版纳、保山及昆明的雷电灾害频次多,这些地区地闪活动频繁,年平均雷暴日高,人口密度大,因雷击造成的损失严重。雷击人身伤亡事件多发生在农村及山区,这些地区的基础设施缺乏完善的防雷装置,承灾体抵御雷击的能力较弱,农民群众防御意识不强,田间、山谷、河边、树下等场所发生雷电灾害的频次较高。城镇地区的损失类型主要为雷击建(构)筑物及电子系统设备损坏造成的经济损失。为检验评价结果的优劣程度,把风险区划图与雷电灾情的空间分布进行对比,发现高风险区与雷电灾害高频次区域大致对应。将各州(市)综合风险评价值与雷电灾害频数作相关分析(图7),两者相关系数R为0.67,检验结果P=0.004,通过显著水平0.01的检验,两者相关性较好,说明区划模型能够基本反映区域雷击风险程度,为风险管理提供依据。

图7 雷电灾害风险综合评价值与雷灾频次的相关性

4 结论与讨论

(1)本文根据自然灾害风险理论,从雷电致灾影响因素入手,结合气象数据、地理信息及人口经济等多种资料信息,建立了影响指标与雷电灾害风险的定量化关系和运算程式,研究云南省云地闪活动变化规律,分析致灾因子、孕灾环境、承灾体与风险的相关性。

(2)运用层次分析和模糊综合判断等方法,计算雷电灾害风险值并划分风险等级,绘制雷电灾害风险区划图。结果表明:雷电灾害高风险区主要集中在昆明市西南部、普洱市江城县、丽江市华坪县、楚雄州禄丰县和西双版纳州勐腊县等地;次高风险区分布于西双版纳、普洱、昆明、楚雄东部和西北部、曲靖西部、玉溪北部、大理中部和东北部等;中风险区范围最广,主要在临沧、德宏、曲靖、红河、丽江的大部分地区,以及文山北部、保山南部、普洱东部和昭通西南部;次低风险区主要分布在红河中部、文山中部及以东、保山中部、大理东南部、楚雄西南部等;低风险区分布在迪庆、怒江和昭通等地。

(3)将云南省各州(市)2006—2017年历年雷电灾害次数与雷电灾害风险综合评价指数作相关分析,发现两者的对应情况较好,表明风险评价结果较为客观。本文基于灾前风险分析,对区域发生雷电灾害的可能性及损失后果进行研究,分析雷电活动影响范围、致灾因子强度和风险等级等信息,以期为灾前决策防御、灾害应急处置、防雷减灾管理等提供决策参考。由于雷电致灾成因复杂,本文研究的雷电风险分析数量化方法受到资料收集和选取指标等因素的影响,如何对防雷减灾能力因子进行量化,以及实现灾损指数的精细网格化分析是下一步研究的重点,风险评价结果也将随着相关资料时间序列的延长和技术方法的完善,进一步得到优化。

猜你喜欢

雷暴雷电灾害
河南郑州“7·20”特大暴雨灾害的警示及应对
新德里雷暴
雨天防雷电要选对雨伞
牙克石市图里河地区雷暴特征统计分析
雷电
阜新地区雷暴活动特点研究
地球变暖——最大的气象灾害
灾害肆虐
计算机机房的雷电防护
鄂温克族自治旗雷暴气候特征分析