玉溪市雷电灾害风险区划研究*

朱 涯， 鲁韦坤， 余凌翔， 朱 勇 ， 胡雪琼※

(1.云南省大气探测技术保障中心,昆明 650034， 2.云南省气候中心,昆明 650034)

0 引言

雷电灾害是指雷雨云中的电能释放，击中物体或因形成的强烈电磁辐射而造成损失的灾害现象，通常由于云地闪造成，即发生在云体与地面之间的大气放电现象，也称地闪。雷电灾害是联合国“国际减灾十年”公布的最严重的10种自然灾害之一[1]。雷电灾害的涉及面广、突发性强、灾害范围大，影响深远，得到各国学者的广泛关注[2-3]。

玉溪地处低纬高原，属中亚热带半湿润季风气候，境内山脉纵横，河湖众多，山地、峡谷、湖泊、盆地相间，海拔高低悬殊，地貌极其复杂，气候类型多样。特殊的地理气候环境致使玉溪为雷电灾害频发区，玉溪也是云南传统烟区，农业经济均较发达，一旦发生雷击灾害，造成的损失较大，雷电灾害风险受到各相关部门的重视。

近年来，随着闪电定位系统的使用，雷电活动的研究进入新的阶段，与常规雷暴观测资料相比，闪电定位资料具有高时间分辨率和空间分辨率的优势，得到广泛的使用[2， 4-6]。目前已有一些针对云南地区的雷电活动规律及分布特征、灾害风险方面的研究成果，但多使用雷电人工观测资料，该数据不够规范客观[7]； 随着风险分析理论的成熟和应用，风险分析也被引入雷电等灾害风险评价，并取得了不少成果[8-16]。

文章基于闪电定位仪的雷电监测资料，引入风险评估理论，采用ArcGIS 空间分析技术，对玉溪地区雷电风险进行精细化分析，以期得出有借鉴价值的研究结论。

1 数据与方法

1.1 资料

采用2010～2014年玉溪市闪电定位仪所获取的雷电资料； 地理信息数据为玉溪市数字地面高程(DEM)、行政区划等数据； 社会经济数据为玉溪市统计年鉴中的各市县的面积、人口等社会经济资料； 历史灾情数据来自灾害普查数据库灾情数据。

1.2 方法

1.2.1 数据标准化

为了消除各指标的量纲差异，对每一个指标值进行归一化处理，各个指标归一化计算公式为：

(1)

式(1)中，vij是j站(格点)第i个指标的归一化值；dij是j站(格点)第i个指标的值；dimax是第i个指标的最大值；dimin是第i个指标的最小值。

1.2.2 自然灾害风险分析方法

该文依据自然灾害风险分析原理，从致灾因子、孕灾环境、承灾体3个方面分析雷电风险。

雷电致灾因子危险性由归一化后的地闪密度和地闪强度等权重集合而成。采用闪电定位仪所获取的雷电资料，考虑地闪密度和地闪强度两个因子，地闪密度是指每年每平方千米的地闪数[单位：次/(km2·年)]，对每个网格的地闪密度分别统计，可反映该网格点遭受雷电灾害的频次大小。地闪强度统计每个网格内的平均地闪强度(kA)。

孕灾环境考虑高程、高程标准差、土地利用情况。地势越高、高差越大，越容易孕育雷灾。土地利用类型不同，雷电风险也不同：河边、湖边、海边、低洼地区和地下水位高的地方，都是容易遭受雷击的地方，比较空旷的地方有突出物体也易发生雷击[8]。高程标准差的计算：

设有一组数：x1，x2…，xn，标准差σ的计算公式为：

(2)

孕灾环境风险：

ev=h×0.25+σ×0.25+lan×0.5

(3)

式(3)中，ev为孕灾环境风险；h为高程；σ为地形标准差；lan为土地利用赋值；高程、地形标准差均已进行标准化处理。

承灾体风险使用人口密度来评价，人口密度大的地方，出现雷击造成的损失也越大，采用卫星遥感监测到的夜间灯光亮度反衍出的人口密度pd。

根据风险评估理论，综合考虑致灾因子、孕灾环境、承灾体3方面的因素，构建雷电灾害综合风险区划指标：

risk=re×0.5+ev×0.4+pd×0.1

(4)

式(4)中，risk为雷电灾害综合风险指标;re为致灾因子风险;ev为孕灾环境风险;pd为人口密度风险。

1.2.3 精细化计算方法

通过GIS平台，将玉溪市划分成0.01°×0.01°的网格，对每个网格的灾害风险指标各因子进行计算，各分项指标采用加权综合评价法得到雷电灾害风险指数，并在GIS 平台中利用自然断点分级法划分雷电灾害风险为不同等级。

1.2.4 等级划分方法

目前，自然断点法被较多的应用到区划的等级划分中，自然断点法基于数据中固有的差异，进行最恰当地分组，并可使各个类之间的差异最大化，是一种较客观的分类方法。

2 结果与分析

2.1 致灾因子危险性分析

雷电致灾因子危险性考虑了地闪密度和地闪强度2个因子，反映该网格点遭受雷电灾害的频次大小及强度。按自然断点法划分各因子等级(图1～2)。从图1可见，玉溪的雷电密度在红塔区北部、江川西北部、易门东北部、峨山中部、澄江北部、华宁中部等为高值区，雷电密度10～27次/(km2·年)，新平、元江中部则雷电密度较低，不足4次/(km2·年)。从地闪密度的分布来看，玉溪市雷暴多发区与地形及地面覆盖物有关，水域周围或山体向阳坡地、东向坡地地闪密度较大。

从图2可看出，雷电强度则呈现大致相反的趋势：新平、元江平均雷电强度较高，达35～76kA，易门东部、峨山、红塔区、江川、澄江、华宁等市大部平均雷电强度较低，不足30.0kA。

由归一化后的地闪密度和地闪强度等权重集合计算雷电致灾因子风险，雷电致灾因子风险分布情况(图3)显示：雷电致灾因子风险在红塔区中北部、易门北部、江川西北部、峨山西部、通海西部、澄江北部等地很高； 而在易门大部、峨山大部、红塔区大部、江川西部、澄江大部、华宁中部等较高； 新平、元江、华宁南部等则雷电致灾因子风险较低。

2.2 孕灾环境风险

孕灾环境考虑高程、高程标准差、土地利用情况。地势越高、高差越大，越容易孕育雷灾。土地利用类型不同，雷电风险也不同：河边、湖边、海边、低洼地区和地下水位高的地方，都是容易遭受雷击的地方，比较空旷的地方有突出物体也易发生雷击。

图1 玉溪市雷电密度分布情况 图2 玉溪市雷电强度分布情况

图3 玉溪市雷电致灾因子风险分布情况 图4 玉溪市高程标准差分布情况

图5 玉溪市土地利用风险分布情况 图6 玉溪市雷电孕灾环境风险分布情况

图7 玉溪市人口密度分布 图8 玉溪市雷电综合风险区划

高程标准差的计算结果见图4，玉溪各地高程标准差变化较大，近0～700m，中东部高程标准差较小，西南部元江河谷一带地形起伏剧烈，高程标准差较大，因而由于高程标准差导致的孕灾环境雷电风险在新平、元江县的河谷地带的西部很高； 在新平、元江两县的大部区域均较高； 在红塔区、江川、通海北部、峨山西南部等地势平缓地带最低。

因玉溪高程的不同而导致的雷电风险各地也不同。玉溪市西部边缘、易门中部、红塔区北部、华宁中部、澄江北部等较高海拔地区雷电孕灾风险较高，而新平中部、元江中部等河谷地带孕灾风险较小。

玉溪全市土地利用类型多样，有丘陵、草地、林地、水田等多种类型，土地类型不一，雷电风险也不一样，河边、湖边、海边、低洼地区和地下水位高的地方，都是容易遭受雷击的地方，比较空旷的地方有突出物体也易发生雷击，因此对不同的土地利用类型导致的雷电风险进行赋值(表1)，并对玉溪境内土地利用赋值格点化(图5)，可见元江河谷地带、抚仙湖及星云湖等水域附近均为高风险区，易门、峨山、华宁多为旱地、灌木林、草地，风险中等略高； 新平西部及南部、元江大部多林地，风险中等略低； 红塔区等城镇用地雷电风险最低。

表1 土地利用类型风险赋值(lan)

类型lan类型lan丘陵旱地0 8滩地0 8丘陵水田1 0灌木林0 7中覆盖度草地0 8疏林地0 7低覆盖度草地0 8裸土地0 8其他建设用地0 5裸岩石砾地0 8其他林地0 6高覆盖度草地0 8农村居民点0 6水库坑塘1 0坡旱地0 8永久性冰川雪地1 0城镇用地0 5河渠1 0山地旱地0 8湖泊1 0山地水田1 0平原水田1 0平原旱地0 8有林地0 6

表2 2003～2015年玉溪各县发生雷电灾害次数

县名雷电次数县名雷电次数澄江6通海13峨山2新平5红塔4易门2华宁6元江0江川21

孕灾环境风险综合考虑高程、地形标准差、土地利用情况，计算结果见图6，玉溪市雷电孕灾环境风险在西部边缘、元江东南部、易门南部、峨山北部、红塔区中部、抚仙湖及星云湖等水域附近、华宁中部最高； 新平中南部、元江北部及西部、红塔区西部等雷电孕灾环境风险较低。

2.3 承灾体风险

承灾体风险使用人口密度来评价，人口密度大的地方，出现雷击造成的损失也越大，该文采用卫星遥感监测到的夜间灯光亮度反衍出的人口密度pd。

人口密度分布图(图7)显示玉溪市人口密度大、雷电灾损风险高的地方主要在红塔区中部城区、通海北部、江川中部、澄江中部等人口密集区域。

2.4 雷电灾害综合风险区划

综合考虑致灾因子、孕灾环境、承灾体3方面的因素，计算玉溪市雷电综合风险，采用自然断点法，把玉溪雷电风险分为4级，结果表明：高风险区主要位于澄江中南部、江川中部、红塔区中部、通海中部、华宁局部等区域； 低风险区主要位于元江大部、新平中南部、华宁西南部等区域； 中风险区的分布与低风险区大致一致，紧邻低风险区外围； 次高风险区主要出现在高风险区外围，此外易门、峨山、新平的东西两侧次高风险分布面积也较大。

根据玉溪市2003～2015年各县发生雷电灾害的次数统计(表2)，江川、通海灾情次数最多，华宁、澄江次之，峨山、红塔、新平、易门较少，元江最少，未出现灾情记录。雷电灾情统计结果与风险区划分布趋势大致吻合。

3 结论

(1)该文采用最新的闪电定位仪资料，分析了云南滇中代表地玉溪市的雷电风险。

(2)该文应用灾害风险分析理论，系统分析了云南雷电灾害的致灾因子、孕灾环境、承灾体与灾害形成的关系，构建了包含地闪密度和地闪强度、高程、地形标准差、土地利用情况、人口密度等因子的多层次结构的雷电灾害风险评价指标体系，对玉溪雷电风险进行了精细化区划。

(3)玉溪市雷电灾情的验证表明该文所用数据及方法符合实际，能应用于玉溪地区的雷电灾害风险区划。

(4)该文分析结果表明，玉溪雷电灾害高风险区主要位于澄江中南部、江川中部、红塔区中部、通海中部、华宁局部等区域； 低风险区主要位于元江大部、新平中南部、华宁西南部等区域。

(5)雷电灾害的成因较为复杂，该文因子的选取、权重的取值等不能保证是最优的，均需随着观测数据系列的延长、技术的进步再进一步订正。

[1] 余蜀豫，任艳，覃彬全．基于模糊数学的重庆地区雷电灾害风险评估方法研究．灾害学， 2015， 30(2)： 75～78， 84

[2] 刘垚， 缪启龙，刘淼，等.杭州市雷电活动特征及雷电灾害区划.气象与减灾研究， 2011, 34(4): 62～67

[3] 王惠， 邓勇，尹丽云，等.云南省雷电灾害易损性分析及区划.气象， 2007, 33(12): 83～87

[4] 李玉塔， 傅智斌.2004～2007年江西雷电分布特征分析.气象与减灾研究， 2008, 31(2): 70～72

[5] 胡新华. 人工观测与闪电定位探测雷暴日资料的对比分析.江西气象科技， 2005, 28(3): 55～56

[6] 张日高， 张良春，余建华.利用监测与人工观测数据计算的雷击大地密度比较.气象与减灾研究， 2010, 33(3): 66～67

[7] 尹丽云， 许迎杰，张腾飞，等.云南雷暴的时空分布特征分析.灾害学， 2007, 22(2): 87～92

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

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

[10]汪志红， 王斌会．投影寻踪技术在突发事件风险分类评级中的应用——以广东省雷电灾害风险评价为例．灾害学， 2011, 26(3): 78～82

[11]刘岩， 李征，程向阳，等．安徽省雷电灾害风险区划．南京信息工程大学学报， 2014, 6(2): 163～168

[12]林念萍， 吴荣军，王小英，等．基于层次—灰色关联分析法的闪电灾害风险区划．南京信息工程大学学报， 2014, 6(2): 169～174

[13]张峭， 王克.我国农业自然灾害风险评估与区划．中国农业资源与区划， 2011, 32(3): 32～36

[14]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

[15]胡志全， 程广燕，张昶．大豆自然风险分析及评价指标初探．中国农业资源与区划， 2009, 30(2): 41～44

[16]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

[17]隋刚， 郝兵元，彭林.利用高程标准差表达地形起伏程度的数据分析.太原理工大学学报， 2010, 41(4): 381～384