成都市雷電災害風險區劃分析

張 琨，卜俊偉，張 亮

(四川省防雷中心，四川 成都 610072)

?

成都市雷電災害風險區劃分析

張 琨，卜俊偉，張 亮

(四川省防雷中心，四川 成都 610072)

該文通過分析2009—2014年成都市閃電定位儀數據和成都市各區縣人文經濟數據(人口密度和生產總值)，采用氣象學分級統計分析方法，建立數學模型進行綜合分析，對成都市區縣進行雷電災害風險區劃，分析結果表明：郫縣、龍泉驛區、青羊區和雙流區雷電災害綜合風險較大，這些區域的重點建筑物及其附屬設施(易燃易爆場所、危化品場所、大型公共設施及人口密集區、工業集中區和高層建筑等)，應加強防雷設施的安裝與檢測。

閃電定位儀；人文經濟數據；雷電災害；風險區劃

1 引言

成都市位于四川盆地西部，下轄9區6縣，代管4個縣級市，面積12 121 km2，總人口1 210萬人。成都所處地理環境特殊，雷電發生頻次多、范圍廣，雷暴活動期長。成都市防雷中心數據統計，自2004年以來，成都市因雷擊造成的直接和間接損失累計超過億萬元以上，且有逐年上升的趨勢。本文對成都市進行雷電災害風險區劃研究，目的是對極高風險區域進行重點雷擊防護，降低雷擊風險。

近年來，全國各地氣象專家已經對雷電災害風險區劃進行了相關的研究。李秀東[1]在《全國雷電災害統計分析》中分析了全國1999—2008年平均閃電密度、平均雷暴日和雷電傷亡分布，并指出與雷災數關系密切的因子依次是雷災傷亡人數、閃電密度、人口總數和財產損失。程向陽等[2]利用氣象資料、社會經濟數據和雷電災害等資料開展了對安徽省的雷電風險區劃研究。程麗丹等[3]對河南省雷災易損性進行了研究。卜俊偉[4]對四川省進行了雷電災害風險區劃，其中包括成都市的雷電災害風險區劃，但是文中沒有對成都市區域進行一個更加詳細的雷電災害風險區域劃分。

本文借鑒前人的研究成果，并結合成都市的特點，定義雷電災害風險因子，運用雷電災害風險評估的評估體系和數理統計方法，對成都各區縣進行雷電災害風險分析，形成了成都市雷電災害風險區劃圖，對提升成都市雷電災害主動防護能力，降低因雷電災害帶來的損失和保障人民生命財產安全具有極其重要的意義。

2 數據統計

本文所分析的數據主要有兩部分組成，分別來自成都市防雷中心和成都市統計局，由于成都市統計局至今還未公開發布2015成都市區市縣統計年鑒，故選取2009—2014年閃電定位儀的數據和2009—2014年成都市人文經濟數據(成都市人口密度和成都市區域生產總值)進行分析。

2.1 閃電定位儀的數據分析

ADTD閃電定位儀[5]是一種監測雷電發生的氣象探測儀器，是指利用閃電輻射的聲、光、電磁場特性來遙測閃電放電參數的一種自動化探測設備，并把經過預處理的閃電數據實時地通過通訊系統送到中心數據處理站實時進行交匯處理，可全天候、長期、連續運行并記錄雷電發生的時間、位置、強度和極性等指標。本文采用閃電定位儀的指標有:雷電密度、雷暴日等。

2009—2014年成都市年均雷電密度分布圖，如圖1所示，雷電分布基本覆蓋全成都，其中，成都市區、雙流區和龍泉驛區3地的部分區域雷電密度相對較大，雙流區雷電密度高達72次·km-2·a-1,溫江區密度最小,低于1.5次·km-2·a-1。

2009—2014年成都市年均雷暴日分布圖，如圖2顯示，成都市南部大部分區域雷暴日較多，北部地區較少，雙流區最高，雷暴日高達49 d。

閃電定位儀的數據雖然能分析出雷擊分布和雷擊密度，能反映出本地區雷電發生的情況，然而并不能從全局分析雷擊風險，因此，需要結合人文經濟指標綜合分析，才能更加科學的對成都市雷電災害進行風險劃分。

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

2.2 人文經濟指標的數據分析

本文采用的人文經濟指標包括人口密度和生產總值，從人民的生命財產安全方面來反應雷電災害發生時所帶來的危害程度。

圖3是2009—2014年區域人口密度分布統計，圖4是2009—2014各區域生產總值分布，由圖可知，成都市主城區人口密度相對較高，成都市主城區、龍泉驛區和雙流區生產總值相對較高。

圖3 2009—2014年區域人口密度分布統計Fig.3 Regional population density distribution in 2009—2014

圖4 2009—2014年各區域生產總值分布Fig.4 Regional GDP distribution in 2009—2014

3 雷災害風險區劃數學模型的建立

通過以上成都市閃電定位儀和人文經濟指標數據的統計與分析，建立雷電災害風險因子，參數定義如下：

①區域雷電密度定義為ρL(單位:個·a-1·km-2)，是指各區域內每平方公里內每年發生的雷電次數，其值越高，范圍內發生雷電災害的幾率越大，本文采用的雷電密度取各區域2009—2014年的年平均值，來反應各區域的年平均雷電密度。

②區域雷暴日定義為D(單位：d/a)，是指每年發生在區域內的雷暴天數，D值越大，此區域每年發生的雷擊天數越多，潛在風險越大，本文選取各區域2009—2014年雷暴日的年平均值。

③區域人口密度定義為Rp(單位：人/km2),是指每平方公里范圍內的人口數。Rp值越大，當雷擊發生時，所造成的傷亡風險越大，本文選取2009—2014年人口密度的平均值。

④區域單位面積生產總值Va(單位：萬元)，表示區域內單位面積生產總值Va值越大，當發生雷擊災害時，造成的經濟損失越大，本文選取2009—2014年單位面積生產總值的年平均值。

經計算，19個區縣的雷電災害風險因子如表1所示：

表1 各區縣的雷電災害風險因子

按照災害學統一量綱的方法，對各等級的風險指數進行如下劃分：極高等級1.0，高等級為0.8，中等級為0.5，低等級為0.2。采用氣象學統計分析中的分級統計方法[6]，其核心思想是將成都市19個區縣的各項評價指標按從小到大的順序排列，按照1～3組包含5 個評價指標，第4組包含4個評價指標進行分組，然后第n(n=1，2，3) 組的最大值和第n+l組中的最小值的平均值作為第n級的最大值和第n+l級的最小值。根據此算法，對雷電災害風險因子進行等級劃分，如表2所示：

表2 雷電災害風險因子等級劃分

定義雷電災害風險值Rs=(ρL′+D′+Rp′+Va′)/4，由此公式計算各區縣的雷電災害風險值，如表3所示：

表3 雷電災害風險值

同樣采用分級統計方法，對19個區縣的綜合雷電災害風險值進行分級劃分，劃分為4個等級:極高風險區(Rs>0.69),高風險區(0.625≤Rs<0.69),一般風險區(0.575≤Rs<0.625),低風險區(Rs<0.575)，19個區縣的劃分情況，如表4所示：

表4 風險區劃分布

運用RrcGIS[7]對成都市雷電災害風險區劃進行色塊劃分，如圖5所示。

圖5 成都市雷電災害風險區劃圖Fig.5 Lightning disaster risk zoning map of Chengdu City

4 結論

研究表明，青羊區、郫縣、龍泉驛區和雙流區等4個區域在綜合分析中，屬于極高風險區， 青羊區作為主城區，人口密集，樓宇林立，應對高層樓宇和人口密集區重點防護；雙流區作為天府新區核心區域，成都雙流國際機場所在地，具有眾多高新技術企業，應在感應雷防護方面進行重點建設；龍泉驛區緊鄰主城區，農業占比較大，在空曠的戶外作業較多，應加強檢查當地農民的用電設施、房屋結構等，不符合防雷要求的要整改，對民眾進行如何在戶外避雷的常識宣傳。

邛崍市、成華區、浦江縣和彭州市雖然是低風險區，并不代表不需要進行雷電防護，雷擊事故往往是人員的疏忽和相關意識不夠造成的，要加強雷電風險意識的培養。

雷擊發生地點是一個不可預測的，但是可以減少此風險帶來的危害，雷擊災害風險區劃是一個復雜的過程 ，本文選取的4個風險因子還不能從微觀上反應每個建筑物的雷擊風險，如何采用更加全面的風險因子和更加細化的算法進行分析是下一階段需要研究的重心。

[1] 李秀東.全國雷電災害統計分析[J].沙漠與綠洲氣象,2011,8(5):1-3.

[2] 程向陽,謝五三.雷電災害風險區劃方法研究及其在安徽省的應用[J],氣象科學,2012,32(1):80 -85.

[3] 程麗丹,張永剛,等.河南省雷電災害易損性分析及風險區劃[J].氣象與環境科學,2011,34(3):50-54.

[4] 卜俊偉.基于閃電定位資料的四川省雷電風險區劃分析[J].高原山地氣象研究,2014,34 (2):87-90.

[5] 黃志興.ADTD型閃電定位儀的日常使用和維護[J].氣象水文海洋儀器,2015,6 (2):112-113.

[6] 中國氣象局監測網絡司.地面氣象電碼手冊[M].北京:氣象出版社,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

張琨(1987—)，男，助工，主要從事雷電防護和檢測預警工作，E-mail:514690043@qq.com。

成都市氣象局資助課題(成氣發42)“成都市雷災隱患調查研究”。

P429

B