魯西南地區雷電災害事故頻度預測研究

程 萌，范文鋒，王照宇

(1.山東省巨野縣氣象局，山東 巨野 274900；2.山東省菏澤市氣象局，山東 菏澤 274000)

魯西南地區雷電災害事故頻度預測研究

程 萌1，范文鋒2，王照宇2

(1.山東省巨野縣氣象局，山東 巨野 274900；2.山東省菏澤市氣象局，山東 菏澤 274000)

以魯西南地區雷電災情資料、閃電定位資料、雷暴日資料、土壤電阻率資料、經濟社會資料為基礎，選取8個評價指標對雷電災害頻度預測進行研究，通過相關性分析，發現雷電流≥20 kA地閃密度以及總地閃密度與雷災頻度關系最密切，且通過了α=0.01的顯著性檢驗，土壤電阻率對應的相關系數次之，且通過α=0.05的顯著性檢驗，雷暴日、第三產業比例、人口密度、人均GDP、農村人口比例相關性不密切。通過回歸分析，建立2個雷電災害頻度預測方程，分別通過了α=0.05和α=0.1的F檢驗，利用2015年雷災數據進行驗證，平均誤差較小，具有一定的指導性。

雷電；相關性；回歸；方程

1 引言

雷電災害管理及風險預測逐漸成為專家學者的重要研究內容[1-7]。郭虎[8]、王愛軍[9]、李密[10]等選取雷暴日數、雷電災害頻度、生命易損模數及經濟易損模數作為雷電災害易損性評估指標，分別通過4級分區法、主成份分析法、5級分區法對北京市、唐山市、淄博市雷電災害易損度進行了研究。袁湘玲等[11]利用層次分析法對評估指標權重分布進行了研究，建立了雷電災害風險區劃方程。劉巖等[12]采用層次分析和加權分析法，總結出安徽省各地市雷電災害風險高低，并利用歷史雷災頻次校驗了區劃結果。陳壽軍[13]利用南通地區雷電監測數據及部分城市的氣象數據，結合GIS系統，繪制了該地區雷電災害風險區劃圖。尹娜等[14]、嚴春銀等[15]利用歷史雷災及雷暴日資料，定義出雷災易損性指標，得出廣東省和江西省的雷災易損度的高低。蔣勇軍等[16]利用重慶市災害密度及災害頻度資料，對各區縣的易損度進行了計算。在災害風險評估中，最重要的是選擇評價指標及確定其權重。以上研究均為基于災害風險的理解所構想出的評價指標，通過簡單的數學運算或主觀決策分析方法，賦予各評價指標權重，得出區劃結論。本文選用上述文獻中全部評價指標，分析雷災頻次與評價指標的關聯性，采用向后剔除變量法確定評價指標和權重，構建雷電災害頻度預測方程，以期為防雷減災和雷電災害風險管理提供依據。

2 資料與方法

2.1 資料來源

雷電災情資料來源于2005—2014年中國氣象局編輯的《全國雷電災害匯編》[17]資料，當地民政部門收集的雷電災害資料作為補充。

閃電定位資料來源于山東省閃電定位系統，時間范圍為2007—2014年。該系統在全省共有13個監測站點，于2006年6月投入使用，系統的時鐘同步精度為0.1 μs，定位精度300 m，全省范圍內的探測效率理論值90%以上[18]。

雷暴日資料來源于魯西南地區9個國家氣象站1965—2014年共50 a的每日天氣代碼記錄。

土壤電阻率資料來源于當地防雷中心雷擊風險評估原始記錄數據庫，時間范圍是2009—2014年。

經濟社會資料來源于當地統計年鑒，以區、縣為單元(牡丹區、定陶區、東明縣、巨野縣、鄆城縣、鄄城縣、成武縣、曹縣、單縣)統計出該地區社會經濟狀況[19]。

2.2 研究方法

根據參考文獻，選取雷電災害頻度預測指標：地閃密度、強雷電流密度、雷暴日、土壤電阻率、人口密度、農村人口比例、第三產業比例、人均GDP。計算各指標與單位面積雷災次數之間的相關系數，給定顯著性水平α，若|r|>rα，表明相關性是顯著的，否則不顯著。雷電災害頻度預測方程采用向后剔除變量法和多元線性回歸分析獲得，方程的顯著性用F檢驗，給定信度α，若F>Fα，表明方程是顯著的，否則是不顯著的。

3 雷電災害頻度與評價指標相關性分析

3.1 雷電災害分布

魯西南地區雷電災害空間分布不均勻，曹縣雷電災害最多，東明其次，定陶、成武、鄄城雷電災害較少，其余縣區居中。年平均雷災次數大于40次的有2個縣區，小于20次的有3個縣區。曹縣的雷電災害次數是鄄城的5倍還要多。雷災次數的空間分布差異也影響著單位面積內的雷災頻次。

圖1 2005—2014年年平均雷電災害次數分布Fig.1 Frequency distribution of annual average lightning disaster in 2005—2014

3.2 評價指標影響原因分析

3.2.1 地閃密度 地閃密度是指每平方千米面積內的云地閃次數。地閃是雷電災害的致災因子，是雷電災害的源頭，能夠直接反映出雷電災害可能性的大小。魯西南地區地閃密度存在顯著的高值區，分布在東明南部和曹縣西北部，其余縣區地閃密度較平均(圖1)。高值區的分布與黃河和黃河故道的流經河道基本吻合，產生的原因可能是河道周圍水汽豐富、樹林茂密，大氣層結不穩定，易產生對流，另外潮濕的空氣也為雷電先導提供了低電阻的通道[20]。

圖2 2007—2014年魯西南地區7 a平均地閃密度分布圖Fig.2 Annual average Ground-to-Ground lightning density profile in Southwestern Shandong of 2005—2014

3.2.2 強雷電流密度 在地閃密度相同的情況下，雷電流強度不同，產生的電動力、熱量、靜電感應和電磁感應不同，造成的雷災損失也不同。通過圖2看出，雷電流≥20 kA地閃密度與7 a平均地閃密度的分布類似，存在相同的高值區，形成的原因也相同。

圖3 2007—2014年魯西南地區雷電流≥20 kA地閃密度Fig.3 More than 20kA of lightning flash density in Southwestern Shandong of 2007—2014

3.2.3 土壤電阻率 土壤電阻率是指單位體積土壤電阻的平均值，取決于土壤的含水量和導電離子的濃度。接地電阻由3部分組成：接地體自身的電阻、接地體與土壤的接觸電阻、土壤的散流電阻。土壤電阻率決定著散流電阻的大小，從而影響接地電阻。土壤電阻率高更易引起高電位引入、反擊、旁側閃絡、跨步電壓等雷電災害。

3.2.4 雷暴日 地面氣象觀測規范中定義1 d內聽到1次及以上雷聲時，即記為1個雷暴日。雷暴日資料積累時間長，延續性好，能夠反應出近幾十年雷電活動強弱的歷史平均值。該資料來源于魯西南地區9個國家氣象站1965—2014年共50 a的每日天氣代碼記錄。

3.2.5 經濟社會資料 人口密度、農村人口比例、第三產業比例、人均GDP屬于承災體易損性的范圍，4者的值均對雷電災害風險有影響。

3.3 相關性分析

雷電災害風險指雷電活動對人類生命財產破壞的可能，客觀的表現為雷電災害頻次的高低，可由每平方千米內發生雷電災害的次數來表征。雷電災害風險各評價指標的原始數據見表1，為了衡量每個指標與雷電頻次的相關密切程度，分別計算兩者的相關系數(表2)。

表1 魯西南地區雷電災害風險指標Tab.1 Lightning disaster risk index in Southwestern Shandong

表2 雷電災害頻度與各指標的相關系數Tab.2 Correlation coefficient between lightning disaster frequency and each index

注：**代表通過α=0.01的顯著性檢驗，*代表通過α=0.05的顯著性檢驗。

由表2可以看出，雷電流≥20 kA地閃密度以及總地閃密度對應的相關系數最大，且通過了α=0.01的顯著性檢驗，說明雷電流≥20 kA地閃密度以及總地閃密度與雷電災害頻次正相關，且相關程度密切，致災因子的危險性對雷電災害風險的影響很大。土壤電阻率對應的相關系數次之，且通過α=0.05的顯著性檢驗，說明土壤電阻率與雷電災害頻次相關程度較密切。雷暴日、第三產業比例、人口密度、人均GDP、農村人口比例對應的相關系數較小，這些指標對雷電災害頻次的相關程度不密切，對雷電災害風險的影響較小。

4 雷電災害頻度預測方程的建立

建立雷電災害頻度預測方程的重點是選擇影響指標及賦予權重，通過以上研究，各指標均與雷電災害頻度具有一定的相關性，采用向后剔除變量法進行回歸分析，建立預測方程。

假設預測方程的模式為：y=A1+A2x1+A3x2+A4x3+A5x4+…+Anxn-1，式中A1為常數，A2、A3、A4…An為各指標的權重，x1、x2、x3…xn-1為影響指標。采用向后剔除變量法，分別剔除相關系數最小的后4個和后3個影響指標，使用Excel數據分析工具進行多元回歸分析，分別得到以下2個方程：

方程1：

y=0.005 923+0.000 692x1+0.011 614x2+0.000 057x3+0.000 149x5

R=0.934

方程2：y=-0.013 49+0.000 522x1+0.015 007x2-0.000 13x3+0.001 296x4+0.000 037x5R=0.957

式中：y為雷電災害頻次，(次/km2·a)

x1為地閃密度，次/(km2·a)；

x2為雷電流≥20 kA地閃密度，次/(km2·a)；

x3為土壤電阻率，(Ω/m3)；

x4為雷暴日，(d/a)；

x5為第三產業比例。

方程1和方程2分別通過α=0.05和α=0.1的F檢驗，方程是顯著的。方程1中自變量由相關系數最大的4個影響指標組成，分別是地閃密度、雷電流≥20 kA地閃密度、土壤電阻率、第三產業比例；方程2中增加了雷暴日。利用2015年魯西南各縣區實際雷災頻度對方程1、方程2進行驗證(表3)，方程1的平均誤差為12.2%，其中絕對誤差大于20%的只有1個縣區，為21.6%，小于10%的縣區為3個；方程2的平均誤差為14.8%，其中絕對誤差大于20%的有3個縣區，最大值為43%，小于10%的縣區為4個，最小值為1.1%。兩個方程均能將絕對誤差控制在一定范圍內，平均誤差較小，且部分縣區接近真實值，所以驗證結果是理想的，兩個方程對雷電災害風險管理具有一定的參考性。

表3 2015年實際雷災頻次及方程計算雷災頻次Tab.3 The actual calculation of lightning frequency of lightning frequency and equation in 2015

5 討論與結論

通過對魯西南地區雷電災害評價指標進行相關性分析，并建立雷電災害風險區劃方程，得出如下結論：

①與雷電災害風險相關性程度最密切的是地閃密度和雷電流≥20 kA地閃密度，較密切的是土壤電阻率、第三產業比例和雷暴日，人口密度和農村人口比例密切程度較低。

②通過回歸分析得到的雷電災害頻度預測方程計算值與實際發生的雷災平均誤差分別為12.2%和14.8%，且部分計算值接近真實值，方程對雷電災害風險管理具有一定的指導性。

為了得到全面的雷電災害數據，在氣象部門搜集的雷電災害基礎上，增加了民政部門的雷災信息，使研究對象具有一定的代表性。隨著雷災搜集渠道的進一步拓寬，雷災數據進一步完善，研究結果將更科學。

[1] N.MAZARAIS,Storms and Lightning Activity in Greece during the warm periods of 2003-2006[J]. Journalof applied meteorology andclimatology,2008,46(12):3089-3098.

[2] 田艷婷,吳孟恒,史鋒旗,等.河北省雷電災害易損性綜合評估與區劃[J].氣象科技,2012,40(3):507-512.

[3] 王惠,鄧勇,尹麗云,等.云南省雷電災害易損性分析及區劃[J].氣象,2007,33(12):83-87.

[4] 王愛軍,柴瑞.唐山市雷電災害易損性分析及易損度區劃[J].建筑電氣,2010,29(10):28-32.

[5] 黃灝,王寶.煙臺市雷電災害易損性分析及區劃[J].山東氣象,2012,32(130):35-38.

[6] 陳星宇,林英鑒,樊江偉.閃電定位儀與人工觀測雷暴日的對比分析[J].貴州氣象,2015,39(1):47-49.

[7] 李衣長,張泉鋒,邱旺勇,等.新一代天氣雷達站雷災調查鑒定與防雷技術研究[J].貴州氣象,2016,40(1):56-59.

[8] 郭虎,熊亞軍.北京市雷電災害易損性分析評估及易損度區劃[J].應用氣象學報,2008,19(1):35-39.

[9] 王愛軍,柴瑞.唐山市雷電災害易損性分析及易損度區劃[J].建筑電氣,2010,29(10):28-32.

[10]李密,邱東鳳,石娟，等.淄博市雷電災害易損性風險評估及區劃[J].中國安全生產科學技術,2013,9(8):177-182.

[11]袁湘玲,紀華,程琳.基于層次分析方程的黑龍江省雷電災害風險區劃[J].暴雨災害,2010,29(3):279-283.

[12]劉巖,李征,程向陽，等.安徽省雷電災害風險區劃[J].南京信息工程大學學報,2014,6(2):163-168.

[13]陳壽軍.沿海地區雷電活動特征及風險區劃研究[D].南京師范大學碩士論文,2013.

[14]尹娜,肖穩安.雷災易損性分析、評估及易損度區劃[J].熱帶氣象學報,2005,21(4):441-449.

[15]嚴春銀.江西省雷電災害易損性分析及其區劃[J].江西科學,2006,24(2):131-135.

[16]蔣勇軍,況明生,匡鴻海,等.區域易損性分析、評估及易損度區劃-以重慶市為例[J].災害學,2001,16(3):59-64.

[17]中國氣象局雷電防護管理辦公室,全國雷電災害匯編(內部資料)[M].2004-2014.

[18]寧波,鞏在武.2007-2011年山東省夏季閃電分布特征分析[J].山東農業大學學報,2015,46(4):613-617.

[19]菏澤市統計局.菏澤統計年鑒2015[M].北京:中國統計出版社,2015.

[20]程萌,陳楠.菏澤地區地閃分布特征[J].中國農學通報,2016,32(26):157-162.

StudyonLightningDisasterRiskZoningModelinSouthwestShandong

CHENG Meng1, FAN Wenfeng2, WANG Zhaoyu2

(1.Juye Meteorological station of Shandong province，Juye 274900,China;2.Heze Meteorological Bureau of Shandong province, Heze 274000,China)

Based on the lightning disaster data, ground-to-ground lightening data, thunderstorm days, soil resistivity data and social economic data of southwest Shandong. 8 evaluation indexes were selected and analysis frequency forecast of lightning disaster was analyzed. The conclusion shows that the density of the maximum correlation coefficient should be the lightning current more than 20kA and the total flash density, and through a significant test a =0.01, soil resistivity corresponding correlation coefficient of the second, and through the significant test of a =0.05, do not close thunderstorm and the proportion of the third industry, population density, per capita GDP, the proportion of rural population correlation. Through regression analysis, 2 equations of lightning disaster frequency prediction were established, respectively through a =0.05 and a =0.1 F test, verified by the 2015 disaster data, the average error is small, with some guidance.

lightning; relevance; regression; model

1003-6598(2017)05-0067-05

2017-05-01

程萌(1982-)，男，碩士，工程師，主要從事氣象防災減災工作，E-mail:83704198@qq.com。

P446

B