長沙地區雷暴特征及雷擊災害風險區劃分析

賀秋艷 郭斌 楊加艷 吳亞昊 王少娟

摘要：基于長沙地區4個氣象臺站1951—2013年的雷暴觀測資料和2009—2017年閃電監測數據，分析了本區域內雷暴時空分布特征及規律;同時，結合長沙地區2002—2017年的雷擊災害、人口密度等數據，選取雷擊密度、雷擊災害頻度、生命易損模數及經濟易損模數構造了雷電災害易損性評估模型，對長沙地區進行了雷電災害風險區劃。結果表明，長沙地區年平均雷暴日數總體呈下降趨勢，下降傾向率為1.858 d/10 d;雷暴季節性變化明顯，以夏季出現最多，約占全年雷暴日數的46.6%;存在5～6年，13～14年的年際尺度顯著變化周期;長沙縣、寧鄉縣為雷擊災害極高易損區，望城區為高易損區。

關鍵詞：雷電;雷擊災害;易損性;區劃

中圖分類號：P429? ? ? ? 文獻標識碼：A

文章編號：0439-8114（2018）23-0065-06

DOI：10.14088/j.cnki.issn0439-8114.2018.23.015? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）：

雷電是大氣中超長距離放電過程，通常伴隨著強對流天氣過程而發生，它是一種常見的自然現象，根據全球雷電的衛星觀測結果估計，全球每秒鐘約有46次雷電發生，而中國每分鐘發生70余次雷電[1]。雷電因其強大的電流、炙熱的高溫、強烈的電磁輻射及猛烈的電磁波等物理效應[2]，在瞬間能夠產生巨大的破壞作用，對人類的人身和財產安全構成巨大的威脅。

長沙為湖南省省會，位于湖南的東部偏北，坐標為111°53′—114°5′E，27°51′—28°40′N，屬亞熱帶季風性濕潤氣候，春、夏季冷暖氣流交匯頻繁，容易產生強對流天氣及雷暴活動。長沙地區年平均氣溫為17.4 ℃，年平均降水總量為1 475.7 mm，平均降水日數為154.7 d，年平均雷暴日為47.7 d，屬多雷區。據不完全統計，2002—2017年長沙地區共計發生雷電災害事故1 807起，造成22人死亡，30人受傷，直接經濟損失1 584.92萬元。

本研究利用長沙地區4個氣象臺站1951—2013年的雷暴觀測資料和2009—2017年閃電監測數據，分析了該區域雷暴分布特征及其規律。在此基礎上，結合2002—2017年的雷擊災害資料、湖南省統計局人口密度資料，對該區域進行雷電災害風險區劃，旨在為有效地開展長沙地區的雷電災害防御工作提供一定的科學依據。

1? 數據資料與方法

1.1? 數據來源

雷暴日數使用長沙地區1951—2013年望城站、馬坡嶺站、寧鄉站和瀏陽站4個氣象臺站的雷暴觀測資料，一定程度上表征了該區域雷暴活動的頻繁程度，一個雷暴日內一般可出現多次雷暴。

閃電定位資料來自于湖南省ADTD型雷電監測網，該監測網由安裝在長沙、益陽、岳陽等10臺閃電定位儀組成，監測覆蓋全省，能對全省范圍內的閃電情況進行實時監測和定位，可獲取地閃回擊的經緯度、雷電流峰值、雷電流極性及定位站等信息。

歷史雷擊災害資料里記錄了每次雷災發生的時段、地點、雷災起數、人員傷亡及財產損失情況、引起雷災的主要原因、雷災發生地環境、受損部門及行業、受損財物的類型等。由于資料本身不全的原因，如在某年部分區域缺失雷災記錄，同時由于某些農村地區存在封建迷信的思想和交通信息閉塞，還有大部分雷災未上報，因此本研究得到的是雷災特征的不完全統計結果。

長沙市共六區二縣一市，分別為芙蓉區、天心區、岳麓區、開福區、雨花區、望城區、長沙縣、寧鄉縣及瀏陽市，行政面積、人口分布等社會經濟資料來自湖南省統信息網站。

1.2? 研究方法

利用最小二乘法、氣候傾向率和小波分析等統計方法。采用最小二乘法計算雷暴日數線性回歸趨勢方程，表達式為[3]：

Y=at+b? （1）

式中，回歸系數a表示雷暴日的氣候傾向趨勢[3]，把10年稱為氣候傾向率。

雷暴氣候趨勢系數rxt能研究雷暴在氣候變化中升降的定量程度，并可對其進行統計檢驗[4]：

rxt=■? ?（2）

其中，n為統計年限，xi是第i年的年雷暴日，■為所統計的63年內年平均雷暴日，■為自然數序列的平均值，用公式表示為■=（n+1）/2，rxt的正（負）值表示該要素在所統計年限內有增加和減少的趨勢，

rxt絕對值越大表明該要素增加和減少的程度越明顯，即表示氣候變化趨勢越明顯[5]。

小波分析是由法國石油工程師Morlet于1980年在進行地震數據分析工作時首創。它是一種信號的時間-頻率分析方法，具有多分辨率分析的特點，在時域和頻域都能反映出信號的振幅、相位和功率的局部變化特征，近年來廣泛用于多尺度氣候分析研究中[6]。Morlet小波母函數的形式為：

？鬃（x）=e ■e ■（3）

式中，c是常數，取c=6.0，其子小波為？鬃a，b（x）=■？鬃■，？鬃■，以此作為為基本小波，具有波動性和衰減性。

對一個離散的時間序列f（t），t=1，2，3…n，小波變換的形式可寫為：

FW（a，b）=■×■■f（t）？鬃■ （4）

式中，n為統計年限，Ck為小波變換系數，Ck=2π■■;a=2j（j=1，2，……）為尺度放大因子，其倒數相當于頻率，當a較小時，頻域分辨性較差，而時域分辨性好;當頻域分辨率增加時，時域分辨率則減少[7]。b為平移因子，反映時間平移;？鬃（w）為子波？鬃（w）經傅立葉變換得到的譜。在本研究中，f（t）為長沙地區1951—2013年的年平均雷暴日數。

2? 數據分析與結果

2.1? 雷暴年際變化特征

長沙地區1951—2013年的年平均雷暴日為47.7 d，最多的74.7 d出現在1967年，最少的29.5 d出現在1989年。從圖1可以看出，該地區的雷暴日年際變化比較大，尤其是在1967、1973年以及1989年左右波動情況比較明顯。

從總體趨勢來看，近63年長沙地區年平均雷暴日數在波動中緩慢減少。對該地區1951—2013年雷暴日監測數據運用最小二乘法計算年雷暴日數的趨勢定量變化，一次線性方程為y=-1.858x-0.365 8，其中氣候傾向率為-1.858/10年，表示長沙地區從1951年開始，年雷暴日數在總體上呈現出緩慢的遞減趨勢，每10年減少約1.858 d。

2.2? 雷暴周期分析

因為雷暴日數據是有限時間數據序列，在序列的兩端可能會產生邊界效應。為了消除或減小序列開始點和結束點附近的邊界效應，首先對該地區63年年雷暴日開始點和結束點兩端的數據進行延伸。在小波變換完后，在去掉延伸數據的小波變換系數，保留原來時間尺度下的小波變化尺度。小波變換取樣周期為1，最大尺度為32。當小波系數實部值為正時，代表雷暴日旺盛期;為負時，表示雷暴日蕭淡期。

圖2為長沙地區63年年雷暴日小波系數實部等值線。由圖2可以看出，雷暴日演化過程中存在多時間尺度特征。總的來說，長沙地區雷暴日變化過程中存在5～6年、13～14年的尺度周期變化規律。其中，在5～6年、13～14年尺度上均出現了谷-峰交替的準3次振蕩;同時，還可以看出以上兩個尺度的周期變化在整個分析時段表現比較穩定，5～6年左右的周期振蕩在1965—1980年表現明顯，1980年左右，5～6年的周期信號呈減弱趨勢，逐漸變為13～14年的周期振蕩信號。

2.3? 雷暴月際變化特征

從圖3可以看出，長沙地區一年中每個月都可能出現雷暴，1—12月平均雷暴日數變化折線呈雙峰型分布，在4月和8月出現兩次峰值;其中以8月出現的最多，累積年平均有8.9個雷暴日，占全年雷暴日的18.66%;其次是4月和7月，累計平均有7.5個雷暴日，均占全年雷暴日的15.72%，雷暴總體多出現在4—8月，5—8月累計平均出現35 d，約占全年雷暴日數的73.38%。1月、11月和12月出現的最少，2月、10月次之。

2.4? 閃電空間分布特征

長沙地理坐標為111°53′—114°5′E，27°51′—28°40′N，東西長約233 km，南北寬約90 km，4個觀測站從西至東依次為寧鄉站、望城站、馬坡嶺站以及瀏陽站，基于雷暴日存在一定的空間相關性，利用普通Kriging法對4個站點1951—2013年平均雷暴日進行插值，得到長沙地區年平均雷暴日的空間分布圖[8]。從圖4可以看出，長沙雷暴日呈啞鈴狀分布，東西分布為兩頭多、中間少。地處長沙東部的瀏陽年均雷暴日數最多，為50.2 d;中部偏西地區的馬坡嶺最少，為36.4 d。長沙雷暴日的這一空間分布特征主要與地形和氣候有一定的聯系，長沙地區東有連云山脈、大圍山脈、九嶺山脈等，中部是長衡丘陵盆地向洞庭湖平原過渡地帶，東部瀏陽站與西部的寧鄉站與山脈接壤，是雷暴的多發地區，而中部平原地區則雷暴日較少[9]。

3? 雷電災害風險區劃

3.1? 風險區劃評價指標

災害的發生是由致災因子的危險性、孕災環境的敏感性和承災體的易損性決定的[9]。其中，致災因子和孕災環境的存在是客觀的、自然的，而承災體不同，人為因素會起到一定的作用。具體到雷電災害，致災因子是雷電本身，孕災環境是地形、地貌及土壤等，承災體是人員和物體。

選取評價指標是進行雷電災害風險區劃的基礎，是分析和研究事物風險的切入點。本研究結合長沙地區的雷電災害的實際情況，采用以下4個指標來分析長沙地區的雷災易損性，包括雷擊密度、雷擊災害頻度、經濟易損模數以及生命易損模數[10]。其中前兩項指標著重于雷電和雷電災害發生頻率、次數的評價，反映致災因子的時空分布和承災體的受損程度，后兩項指標則側重于人員和經濟損失的評估，反映承災體的受損強度[11]。

3.1.1? 雷擊密度Ng

Ng=N/S（5）

式中，Ng是指單位面積上所發生的年雷擊大地次數，單位為次/（km2·年），反映的是某地區雷擊頻繁程度[12]。其中，N為湖南省ADTD型雷電監測網提供的某區域地閃總次數，本研究取2009—2017年的年平均雷擊大地次數。S為區域面積，單位為km2。

3.1.2? 雷擊災害頻度F

F=N/n? ? （6）

式中，F是指區域內所發生雷擊災害的年平均次數，單位為次/年，反映的是某一地區發生雷擊災害的頻繁程度，以及承災體防御雷擊的能力強弱[12]。其中，N為長沙地區2002—2017年的雷擊災害資料，n為統計時間序列。

3.1.3? 經濟易損模數E

E=Es/S? ?（7）

式中，E是指區域發生雷電災害時單位面積上的直接經濟損失，單位為萬元/km2，反映的是某一地區因雷擊造成的經濟受損情況[13]。其中，Es為區域內因雷擊造成的直接經濟損失額，單位為萬元;S為區域面積，單位為km2。

3.1.4? 生命易損模數L

L=Ls/S? ? （8）

式中，L是指區域發生雷電災害時單位面積上受危害人口數量，單位為千人/km2，反映的是某一地區因雷擊造成的人員受傷害情況[14]。Ls為區域內因雷擊造成的人員受傷害數量，單位為人;S為區域面積，單位為km2。

3.2? 評價指標的權重計算

每個評估指標在雷擊災害風險分析的作用是不一樣的，為了區分不同指標的重要程度，每個指標都有自己的權重系數。權重計算方法主要有經驗法、專家打分及層次分析法，本研究中各指標參量的權重采取目前比較認可的層次分析法來計算。層次分析法是把一個復雜的系統分解為若干個有序層次，每一層次中有若干個具有大致相等地位的元素，組建而成的一個遞階層次結構模型[15]。在該模型中，根據客觀事實的判斷，通過兩兩比較判斷的方式確定同一層次中每個指標的相對重要性，以數字的方式建立判斷矩陣，然后利用向量的計算方法得出同一層次中每個指標的相對重要性權重系數。根據層次分析法的基本原理，建立了雷電災害風險區劃權重的判斷矩陣，如表1所示。

采用Matlab軟件，判斷矩陣A的最大特征值？姿max為4.051 1，最大特征值對應的特征向量W=[0.472 85 0.284 38 0.072 85 0.169 92]，一致性比例值CR=（4.051 1-4）/3=0.017，因為CR<0.10，可以判斷矩陣通過一致性檢驗。

3.3? 風險區劃的計算模型

將根據層次分析計算得到的評估指標權重向量W和區劃評價指標體系Q代入雷擊災害風險區劃模型R=W×Q中，可得到雷電災害風險值R與區劃評價指標之間的計算公式為[16]：

R=0.472 85Ng+0.284 38F+0.072 85E+0.169 92L（8）

即上述公式為雷電災害風險區劃模型。

3.4? 雷電災害風險區劃結果

為了對長沙雷電災害作出風險區劃，首先，計算各區具體的區劃評價指標值。即根據閃電定位資料，計算9個區縣年平均地閃密度;根據雷電災害統計資料，以9個區縣為基本分析單元，統計各區的雷擊事件，計算出各區雷擊災害頻度;根據因雷擊造成的人員和經濟損失統計資料和行政面積資料，以9個區縣為基本分析單元，計算出各區縣的經濟易損模數和生命易損模數，統計結果如表2所示。

因各指標值存在量綱不統一的問題，各個指標之間并不具有可比性，難以進行統一的評價和計算，因此，在進行綜合評估之前，需要對指標值統一量化，將所有指標值統一量化成無單位的數據集，使每個指標的評價和計算具有一致性。其中的指標值用極高、高、中、低4個級別來描述，量化賦值分別為1.0、0.8、0.5和0.2。分級方法采用氣象學統計分析中的分級統計方法，其核心思想是，首先將全市9個縣區某個指標值從小到大按順序排列，并按每組3個記錄分為3組數據;然后，將第n（n=1，2，3）組中的最大值和第n+1組中的最小值的平均值作為第n級的最大值和第n+1級的最小值[17]。4個雷電災害指標分級標準如表3所示。

根據指標值及等級標準，判斷9個縣區每個指標的所屬級別及級別指標值，再根據雷電災害風險區劃模型R=0.472 85M+0.284 38P+0.072 85D+0.169 92L，計算得到各區縣雷電災害風險值，結果如表4所示。

分析表4得出雷擊密度較高的地區為寧鄉縣、望城區、長沙縣等地;雷擊災害頻度較高的地區位于長沙縣;經濟易損指數較高的地區是長沙市天心區;生命易損指數較高的是長沙市芙蓉區。綜合風險值較高的地區為長沙縣、寧鄉縣、望城區，綜合指數表明，雷擊災害易損度較高的地區既有雷擊密度較高也有社會經濟相對較發達地區。

根據表4中的雷電災害風險值R，同樣采用4分級統計方法分區法將9個縣區劃分為雷電災害低風險區、中風險區、高風險區和極高風險區，如表5所示。

根據表4各區縣的風險值及表5的雷電災害綜合風險值R評判標準，可得到長沙地區雷電災害風險區劃結果，如表6所示，結果表明長沙縣、寧鄉縣為雷擊災害極高易損區，望城區為高易損區，天心區、岳麓區、瀏陽市為中易損區，芙蓉區、開福區、雨花區為低易損區。

4? 小結

利用長沙地區4個氣象臺站63年的雷暴觀測資料和閃電監測數據，通過最小二乘法、氣候傾向率和小波分析等統計方法，分析了區域內雷暴時空分布特征及規律;同時，結合雷擊災害、人口密度等數據，構造雷電災害易損性評估模型，對長沙地區進行了雷電災害風險區劃，得到以下結論。

1）長沙地區年平均雷暴日為47.7 d，年雷暴日總體上呈現出緩慢的遞減趨勢，每10年減少約1.858 d。

2）長沙地區年平均雷暴日演化過程中存在5～6年、13～14年的尺度周期變化規律。其中，5～6年左右的周期振蕩在1965—1980年表現明顯，1980年左右，5～6年的周期信號呈減弱趨勢，逐漸變為13～14年的周期振蕩信號。

3）由累年各月雷暴日分布可見，一年中每個月都可能出現雷暴，其中以8月出現的最多，累積年平均有8.9個雷暴日，占全年的雷暴日的18.66%;其次是4月和7月，累計平均有7.5個雷暴日，均占全年的雷暴日的15.72%，11月和12月出現的最少。

4）長沙雷暴日空間分布為兩頭多、中間少。地處長沙東部的瀏陽年均雷暴日數最多，為50.2 d;中部偏西地區的馬坡嶺最少，為36.4 d。

5）長沙地區雷電災害高風險區主要分布在長沙縣、寧鄉縣、望城區等地，低風險區位于長沙市芙蓉區、開福區、雨花區等地。

參考文獻：

[1] 馬? 明，張義軍，孟? 青，等.我國的雷電災害及其防御[J].中國應急管理，2008（12）：55-57.

[2] 崔海華，吳孟恒，扈? 勇.河北省雷電監測預警預報與減災對策研究[J].中國科技成果，2014（22）：74-75..

[3] 程? 林，余漠全，黃? 洋，等.安慶市雷暴氣候統計特征研究[J].農業災害研究，2017，7（1）：17-19.

[4] 胡先鋒.江西省雷暴活動時空變化特征及雷電災害的研究[D].南京：南京信息工程大學，2007.

[5] 鄭羨儀，唐兵兵.梧州近30年雷暴特征分析[J].氣象研究與應用，2012，33（S1）：174-175.

[6] 李京校，李家啟，肖穩安，等.重慶市雷暴氣候變化特征分析[J].熱帶地理，2011，31（2）：171-177.

[7] 時慧宇.云南省城鎮居民收入與消費關系的統計分析——基于小波分析理論[D].昆明：云南財經大學，2014.

[8] 楊云蕓，姚? 蓉，王曉雷，等.近40年長沙地區雷暴天氣的氣候特征分析[J].高原山地氣象研究，2016，36（4）：59-64.

[9] 賀芳芳，邵步粉.上海地區低溫、雨雪、冰凍災害的風險區劃[J].氣象科學，2011，31（1）：33-39.

[10] 李? 密，邱東鳳，時? 娟.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] 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.

[12] 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.

[13] 陳可裕，劉? 剛，尹? 波.龍泉驛區雷電災害風險調查評估與區劃[J].中國科技縱橫，2016（21）：161-162.

[14] 尹? 娜，肖穩安.區域雷災易損性分析、評估及易損度區劃[J].熱帶氣象學報，2005，21（4）：441-448.

[15] 錢興成，陸? 強，王? 佳.常用多指標綜合評價方法述評[A].中國水污染控制戰略與政策創新研討會論文集[C].北京：中國環境科學出版社，2010.

[16] 劉玉清，崔忠強，賈寶山，等.基于層次分析模型的吉林省雷電災害風險評估及區劃[J].氣象水文海洋儀器，2014，31（3）：121-124.

[17] 袁湘玲，紀? 華，程? 琳.基于層次分析模型的黑龍江省雷電災害風險區劃[J].暴雨災害，2010，29（3）：279-283.