內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)風(fēng)險區(qū)劃研究

摘 要：為了研究雪災(zāi)對內(nèi)蒙古地區(qū)光伏發(fā)電工程建設(shè)和運(yùn)營的影響，根據(jù)內(nèi)蒙古地區(qū)內(nèi)119個國家氣象站的觀測資料，通過地理信息系統(tǒng)（GIS）空間分析，利用氣象災(zāi)害風(fēng)險評價理論和層次分析方法，從致災(zāi)因子危險性、承災(zāi)體暴露度和承災(zāi)體脆弱性這3個評價因子的角度建立了雪災(zāi)風(fēng)險區(qū)劃模型，對內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)風(fēng)險區(qū)劃進(jìn)行了研究。研究結(jié)果表明：內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)風(fēng)險分布呈由西南向東北逐漸加重的趨勢。低風(fēng)險區(qū)主要分布在阿拉善盟、巴彥淖爾市北部與南部地區(qū)、鄂爾多斯市西部地區(qū)、赤峰市東部地區(qū)，以及通遼市的大部分地區(qū)。次低風(fēng)險區(qū)主要分布在內(nèi)蒙古西部偏東、中部偏西地區(qū)，赤峰市與通遼市的部分地區(qū)，以及興安盟中部地區(qū)。中等風(fēng)險區(qū)主要集中在呼和浩特市北部地區(qū)、包頭市的少部分地區(qū)、烏蘭察布市中西部地區(qū)，以及錫林郭勒盟的大部分地區(qū)。次高與高風(fēng)險區(qū)相對比較集中，主要分布在錫林郭勒盟的少部分地區(qū)和呼倫貝爾市。針對內(nèi)蒙古地區(qū)的光伏發(fā)電工程，應(yīng)加強(qiáng)雪災(zāi)前期評估，將雪災(zāi)相關(guān)參數(shù)和報告納入光伏發(fā)電工程前期可研評估的影響因素中，提高工程防御雪災(zāi)的能力；建立相應(yīng)的雪災(zāi)應(yīng)急預(yù)案，結(jié)合氣象部門的氣象預(yù)警信息或相應(yīng)的預(yù)警產(chǎn)品，完善應(yīng)急響應(yīng)機(jī)制，將雪災(zāi)的影響降到最低。

關(guān)鍵詞：光伏發(fā)電工程；雪災(zāi)；風(fēng)險區(qū)劃；評估；空間分布；內(nèi)蒙古地區(qū)

中圖分類號：P429/TM615 文獻(xiàn)標(biāo)志碼：A

0" 引言

大雪、暴雪天氣是內(nèi)蒙古地區(qū)冬季、春季中最主要的天氣類型，當(dāng)大雪、暴雪天氣和大風(fēng)、強(qiáng)降溫天氣同時出現(xiàn)時，會形成風(fēng)雪寒潮天氣，對當(dāng)?shù)氐纳a(chǎn)和生活產(chǎn)生極大的影響甚至造成危害，包括但不限于交通運(yùn)輸、水電供應(yīng)與農(nóng)牧生產(chǎn)等[1]。內(nèi)蒙古地區(qū)冬季寒冷、大風(fēng)的氣候特點(diǎn)，導(dǎo)致該地區(qū)的雪災(zāi)發(fā)生迅速、危害面積廣[2-3]，雪災(zāi)已成為影響內(nèi)蒙古地區(qū)光伏發(fā)電工程的主要災(zāi)害之一。

國內(nèi)外學(xué)者針對降雪天氣的變化及特征進(jìn)行了研究并取得了一定成果。王文波等[4]、王玉亮等[5]研究發(fā)現(xiàn)：回流暴雪是中國華北地區(qū)主要的降雪天氣類型之一。張桂蓮等[6]利用多普勒雷達(dá)觀測資料及最終分析數(shù)據(jù)（FNL）再分析資料，對冷墊背景下回流暴雪天氣的環(huán)境條件進(jìn)行了研究。孟雪峰等[7]通過對內(nèi)蒙古地區(qū)發(fā)生的1次極端暴雪事件中的凍雨成因進(jìn)行分析，得出結(jié)論：地面冷墊與中層暖層之間有明顯的鋒區(qū)特征，雷達(dá)觀測在凍雨區(qū)具有回波強(qiáng)度增大的特征。

內(nèi)蒙古地區(qū)作為太陽能資源豐富的地區(qū)之一，發(fā)展光伏產(chǎn)業(yè)有著先天優(yōu)勢。根據(jù)國家能源局2023年發(fā)布的光伏發(fā)電建設(shè)運(yùn)行情況，截至2022年底，內(nèi)蒙古地區(qū)的累計裝機(jī)容量為1623.8萬kW，位居全國第5。為了保障內(nèi)蒙古地區(qū)光伏發(fā)電工程的建設(shè)與運(yùn)營安全，減少雪災(zāi)帶來的損失，開展光伏發(fā)電工程雪災(zāi)風(fēng)險區(qū)劃研究具有重要的現(xiàn)實意義。國內(nèi)已有多位學(xué)者開展了光伏電站風(fēng)險評估影響研究，牛海霞等[8]、樊志勇等[9]針對光伏組件表面的積雪對其發(fā)電量的影響進(jìn)行了研究，發(fā)現(xiàn)當(dāng)積雪厚度達(dá)到6 mm時，太陽光無法透過雪層照射到光伏組件表面，導(dǎo)致光伏組件的發(fā)電量損失率達(dá)到89.92%。

本文從雪災(zāi)對光伏發(fā)電工程建設(shè)和運(yùn)營影響的角度出發(fā)，利用氣象災(zāi)害風(fēng)險評價理論，采用層次分析方法確定致災(zāi)因子危險性、承災(zāi)體暴露度和承災(zāi)體脆弱性這3個評價因子的權(quán)重，通過建立雪災(zāi)風(fēng)險區(qū)劃模型，對內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)風(fēng)險區(qū)劃展開研究，以期為內(nèi)蒙古地區(qū)太陽能資源的開發(fā)利用、光伏發(fā)電工程的防災(zāi)減災(zāi)規(guī)劃提供技術(shù)支撐。

1" 建立雪災(zāi)風(fēng)險區(qū)劃模型

1.1" 數(shù)據(jù)資料來源

利用地理信息系統(tǒng)（GIS）數(shù)據(jù)、社會經(jīng)濟(jì)數(shù)據(jù)和氣象數(shù)據(jù)，從致災(zāi)因子危險性、承災(zāi)體暴露性和承災(zāi)體脆弱性3個角度建立雪災(zāi)風(fēng)險評估模型。本研究采用的數(shù)據(jù)資料的數(shù)據(jù)源具體為：

1）氣象數(shù)據(jù)。數(shù)據(jù)源為內(nèi)蒙古地區(qū)的全部119個國家氣象站，選取從氣象站建站到2022年的逐日積雪深度數(shù)據(jù)。

2）社會經(jīng)濟(jì)數(shù)據(jù)。人口密度、人均國內(nèi)生產(chǎn)總值（GDP）和地均GDP這3項數(shù)據(jù)的數(shù)據(jù)源為中國科學(xué)院地理科學(xué)與資源研究所的資源環(huán)境科學(xué)與數(shù)據(jù)平臺。本研究在該網(wǎng)站下載GDP和人口格點(diǎn)數(shù)據(jù)，空間分辨率為1 km，因此人口密度、人均GDP和地均GDP的單位分別為人/km2、萬元/人和萬元/km2。

3） GIS數(shù)據(jù)。數(shù)字高程模型（DEM）資料來源于中國科學(xué)院計算機(jī)網(wǎng)絡(luò)信息中心的國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站，選擇地形數(shù)據(jù)，分辨率精度為90 m；通過專業(yè)的地理信息系統(tǒng)軟件ArcGIS提取所研究區(qū)域的坡度、坡向數(shù)據(jù)。

1.2" 指標(biāo)標(biāo)準(zhǔn)化

由于致災(zāi)因子危險性、承災(zāi)體暴露性和承災(zāi)體脆弱性3個評價因子又各自包含多個衡量指標(biāo)，因此為消減各參數(shù)間的量綱與數(shù)量級差異，本研究針對每個指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。

指標(biāo)標(biāo)準(zhǔn)化的計算式為：

（1）

式中：Di為第i個指標(biāo)的標(biāo)準(zhǔn)化值；Ai為第i個指標(biāo)的值；Amin、Amax分別為第i個指標(biāo)值中的最大值與最小值。

1.3" 致災(zāi)因子危險性

通常，致災(zāi)因子危險性強(qiáng)度越大、頻次越高，則氣象災(zāi)害造成的損失越重[10]，其對光伏發(fā)電工程影響的風(fēng)險越大。因此，將雪災(zāi)的強(qiáng)度、發(fā)生頻次作為致災(zāi)因子危險性的指標(biāo)。另外，本文在文獻(xiàn)[11-15]分析研究的基礎(chǔ)上，確定將平均積雪深度大于3 cm的持續(xù)天數(shù)也作為雪災(zāi)的致災(zāi)因子危險性的主要指標(biāo)，其權(quán)重賦值為1。

以得到致災(zāi)因子危險性評價因子指數(shù)的空間分布為目的，將確定的指標(biāo)標(biāo)準(zhǔn)化后，采用反距離權(quán)重（IDW）插值法對致災(zāi)因子危險性評價因子指數(shù)進(jìn)行空間插值；采用自然斷點(diǎn)法，根據(jù)致災(zāi)因子危險性評價因子指數(shù)的值，將致災(zāi)因子危險性劃分為5個等級：高危險區(qū)、次高危險區(qū)、中等危險區(qū)、次低危險區(qū)、低危險區(qū)。

1.4" 承災(zāi)體暴露性

承災(zāi)體暴露性是指自然災(zāi)害下人口、牲畜、房屋、室內(nèi)財產(chǎn)、農(nóng)田，以及基礎(chǔ)設(shè)施等的數(shù)量和價值暴露在地形地貌、海拔高度、山川水系分布等的自然地質(zhì)環(huán)境的程度。同樣是暴露在自然環(huán)境下，不同的地形地貌、海拔高度等會影響光伏電站的工作效率、壽命、受雪災(zāi)的影響程度等。

由于雪災(zāi)的形成受海拔高度、坡度、地形遮蔽等小地形因子的影響較為顯著（坡度越大、海拔高度越高、海拔高度標(biāo)準(zhǔn)差越大，積雪越容易堆積形成雪災(zāi)），因此，本研究將海拔高度與坡度作為雪災(zāi)的承載體暴露性指標(biāo)。通過熵值法計算出各指標(biāo)對應(yīng)的權(quán)重，具體如表1所示。

建立承災(zāi)體暴露性評價因子指數(shù)計算模型，其計算式為：

（2）

式中：Dk為承災(zāi)體暴露性評價因子指數(shù)；Tj為承災(zāi)體暴露性評價因子指數(shù)中第j個指標(biāo)的標(biāo)準(zhǔn)化值；wj為第j個指標(biāo)對應(yīng)的權(quán)重。

1.5" 承災(zāi)體脆弱性

承災(zāi)體脆弱性（即易損性）是指可能受到氣象災(zāi)害威脅的所有人員和財產(chǎn)（比如：牲畜、建筑物、農(nóng)作物、生命線等）的潛在傷害或損失程度。某地區(qū)的人口和財產(chǎn)越集中，承災(zāi)體脆弱性越高，表明其可能遭受氣象災(zāi)害的潛在損失越大，氣象災(zāi)害對光伏發(fā)電工程影響的風(fēng)險越大[16]。因此，本研究在分析雪災(zāi)對光伏發(fā)電工程造成的潛在傷害時，將人口密度、人均GDP、交通密度作為雪災(zāi)的承災(zāi)體脆弱性指標(biāo)。通過熵值法計算出各指標(biāo)對應(yīng)的權(quán)重，具體如表2所示。

建立承災(zāi)體脆弱性評價因子指數(shù)計算模型，其計算式為：

（3）

式中：Ek為承災(zāi)體脆弱性評價因子指數(shù)；ln為承災(zāi)體脆弱性評價因子指數(shù)中第n個指標(biāo)的標(biāo)準(zhǔn)化值；Zn為第n個指標(biāo)對應(yīng)的權(quán)重。

1.6" 雪災(zāi)風(fēng)險區(qū)劃模型

本文參考文獻(xiàn)[17]中相關(guān)的指數(shù)計算公式，并結(jié)合光伏發(fā)電工程的特點(diǎn)，構(gòu)建了光伏發(fā)電工程的雪災(zāi)風(fēng)險區(qū)劃模型。綜合考慮致災(zāi)因子危險性、承災(zāi)體暴露性、承災(zāi)體脆弱性對風(fēng)險的構(gòu)成作用并不完全相同，根據(jù)氣象災(zāi)害風(fēng)險指數(shù)計算式，可計算得到雪災(zāi)綜合風(fēng)險指數(shù)F（用于表示風(fēng)險程度，其值越大，則雪災(zāi)的風(fēng)險程度越大），其計算式為：

F=E weH whS ws" " " " " " " " " " " " " " " " " " " " " " " " "（4）

式中：E為致災(zāi)因子危險性評價因子指數(shù)，上角標(biāo)we為其權(quán)重值；H為承災(zāi)體暴露性評價因子指數(shù)，上角標(biāo)wh為其權(quán)重值；S為承災(zāi)體脆弱性評價因子指數(shù)，上角標(biāo)ws為其權(quán)重值。

雪災(zāi)風(fēng)險區(qū)劃模型中各評價因子的權(quán)重如表3所示。

根據(jù)自然斷點(diǎn)法，按照風(fēng)險值將風(fēng)險等級劃分為5個等級：高風(fēng)險區(qū)、次高風(fēng)險區(qū)、中等風(fēng)險區(qū)、次低風(fēng)險區(qū)、低風(fēng)險區(qū)。

2" 降雪時空分布

2.1" 降雪頻數(shù)的空間分布

內(nèi)蒙古地區(qū)平均年降雪頻數(shù)的空間分布圖如圖1所示。

從圖1可以看出：內(nèi)蒙古地區(qū)平均年降雪頻數(shù)的空間分布整體呈現(xiàn)西少東多的特征。這一分布特征主要受西風(fēng)帶影響，在西風(fēng)作用下，溫帶

氣旋于內(nèi)蒙古地區(qū)內(nèi)向東移動時，逐漸發(fā)育成熟，氣旋南側(cè)遭遇的暖濕氣流也逐漸增強(qiáng)，水汽條件更加充足，冷暖氣團(tuán)相遇后的上升運(yùn)動更加劇烈，因此內(nèi)蒙古中東部地區(qū)降雪頻繁。內(nèi)蒙古東部地區(qū)平均年降雪頻數(shù)最高的區(qū)域位于興安盟阿爾山，其平均年降雪頻數(shù)為107.4天；次高的區(qū)域位于呼倫貝爾市根河市，其平均年降雪頻數(shù)為81.2天。內(nèi)蒙古中部地區(qū)平均年降雪頻數(shù)最高的區(qū)域位于錫林郭勒盟正鑲白旗，其平均年降雪頻數(shù)為60.4天。

2.2" 降雪頻數(shù)與積雪頻數(shù)的時間分布

1993—2022年內(nèi)蒙古地區(qū)的降雪頻數(shù)與積雪頻數(shù)的年變化情況如圖2所示。圖中：虛線為降雪頻數(shù)的變化趨勢線。

從圖2可以看出：1993—2022年內(nèi)蒙古地區(qū)的降雪頻數(shù)與積雪頻數(shù)整體呈現(xiàn)減少的趨勢。年降雪頻數(shù)最大值出現(xiàn)在2010年，為4938站日；年降雪頻數(shù)最小值出現(xiàn)在2017年，為1248站日。年積雪頻數(shù)最大值出現(xiàn)在2012年，為7801站日；年積雪頻數(shù)最小值出現(xiàn)在2018年，為3754站日。

3" 雪災(zāi)風(fēng)險區(qū)劃分布

3.1" 雪災(zāi)致災(zāi)因子危險性區(qū)劃

由于烏拉爾山阻塞高壓的存在，加強(qiáng)了經(jīng)向環(huán)流，有利于冷空氣南下；在經(jīng)向環(huán)流變化時，內(nèi)蒙古地區(qū)易產(chǎn)生大雪、暴雪天氣[18]。內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)致災(zāi)因子危險性區(qū)劃圖如圖3所示。

從圖3可以看出：內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)致災(zāi)因子危險性區(qū)劃呈現(xiàn)出空間差異。低風(fēng)險區(qū)主要分布在阿拉善盟、巴彥淖爾市的大部分地區(qū)、烏海市、鄂爾多斯市的大部分地區(qū)，這些地區(qū)分布著眾多沙漠，水汽條件較差，年降雪量較小。次低風(fēng)險區(qū)主要分布在內(nèi)蒙古西部偏東、中部偏西及東部偏南的大部分地區(qū)，包括巴彥淖爾市的部分地區(qū)、鄂爾多斯市東部向東延伸至錫林郭勒盟西部地區(qū)、興安盟南部地區(qū)、赤峰市的大部分地區(qū)、通遼市的大部分地區(qū)。中等風(fēng)險區(qū)主要分布在錫林郭勒盟的大部分地區(qū)、興安盟北部，以及呼倫貝爾市東南部地區(qū)。由于內(nèi)蒙古中部地區(qū)主要受到槽渦型降雪環(huán)流與切變型降雪環(huán)流的影響，這兩種降雪環(huán)流同屬于主體冷槽前分裂擴(kuò)散的小股冷空氣所致，所以使上述地區(qū)的降雪呈現(xiàn)降雪量大、歷時短的特點(diǎn)[1，19]。次高風(fēng)險區(qū)與高風(fēng)險區(qū)均主要位于呼倫貝爾市，該地區(qū)受到蒙古低槽渦及貝加爾湖低槽渦的影響，且內(nèi)蒙古地區(qū)降雪的水汽輸送主要由較強(qiáng)的低空急流完成，水汽輸送終點(diǎn)位于內(nèi)蒙古地區(qū)東北部，因此該地區(qū)的降雪時間長且降雪量大，雪災(zāi)風(fēng)險較高。

3.2" 雪災(zāi)風(fēng)險區(qū)劃

在雪災(zāi)致災(zāi)因子危險性區(qū)劃的基礎(chǔ)上，綜合考慮承載體暴露性與承載體脆弱性，繪制內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)風(fēng)險區(qū)劃圖，如圖4所示。

從圖4可以看出：內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)風(fēng)險分布呈由西南向東北逐漸加重的趨勢，雪災(zāi)風(fēng)險區(qū)劃主要以低風(fēng)險區(qū)與次低風(fēng)險區(qū)為主。低風(fēng)險區(qū)主要分布在阿拉善盟、巴彥淖爾市的北部與南部、鄂爾多斯市西部、赤峰市東部，以及通遼市的大部分地區(qū)；與圖3對比可以發(fā)現(xiàn)，承載體暴露性與承載體脆弱性對雪災(zāi)風(fēng)險區(qū)劃的影響較大。次低風(fēng)險區(qū)主要分布在內(nèi)蒙古西部偏東、中部偏西地區(qū)，赤峰市和通遼市的部分地區(qū)，以及興安盟中部地區(qū)。中等風(fēng)險區(qū)主要集中在包頭市的少部分地區(qū)、呼和浩特市北部地區(qū)、烏蘭察布市中西部地區(qū)，以及錫林郭勒盟的大部分地區(qū)。城市化進(jìn)程及GDP相對較高的區(qū)域是影響風(fēng)險等級變化的主要因素。次高風(fēng)險區(qū)與高風(fēng)險區(qū)相對比較集中，主要分布在錫林郭勒盟的少部分地區(qū)和呼倫貝爾市，這些地區(qū)是雪災(zāi)主要的影響區(qū)域。

3.3" 小結(jié)

從上述分析可以得出：

1）內(nèi)蒙古中西部地區(qū)光伏發(fā)電工程建設(shè)和運(yùn)營受雪災(zāi)的影響相對較小，而內(nèi)蒙古東部地區(qū)受雪災(zāi)的影響較大。從雪災(zāi)發(fā)生頻率來看，強(qiáng)冷空氣引發(fā)的大雪天氣是導(dǎo)致內(nèi)蒙古地區(qū)雪災(zāi)的主要原因，會對光伏發(fā)電工程帶來較為嚴(yán)重的損失。因此在太陽能資源的開發(fā)建設(shè)過程中，要重視雪災(zāi)對光伏發(fā)電工程建設(shè)和運(yùn)營的負(fù)面影響。

2）從各個等級風(fēng)險區(qū)的占比來看，內(nèi)蒙古地區(qū)的雪災(zāi)災(zāi)害以中等及以下等級為主，占整體的85%以上。對比雪災(zāi)致災(zāi)因子危險性的區(qū)劃與雪災(zāi)風(fēng)險區(qū)劃來看，雪災(zāi)風(fēng)險區(qū)劃的次低風(fēng)險區(qū)與中等風(fēng)險區(qū)的占比明顯增高，說明單純考慮降雪與積雪的影響不足以全面描述雪災(zāi)對光伏發(fā)電工程的影響。因此，在太陽能資源的開發(fā)建設(shè)過程中，應(yīng)加強(qiáng)雪災(zāi)前期評估，將雪災(zāi)相關(guān)參數(shù)和報告納入光伏發(fā)電工程前期可研評估的影響因素中，以提高工程防御雪災(zāi)的能力。

3）在光伏發(fā)電工程運(yùn)營階段，應(yīng)建立相應(yīng)的雪災(zāi)應(yīng)急預(yù)案，結(jié)合氣象部門的氣象預(yù)警信息或相應(yīng)的預(yù)警產(chǎn)品，完善應(yīng)急響應(yīng)機(jī)制，將雪災(zāi)的影響降到最低。

4" 結(jié)論

本文根據(jù)內(nèi)蒙古地區(qū)內(nèi)119個國家氣象站的觀測資料，通過GIS空間分析，利用氣象災(zāi)害風(fēng)險評價理論和層次分析方法，從致災(zāi)因子危險性、承災(zāi)體暴露度和承災(zāi)體脆弱性這3個評價因子的角度建立了雪災(zāi)風(fēng)險區(qū)劃模型，對內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)風(fēng)險區(qū)劃進(jìn)行了研究，得到以下結(jié)論：

1）內(nèi)蒙古中西部地區(qū)光伏發(fā)電工程建設(shè)和運(yùn)營受雪災(zāi)的影響相對較小，內(nèi)蒙古東部地區(qū)受雪災(zāi)的影響較大。

2）內(nèi)蒙古地區(qū)光伏發(fā)電工程的雪災(zāi)風(fēng)險分布呈由西南向東北逐漸加重的趨勢。低風(fēng)險區(qū)主要分布在阿拉善盟、巴彥淖爾市北部與南部地區(qū)、鄂爾多斯市西部地區(qū)、赤峰市東部地區(qū)，以及通遼市的大部分地區(qū)。次低風(fēng)險區(qū)主要分布在內(nèi)蒙古西部偏東、中部偏西地區(qū)，赤峰市與通遼市的部分地區(qū)，以及興安盟中部地區(qū)。中等風(fēng)險區(qū)主要集中在包頭市的少部分地區(qū)、呼和浩特市北部地區(qū)、烏蘭察布市中西部地區(qū)，以及錫林郭勒盟的大部分地區(qū)。次高與高風(fēng)險區(qū)相對比較集中，主要分布在錫林郭勒盟的少部分地區(qū)和呼倫貝爾市。

3）在太陽能資源的開發(fā)建設(shè)過程中，應(yīng)重視雪災(zāi)產(chǎn)生的負(fù)面影響，加強(qiáng)雪災(zāi)前期評估，將雪災(zāi)相關(guān)參數(shù)和報告納入光伏發(fā)電工程前期可研評估的影響因素中，提高工程防御雪災(zāi)的能力。在光伏發(fā)電工程運(yùn)營階段，應(yīng)建立相應(yīng)的雪災(zāi)應(yīng)急預(yù)案，結(jié)合氣象部門的氣象預(yù)警信息或相應(yīng)的預(yù)警產(chǎn)品，完善應(yīng)急響應(yīng)機(jī)制，將雪災(zāi)的影響降到最低。

需要說明的是，本文采用的方法具有一定地域性，由于內(nèi)蒙古地區(qū)位于中國北部地區(qū)，氣溫相對較低，降雪頻數(shù)較多且范圍較廣，所以雪災(zāi)造成的影響相對于其他地區(qū)可能較大。因此，在其他地區(qū)應(yīng)用此方法時，應(yīng)根據(jù)當(dāng)?shù)氐臍夂蛱卣鱽泶_定會產(chǎn)生主要影響的災(zāi)害種類。

[參考文獻(xiàn)]

[1] 孟雪峰，孫永剛，姜艷豐，等. 內(nèi)蒙古大雪天氣學(xué)分型研究[J]. 內(nèi)蒙古氣象，2011（3）：3-8.

[2] 唐果星，司瑤冰. 2012—2020年內(nèi)蒙古地區(qū)氣象災(zāi)害特征分析[J]. 內(nèi)蒙古氣象，2021（6）：3-9.

[3] 德勒格日瑪，李一平，孟雪峰，等. 內(nèi)蒙古錫林郭勒盟牧區(qū)雪災(zāi)風(fēng)險評估研究[J]. 冰川凍土，2020，42（4）：1353-1362.

[4] 王文波，高曉梅，李曉利，等. 一次雨雪天氣過程的風(fēng)廓線雷達(dá)特征[J]. 干旱氣象，2020，38（1）：109-116.

[5] 王玉亮，胡順起. 1999—2018年魯南地區(qū)暴雪天氣的影響系統(tǒng)及環(huán)流特征[J]. 沙漠與綠洲氣象，2019，13（3）：8-15.

[6] 張桂蓮，劉瀾波，孟雪峰，等. 冷墊背景下回流暴雪成因與雷達(dá)回波特征分析[J]. 干旱氣象，2022，40（3）：500-506.

[7] 孟雪峰，孫永剛，霍志麗，等. 內(nèi)蒙古一次極端暴雪事件中凍雨成因分析[J]. 沙漠與綠洲氣象，2022，16（4）：22-30.

[8] 牛海霞，李曉琴，董正茂. 光伏組件表面積雪及陰天對其發(fā)電量預(yù)測實驗研究[J]. 包頭職業(yè)技術(shù)學(xué)院學(xué)報，2017，18（2）：8-10.

[9] 樊志勇，牛海霞，董正茂，等. 光伏組件表面積雪對其發(fā)電量影響的實驗研究[J]. 內(nèi)蒙古科技與經(jīng)濟(jì)，2016（11）：100-101.

[10] 李樹軍，袁靜，何永健，等. 基于GIS的濰坊市暴雨洪澇災(zāi)害風(fēng)險區(qū)劃[J]. 中國農(nóng)學(xué)通報，2012，28（20）：295-301.

[11] 姜彤，王艷君，翟建青. 氣象災(zāi)害風(fēng)險評估技術(shù)指南[M]. 北京：氣象出版社，2018.

[12] 劉玉蘭，孫銀川，桑建人，等. 影響太陽能光伏發(fā)電功率的環(huán)境氣象因子診斷分析[J]. 水電能源科學(xué)，2011，29（12）：200-202，156.

[13] 李芬，陳正洪，成馳，等. 武漢并網(wǎng)光伏電站性能與氣象因子關(guān)系研究[J]. 太陽能學(xué)報，2012，33（8）：1386-1391.

[14] 孫朋杰，陳正洪，成馳，等. 太陽能光伏電站發(fā)電量變化特征及其與氣象要素的關(guān)系[J]. 水電能源科學(xué)，2013，31（11）：249-252.

[15] 呂學(xué)梅，朱虹，王金東，等. 氣象因素對光伏發(fā)電量的影響分析[J]. 可再生能源，2014，32（10）：1423-1428.

[16] 楊豐政. 基于GIS的徐水縣氣象災(zāi)害風(fēng)險評估研究[D]. 南京：南京信息工程大學(xué)，2012.

[17] 姜彤，王艷君，翟建青. 氣象災(zāi)害風(fēng)險評估技術(shù)指南[M]. 北京：氣象出版社，2018.

[18] 陳菊英，王玉紅，王文. 1998及1999年烏山阻高突變對長江中下游大暴雨過程的影響[J]. 高原氣象，2001，20（4）：388-394.

[19] 孟雪峰，孫永剛，王式功，等. 內(nèi)蒙古大雪發(fā)生的規(guī)律及環(huán)流特征[J]. 蘭州大學(xué)學(xué)報（自然科學(xué)版），2012，48（5）：61-70，78.

RESEARCH ON SNOW DISASTER RISK ZONING OF PV POWER GENERATION PROJECTS IN INNER MONGOLIA REGION

Jiang Yumeng1，Zhang Xinyuan2，Dong Fang2，Bo Ge2，Meng Yanjun3

（1. Inner Mongolia Autonomous Region Meteorological Center，Hohhot 010051，China；

2. Climate Center of Inner Mongolia，Hohhot 010051，China；

3. Inner Mongolia Fire Rescue Brigade Ulanqab City Fire Rescue Detachment，Ulanqab 012000，China）

Abstract：In order to study the impact of snow disaster on the construction and operation of PV power generation project in Inner Mongolia region，this paper uses observation data from 119 national meteorological stations in Inner Mongolia region，through GIS spatial analysis，applies meteorological disaster risk assessment theory and analytic hierarchy process to establish a snow disaster risk zoning model from the perspectives of three evaluation factors： risk of disaster causing factors，exposure of disaster-bearing bodies，and vulnerability of disaster-bearing bodies. The snow disaster risk zoning of PV power generation projects in Inner Mongolia region is studied. The research results show that the snow disaster risk distribution of PV power generation projects in Inner Mongolia region is gradually increasing from southwest to northeast. The low-risk areas are mainly distributed in Alxa League，the northern and southern parts of Bayannur City，the western part of Ordos City，the eastern part of Chifeng City，and most areas of Tongliao City. The sub-low risk areas are mainly distributed in the western eastern and central western part of Inner Mongolia region，parts of Chifeng City and Tongliao City，and the central part of Xing'an League. The medium risk areas are mainly concentrated in the northern part of Hohhot City，a small part of Baotou City，the central and western parts of Ulanqab City，and most of Xilingol League. The sub-high and high-risk areas are relatively concentrated，mainly distributed in a small part of Xilingol League and Hulunbuir City. For PV power generation projects in Inner Mongolia region，it is necessary to strengthen the pre assessment of snow disasters，incorporate snow disaster related parameters and reports into the influencing factors of the pre feasibility study evaluation of PV power generation projects，and improve the ability of the project to defend against snow disasters. Establish corresponding emergency plans for snow disasters，combine meteorological warning information or corresponding warning products from meteorological departments，improve emergency response mechanisms，and minimize the impact of snow disasters.

Keywords：PV power generation project；snow disaster；risk zoning；assessment；spatial distribution；Inner Mongolia region