长沙地区雷暴特征及雷击灾害风险区划分析

贺秋艳 郭斌 杨加艳 吴亚昊 王少娟

摘要：基于长沙地区4个气象台站1951—2013年的雷暴观测资料和2009—2017年闪电监测数据，分析了本区域内雷暴时空分布特征及规律;同时，结合长沙地区2002—2017年的雷击灾害、人口密度等数据，选取雷击密度、雷擊灾害频度、生命易损模数及经济易损模数构造了雷电灾害易损性评估模型，对长沙地区进行了雷电灾害风险区划。结果表明，长沙地区年平均雷暴日数总体呈下降趋势，下降倾向率为1.858 d/10 d;雷暴季节性变化明显，以夏季出现最多，约占全年雷暴日数的46.6%;存在5～6年，13～14年的年际尺度显著变化周期;长沙县、宁乡县为雷击灾害极高易损区，望城区为高易损区。

关键词：雷电;雷击灾害;易损性;区划

中图分类号：P429        文献标识码：A

文章编号：0439-8114（2018）23-0065-06

DOI：10.14088/j.cnki.issn0439-8114.2018.23.015           开放科学（资源服务）标识码（OSID）：

雷电是大气中超长距离放电过程，通常伴随着强对流天气过程而发生，它是一种常见的自然现象，根据全球雷电的卫星观测结果估计，全球每秒钟约有46次雷电发生，而中国每分钟发生70余次雷电[1]。雷电因其强大的电流、炙热的高温、强烈的电磁辐射及猛烈的电磁波等物理效应[2]，在瞬间能够产生巨大的破坏作用，对人类的人身和财产安全构成巨大的威胁。

长沙为湖南省省会，位于湖南的东部偏北，坐标为111°53′—114°5′E，27°51′—28°40′N，属亚热带季风性湿润气候，春、夏季冷暖气流交汇频繁，容易产生强对流天气及雷暴活动。长沙地区年平均气温为17.4 ℃，年平均降水总量为1 475.7 mm，平均降水日数为154.7 d，年平均雷暴日为47.7 d，属多雷区。据不完全统计，2002—2017年长沙地区共计发生雷电灾害事故1 807起，造成22人死亡，30人受伤，直接经济损失1 584.92万元。

本研究利用长沙地区4个气象台站1951—2013年的雷暴观测资料和2009—2017年闪电监测数据，分析了该区域雷暴分布特征及其规律。在此基础上，结合2002—2017年的雷击灾害资料、湖南省统计局人口密度资料，对该区域进行雷电灾害风险区划，旨在为有效地开展长沙地区的雷电灾害防御工作提供一定的科学依据。

1  数据资料与方法

1.1  数据来源

雷暴日数使用长沙地区1951—2013年望城站、马坡岭站、宁乡站和浏阳站4个气象台站的雷暴观测资料，一定程度上表征了该区域雷暴活动的频繁程度，一个雷暴日内一般可出现多次雷暴。

闪电定位资料来自于湖南省ADTD型雷电监测网，该监测网由安装在长沙、益阳、岳阳等10台闪电定位仪组成，监测覆盖全省，能对全省范围内的闪电情况进行实时监测和定位，可获取地闪回击的经纬度、雷电流峰值、雷电流极性及定位站等信息。

历史雷击灾害资料里记录了每次雷灾发生的时段、地点、雷灾起数、人员伤亡及财产损失情况、引起雷灾的主要原因、雷灾发生地环境、受损部门及行业、受损财物的类型等。由于资料本身不全的原因，如在某年部分区域缺失雷灾记录，同时由于某些农村地区存在封建迷信的思想和交通信息闭塞，还有大部分雷灾未上报，因此本研究得到的是雷灾特征的不完全统计结果。

长沙市共六区二县一市，分别为芙蓉区、天心区、岳麓区、开福区、雨花区、望城区、长沙县、宁乡县及浏阳市，行政面积、人口分布等社会经济资料来自湖南省统信息网站。

1.2  研究方法

利用最小二乘法、气候倾向率和小波分析等统计方法。采用最小二乘法计算雷暴日数线性回归趋势方程，表达式为[3]：

Y=at+b  （1）

式中，回归系数a表示雷暴日的气候倾向趋势[3]，把10年称为气候倾向率。

雷暴气候趋势系数rxt能研究雷暴在气候变化中升降的定量程度，并可对其进行统计检验[4]：

rxt=■   （2）

其中，n为统计年限，xi是第i年的年雷暴日，■为所统计的63年内年平均雷暴日，■为自然数序列的平均值，用公式表示为■=（n+1）/2，rxt的正（负）值表示该要素在所统计年限内有增加和减少的趋势，

rxt绝对值越大表明该要素增加和减少的程度越明显，即表示气候变化趋势越明显[5]。

小波分析是由法国石油工程师Morlet于1980年在进行地震数据分析工作时首创。它是一种信号的时间-频率分析方法，具有多分辨率分析的特点，在时域和频域都能反映出信号的振幅、相位和功率的局部变化特征，近年来广泛用于多尺度气候分析研究中[6]。Morlet小波母函数的形式为：

？鬃（x）=e ■e ■（3）

式中，c是常数，取c=6.0，其子小波为？鬃a，b（x）=■？鬃■，？鬃■，以此作为为基本小波，具有波动性和衰减性。

对一个离散的时间序列f（t），t=1，2，3…n，小波变换的形式可写为：

FW（a，b）=■×■■f（t）？鬃■ （4）

式中，n为统计年限，Ck为小波变换系数，Ck=2π■■;a=2j（j=1，2，……）为尺度放大因子，其倒数相当于频率，当a较小时，频域分辨性较差，而时域分辨性好;当频域分辨率增加时，时域分辨率则减少[7]。b为平移因子，反映时间平移;？鬃（w）为子波？鬃（w）经傅立叶变换得到的谱。在本研究中，f（t）为长沙地区1951—2013年的年平均雷暴日数。

2  数据分析与结果

2.1  雷暴年际变化特征

长沙地区1951—2013年的年平均雷暴日为47.7 d，最多的74.7 d出现在1967年，最少的29.5 d出现在1989年。從图1可以看出，该地区的雷暴日年际变化比较大，尤其是在1967、1973年以及1989年左右波动情况比较明显。

从总体趋势来看，近63年长沙地区年平均雷暴日数在波动中缓慢减少。对该地区1951—2013年雷暴日监测数据运用最小二乘法计算年雷暴日数的趋势定量变化，一次线性方程为y=-1.858x-0.365 8，其中气候倾向率为-1.858/10年，表示长沙地区从1951年开始，年雷暴日数在总体上呈现出缓慢的递减趋势，每10年减少约1.858 d。

2.2  雷暴周期分析

因为雷暴日数据是有限时间数据序列，在序列的两端可能会产生边界效应。为了消除或减小序列开始点和结束点附近的边界效应，首先对该地区63年年雷暴日开始点和结束点两端的数据进行延伸。在小波变换完后，在去掉延伸数据的小波变换系数，保留原来时间尺度下的小波变化尺度。小波变换取样周期为1，最大尺度为32。当小波系数实部值为正时，代表雷暴日旺盛期;为负时，表示雷暴日萧淡期。

图2为长沙地区63年年雷暴日小波系数实部等值线。由图2可以看出，雷暴日演化过程中存在多时间尺度特征。总的来说，长沙地区雷暴日变化过程中存在5～6年、13～14年的尺度周期变化规律。其中，在5～6年、13～14年尺度上均出现了谷-峰交替的准3次振荡;同时，还可以看出以上两个尺度的周期变化在整个分析时段表现比较稳定，5～6年左右的周期振荡在1965—1980年表现明显，1980年左右，5～6年的周期信号呈减弱趋势，逐渐变为13～14年的周期振荡信号。

2.3  雷暴月际变化特征

从图3可以看出，长沙地区一年中每个月都可能出现雷暴，1—12月平均雷暴日数变化折线呈双峰型分布，在4月和8月出现两次峰值;其中以8月出现的最多，累积年平均有8.9个雷暴日，占全年雷暴日的18.66%;其次是4月和7月，累计平均有7.5个雷暴日，均占全年雷暴日的15.72%，雷暴总体多出现在4—8月，5—8月累计平均出现35 d，约占全年雷暴日数的73.38%。1月、11月和12月出现的最少，2月、10月次之。

2.4  闪电空间分布特征

长沙地理坐标为111°53′—114°5′E，27°51′—28°40′N，东西长约233 km，南北宽约90 km，4个观测站从西至东依次为宁乡站、望城站、马坡岭站以及浏阳站，基于雷暴日存在一定的空间相关性，利用普通Kriging法对4个站点1951—2013年平均雷暴日进行插值，得到长沙地区年平均雷暴日的空间分布图[8]。从图4可以看出，长沙雷暴日呈哑铃状分布，东西分布为两头多、中间少。地处长沙东部的浏阳年均雷暴日数最多，为50.2 d;中部偏西地区的马坡岭最少，为36.4 d。长沙雷暴日的这一空间分布特征主要与地形和气候有一定的联系，长沙地区东有连云山脉、大围山脉、九岭山脉等，中部是长衡丘陵盆地向洞庭湖平原过渡地带，东部浏阳站与西部的宁乡站与山脉接壤，是雷暴的多发地区，而中部平原地区则雷暴日较少[9]。

3  雷电灾害风险区划

3.1  风险区划评价指标

灾害的发生是由致灾因子的危险性、孕灾环境的敏感性和承灾体的易损性决定的[9]。其中，致灾因子和孕灾环境的存在是客观的、自然的，而承灾体不同，人为因素会起到一定的作用。具体到雷电灾害，致灾因子是雷电本身，孕灾环境是地形、地貌及土壤等，承灾体是人员和物体。

选取评价指标是进行雷电灾害风险区划的基础，是分析和研究事物风险的切入点。本研究结合长沙地区的雷电灾害的实际情况，采用以下4个指标来分析长沙地区的雷灾易损性，包括雷击密度、雷击灾害频度、经济易损模数以及生命易损模数[10]。其中前两项指标着重于雷电和雷电灾害发生频率、次数的评价，反映致灾因子的时空分布和承灾体的受损程度，后两项指标则侧重于人员和经济损失的评估，反映承灾体的受损强度[11]。

3.1.1  雷击密度Ng

Ng=N/S（5）

式中，Ng是指单位面积上所发生的年雷击大地次数，单位为次/（km2·年），反映的是某地区雷击频繁程度[12]。其中，N为湖南省ADTD型雷电监测网提供的某区域地闪总次数，本研究取2009—2017年的年平均雷击大地次数。S为区域面积，单位为km2。

3.1.2  雷击灾害频度F

F=N/n    （6）

式中，F是指区域内所发生雷击灾害的年平均次数，单位为次/年，反映的是某一地区发生雷击灾害的频繁程度，以及承灾体防御雷击的能力强弱[12]。其中，N为长沙地区2002—2017年的雷击灾害资料，n为统计时间序列。

3.1.3  经济易损模数E

E=Es/S   （7）

式中，E是指区域发生雷电灾害时单位面积上的直接经济损失，单位为万元/km2，反映的是某一地区因雷击造成的经济受损情况[13]。其中，Es为区域内因雷击造成的直接经济损失额，单位为万元;S为区域面积，单位为km2。

3.1.4  生命易损模数L

L=Ls/S    （8）

式中，L是指区域发生雷电灾害时单位面积上受危害人口数量，单位为千人/km2，反映的是某一地区因雷击造成的人员受伤害情况[14]。Ls为区域内因雷击造成的人员受伤害数量，单位为人;S为区域面积，单位为km2。

3.2  评价指标的权重计算

每个评估指标在雷击灾害风险分析的作用是不一样的，为了区分不同指标的重要程度，每个指标都有自己的权重系数。权重计算方法主要有经验法、专家打分及层次分析法，本研究中各指标参量的权重采取目前比较认可的层次分析法来计算。层次分析法是把一个复杂的系统分解为若干个有序层次，每一层次中有若干个具有大致相等地位的元素，组建而成的一个递阶层次结构模型[15]。在该模型中，根据客观事实的判断，通过两两比较判断的方式确定同一层次中每个指标的相对重要性，以数字的方式建立判断矩阵，然后利用向量的计算方法得出同一层次中每个指标的相对重要性权重系数。根据层次分析法的基本原理，建立了雷电灾害风险区划权重的判断矩阵，如表1所示。

采用Matlab软件，判断矩阵A的最大特征值？姿max为4.051 1，最大特征值对应的特征向量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，因为CR<0.10，可以判断矩阵通过一致性检验。

3.3  风险区划的计算模型

将根据层次分析计算得到的评估指标权重向量W和区划评价指标体系Q代入雷击灾害风险区划模型R=W×Q中，可得到雷电灾害风险值R与区划评价指标之间的计算公式为[16]：

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

即上述公式为雷电灾害风险区划模型。

3.4  雷电灾害风险区划结果

为了对长沙雷电灾害作出风险区划，首先，计算各区具体的区划评价指标值。即根据闪电定位资料，计算9个区县年平均地闪密度;根据雷电灾害统计资料，以9个区县为基本分析单元，统计各区的雷击事件，计算出各区雷击灾害频度;根据因雷击造成的人员和经济损失统计资料和行政面积资料，以9个区县为基本分析单元，计算出各区县的经济易损模数和生命易损模数，统计结果如表2所示。

因各指标值存在量纲不统一的问题，各个指标之间并不具有可比性，难以进行统一的评价和计算，因此，在进行综合评估之前，需要对指标值统一量化，将所有指标值统一量化成无单位的数据集，使每个指标的评价和计算具有一致性。其中的指标值用极高、高、中、低4个级别来描述，量化赋值分别为1.0、0.8、0.5和0.2。分级方法采用气象学统计分析中的分级统计方法，其核心思想是，首先将全市9个县区某个指标值从小到大按顺序排列，并按每组3个记录分为3组数据;然后，将第n（n=1，2，3）组中的最大值和第n+1组中的最小值的平均值作为第n级的最大值和第n+1级的最小值[17]。4个雷电灾害指标分级标准如表3所示。

根据指标值及等级标准，判断9个县区每个指标的所属级别及级别指标值，再根据雷电灾害风险区划模型R=0.472 85M+0.284 38P+0.072 85D+0.169 92L，计算得到各区县雷电灾害风险值，结果如表4所示。

分析表4得出雷击密度较高的地区为宁乡县、望城区、长沙县等地;雷击灾害频度较高的地区位于长沙县;经济易损指数较高的地区是长沙市天心区;生命易损指数较高的是长沙市芙蓉区。综合风险值较高的地区为长沙县、宁乡县、望城区，综合指数表明，雷击灾害易损度较高的地区既有雷击密度较高也有社会经济相对较发达地区。

根据表4中的雷电灾害风险值R，同样采用4分级统计方法分区法将9个县区划分为雷电灾害低风险区、中风险区、高风险区和极高风险区，如表5所示。

根据表4各区县的风险值及表5的雷电灾害综合风险值R评判标准，可得到长沙地区雷电灾害风险区划结果，如表6所示，结果表明长沙县、宁乡县为雷击灾害极高易损区，望城区为高易损区，天心区、岳麓区、浏阳市为中易损区，芙蓉区、开福区、雨花区为低易损区。

4  小结

利用长沙地区4个气象台站63年的雷暴观测资料和闪电监测数据，通过最小二乘法、氣候倾向率和小波分析等统计方法，分析了区域内雷暴时空分布特征及规律;同时，结合雷击灾害、人口密度等数据，构造雷电灾害易损性评估模型，对长沙地区进行了雷电灾害风险区划，得到以下结论。

1）长沙地区年平均雷暴日为47.7 d，年雷暴日总体上呈现出缓慢的递减趋势，每10年减少约1.858 d。

2）长沙地区年平均雷暴日演化过程中存在5～6年、13～14年的尺度周期变化规律。其中，5～6年左右的周期振荡在1965—1980年表现明显，1980年左右，5～6年的周期信号呈减弱趋势，逐渐变为13～14年的周期振荡信号。

3）由累年各月雷暴日分布可见，一年中每个月都可能出现雷暴，其中以8月出现的最多，累积年平均有8.9个雷暴日，占全年的雷暴日的18.66%;其次是4月和7月，累计平均有7.5个雷暴日，均占全年的雷暴日的15.72%，11月和12月出现的最少。

4）长沙雷暴日空间分布为两头多、中间少。地处长沙东部的浏阳年均雷暴日数最多，为50.2 d;中部偏西地区的马坡岭最少，为36.4 d。

5）长沙地区雷电灾害高风险区主要分布在长沙县、宁乡县、望城区等地，低风险区位于长沙市芙蓉区、开福区、雨花区等地。

参考文献：

[1] 马  明，张义军，孟  青，等.我国的雷电灾害及其防御[J].中国应急管理，2008（12）：55-57.

[2] 崔海华，吴孟恒，扈  勇.河北省雷电监测预警预报与减灾对策研究[J].中国科技成果，2014（22）：74-75..

[3] 程  林，余漠全，黄  洋，等.安庆市雷暴气候统计特征研究[J].农业灾害研究，2017，7（1）：17-19.

[4] 胡先锋.江西省雷暴活动时空变化特征及雷电灾害的研究[D].南京：南京信息工程大学，2007.

[5] 郑羡仪，唐兵兵.梧州近30年雷暴特征分析[J].气象研究与应用，2012，33（S1）：174-175.

[6] 李京校，李家启，肖稳安，等.重庆市雷暴气候变化特征分析[J].热带地理，2011，31（2）：171-177.

[7] 时慧宇.云南省城镇居民收入与消费关系的统计分析——基于小波分析理论[D].昆明：云南财经大学，2014.

[8] 杨云芸，姚  蓉，王晓雷，等.近40年长沙地区雷暴天气的气候特征分析[J].高原山地气象研究，2016，36（4）：59-64.

[9] 贺芳芳，邵步粉.上海地区低温、雨雪、冰冻灾害的风险区划[J].气象科学，2011，31（1）：33-39.

[10] 李  密，邱东凤，时  娟.淄博市雷电灾害易损性风险评估及区划[J].中国安全生产科学技术，2013，9（8）：177-182.

[11] 王  惠，邓  勇，尹丽云，等.云南省雷电灾害易损性分析及区划[J].气象，2007，33（12）：83-87.

[12] 田艳婷，吴孟恒，史锋旗，等.河北省雷电灾害易损性综合评估与区划[J].气象科技，2012，40（3）：507-512.

[13] 陈可裕，刘  刚，尹  波.龙泉驿区雷电灾害风险调查评估与区划[J].中国科技纵横，2016（21）：161-162.

[14] 尹  娜，肖穩安.区域雷灾易损性分析、评估及易损度区划[J].热带气象学报，2005，21（4）：441-448.

[15] 钱兴成，陆  强，王  佳.常用多指标综合评价方法述评[A].中国水污染控制战略与政策创新研讨会论文集[C].北京：中国环境科学出版社，2010.

[16] 刘玉清，崔忠强，贾宝山，等.基于层次分析模型的吉林省雷电灾害风险评估及区划[J].气象水文海洋仪器，2014，31（3）：121-124.

[17] 袁湘玲，纪  华，程  琳.基于层次分析模型的黑龙江省雷电灾害风险区划[J].暴雨灾害，2010，29（3）：279-283.