遵义市雷电灾害致灾因子危险性区划研究

利用遵义市14个国家气象站1978-2013年雷暴日数据和2006-2020年的ADTD雷电定位数据,叠加遵义市基础地理信息（包含县边界、水系分布等）、人口、GDP等数据。以致灾因子评估方法为理论基础,叠加GIS空间分析技术,对遵义市开展雷电致灾因子危险性区划研究。结果显示：遵义市雷击密度致灾因子区划结果较高,高危险性区域主要集中在市行政中心及赤水中西部;强雷电密度、地闪强度两种致灾因子高危险性区域分布较为零散;雷电灾害致灾因子危险区划中,高危险性区域主要分布于市行政中心、仁怀及桐梓部分区域,该高危险性区域同是人口分布密集,GDP较高的区域,在今后的发展建设中需加强该区域雷电灾害物防、技防、人防能力建设,以减少雷电灾害造成的人员伤亡和财产损失。     

基于综合评价法的河池市雷电灾害风险区划

为了探讨雷电灾害风险区划方法,细化河池市雷电灾害风险区划(分辨率为1 km×1 km),为雷电防灾减灾工作提供更科学的指导,利用河池市2010—2015年闪电资料、2000年地理数据和2015年社会经济数据,采用相关法,选取与闪电密度、强度分布相关的海拔高度、坡度等8个指标,结合闪电密度、强度,利用熵值法、复相关系数法和层次分析法组合建立了雷电风险计算模型,并利用历史雷灾频次对区划结果进行检验。结果表明:金城江、南丹和凤山为雷灾极高风险区,天峨、巴马、东兰和大化大部分区域为雷灾风险高值区,其他县为雷灾风险低值区(局部区域为高值区)。雷电区划风险值和历史雷灾数据呈现较好的相关性。     

北京地区雷电灾害风险评估方法与应用

首先选用北京地区1961—2008年的气候站点资料分析闪电活动的气候背景特征,用2007—2008年的闪电定位资料统计各评估网格单元的地闪密度,得到北京地区网格化地闪密度分布,评估网格单元大小为1km×1km。研究发现北京地区平均地闪密度大致在1.6～2.4次·km^-2·a^-1之间,有三处地闪密度的高值分布区,分别是西南部房山的拒马河流域地区,北京城中心偏北—昌平—顺义一带以及平谷一密云一带。借助空间网格技术,根据下垫面承灾体的雷电防护及规避特征,将评估区域划分成建筑物、室外建筑物遮挡部分及空旷地带三种空间类型。然后依据不同空间类型区域的地闪密度、闪电有效截收面积、雷电防护能力和位置参数等因素,分别核算评估网格单元内的雷击危险事件次数,作为雷电灾害风险评估的主要致灾因子指标。最后以人作为雷电灾害的首要承灾体,按"风险=雷击危险事件次数×暴露人口"的概念模型方法,测算北京地区雷电灾害风险指数。风险评估结果认为北京城市地区由于人口及经济实体密集分布,雷电灾害风险普遍较高,城市地区的雷电灾害风险具可规避性;农村及城市远近郊区,人口稀少,尽管闪电活动会比城市地区活跃,雷电灾害风险不是太高。     

全国雷电灾害统计分析

统计分析了全国1999-2008年雷电灾害数量、分布及其与各因子的关系,六大区域雷灾数和平均闪电密度的年变化和日变化特征.结果显示:雷电灾害发生及造成人员伤亡与当地闪电密度关系最大,全国年平均雷暴日数南方多于北方,山地多于平原,内陆多于沿海区域和江湖流域,潮湿区域多于干旱区域.全国雷灾发生较少月份是10月到翌年3月,6...     

江西强雷电活动分布与地形及其土地利用的相关性

为揭示地形及土地利用类型对江西地区强雷电活动影响，本文选取闪电密度极大值和闪电平均强度极大值作为反映强雷电活动的两个主要参数，利用江西雷电监测资料、地表植被遥感以及地形高程影像文件，提取不同土地利用类型以及海拔高度、坡度和坡向参数值，重点分析强雷电活动分布与土地利用及地形的相关性。结果表明：江西强雷电活动活跃区主要分布于城乡建设用地，雷电活动的落雷概率最高，其次为耕地。闪电平均强度极大值的雷电活动集中发生在赣州及九江的丘陵和山地，其土地利用类型主要为林地，其次为耕地。影响强雷电活动分布的地形因子主要包括坡度、坡向及海拔高度。     

江苏洋口港区雷电特性及风险区划

利用洋口港区所在的江苏如东县地面观测站1959—2009年的雷暴日资料和洋口港区2006年1月—2009年12月的闪电定位数据,对港区雷电活动的时空分布特点和变化特征进行统计分析,揭示了洋口港区雷电发生的规律:闪电集中在6—8月份,港区陆地的闪电密度高于水域,而海上的闪电强度高于陆地。并通过计算气象指标、地物环境指标、承灾体的风险指标和建筑物的防护指标,对洋口港区人工岛进行雷击风险计算和雷击风险区等级划分,得出人工岛干散货及杂货作业区为高风险区,液体散货罐区和LNG接收站区域为中等风险区,公共设施区为低风险区,整个人工岛的雷击风险综合等级为中等。     

2008—2016年陕西省雷电灾害特征分析

利用2008—2016年陕西省收集到的144起雷电灾害资料和闪电定位仪资料,统计分析雷电灾害特征,结果发现:雷电活动旺盛的季节与雷灾频发的时段相对应,78%的雷灾发生在6—8月闪电高发期;雷灾空间分布总体呈现关中多、陕南陕北少的特点,但陕北雷灾比例较2000—2007年增长了12%。从雷灾类型看,人员伤亡事故明显下降,主要发生在农村地区,防雷知识宣传工作仍需加强;遭受雷灾频次最多的是电子电气设备,雷击事故影响范围最广的是供配电及通讯设施,可通过防雷装置定期检测降低雷灾概率;易燃易爆场所雷灾数量近年显著增长,需要根据实际情况在项目不同阶段采取对应的积极措施防范雷击事故。     

闪电定位系统与人工观测雷电日参数对比分析

雷电日是反映雷电活动规律的重要参数。通过对重庆地区35个区县人工观测雷暴资料(1951—2009年)和闪电定位系统监测资料(1999—2008年)的数理统计,重点分析了人工观测雷暴日、闪电定位系统监测的雷电日和雷击大地密度特征。结果表明:人工观测的雷暴日数远小于闪电定位系统监测获取的数据;人工观测的雷暴日局限于个人差异和地形影响,而闪电定位系统监测的雷电日局限于探测方法和设备的灵敏性,不能完全客观反映各地区雷电活动规律;雷击大地密度客观真实反映各地雷电活动特征,在此基础上获得了有效反映雷电活动规律的雷电日参数,为雷电灾害风险评估与防雷设计提供参考。     

基于人口/GDP数据空间化的雷电灾害风险评价

为满足雷电灾害风险决策的精准化需求,突破人口、GDP等社会经济数据受行政区域的限制。本文基于多源遥感资料及统计年鉴数据,反演贵州省人口、GDP空间精细化分布情况,实现受灾对象在空间上的连续性分布;同时结合闪电定位监测资料、土壤电导率(HWSD)数据、地理信息数据,从致灾因子、孕灾环境、承灾体3个方面选取评价因子,构建雷电灾害风险评价模型,实现精细化风险评价研究。结果表明:(1)通过融入坡度分布修正人居指数、土地利用数据和夜间灯光数据反演不同产业经济数据实现的人口、GDP数据空间化分布,在总体趋势和局部特征上与贵州省实际情况相符,可为雷电灾害及其他自然灾害风险评价中承灾体的精细化分布提供参考。(2)雷电灾害风险主要受致灾因子、承灾体的影响,与雷电活动频繁程度以及社会经济发展水平有关。贵州省高风险区域主要集中在六盘水、毕节东南部、黔西南东北部、安顺南部及北部、贵阳东南部,黔南西南及东北部、遵义西北部、铜仁中部及东南部等区域。     

2006—2010年广西雷电灾害特征

对5a雷电灾害资料进行统计分析,给出了广西雷电灾害的时间分布、地理分布和行业分布以及人员伤亡雷灾地点分布情况。广西每年每一百万人中大约有0．56人死于雷击,农村是雷击重灾区,农民是雷灾的主要受害者。雷灾主要发生在汛期（4~9月）,桂林雷灾最多,钦州雷灾最少,受损行业最多的是民用领域,占25％,人员伤亡雷灾中的雷击地点,...     

基于闪电定位数据的鲁西南地区雷电灾害易损度区划

为了明确不同县区雷电灾害风险的高低,防御和减轻雷电灾害,利用鲁西南地区闪电定位资料、土壤电阻率数据、经济社会数据,选取地闪密度、强雷电流分布、土壤电阻率、人口密度、单位面积GDP为影响因子,采用层次分析法和加权综合评价法,建立雷电灾害易损度区划模型,以县区为单位,将该地区雷电灾害易损度区划为5个等级,绘制区划图,并利用历史雷灾频次对区划结论进行检验。结果表明:地闪密度高值区位于曹县和东明,这两个县区的雷电灾害易损度最高;郓城和牡丹区的强雷电流分布密度大,易损度次高;巨野和定陶的易损度居中;鄄城的地闪密度最小,成武的土壤电阻率和人口密度较低,两者划为易损度次低区;单县由于强雷电流分布密度最低,划为易损度低风险区。易损度和历史雷灾数据正相关,且相关性较好,密切程度较高,回归显著。     

基于综合评价算法的雷电灾害易损度区划模型研究

选取落雷密度、雷灾发生率、雷灾经济损失率及雷灾生命损伤率为评价雷电灾害易损性的指标,运用解析几何的直线方程对指标数据进行了标准化,引入层次分析法对评价指标数据真实性程度对结果的影响进行了修正,采用聚类分析方法对总易损度值进行更为合理科学的区划分级,并以福建省为例对新模型做了实例计算。结果表明,综合评价算法模型在关系计算、级别区划、结果分析等方面体现出一定的数学优势,能较细致、完整地反映出雷灾易损度区划指标之间的联系及各指标因素对雷灾易损度的综合影响关系。     

云南省雷电灾害易损性分析及区划

利用云南省124个气象台站1971—2005年年平均雷暴日数资料及2001—2005年雷电灾害资料,从灾害易损性的角度出发,对云南省雷电灾害进行系统的分析研究,计算了各州市的雷击密度、雷击灾害频数、经济易损性指标、生命易损性指标,最后进行了综合评估,初步形成了云南省雷灾易损性区划。结果表明,某一地区雷击灾害的发生及其造成的损失情况既与该地所处的地理位置、大气环境状况有关,也与该地人口密度、经济发展状况有关。所形成的区划对各地防御和减轻雷电灾害,采取有效管理措施提供了比较客观的科学依据。     

闪电定位密度数据泰森多边形优化方法

从识别、修订闪电定位监测数据异常值、提高闪电定位监测产品准确度的目的出发,以闪电定位栅格密度图为研究对象,结合人工观测雷电日数据及国内外对小电流幅值闪电数据剔除的研究成果,引入泰森多边形、数据分布假设检验、异常值(五数概括)处理算法等模型,建立了可用于判别和优化闪电定位监测数据栅格密度异常值的方法,以福建省为例,对该方法进行了实例应用。结果表明,在福建省西、北部区域,闪电定位监测数据存在一定探测误差或数据丢失的情况,并使用人工观测雷电日数据对这些异常值所在的区域进行了修订,该方法适用于闪电定位仪覆盖数量较少区域的闪电定位监测数据异常值识别与优化应用。     

青海东部地区雷电灾害易损性分析与区划

利用青海东部地区10个气象台站1997—2012年的年平均雷暴日数,2008—2014年闪电定位数据和1997—2014年雷电灾害资料,将雷暴日数、雷击密度、综合灾度、生命易损模数和经济易损模数作为雷电灾害易损性评估指标,采用层次分析法确定指标的权重,建立了雷电灾害易损性评估模型,依据气象灾害学分级统计法划分出雷电灾害易损性等级,形成了青海东部地区雷电灾害易损性区划图。结果表明青海东部地区雷电灾害易损性区域呈分散分布的特征,极高易损区在大通县、化隆县,次高易损区在湟中县、互助县,中易损区在省会城市西宁市、湟源县,低易损区在乐都区、平安区、民和县和循化县。     

基于ArcGIS的新疆雷电灾害风险区划研究

为了明确不同区县雷电灾害风险的高低程度、防御措施和减轻雷灾损失,利用地闪资料、雷电灾情数据、社会经济资料和地理信息数据,采取归一化法、层次分析法和加权综合评价法,考虑致灾因子的危险性、孕灾环境的敏感性和承灾体的易损性3个评价指标,选择地闪密度、地闪强度、海拔高度、地形起伏、地表覆盖类型、人口密度、地均GDP、生命损失指数、经济损失指数和耕地比重等10个影响因子建立雷电灾害区划模型,绘制出新疆雷电灾害风险区划图。结果表明:雷电灾害风险极高区主要集中在阿勒泰地区北部、塔城地区大部、博州、伊犁州、喀什市和天山北坡经济带南部部分地区,而古尔班通古特沙漠和塔克拉玛干沙漠地区属于一般风险区。通过与新疆历史雷电灾情数据比较发现,雷电灾情次数空间分布与风险区划分布趋势大致吻合。     

云南省雷灾特征分析及灾情评估

根据云南省2007 2008年的雷电灾害资料以及地闪资料,分析了云南省16个地级市的雷电灾害分布特征,讨论了雷灾分布与地闪分布的关系,并从雷灾记录中提取了6个灾度指标,通过AHP法(层次分析法)建立灾情评估层次模型和灾度评估方程,计算了云南省522次雷灾的灾度值,用SAS中聚类分析过程将灾度值分为4级,并统计分析了各级雷灾在各地区的分布情况,得出云南雷电灾害中小型雷灾分布较广、出现几率较大,而大型和特大型雷灾发生几率较低、主要集中在昆明和德宏地区.该文结论为区域防雷减灾规划提供了科学依据.     

北京市雷电灾害易损性分析、评估及易损度区划

根据1995—2005年北京市18个区县的雷暴日和雷电灾害统计资料, 结合北京市的经济和人口密度特征, 提出了雷暴日数、雷电灾害频度、生命易损模数及经济易损模数作为北京市雷电灾害易损性评估指标, 并在此基础上, 给出了北京市雷电灾害易损度评估结构。采用4级分区法对上述雷电灾害易损性评估指标进行了分级, 并赋予各等级如下定值:极高级为1.0, 高级为0.8, 中级为0.5, 低级为0.2。将北京市18个区县按照4个雷电灾害易损性评估指标的所属等级获取相应等级值, 将各区县4个评估指标的等级值累加, 得到平均值作为雷电灾害易损性评估的评价指数。最后通过对北京市各区县雷电灾害易损性进行综合评估, 并利用4级分区法形成北京市雷电灾害易损度区划。结果表明:城区和丰台区为雷电灾害极高易损区, 海淀区、朝阳区、昌平区和石景山区为雷电灾害高易损区, 延庆县、大兴区、门头沟区和平谷区为雷电灾害低易损区, 其他区县为雷电灾害中易损区。