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。     

区域雷灾易损性及其区划的实证分析

分析了区域自然环境、经济状况和雷电灾害情况,根据江西省雷电灾害资料和年平均雷暴日统计资料,选取雷击密度、雷电灾害频数、经济易损指标、生命易损指标作为雷灾易损性评价指标。对江西省各设区市的雷灾易损性进行了综合评估,初步形成了江西省雷灾易损度区划。提出了区域雷灾易损性分析和区划的模式,为区域防御和减低雷电损失的规划提供了科学依据。     

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。     

浙江省雷电灾害易损性分析及风险区划

根据 2007-2011 年浙江省雷电灾害事故调查资料、浙江省地闪监测资料,选取地闪密度、灾害频数、经济（GDP）损失模数、生命易损模数、雷灾经济损失、人员伤亡等作为浙江省各市雷电灾害易损性评估指标,对浙江省各市进行雷电灾害易损性综合评估,并结合 GIS 方法对浙江省进行了雷电灾害易损性风险区划,为有针对性做好防御雷电灾害规划提供科学依据.     

区域雷灾分布特征及易损度区划

根据江苏省近9年来的雷电灾害资料、45年的雷暴日资料以及近4年的地闪资料,以江苏省的自然环境、人文环境、气候环境为背景,分析了江苏省13个地级市的雷电灾害分布特征,指出江苏省雷电灾害多发生在6～8月,雷电灾害主要是物理损坏和电气与电子系统失效,其中无锡和苏州最为典型.从江苏省各地级市的资料中提取了7个雷灾易损性评价指标,用SAS软件中主成分分析方法对各地级市的雷灾易损性评价指标进行了综合评估.结果表明,区域雷灾易损性不仅取决于区域自然条件对雷电磁场环境变化的敏感性,而且还取决于区域社会体系对雷电灾害的承受能力.用聚类分析法生成了江苏省的雷灾易损度区域划分图,为区域防雷减灾规划提供了科学依据.     

区域雷灾易损性分析、评估及易损度区划

根据广东省近10年来的雷电灾害统计资料和近35年来的雷暴日观测统计资料，提炼出雷击密度、雷电灾害频度、经济损失模数、生命易损模数作为雷灾易损性评价指标。在详细分析了广东省各地市的自然环境、经济状况和各地区雷灾损失情况，对广东省各地市面对雷电灾害的脆弱性和易损性进行了综合评估，初步形成了各地易损性结构和广东省雷灾易损度区划。提出雷电灾害区域易损性分析、评估的模式，为区域防御雷电灾害、减低雷电损失的规划提供科学依据。     

河北省雷电灾害易损性综合评估与区划

从雷电灾害易损性分析角度出发,利用河北省11个气象台站1971—2000年雷暴日资料和2003—2009年雷电灾害数据,结合河北省的经济和人口密度特征,选取雷击大地密度、雷电灾害频数、经济易损模数、生命易损模数4个指标,采用灾后分析法对河北省雷电灾害易损性进行了评估。评估结果显示:唐山、保定、秦皇岛为高易损区,邢台、衡水、廊坊、张家口、石家庄为较高易损区,承德为中易损区,沧州、邯郸为低易损区。初步形成了各地易损性结构和河北省雷灾易损度区划,绘制了河北省雷电灾害易损度区划图,为河北省各级政府和相关管理部门防御雷电灾害提供客观的科学依据。     

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。     

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.     

雷电灾害等级划分及发生潜势指标探讨

按照雷电灾害造成的人员伤亡和经济损失大小等情况,依据气象灾害评估分级处置标准,将雷电灾害划分为7个等级,并确定了等级划分标准。从造成雷电灾害的致灾因子、孕灾环境和承灾体系统出发,根据我国雷电灾害发生的特点,选取了地闪密度（或雷击密度）、雷灾频数、人口密度和人均GDP作为评估雷电灾害发生潜势的指标,并以珠江三角洲5市为例介绍了评估方法。     

海南岛雷电灾害特征及易损性分析区划

利用海南岛18个气象台站2003～2009年雷暴日及典型雷电灾害资料,在统计分析海南岛雷灾分布特征的基础上,从灾害易损性角度出发,对海南岛雷电灾害易损性差别进行研究,对各种易损性指标进行综合评估,初步形成海南岛雷灾易损性区划。结果表明,海南岛雷灾集中发生在4～9月份;多发生在下午;无防雷条件或条件差的露天野外和简易工棚等地是雷击事故造成人员伤亡的主要发生地点;地理位置、人口密度和经济发展状况等因素一定程度上影响着雷击灾害的发生及损失程度;形成的海南岛雷灾易损度区域划分图,为区域防雷减灾规划提供了科学依据。     

雷电灾害灾度评价方法探讨

该文引入层次分析法(AHP法)及雷灾灾度定义,通过建立的雷灾灾度层次模型,构建4个判断矩阵并确定雷灾灾度评价中各指标的权重值,根据权重值建立雷灾灾度公式,然后采用等差分级法,确定各雷灾灾度的取值范围,进行雷灾损失等级划分,对贵州省2000—2011年雷电灾害进行灾度评价分析。     

广东省地闪密度空间分布的特征分析

基于广东省1999—2012年的闪电定位系统数据,利用Arc GIS地统计分析模块,采用克里金插值法和分级统计方法研究广东省地闪密度空间分布规律并进行风险区域划分。结果表明：广东省平均地闪密度为14.12次/（km^2·年）;东莞、广州、佛山、中山、深圳为极高地闪密度区,年平均地闪密度达17.33-26.35次/（km^2·年）;惠州、茂名、湛江、阳江、江门为高地闪密度区,年平均地闪密度为达13.01-16.53次/（km^2·年）;珠海、肇庆、清远、云浮、汕尾为中地闪密度区,年平均地闪密度为10.01-12.72次/（km^2·年）;河源、揭阳、潮州、梅州、韶关、汕头为低地闪密度区,年平均地闪密度为8.29-9.81次/（km^2·年）。地闪密度风险的区域分布与雷暴日、地形和社会经济有关。     

2006-2016年昆明市雷电致灾因素分析及易损性风险区划

基于近11 a（2006-2016）云南省闪电定位监测数据以及雷电灾害汇编资料,运用ArcGIS对闪电数据与地理信息进行叠加,分析昆明市地闪活动规律和雷电灾害时空分布特征,结合地理环境、人口分布和经济社会发展情况,研究雷电致灾成因机制。从灾害系统理论和综合易损性出发,构建评价指标体系及权重判断矩阵,计算雷电灾害风险综合评价指数R值并进行分级,形成昆明市雷电灾害易损性风险区划。结果表明：频繁活跃的地闪活动是导致雷电灾害多发的主要致灾影响因子,雷电灾害的时空分布与地闪活动的变化特征存在较好的对应关系。全市有雷电灾害高易损区3个,次高易损区2个,中易损区4个,次低易损区4个,低易损区1个,建立雷电灾害易损性区划,能够为确定雷电防护重点和防范等级提供必要的参考依据,通过完善雷电防护措施,可以增强承灾体抵御雷电灾害的能力。     

金华市雷电时空特征分析及雷电灾害研究

随着社会的发展,雷电灾害也越来越多,公众和媒体对雷电时空分布特征及其灾害的信息需求也越来越迫切。自2007年起,浙江省ADTD闪电定位系统具有完整的闪电时间、空间、强度等参数资料,为了能让公众完整了解金华市雷电监测信息和雷灾特征,本文利用2012年金华市闪电定位资料,对地闪的密度、月份—时段、地闪强度累积百分比、地闪强度空间分布等进行分析,及对雷电灾害统计分析。结果表明,2012年金华市雷电具有明显的地域特征,兰溪东部、金华西部、东阳东部、永康南部及义乌北部等金华市周边区域闪电次数较多,而东阳、兰溪、浦江的年平均闪电密度最高,分别达到4.98、5.16和4.89次/年·km~2。从时间上看,2012年主要集中在6-8月13-17时。从地闪强度分布特征看,主要为负闪,超过95%,其中0~-50k A比例最高,达到86.62%。地闪强度空间分布特征不明显。从雷灾受损类别看,主要集中在办公和家用的电子电器设备及农村地区,其中人员伤亡均出现在农村。从雷灾事故主要行业统计来看,电力、通讯、金融比例相对较高。     

三明市雷电气候特征与雷电灾害易损度区划研究

通过对三明市市区及10个县（市）气象观测站1981-2013年雷电观测资料的统计分析,得出了三明市雷电气候特征与变化规律.采用2003-2012年雷电灾害数据,从雷电致灾因子、承灾体因素考虑,选取雷击密度N_g、雷电灾害频度P、经济损失模数D和生命受损模数L作为分析雷电灾害易损度指标参数,通过广泛调研和抽样调查问卷,确定各要素所占权重,计算出三明市区及所属10个县（市）雷电灾害易损性风险值,确定了雷电灾害易损度区划分级指标,绘制雷电灾害易损度区划图,完成了雷电灾害易损度区划研究.     

浙江省雷电灾害与区域地闪关系分析

基于2013—2018年浙江省地闪监测数据和雷电灾害资料,对雷灾周边半径5 km区域地闪进行统计,分析雷电灾害与区域地闪频次、强度的关系。结果表明：雷电灾害半径为5 km区域日地闪频次主要集中在100次以下,雷电流幅值主要分布于在10～50 kA;不同类型雷灾的区域地闪特征具有差异,电子电气设备受损雷灾的地闪频次、雷电流幅值跨度最大,人员伤亡的区域雷灾地闪频次普遍较低、小幅值雷电流比重较大,造成建筑物损毁的地闪频次高值事件比重较大、雷电流幅值相对较高。发生雷电灾害的概率随着区域日地闪频次的增加呈指数递增,指数函数可以很好地表征雷灾概率与地闪频次之间的关系,区域地闪频次对雷电灾害的发生具有决定性作用,地闪强度对雷电损害方式具有影响。     

浙江省地闪特征及致灾危险性分析

基于2007—2018年浙江省ADTD闪电监测资料,分析该区域地闪时空分布特征,进而选用地闪密度和强度作为致灾要素,进行致灾危险性评估。结果表明:落雷日数和正地闪比例的年际变化均呈增长趋势,全年地闪集中发生于6—9月的12:00—20:00。春季正地闪比例高,地闪多发于傍晚和夜间;夏季日地闪落雷面积广、密度极值高,午后雷暴占主导地位。地闪密度相对高值区随季节演变而自西向东移动,年平均地闪密度总体呈浙中多南北少的特征。雷电流幅值主要分布于15～45kA,地闪强度平均值在舟山最高(44.49kA),台州最低(32.69kA),地闪密度和强度的空间分布特征各异。致灾危险性极高等级在浙东沿海一带和杭州—绍兴交界呈片状分布,另在温州西北部、浙中和浙西地区呈絮状分布,致灾危险性与历史雷灾个数、人员伤亡总数的空间分布总体一致。     

近12年云南省云地闪活动变化及雷电灾害时空分布特征

根据云南省近12a(2006~2017)闪电定位监测数据和雷电灾害统计资料,基于ArcGIS空间分析和数理统计方法,分析全省云地闪活动演变规律和雷电灾害的时空分布特征。结果表明:云南省地闪活动频繁,2006~2017年共发生地闪活动6952770次,集中在6~9月,滇中、滇东及滇西北丽江东南部的地闪密度较大,地闪活动活跃。滇西南的西双版纳年平均雷暴日数最多,在95~120d/a之间,地闪电流强度的高值区分布在昭通、迪庆北部、怒江北部和德宏西部。2006~2017年全省共发生雷电灾害1159起,分布在滇中、滇西南地区,雷电灾害的时空分布与地闪活动的分布存在较好的对应关系,6~8月是雷电灾害高发期,普洱、玉溪、西双版纳、昆明的雷电致灾因子活跃,人口分布密集,经济发展程度高,雷电综合风险较高,雷灾频发多发。通过分析云地闪活动与雷电灾害特征,识别雷灾损失类型和分布特点,能够为雷电灾害风险管理、城乡规划等提供客观的技术参考。     

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。