基于GIS平台托克托县地区新营子镇雷电风险区划分析

张岚晶

(呼和浩特市气象局，内蒙古 呼和浩特 010020)

托克托县新营子镇地处萨凉公路和呼大公路的交汇地带，该镇是1988年内蒙古自治区政府批准的县属建制镇，新营子镇是准格尔煤田和晋陕两省的必经之地，是托克托县地区经济贸易中心。全镇总土地面积383.19 km2，共辖27个行政村，且托克托县重要的工业园区位于新营子镇内。

近年来，雷电人工观测被自动观测所取代，闪电定位系统逐渐建立并成为观测雷电活动主要设备之一，为了有效开展雷电灾害防治工作，气象部门和相关学者越来越多人利用闪电定位数据资料作为基础研究数据对雷电风险进行区划，开展对雷电灾害的规律性研究[1],刘垚[2]等人依据浙江省ADTD闪电定位资料对杭州市16个指标进行雷电灾害综合风险评估分析，最终得到该地西南地区风险比较低，近海的东北地区则比较高的结论；卜俊伟[3]应用2005年—2012年四川省闪电定位资料及社会经济资料研究了四川省雷电风险区划，提出了四川省雷电风险区划因子及其分级标准。陈广昌[4]等人利用2013年—2014年的无锡市三维闪电定位系统资料和详细的雷电灾情资料采用灰色关联分析法，定量化得到3个致灾因子权重，构建雷电灾害危险度指数模型得到江苏省雷电灾害危险度的空间分布特征与闪电密度分布特征相似结论。从相关雷电风险区划研究文献来看，大多数是以 (市、区)级行政区域作为基本单元，区划结果比较粗放，不能精细化反映地区雷电风险空间差异。笔者以新营子镇村镇为研究单位，选取新营子镇2013年—2020年闪电强度密度数据作为致灾因子参数；海拔高度、土壤质地要素作为孕灾环境评估参数；人口密度和国内生产总值作为承灾体评估参数最终建立评价指标与风险评估的定量关系。

1 数据来源与分析方法

1.1 数据来源

①2013年—2020年ADTD闪电定位监测数据与1963年—2003年雷暴日观测数据来源于内蒙古自治区气象局。②人口数据和地区GDP数据全部来源于中国科学院资源环境科学数据中心(http：//www.resdc.cn)，为2018年全国 GDP空间分布公里网格数据、全国人口空间分布公里网格数据。③土壤质地数据来自中国科学院资源与环境数据中心(http://vdb3.soil.csdb.cn/)中国土壤质地空间分布数据。④DEM高程数据来源于中国科学院资源与环境数据中心(http://vdb3.soil.csdb.cn/),精度为500 m。

1.2 分析方法

1.2.1 归一化处理[5]。分析雷电风险区划之前，采用(1)式对原始数据作归一化处理，将各个量转换为无量纲数使各个量之间有一定的可比较性。

(1)

其中，xi，xi′为数据预处理前后的值；maxxi和minxi为数据的最大值和最小值。

1.2.2 逻辑回归模型[6]。逻辑回归模型是二项分类因变量常用的统计分析模型，它描述的是因变量雷暴日是否发生(0代表不发生，1代表发生)和多个致灾因子(x1、x2…xn)之间的关系。该模型中自变量可以是连续的也可以是离散的，不需要满足正态的频率分布。逻辑回归函数表达式为：

P=1/[1+e-(α+β1x1+…+pixi)]

(2)

式中：P为雷暴日发生概率，范围为0～1；α为逻辑回归计算出的一个常数项；β为逻辑回归计算而得出的回归系数；i为评价因子种类数目。将式(2)两边取自然对数，In[p/(1-p)]作为因变量，将影响因子Xi(i=1,2,3,…,n)作为自变量。

2 雷电灾害风险评估指标

2.1 致灾因子危险性

地闪密度强度表示区域1 km×1 km栅格的年平均闪电次数、闪电强度。通过对新营子镇ADTD地闪定位仪2013年—2020年闪电定位监测数据统计分析，绘制出新营子镇地闪密度强度空间分布图，地闪密度越高，强度越大，说明区域内雷电发生频次多，致灾因子越活跃。

2.2 孕灾环境敏感性

2.2.1 海拔高度(DEM)。海拔高度空间分布数据来源于美国奋进号航天飞机的雷达地形测绘SRTM数据，具有现实性强、免费获取等优点。海拔越高闪电发生概率越大。

2.2.2 土壤质地。数据分为砂土、粉砂土、黏土三大类，数值为百分比；土壤质地的影响表现为土质越黏，土壤电阻率就越小，土壤电阻率小的地方容易发生雷电。

2.3 承灾体因子

2.3.1 人口密度。考虑人口自然要素的地理分异规律的基础上，笔者采用1 km×1 km每个栅格值平方公里的人口数。

2.3.2 国内生产总值(GDP)。GDP指某个地区在一定时期内经济活动中产生的价值，反映了该区域的经济综合实力与财富，考虑GDP自然要素的地理分异规律，通过空间插值生成1 km×1 km栅格数据，每个栅格的值为该平方公里的GDP数。

3 结果与分析

3.1 闪电活动空间分布特征

用Excel软件对各年闪电频次与雷电流强度数据进行数理统计计算与筛选(消除由于闪电定位仪设备原因导致的闪电数据异常值)。计算出托县新营子镇27个村闪电频次与雷电流强度有效数据。

根据闪电定位资料和新营子镇矢量图，通过ArcGIS建立渔网，然后通过叠加分析中的空间链接，将闪电点数据和渔网进行空间链接，分别统计1 km×1 km范围内的闪电次数和平均闪电强度，最后将渔网转换成栅格数据绘制出年均闪电密度空间分布图与年均雷电流强度空间分布图，结果如图1、图2所示。

由图1、图2可以看出新营子镇闪电密度高值区域分布在马土夭村以南与黑城村交界，燕山营村、塔布峁村、胡忽浪村以南，章盖营村以北地方，年均闪电次数在10次以上。新营子镇大多地区闪电次数为5～6次，新营子镇闪电强度空间分布比较均匀，雷电流强度大多在20 kA～40 kA之间。

3.2 闪电活动时间分布特征

根据闪电时间数据绘制出图3新营子镇闪电逐月分布图、图4新营子镇闪电强度分布图。

正闪电

从图3可以看出，2013年—2020年新营子镇地区闪电活动主要集中在7月—9月3个月份，其他月份较少，11月至次年2月几乎没有闪电发生。

从图4可以看出，2013年—2020年新营子镇共发生地闪2 355次，平均为294.3次/a。其中，2013年的闪电次数为484次，2014年的闪电次数为196次，2015年的闪电次数为593次，2016年的闪电次数为307次，2017年的闪电次数为388次，2018年的闪电次数为95次，2019年的闪电次数为112次，2020年的闪电次数为180次。其中正地闪251次占总地闪的10.6%，最大正地闪强度264.7 kA，最小正地闪强度13.1 kA，平均正地闪为18.14 kA。负地闪占2 104次，占总地闪的89.3%，最大负地闪强度-122 kA，最小负地闪强度-9.3 kA,平均负地闪-29.74 kA。正地闪强度主要集中在20 kA～90 kA之间，负地闪强度主要集中在10 kA～40 kA之间。

3.3 数据归一化

新营子镇各乡村通过ArcGIS区域统计功能分别计算不同村子的人口、GDP、DEM、闪电密度、雷电流强度、土壤数据、雷暴日的均值，然后导入Excel中，通过归一化公式计算得到以下数据，见表1。

表1 新营子镇各村数据归一化统计

3.4 权重计算

通过逻辑回归模型计算人口密度、地均GDP、DEM、闪电密度、闪电强度、土地利用率各指标权重，逻辑回归模型属于二项分类因变量常用的统计分析模型，它描述的是因变量和其他因子之间的逻辑关系。该模型中自变量可以是连续的也可以是离散的，不需要满足正态的频率分布。因此，笔者以雷暴日数为因变量，其余指标为自变量，从而确定其余各指标的权重系数。制作雷电风险区划图。利用SPSS中的逻辑回归模型，将各村子的归一化数据导入。这里需要注意的是，逻辑回归模型因变量必须为0或者1，根据概率学文中把雷暴日归一化<0.2的值认为是低概率事件，因变量雷暴日计为0，>0.2的值认为是高概率事件，因变量雷暴日计为1，其余指标以0.2为间隔划分为5个等级。计算各指标的得分情况，根据各指标得分情况计算权重结果如表2所示。

表2 各指标权重计算结果

4 雷电风险区划

采用ArcGIS自然间断法，将其划分为低风险区、中低风险区、中风险区、中高风险区和高风险区。统计出新营子镇各村雷电风险区划情况，如表3所示。

表3 新营子镇雷电风险区划分布统计

5 结论

笔者通过对托克托县新营子地区的雷电数据、土壤数据、经济社会数据的分析，建立雷电风险区划模型，以村为单位对雷电风险进行区划，得到结论：新营子镇海拔、闪电密度、雷电流强度指标在雷电风险区划中所占权重较大。其中新营子村、老杜营村、马家圪堵村、缸房夭村4个村地区属于雷电高风险区，黑城村、张全营村、燕山营村、西大圐圙村、坝上村5个村属于中高风险区，乃莫营村、荒地夭村、南壕村、碱沟子村、石匠营村、柳二营村6个地区属于中等风险区，胡忽浪村、小口子村、范成滩夭村、马士夭村、黑水泉村、乃同营村、塔布峁村7个村属于中低风险区，其余地区属于低风险区。