吳 量，向清才，陸 慶

(1.河池市氣象局，廣西河池 547000；2.都安縣氣象局，廣西都安 530700)

雷電是伴隨著強(qiáng)對(duì)流過程發(fā)生的一種災(zāi)害性天氣現(xiàn)象，為有效地防御和減輕雷電災(zāi)害的發(fā)生，已有學(xué)者根據(jù)當(dāng)?shù)乩纂娀顒?dòng)情況、社會(huì)經(jīng)濟(jì)狀況等開展了雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃研究。劉巖等[1]利用安徽省地閃密度、人口密度、單位面積地區(qū)生產(chǎn)總值(GDP)等作為評(píng)估指標(biāo)建立層次分析模型，得到雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃。張春燕等[2]確定廣州市人口密度、GDP等評(píng)估指標(biāo)權(quán)重,利用層次分析法，形成雷電災(zāi)害易損度區(qū)劃。馬遠(yuǎn)飛等[3]將雷暴日結(jié)合延安經(jīng)濟(jì)和人文環(huán)境特點(diǎn)建立評(píng)估指標(biāo)，采用分區(qū)法進(jìn)行雷電災(zāi)害易損度區(qū)劃研究。當(dāng)前開展的雷電災(zāi)害評(píng)估,采用的評(píng)價(jià)指標(biāo)多涉及閃電數(shù)據(jù)、生命易損程度以及經(jīng)濟(jì)損失等，結(jié)合下墊面參數(shù)的影響研究較少，而雷電的發(fā)生與局地的地形、地貌特征等密切相關(guān)；并且采用的評(píng)價(jià)方法大多只有一種，結(jié)果缺乏對(duì)比性。因此，基于河池市閃電監(jiān)測(cè)數(shù)據(jù)、高分辨率的地理數(shù)據(jù)和社會(huì)經(jīng)濟(jì)數(shù)據(jù)，采用信息熵法、復(fù)相關(guān)系數(shù)法和層次分析法相結(jié)合的組合評(píng)價(jià)法對(duì)河池市雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃進(jìn)行研究分析，并使用歷史雷災(zāi)數(shù)據(jù)對(duì)區(qū)劃結(jié)果進(jìn)行驗(yàn)證，以期科學(xué)地指導(dǎo)當(dāng)?shù)乩纂姺罏?zāi)減災(zāi)工作。

1 數(shù)據(jù)來源和處理

廣西ADTD閃電定位監(jiān)測(cè)系統(tǒng)在北海、梧州、玉林、賀州、桂林、柳州、寧明、河池、百色、貴港、馬山建設(shè)了11個(gè)閃電定位探測(cè)子站，監(jiān)測(cè)范圍可覆蓋廣西全境，雷電放電峰值電流的測(cè)量范圍為(±1 kA，±500 kA)，采集云地閃波形峰點(diǎn)到達(dá)時(shí)間精度為0.1 μs，探測(cè)范圍平均為300 km，網(wǎng)內(nèi)探測(cè)效率為95%以上，中心定位處理軟件采用時(shí)差測(cè)向混合定位算法可實(shí)時(shí)獲取閃電發(fā)生的時(shí)間、位置、極性、強(qiáng)度、陡度等信息。

選取2010—2015年河池市閃電資料中幅值、陡度都不為0的閃電記錄，共監(jiān)測(cè)到367 817個(gè)閃電數(shù)據(jù)；河池市2000年海拔高度和坡度數(shù)據(jù)，2004年水系密度，2015年植被指數(shù)、人口密度和GDP密度數(shù)據(jù)均來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，分辨率為1 km×1 km；河池市2009年上層土壤電導(dǎo)率數(shù)據(jù)來源于寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心，分辨率為1 km×1 km。河池市歷史雷災(zāi)數(shù)據(jù)采用10市縣2007—2015年的雷災(zāi)統(tǒng)計(jì)數(shù)據(jù)(其中大化縣沒有設(shè)置雷災(zāi)報(bào)送點(diǎn)，因此無法獲得該縣雷災(zāi)數(shù)據(jù))。

考慮到在閃電幅值相同的情況下，不同陡度的閃電可能造成的損失是不同的[4]，因此，綜合考慮雷電流幅值和陡度的影響，建立閃電強(qiáng)度的概念，基于之前的研究得到，河池市閃電強(qiáng)度的計(jì)算公式[5]

P=I/292.754+(di/dt)/70.308-0.072，

(1)

P為閃電強(qiáng)度(無量綱)，I為雷電流幅值(kA)，di/dt為雷電流陡度(kA/μs)。利用GIS軟件對(duì)閃電資料進(jìn)行頻次和強(qiáng)度的柵格化處理，得到閃電密度(次/km2)和單位面積(1 km2)閃電強(qiáng)度(簡(jiǎn)稱閃電強(qiáng)度)。

2 研究方法

2.1 信息熵法

信息熵法是客觀計(jì)算指標(biāo)權(quán)重的方法，是對(duì)一個(gè)系統(tǒng)信息無序度的度量。信息的無序度越高,信息熵越大,其信息提供的效用值越?。环粗?信息的無序度越低,信息的熵越小,其效用值越大。計(jì)算步驟如下。

(1)利用極差標(biāo)準(zhǔn)化方法[6]對(duì)原始數(shù)據(jù)矩陣(xij)m×n(i=1，2，…，m；j=1，2，…，n；其中m為評(píng)價(jià)樣本個(gè)數(shù)，n為評(píng)價(jià)指標(biāo)個(gè)數(shù)，xij為第i個(gè)評(píng)價(jià)樣本的第j個(gè)指標(biāo)值)進(jìn)行標(biāo)準(zhǔn)化處理得到(pij)m×n。

(2)計(jì)算第j個(gè)指標(biāo)的熵值

(2)

其中K=(lnm)-1。

(3)計(jì)算第j個(gè)指標(biāo)的差異系數(shù)

Vj=1-Ej。

(3)

(4)確定第j個(gè)評(píng)價(jià)指標(biāo)歸一化后的權(quán)重

(4)

2.2 復(fù)相關(guān)系數(shù)法

復(fù)相關(guān)系數(shù)法是測(cè)量一個(gè)要素與其他多個(gè)要素間線性相關(guān)程度的指標(biāo)，復(fù)相關(guān)系數(shù)越大，表明要素間的線性相關(guān)程度越密切，是一種客觀計(jì)算指標(biāo)權(quán)重的方法。計(jì)算步驟[7]如下。

(1)對(duì)原始數(shù)據(jù)矩陣(xij)m×n計(jì)算n個(gè)評(píng)價(jià)指標(biāo)的相關(guān)系數(shù)矩陣，對(duì)于任意兩個(gè)評(píng)價(jià)指標(biāo)(xik)m、(xil)m(k、l分別為1，2，…，n中任意兩個(gè)數(shù))的相關(guān)系數(shù)

(5)

(2)計(jì)算評(píng)價(jià)指標(biāo)xi與其他n-1個(gè)評(píng)價(jià)指標(biāo)的復(fù)相關(guān)系數(shù)

(6)

(3)對(duì)各評(píng)價(jià)指標(biāo)的復(fù)相關(guān)系數(shù)倒數(shù)進(jìn)行歸一化處理得到權(quán)重

(7)

2.3 層次分析法

層次分析法是一種主觀定權(quán)法，是對(duì)一些較復(fù)雜、較模糊的問題作出決策的簡(jiǎn)易方法，先將復(fù)雜問題分解為若干層次和若干因素，再在兩兩因素之間利用“1～9標(biāo)度法”[8]進(jìn)行重要性程度的比較，將兩兩比較結(jié)果構(gòu)造得到判斷矩陣，從而計(jì)算得到各元素的權(quán)重。

2.4 斯皮爾曼相關(guān)分析法

信息熵法和復(fù)相關(guān)系數(shù)法客服了權(quán)重賦值的主觀性，層次分析法考慮到因素間的相互關(guān)聯(lián)會(huì)對(duì)結(jié)果的影響，從而建立按不同層次聚集的組合[9]。因此,為了增加評(píng)價(jià)結(jié)論的說服性，引入斯皮爾曼相關(guān)系數(shù)，用于衡量三種評(píng)價(jià)方法計(jì)算得到的指標(biāo)權(quán)重的差異程度，選擇差異較小的兩種或三種評(píng)價(jià)法計(jì)算的指標(biāo)權(quán)重，采用乘法合成法[7]進(jìn)行組合，計(jì)算得到的組合權(quán)數(shù)作為各指標(biāo)的最終權(quán)重。斯皮爾曼相關(guān)系數(shù)計(jì)算公式[10]為

(8)

其中，di2為兩種評(píng)價(jià)方法的級(jí)別差的平方，f為待評(píng)方案?jìng)€(gè)數(shù)。

3 權(quán)重計(jì)算

參考相關(guān)文獻(xiàn)[11-13]可知，海拔高度、坡度、人口密度和GDP密度等作為影響雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃的下墊面以及社會(huì)經(jīng)濟(jì)指標(biāo)是科學(xué)可靠的，而閃電密度、閃電強(qiáng)度作為表征閃電活動(dòng)程度的因子，其數(shù)值越大則雷災(zāi)發(fā)生的概率將越大；因此有必要先對(duì)下墊面及社會(huì)經(jīng)濟(jì)指標(biāo)與閃電密度、強(qiáng)度分布作一元線性回歸相關(guān)分析，從而選取適合當(dāng)?shù)氐睦纂婏L(fēng)險(xiǎn)因子(表1)。由表1可知：與閃電密度分布有關(guān)聯(lián)的正向指標(biāo)因子(相關(guān)系數(shù)>0，線性擬合斜率>0)有經(jīng)度；負(fù)向指標(biāo)因子(相關(guān)系數(shù)>0，線性擬合斜率<0)有：緯度、海拔高度、坡度、植被指數(shù)、人口密度和GDP密度。與閃電強(qiáng)度分布有關(guān)聯(lián)的正向指標(biāo)因子有：緯度、海拔高度和坡度；負(fù)向指標(biāo)因子有：經(jīng)度、人口密度和GDP密度。

表1 各指標(biāo)因子與閃電活動(dòng)關(guān)系

利用GIS軟件處理得到河池市上層土壤電導(dǎo)率分別為0.1 μs/cm和0.3 μs/cm，對(duì)應(yīng)的閃電密度平均值為9.972次/km2、9.809 次/km2，閃電強(qiáng)度平均值分別為0.156 9、0.156 8。由此可知，上層土壤電導(dǎo)率大值區(qū)對(duì)應(yīng)閃電密度、強(qiáng)度的低值區(qū)；而上層土壤電導(dǎo)率小值區(qū)對(duì)應(yīng)閃電密度、強(qiáng)度的高值區(qū)。

3.1 信息熵法

將導(dǎo)致雷災(zāi)發(fā)生的致災(zāi)因子閃電密度和閃電強(qiáng)度作為風(fēng)險(xiǎn)區(qū)劃的兩個(gè)正向指標(biāo)，并結(jié)合上述分析得到的下墊面及社會(huì)經(jīng)濟(jì)因子共10個(gè)指標(biāo)根據(jù)公式(2)～(4)計(jì)算權(quán)重，由于同一指標(biāo)與閃電密度和閃電強(qiáng)度分布呈現(xiàn)不同的相關(guān)性，因此需要分別計(jì)算指標(biāo)的權(quán)重(見表2中第2、3列數(shù)據(jù))?？紤]到需要將同一指標(biāo)的權(quán)重統(tǒng)一，因此先采用信息熵法計(jì)算得到閃電密度、閃電強(qiáng)度的權(quán)重為0.623 7和0.376 3，再將該權(quán)重分別與閃電密度和閃電強(qiáng)度分布有關(guān)聯(lián)的指標(biāo)權(quán)重相乘，然后相加得到雷電災(zāi)害風(fēng)險(xiǎn)指標(biāo)權(quán)重(見表2中第4列數(shù)據(jù))。

表2 信息熵法計(jì)算雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃指標(biāo)權(quán)重

3.2 復(fù)相關(guān)系數(shù)法

基于各因子對(duì)雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃影響的相關(guān)分析，選取經(jīng)度、緯度、海拔高度、坡度、植被指數(shù)、上層土壤電導(dǎo)率、人口密度、GDP密度、閃電密度和閃電強(qiáng)度10個(gè)指標(biāo)，采用復(fù)相關(guān)系數(shù)法，根據(jù)公式(5)～(7)計(jì)算得到各指標(biāo)權(quán)重(表3)。

表3 復(fù)相關(guān)系數(shù)法計(jì)算雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃指標(biāo)權(quán)重

3.3 層次分析法

根據(jù)河池市雷災(zāi)風(fēng)險(xiǎn)評(píng)估情況，建立雷電災(zāi)害層次分析模型:(1)模型的目標(biāo)層為河池市雷電災(zāi)害風(fēng)險(xiǎn)。(2)在目標(biāo)層以下，將該模型具體劃分為三個(gè)準(zhǔn)則層，即致災(zāi)因子、孕災(zāi)環(huán)境因子和承災(zāi)因子。(3)指標(biāo)層，即選取影響河池市雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃的相關(guān)因素得到一系列可評(píng)估、可量化的指標(biāo)。致災(zāi)因子包括閃電密度、強(qiáng)度兩個(gè)指標(biāo)因子；下墊面指標(biāo)(經(jīng)度、緯度、海拔高度、坡度、植被指數(shù)、上層土壤電導(dǎo)率)為孕災(zāi)環(huán)境因子；人口密度和GDP密度為承災(zāi)因子。計(jì)算得到風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的權(quán)重(表4)。

表4 層次分析法計(jì)算雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃指標(biāo)權(quán)重

3.4 計(jì)算組合權(quán)重

將河池市行政區(qū)域內(nèi)每個(gè)網(wǎng)格單元(1 km2)的10項(xiàng)指標(biāo)值分別與對(duì)應(yīng)的指標(biāo)權(quán)重相乘求和，得到各網(wǎng)格單元的雷電災(zāi)害風(fēng)險(xiǎn)值，對(duì)所有網(wǎng)格的風(fēng)險(xiǎn)值按大小進(jìn)行排序。根據(jù)以上三種方法計(jì)算得到同一指標(biāo)的不同權(quán)重值可知，河池市行政區(qū)域所有網(wǎng)格的風(fēng)險(xiǎn)值排序有三種不同結(jié)果。根據(jù)公式(8)計(jì)算得到的三種分析法排序結(jié)果相關(guān)性如下：ρ(信息熵-復(fù)相關(guān)系數(shù))=0.999 2；ρ(信息熵―層次分析法)=0.992 7；ρ(層次分析法-復(fù)相關(guān)系數(shù))=0.991 1。由于三種方法之間的ρ值均大于0.9，因此，三種評(píng)價(jià)方法的相關(guān)性很高，參照文獻(xiàn)[7]，將同一指標(biāo)的三種權(quán)重值相乘得到該指標(biāo)的組合權(quán)重(表5)。

表5 雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃指標(biāo)組合權(quán)重

4 雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃結(jié)果檢驗(yàn)

將每個(gè)網(wǎng)格單元的10項(xiàng)指標(biāo)值與對(duì)應(yīng)的組合權(quán)重值相乘求和，得到各網(wǎng)格單元的雷電災(zāi)害風(fēng)險(xiǎn)值，利用GIS軟件繪制得到河池市雷電災(zāi)害風(fēng)險(xiǎn)分布圖(圖1，第33頁)。利用歷史雷災(zāi)頻次對(duì)風(fēng)險(xiǎn)分布結(jié)果進(jìn)行檢驗(yàn)。利用GIS軟件提取得到河池市10市縣雷災(zāi)風(fēng)險(xiǎn)的平均值，按照大小順序進(jìn)行排序，將各市縣的歷史雷災(zāi)頻次數(shù)據(jù)也進(jìn)行排序(表6)。由表6可知，除宜州、鳳山的雷災(zāi)風(fēng)險(xiǎn)平均值、雷災(zāi)頻次的排名結(jié)果差距較大外，其他市縣兩者排名差距較小，根據(jù)公式(8)計(jì)算兩者排名的斯皮爾曼相關(guān)系數(shù)為0.63，說明除宜州、鳳山外其他地區(qū)雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃結(jié)果與歷史雷災(zāi)數(shù)據(jù)基本吻合。由于雷災(zāi)事故上報(bào)受人為因素影響較大且統(tǒng)計(jì)時(shí)限較短，因此利用歷史雷災(zāi)數(shù)據(jù)對(duì)雷災(zāi)區(qū)劃結(jié)果的驗(yàn)證還有待進(jìn)一步完善。

表6 河池市各市縣雷災(zāi)風(fēng)險(xiǎn)平均值、歷史雷災(zāi)頻次對(duì)比

5 結(jié)論與討論

基于河池市閃電數(shù)據(jù)、海拔高度、坡度等地理數(shù)據(jù)和人口密度、GDP密度數(shù)據(jù)，采用一元線性回歸相關(guān)法，篩選得到與閃電密度、強(qiáng)度分布相關(guān)的8個(gè)影響雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃的下墊面以及社會(huì)經(jīng)濟(jì)指標(biāo)，結(jié)合閃電密度、強(qiáng)度2個(gè)致災(zāi)因子，利用信息熵法、復(fù)相關(guān)系數(shù)法和層次分析法相結(jié)合的組合評(píng)價(jià)法得到河池市雷電災(zāi)害風(fēng)險(xiǎn)區(qū)劃結(jié)果為:金城江、南丹和鳳山為雷災(zāi)極高風(fēng)險(xiǎn)區(qū)，天峨、巴馬、東蘭和大化大部分區(qū)域?yàn)槔诪?zāi)風(fēng)險(xiǎn)高值區(qū)，其他縣為雷災(zāi)風(fēng)險(xiǎn)低值區(qū)(局部區(qū)域?yàn)楦咧祬^(qū))。組合評(píng)價(jià)法具有既定量又定性，既主觀又客觀的特點(diǎn)，利用歷史雷災(zāi)數(shù)據(jù)對(duì)風(fēng)險(xiǎn)區(qū)劃結(jié)果進(jìn)行檢驗(yàn)可知，該方法應(yīng)用在雷電風(fēng)險(xiǎn)區(qū)劃是可行的。