摘 要：選取曲靖國家氣象觀測站地面觀測資料、閃電定位資料，對雷電、低溫冷凍、大風、冰雹氣象災(zāi)害進行年際變化、月際變化和空間分布的統(tǒng)計分析和致災(zāi)危險性評估。結(jié)果表明：（1）普樂村光伏項目所處區(qū)域主要氣象災(zāi)害，按照發(fā)生頻率和影響風險綜合考慮，雷電最大，低溫冷凍次之，大風、冰雹稍小。（2）普樂村光伏項目所處大部分區(qū)域?qū)儆诶纂姙?zāi)害較低危險區(qū)，局部小部分區(qū)域?qū)儆诶纂姙?zāi)害較高危險區(qū)；項目大部分區(qū)域?qū)儆诘蜏乩鋬鰹?zāi)害較低危險區(qū)，局部小部分區(qū)域?qū)儆诘蜏乩鋬鰹?zāi)害較高危險區(qū)；項目所處區(qū)域?qū)儆诖箫L災(zāi)害較高危險區(qū)，局部地區(qū)屬于冰雹災(zāi)害較高危險區(qū)。

關(guān)鍵詞：氣象災(zāi)害；致災(zāi)危險性；光伏項目；風險評估

中圖分類號：TM615 文獻標志碼：B 文章編號：2095–3305（2024）10–0-05

云南省地處低緯高原，自然地理環(huán)境和氣候條件復(fù)雜多樣，立體氣候突出，氣象災(zāi)害頻發(fā)。針對災(zāi)害性天氣的風險評估和區(qū)劃，國內(nèi)許多學者做過深入研究。例如，章國材[1]詳細研究了氣象災(zāi)害風險評估與區(qū)劃方法。孟丹等[2]以湖北省為例，分析了影響湖北光伏電站的主要氣象災(zāi)害種類及致災(zāi)因子和指標要素。趙偉等[3]利用浙江省電網(wǎng)雷電信息系統(tǒng)的地閃數(shù)據(jù)和雷電災(zāi)害統(tǒng)計資料進行了雷電致災(zāi)危險性評估。祝新建等[4]以輝縣市為例，從暴雨、冰雹、大風、地質(zhì)災(zāi)害4個方面分析了致災(zāi)因子。尹麗云等[5]根據(jù)層次分析法和權(quán)重判別模型，利用多重線性回歸研究了云南省冰雹災(zāi)害危險性評估方法。

以云南省曲靖市陸良縣普樂村光伏項目為例，結(jié)合該地氣候特征，從雷電、低溫冷凍、大風、冰雹氣象災(zāi)害入手，研究影響光伏電站的主要氣象災(zāi)害的特征和致災(zāi)危險性，得出主要氣象災(zāi)害風險評估和區(qū)劃，以期減輕或避免光伏電站可能受到的災(zāi)害性天氣的影響。

1 資料來源

陸良縣普樂村在2014年后停止了雷暴觀測，2020年后停止了霜凍和結(jié)冰觀測，因此選取曲靖國家氣象站建站以來至2013年的雷暴災(zāi)害性天氣資料、建站以來至2019年的霜凍和結(jié)冰災(zāi)害性天氣資料，以及建站以來至2022年的低溫、大風、冰雹災(zāi)害性天氣資料，對影響普樂村光伏項目的主要災(zāi)害性天氣時空特征進行分析，利用GIS繪圖軟件對項目區(qū)域氣象災(zāi)害風險進行分析評估，形成氣象災(zāi)害風險空間分布圖和區(qū)劃圖。

2 氣象災(zāi)害風險評估概述

根據(jù)政府間氣候變化專門委員會（Intergovernm- ental Panel on Climate Change，IPCC）第五次評估報告（AR5）對風險的表述：災(zāi)害風險是由致災(zāi)因子、暴露度和脆弱性構(gòu)成的函數(shù)，風險可表述為風險=f（災(zāi)害危險性，暴露度，脆弱性），其中災(zāi)害危險性指自然災(zāi)害的致災(zāi)因子強度，暴露度指處于災(zāi)害危險下的承災(zāi)體，脆弱性指承災(zāi)體潛在的可能受損程度。若將脆弱性理解為暴露承災(zāi)體的脆弱性，風險可表述為致災(zāi)因子（強度和頻率）及暴露于某強度致災(zāi)因子下的承災(zāi)體脆弱性的函數(shù)，即風險=f[災(zāi)害危險性，脆弱性（暴露度）]。氣象災(zāi)害評估一般包括災(zāi)前評估和災(zāi)后評估，災(zāi)前評估即氣象災(zāi)害風險評估，主要包括氣象災(zāi)害致災(zāi)危險性評估、承災(zāi)體暴露度評估和承災(zāi)體脆弱性評估。

3 影響光伏電站的主要氣象災(zāi)害

從影響陸良縣普樂村光伏項目的主要災(zāi)害性天氣歷年平均出現(xiàn)日數(shù)及頻率（表1）可知，主要災(zāi)害性天氣出現(xiàn)頻率較高的依次是雷電（17.78%）、低溫冷凍（霜凍10.78%、結(jié)冰4.93%、低溫4.80%）和大風（3.47%）。1957—2022年陸良縣普樂村光伏項目累年平均各月及年主要災(zāi)害性天氣出現(xiàn)日數(shù)見表2。

表1" 陸良站主要災(zāi)害性天氣出現(xiàn)日數(shù)及頻率統(tǒng)計

類型 歷年平均年出現(xiàn)日數(shù)/d 年出現(xiàn)頻率/%

雷電 64.91 17.78

霜凍 39.37 10.78

結(jié)冰 17.98 4.93

低溫 17.53 4.80

大風 12.68 3.47

冰雹 1.88 0.51

表2" 1957—2022年陸良縣普樂村光伏項目累年各月及年

主要災(zāi)害性天氣出現(xiàn)日數(shù)" " " " " " " " " " " "d

月份 雷暴 低溫冷凍 大風 冰雹

霜凍 結(jié)冰 低溫

1 0.70 13.67 7.76 7.91 0.8 0.26

2 1.46 7.89 3.08 3.33 3.00 0.44

3 3.39 1.83 0.38 0.41 4.47 0.33

4 4.79 0.10 0.03 0.03 3.14 0.42

5 6.51 0.02 0 0 0.53 0.14

6 10.77 0 0 0 0.20 0.05

7 13.16 0 0 0 0.15 0.05

8 13.67 0 0 0 0.12 0.02

9 6.54 0 0 0 0.03 0.02

10 2.88 0.33 0.02 0 0.05 0.05

11 0.68 3.6 0.44 0.30 0.03 0.06

12 0.37 11.94 6.27 5.55 0.17 0.06

年 64.91 39.37 17.98 17.53 12.68 1.88

4 雷電災(zāi)害分析與評估

4.1 雷暴日數(shù)

4.1.1 年際變化

從1957—2013年陸良站雷暴日數(shù)年際變化情況（圖1a）可看出，1957—2013年陸良站累年平均年雷暴日數(shù)為64.91 d，歷年年雷暴日數(shù)在33～91 d。1971—1972年雷暴日數(shù)≥90 d，其中1971年雷暴日數(shù)最多；1957、2003、2011年雷暴日數(shù)＜45 d，其中2011年最少。1957—2013年雷暴日數(shù)約以3.24 d/10年的速率呈減少趨勢，減少趨勢通過了0.01的顯著性檢驗。

4.1.2 月際變化

從1957—2013年陸良站累年平均各月雷暴日數(shù)（圖1b）可看出，1957—2013年陸良站累年平均月雷暴日數(shù)為5.41 d，各月雷暴日數(shù)在0.37～13.67 d。6—8月雷暴日數(shù)均＞10 d，其中8月最多；1、11、12月雷暴日數(shù)均＜1 d，其中12月最少。

4.1.3 空間分布

從曲靖市年平均雷暴日數(shù)的空間分布（圖1c）來看，普樂村光伏項目位于雷暴日數(shù)中等區(qū)域，年平均雷暴日數(shù)為55.9～59.7 d/年。

4.2 雷電災(zāi)害致災(zāi)危險性區(qū)劃

選用閃電定位資料及高程、坡度、地形起伏度數(shù)據(jù)，計算并疊加相關(guān)圖層數(shù)據(jù)，生成曲靖市雷電災(zāi)害危險性評估區(qū)劃圖（圖1d）。從圖中可看出，項目所處大部分區(qū)域?qū)儆诶纂姙?zāi)害較低危險區(qū)，局部小部分區(qū)域?qū)儆诶纂姙?zāi)害較高危險區(qū)。

圖1" 1957—2013年陸良站雷暴日數(shù)年際變化情況（a）、陸良站累年平均各月雷暴日數(shù)（b）、

曲靖市年平均雷暴日數(shù)的空間分布（c）、曲靖市雷電致災(zāi)危險性區(qū)劃（d）

5 低溫冷凍災(zāi)害分析與評估

5.1 低溫日數(shù)

5.1.1 年際變化

低溫日數(shù)是指日最低氣溫≤0 ℃的天數(shù)。從1957—2022年的低溫日數(shù)年際變化情況（圖2a）可看出，1957—2022年陸良站累年平均年低溫日數(shù)為17.53 d，

歷年年低溫日數(shù)為1～45 d，1971年低溫日數(shù)最多，2007年低溫日數(shù)最少。1957—2022年低溫日數(shù)約以3.20 d/10年的速率呈減少趨勢，減少趨勢通過了0.01的顯著性檢驗。

5.1.2 月際變化

從1957—2022年的累年平均各月低溫日數(shù)（圖2b）可看出，1957—2022年陸良站累年平均月低溫日數(shù)為1.46 d，各月低溫日數(shù)在0～7.91 d，集中在冬季，其中1月最多；5—10月均無低溫天氣出現(xiàn)。

5.1.3 空間分布

從曲靖市年平均低溫日數(shù)的空間分布（圖2c）來看，普樂村光伏項目位于低溫日數(shù)較少區(qū)域，年平均低溫日數(shù)為17.0～23.0 d/年。

圖2" 1957—2022年陸良站低溫日數(shù)年際變化（a）、陸良站累年平均各月低溫日數(shù)（b）、曲靖市年平均低溫日數(shù)的空間分布（c）

5.2 霜凍日數(shù)

5.2.1 年際變化

從1957—2019年陸良站霜日數(shù)年際變化情況（圖3a）可看出，1957—2019年陸良站累年平均年霜日數(shù)為39.37 d，歷年年霜日數(shù)在18～70 d，1978、1979年霜日數(shù)＞60 d，其中1979年最多；2011、2013和2017年霜日數(shù)＜20 d，其中2013年最少。1957—2019年霜日數(shù)約以2.79 d/10年的速率呈減少趨勢，減少趨勢通過了0.01的顯著性檢驗。

圖3" 1957—2019年的霜日數(shù)年際變化情況（a）、陸良站累年平均各月霜日數(shù)（b）、曲靖市年平均霜日數(shù)的空間分布（c）

5.2.2 月際變化

從1957—2019年陸良站累年平均各月霜日數(shù)（圖3b）可看出，1957—2019年陸良站累年平均月霜日數(shù)為3.28 d，各月霜日數(shù)在0～13.67 d，集中在冬季，其中1月最多；6—9月均無霜凍天氣出現(xiàn) 。

5.2.3 空間分布

從曲靖市年平均霜日數(shù)的空間分布（圖3c）來看，普樂村光伏項目位于霜日數(shù)較多區(qū)域，年平均霜日數(shù)為31.5～37.8 d/年。

5.3 結(jié)冰日數(shù)

5.3.1 年際變化

從1957—2019年陸良站的結(jié)冰日數(shù)年際變化情況（圖4a）可看出，1957—2019年陸良站累年平均年結(jié)冰日數(shù)為17.98 d，歷年年結(jié)冰日數(shù)在3～42 d，1968和1971年結(jié)冰日數(shù)＞35 d，其中1971年最多，2007、2009、2010、2012年結(jié)冰日數(shù)＜5 d，其中2007年和2012年最少。1957—2019年結(jié)冰日數(shù)約以2.82 d/10年的速率呈減少趨勢，減少趨勢通過了0.01的顯著性檢驗。

5.3.2 月際變化

從1957—2019年陸良站的累年平均各月結(jié)冰日數(shù)（圖4b）可看出，1957—2019年陸良站累年平均月結(jié)冰日數(shù)為1.5 d，各月結(jié)冰日數(shù)在0～7.76 d，集中在冬季，其中1月最多；5—9月均無結(jié)冰天氣出現(xiàn)。

5.3.3 空間分布

從曲靖市年平均結(jié)冰日數(shù)的空間分布（圖4c）來看，普樂村光伏項目位于結(jié)冰日數(shù)中等區(qū)域，年平均結(jié)冰日數(shù)為14.6～20.6 d/年。

圖4" 1957—2019年陸良站的結(jié)冰日數(shù)年際變化情況（a）、陸良站的累年平均各月結(jié)冰日數(shù)（b）、曲靖市年平均結(jié)冰日數(shù)的空間分布（c）

5.4 低溫冷凍災(zāi)害致災(zāi)危險性區(qū)劃

低溫冷凍災(zāi)害由霜凍、結(jié)冰、低溫等災(zāi)種構(gòu)成。對影響因子根據(jù)海拔、經(jīng)緯度進行插值細分，分別建立各子災(zāi)種的危險性指數(shù)，利用標準差法得到各子災(zāi)種危險性等級空間分布。對各因子利用熵權(quán)法計算影響權(quán)重，得到低溫冷凍災(zāi)害綜合危險性指數(shù)，經(jīng)平滑處理后得到曲靖市低溫冷凍致災(zāi)危險性區(qū)劃圖。從圖5可看出，項目大部分區(qū)域?qū)儆诘蜏乩鋬鰹?zāi)害較低危險區(qū)，局部小部分區(qū)域?qū)儆诘蜏乩鋬鰹?zāi)害較高危險區(qū)。

6 大風災(zāi)害分析與評估

6.1 大風日數(shù)

6.1.1 年際變化

從1957—2022年陸良站大風日數(shù)年際變化情況（圖6a）可看出，1957—2022年陸良站累年平均大風日數(shù)為12.68 d，歷年大風日數(shù)在0～35 d，1983、1984、1986、1988、1989和2019年大風日數(shù)大于30 d，其中1983年、1988年最多；1957—2022年有5年未出現(xiàn)大風?？傮w來看，1957—2022年大風日數(shù)約以1.41 d/10年的速率呈增加趨勢，增加趨勢通過了0.05的顯著性檢驗。

6.1.2 月際變化

從1957—2022年陸良站累年平均各月大風日數(shù)（圖6b）可看出，1957—2022年陸良站累年平均月大風日數(shù)為1.06 d，各月大風日數(shù)在0.03～4.47 d，2—4月大風較多，其中3月最多，6—12月大風較少，其中9月和11月最少。

6.1.3 空間分布

從曲靖市年平均大風日數(shù)的空間分布（圖6c）來看，普樂村光伏項目位于大風日數(shù)少區(qū)域，年平均大風日數(shù)為11.6～15.8 d/年。

圖5" 曲靖市低溫冷凍致災(zāi)危險性區(qū)劃

圖6" 1957—2022年陸良站大風日數(shù)年際變化情況（a）、陸良站累年平均各月大風日數(shù)（b）、

曲靖市年平均大風日數(shù)的空間分布（c）、曲靖市大風災(zāi)害致災(zāi)危險性區(qū)劃（d）

6.2 大風災(zāi)害致災(zāi)危險性區(qū)劃

選取國家氣象站近年逐日大風資料，選擇發(fā)生大風的年平均次數(shù)（頻次，單位：d/年）、極大風速大?。◤姸?，單位：m/s）作為大風災(zāi)害致災(zāi)因子，綜合地形、植被覆蓋等因子加權(quán)生成大風災(zāi)害危險性區(qū)劃。從圖6d可看出，項目所處區(qū)域?qū)儆诖箫L災(zāi)害較高危險區(qū)。

7 冰雹災(zāi)害分析與評估

7.1 冰雹日數(shù)

7.1.1 年際變化

從1957—2022年陸良站冰雹日數(shù)年際變化情況（圖7a）可看出，1957—2022年陸良站累年平均年冰雹日數(shù)為1.88 d，歷年年冰雹日數(shù)在0～6 d，1990、2000年冰雹日數(shù)最多；1957—2022年有14年沒有冰雹，2009年后無冰雹年顯著增多。1957—2022年冰雹日數(shù)約以0.21 d/10年的速率呈減少趨勢，減少趨勢通過了0.05的顯著性檢驗。

7.1.2 月際變化

從1957—2022年陸良站累年平均各月冰雹日數(shù)（圖7b）可看出，1957—2022年陸良站累年平均月冰雹日數(shù)為0.16 d，各月冰雹日數(shù)在0.02～0.44 d。冰雹天氣集中在冬季和春季，其中2月最多，夏季和秋季均＜0.1 d，其中8、9月最少。

7.1.3 空間分布

從曲靖市年平均冰雹日數(shù)的空間分布（圖7c）來看，普樂村光伏項目位于冰雹日數(shù)較多區(qū)域，年平均冰雹日數(shù)為2.0～2.2 d/年。

圖7" 1957—2022年陸良站冰雹日數(shù)年際變化情況（a）、陸良站累年平均各月冰雹日數(shù)（b）、

曲靖市年平均冰雹日數(shù)的空間分布（c）、曲靖市冰雹危險性區(qū)劃（d）

7.2 冰雹災(zāi)害致災(zāi)危險性區(qū)劃

應(yīng)用海拔高度和地形坡度作為孕災(zāi)環(huán)境因子計算冰雹孕災(zāi)環(huán)境影響系數(shù)。應(yīng)用回歸模型結(jié)合海拔高度格點數(shù)據(jù)生成冰雹頻數(shù)精細化空間分布，再根據(jù)冰雹災(zāi)害危險性評估結(jié)果，綜合考慮行政區(qū)劃（或氣候區(qū)、流域等），對冰雹災(zāi)害危險性進行基于空間單元的劃分，并根據(jù)危險性評估和分區(qū)結(jié)果生成致災(zāi)危險性區(qū)劃圖。從圖7d可看出，項目片區(qū)屬于冰雹災(zāi)害較低危險區(qū)和較高危險區(qū)。

8 結(jié)論與討論

（1）影響普樂村光伏項目的主要災(zāi)害性天氣出現(xiàn)頻率從高到低依次是：雷暴（17.78%）、霜凍（10.78%）、結(jié)冰（4.93%）、低溫（4.80%）、大風（3.47%）和冰雹（0.51%）。累年平均雷暴日數(shù)64.91 d，累年平均霜凍日數(shù)39.37 d，累年平均結(jié)冰日數(shù)17.98 d，累年平均低溫日數(shù)17.53 d，累年平均大風日數(shù)12.68 d，累年平均冰雹日數(shù)1.88 d。

（2）普樂村光伏項目所處大部分區(qū)域?qū)儆诶纂姙?zāi)害較低危險區(qū)，局部小部分區(qū)域?qū)儆诶纂姙?zāi)害較高危險區(qū)。項目大部分區(qū)域?qū)儆诘蜏乩鋬鰹?zāi)害較低危險區(qū)，局部小部分區(qū)域?qū)儆诘蜏乩鋬鰹?zāi)害較高危險區(qū)。項目所處區(qū)域?qū)儆诖箫L災(zāi)害較高危險區(qū)，局部地區(qū)屬于冰雹災(zāi)害較高危險區(qū)。

（3）氣象災(zāi)害的風險評估體系中，不同學者提出的評估指標和評估模型不同，造成風險評估結(jié)果有較大差異。光伏電站的氣象災(zāi)害風險評估是一個綜合性的工作，需要針對性地考慮不同地區(qū)、不同種類的氣象災(zāi)害風險因素及評估模型選擇，才能確保電站的安全運行。

（4）由于統(tǒng)計數(shù)據(jù)的限制或者資料的欠缺，有些因素很難量化，導(dǎo)致指標因子不全面。不宜量化的氣象災(zāi)害風險在評估中如何體現(xiàn)還有待進一步研究。

參考文獻

[1] 章國材.氣象災(zāi)害風險評估與區(qū)劃方法[M].北京：氣象出版社，2010.

[2] 孟丹，陳正洪，嚴國剛，等.光伏電站氣象災(zāi)害風險評估研究：以湖北省為例[J].太陽能學報，2020，41（5）：359-364.

[3] 趙偉，楊續(xù)超，張斌.浙江省雷電災(zāi)害風險分析及區(qū)劃[J].熱帶氣象學報，2014，30（5）：996-1000.

[4] 祝新建，臧新洲，段世萍.豫北氣象災(zāi)害風險評估系統(tǒng)研究：以輝縣市為例[J].中國農(nóng)學通報，2012，28（29）：285-291.

[5] 尹麗云，梅寒，張騰飛，等.云南省精細化冰雹災(zāi)害危險性區(qū)劃分析[J].災(zāi)害學，2022，37（3）：99-105.

收稿日期：2024-07-19

基金項目：云南省基層臺站氣象科技創(chuàng)新與能力提升計劃項目（STIAP202307）。

作者簡介：查燕飛（1978—），女，云南陸良人，工程師，研究方向為氣象防災(zāi)減災(zāi)。#通信作者：肖藜蕓，女，云南昭通人，研究方向為氣候變化，E-mail：1663896383@qq.com。