基于人口經(jīng)濟數(shù)據(jù)空間化的貴陽市雷電災(zāi)害區(qū)域風(fēng)險評價

吳安坤，周道剛，朱曦嶸3，吳仕軍，楊 群

（1.貴州省防雷減災(zāi)中心，貴州貴陽 550081；2.成都信息工程大學(xué)大氣科學(xué)學(xué)院，四川成都 610225；3.黔西南州氣象局，貴州興義 562400）

?

基于人口經(jīng)濟數(shù)據(jù)空間化的貴陽市雷電災(zāi)害區(qū)域風(fēng)險評價

吳安坤1，2，周道剛1，朱曦嶸3，吳仕軍1，楊 群1

（1.貴州省防雷減災(zāi)中心，貴州貴陽 550081；2.成都信息工程大學(xué)大氣科學(xué)學(xué)院，四川成都 610225；3.黔西南州氣象局，貴州興義 562400）

摘 要：利用DMSP/OLS夜間燈光數(shù)據(jù)、NDVI指數(shù)，融合道路網(wǎng)密度，構(gòu)建的人居指數(shù)反映人口和經(jīng)濟的分布情況，結(jié)合近10年閃電定位監(jiān)測及土壤數(shù)據(jù)庫資料，采用投影尋蹤模糊聚類方法獲取指標(biāo)權(quán)重，基于GIS技術(shù)獲得0.001°×0.001°的貴陽市雷電災(zāi)害風(fēng)險區(qū)劃圖。研究結(jié)果表明：貴陽市各區(qū)縣人居指數(shù)累計值與統(tǒng)計的人口、GDP呈現(xiàn)高度線性正相關(guān)，利用人居指數(shù)的空間分布可綜合反映人口和經(jīng)濟的分布信息，以此為災(zāi)害分析提供精細化、可靠的數(shù)據(jù)源；全市雷電災(zāi)害高風(fēng)險區(qū)分布在南明、云巖、白云、觀山湖、清鎮(zhèn)、花溪等地的中心城區(qū)以及龍洞堡機場附近；次高及中風(fēng)險區(qū)多分布在紅楓湖、站街、沙文、扎佐、龍場、久長、開陽以及貴陽市中心城區(qū)周邊一帶。

關(guān)鍵詞：DMSP/OLS數(shù)據(jù)；人口經(jīng)濟；空間化；雷電災(zāi)害；風(fēng)險評價

0 引言

雷電災(zāi)害指直接雷擊或雷擊電磁脈沖造成人身傷亡或物體損壞，釀成不良社會和經(jīng)濟后果的事件［1］。隨著社會經(jīng)濟的高速發(fā)展，雷電災(zāi)害帶來的影響引起人們的普遍關(guān)注，許多地區(qū)紛紛開展雷電災(zāi)害區(qū)域風(fēng)險評估工作。但對于雷電災(zāi)害風(fēng)險評價分析的研究，目前多傾向于如何構(gòu)建和選取評價指標(biāo)體系、采用何種方法賦予權(quán)重［2-5］，對區(qū)域評估分析的精度缺乏精細化的研究，多以市級［6］、縣級［7］行政區(qū)域作為區(qū)劃研究單元，存在空間單元尺度大，分辨率低等缺陷，在應(yīng)用于具體災(zāi)害風(fēng)險管理實踐時難以操作與把握。

雷電災(zāi)害作為“最嚴(yán)重的十種自然災(zāi)害之一”，產(chǎn)生的影響主要表現(xiàn)為人身傷亡和經(jīng)濟財產(chǎn)損失兩個方面，作用于承災(zāi)體上直接反映了某個區(qū)域的人口和經(jīng)濟情況。一直以來，人口經(jīng)濟數(shù)據(jù)的收集、整理以及存貯都是以行政區(qū)域為基礎(chǔ)統(tǒng)計單元［8］，若直接引入進行雷電災(zāi)害風(fēng)險識別，不能反映人口、GDP等雷電災(zāi)害承災(zāi)體實際的空間分布特征，影響評價的精準(zhǔn)度。近年來，隨著RS、GIS技術(shù)的快速發(fā)展，高分辨率的遙感數(shù)據(jù)被用來模擬人口、GDP等社會經(jīng)濟數(shù)據(jù)的空間分布［9］。本文利用貴州省氣象部門2006～2015年閃電定位監(jiān)測數(shù)據(jù)，基于DMSP/OLS夜間燈光、NDVI等遙感數(shù)據(jù)，融合道路網(wǎng)密度進行人口經(jīng)濟數(shù)據(jù)空間化，采用投影尋蹤聚類分析方法獲取評價指標(biāo)的權(quán)重系數(shù)，基于 GIS技術(shù)獲得0.001°×0.001°的貴陽市雷電災(zāi)害風(fēng)險評價模型，并進行精細化的風(fēng)險區(qū)劃，以期提高風(fēng)險管理的精準(zhǔn)度，為有效地防御雷電災(zāi)害提供客觀依據(jù)。

1 數(shù)據(jù)及處理

（1）DMSP/OLS夜間燈光數(shù)據(jù)來源于美國國家地球物理數(shù)據(jù)中心（NGDC，The National Geophysical Data Center），將其投影由經(jīng)緯度投影轉(zhuǎn)換為阿伯斯等面積投影，再對其進行歸一化處理。

（2）植被覆蓋指數(shù)NDVI數(shù)據(jù)來自于NASA的地球觀測系統(tǒng)（EOS）數(shù)據(jù)中心（MODIS），將其投影轉(zhuǎn)換為阿伯斯等面積投影。

（3）土壤電導(dǎo)率資料來源于世界土壤數(shù)據(jù)庫（簡稱HWSD），是由聯(lián)合國糧農(nóng)組織（FAO）、國際應(yīng)用系統(tǒng)分析研究所（IIASA）、荷蘭 ISRICWorld Soil Information、中國科學(xué)院南京土壤研究所（ISSCAS）、歐洲委員會聯(lián)合研究中心（JRC）于2009年3月共同發(fā)布，其分辨率可達1km。

（4）閃電監(jiān)測資料來源于貴州省閃電定位監(jiān)測系統(tǒng)，數(shù)據(jù)分別采用鄰域網(wǎng)格法、反距離插值獲取0.001°×0.001°分辨率的年均地閃密度、平均地閃強度。

（5）貴州省統(tǒng)計局2015年貴州省統(tǒng)計年鑒統(tǒng)計的2014年各區(qū)縣人口、GDP總量［10］。

（6）貴州省1∶400萬基礎(chǔ)地理數(shù)據(jù)，包括區(qū)縣邊界、河流分布等，貴陽市鄉(xiāng)鎮(zhèn)地圖。

其中DMSP/OLS夜間燈光數(shù)據(jù)、NDVI數(shù)據(jù)、土壤電導(dǎo)率資料均為柵格數(shù)據(jù)，為便于數(shù)據(jù)的分析計算，均采用IDW插值處理，輸出空間分辨率為0.001°×0.001°。

2 人口經(jīng)濟數(shù)據(jù)空間化

人口、經(jīng)濟作為雷電災(zāi)害中最直接的受災(zāi)體之一，其精細、準(zhǔn)確的空間分布是災(zāi)害風(fēng)險分析的基礎(chǔ)。近年來，隨著遙感、地理信息技術(shù)的發(fā)展及應(yīng)用，DMSP/OLS夜間燈光數(shù)據(jù)被用來反映人口經(jīng)濟的空間分布情況。LU等［11］研究結(jié)果表明：NDVI指數(shù)與DMSP/OLS夜間燈光數(shù)據(jù)在反映人類活動方面具有很好的互補性，融合后可以有效減少夜燈數(shù)據(jù)本身的過飽和現(xiàn)象，并以此提出了一種新的概念——人居指數(shù)，以此來表征某一區(qū)域的人口空間分布情況。楊續(xù)超等［8］在其基礎(chǔ)上引入DEM數(shù)據(jù)，對高于600m的區(qū)域的人居指數(shù)進行海拔訂正，得到更為精確的人口空間分布數(shù)據(jù)。

據(jù)此，本文提取2013年貴陽市DMSP/OLS夜間燈光和年最大NDVI值的空間分布，經(jīng)歸一化處理后的夜間燈光指數(shù)（圖1a）與NDVI（圖1b）指數(shù)具有很好的空間對應(yīng)關(guān)系，夜間燈光值高的區(qū)域NDVI值低?？紤]到貴州省屬于典型的山區(qū)省份，海拔高度的差異性變化對人口分布的影響并不明顯。據(jù)此引入道路網(wǎng)密度指數(shù)，對LU等［11］提出的人居指數(shù)公式進行修正。首先提取貴陽市基礎(chǔ)地理數(shù)據(jù)中的國道、省道、縣道及一般其他道路進行合并處理，采取線密度分析得到貴陽市道路網(wǎng)密度指數(shù)（圖1c）。進一步采用指數(shù)函數(shù)回歸，分析各區(qū)縣平均道路網(wǎng)密度指數(shù)與人口密度的關(guān)系（圖1d），其回歸方程的擬合優(yōu)度R2=0.9768，呈現(xiàn)很高的正相關(guān)性。于是引入道路網(wǎng)密度指數(shù)，參考LU等［11］研究，構(gòu)建人居指數(shù)（Human settlement index，HSI）如下：其中：NDVImax為NDVI的最大值，R為道路網(wǎng)密度指數(shù)；OLSnor為經(jīng)歸一化處理的夜間燈光（0-1），OLSmax、OLSmin分別為夜間燈光數(shù)據(jù)的最大值和最小值。

基于DMSP/OLS夜間燈光數(shù)據(jù)和NDVI植被指數(shù)，融入道路網(wǎng)密度計算的貴陽市人居指數(shù)空間分布如圖2a所示，人居指數(shù)高值區(qū)主要分布貴陽市的南明、云巖兩主城區(qū)，白云、烏當(dāng)、花溪、觀山湖區(qū)次之，修文、息烽、開陽最低。進一步分析各區(qū)縣人居指數(shù)累計值與人口（圖2b）、GDP（圖2c）統(tǒng)計數(shù)據(jù)的關(guān)系，采取線性擬合人口、GDP與人居指數(shù)，其擬合優(yōu)度均大于0.8，并呈現(xiàn)高度線性正相關(guān)，各區(qū)縣的人居指數(shù)的空間分布可反映該區(qū)域的人口經(jīng)濟分布情況，以此為災(zāi)害分析提供精細化、可靠的數(shù)據(jù)源。

3 風(fēng)險評價

雷電災(zāi)害風(fēng)險指未來一段時間內(nèi)由于雷電直接或間接作用造成損失的程度，通常采用模擬雷電災(zāi)害的形成，或基于歷史災(zāi)情數(shù)據(jù)綜合分析進行評價?；谀M自然災(zāi)害形成過程的風(fēng)險分析方法，無疑是比較科學(xué)的，要求獲取研究區(qū)域詳細的地理背景數(shù)據(jù)，并對評價指標(biāo)進行定量化是關(guān)鍵。本文從致災(zāi)因子的危險性、孕災(zāi)環(huán)境的敏感性以及承災(zāi)體的脆弱性三個方面，選定地閃密度、地閃強度、強電流（雷電流大于50kA）密度、土壤電導(dǎo)率以及人居指數(shù)作為雷電災(zāi)害風(fēng)險評價指標(biāo)。

針對具有多屬性指標(biāo)的對象進行評價時，要求消除不同指標(biāo)間量綱的差異，本文采用正向極差變換法對雷電災(zāi)害風(fēng)險評價指標(biāo)進行歸一化處理。

確定指標(biāo)權(quán)重旨在確定風(fēng)險結(jié)果與評價指標(biāo)之間的數(shù)值換算關(guān)系，是定量化分析多指標(biāo)多因素風(fēng)險評價的必要途徑。目前，確定指標(biāo)權(quán)重的方法主要有層次分析法、專家打分法等主觀賦權(quán)，主成分分析、最大熵技術(shù)法等客觀賦權(quán)以及主客觀相結(jié)合的綜合賦權(quán)［4］。本文采用投影尋蹤模糊聚類（Projection Pursuit Classification，PPC）的客觀方法，通過遺傳迭代，尋求最優(yōu)投影方向，將多維數(shù)據(jù)投影到低維空間。

表1為經(jīng)歸一化處理后的白云區(qū)、觀山湖區(qū)、花溪區(qū)、開陽縣、南明區(qū)、清鎮(zhèn)市、烏當(dāng)區(qū)、息烽縣、修文縣、云巖區(qū)的雷電災(zāi)害風(fēng)險評價指標(biāo)樣本，采用遺傳計算過程中選定父代初始種群規(guī)模為400，交叉概率為Pc=0.80，變異概率Pm=0.20，得出最佳投影方向各分量值為 a→=（0.6913，0.2027，0.4413，0.5236，0.1102）。最佳投影方向的各分量值大小反映該指標(biāo)對的貢獻程度，即為權(quán)重系數(shù)。其中人居指數(shù)、地閃密度和強電流密度對雷電災(zāi)害風(fēng)險的影響較大，直接體現(xiàn)為致災(zāi)因子、承災(zāi)體兩者間的相互作用，與雷電災(zāi)害風(fēng)險發(fā)生機理吻合一致。

表1 經(jīng)歸一化處理后的評價指標(biāo)Tab.1 The normalized evaluation indexes

根據(jù)計算的最大投影方向向量，雷電災(zāi)害風(fēng)險評價模型為：

式中R為雷災(zāi)風(fēng)險評價值，H為人居指數(shù)，I為地閃強度，P為地閃強度高于50kA的閃電密度，D為地閃密度，S為土壤電導(dǎo)率。

基于上述的雷災(zāi)風(fēng)險評估模型得出雷電災(zāi)害風(fēng)險評價模型，代入柵格數(shù)據(jù)人居指數(shù)（圖2a）、地閃密度（圖3a）、地閃強度（圖3b）、強電流密度（圖3c）、土壤電導(dǎo)率（圖3d）在GIS平臺進行計算，采用自然斷點分級法將雷電災(zāi)害風(fēng)險劃分為低風(fēng)險區(qū)、次低風(fēng)險區(qū)、中風(fēng)險區(qū)、次高風(fēng)險區(qū)、高風(fēng)險區(qū)5個等級。

為進一步細化風(fēng)險識別，通過掃描貴陽市鄉(xiāng)鎮(zhèn)地圖進行圖像配準(zhǔn)，建立投影系統(tǒng)后數(shù)字化采集鄉(xiāng)鎮(zhèn)邊界屬性，得到貴陽市雷電災(zāi)害風(fēng)險評價區(qū)劃圖如圖4所示。高風(fēng)險區(qū)分布在南明、云巖、白云、觀山湖、清鎮(zhèn)、花溪等地的中心城區(qū)以及龍洞堡機場附近；次高及中風(fēng)險區(qū)多分布在紅楓湖、站街、沙文、扎佐、龍場、久長、開陽以及貴陽市中心城區(qū)周邊一帶。

表2 自然間距斷點法劃分風(fēng)險等級Tab.2 Risk grade by natural pitch break method

表3 貴陽市各鄉(xiāng)鎮(zhèn)雷電災(zāi)害風(fēng)險分布Tab.3 Distribution of lightning disaster risk in towns of Guiyang City

4 結(jié)論與討論

本文利用DMSP/OLS夜間燈光數(shù)據(jù)、NDVI遙感數(shù)據(jù)，融合道路網(wǎng)密度，構(gòu)建的人居指數(shù)反映人口和經(jīng)濟的分布情況，進一步結(jié)合歷史閃電資料、世界土壤數(shù)據(jù)庫，采用投影尋蹤模糊聚類方法獲取指標(biāo)權(quán)重，基于 GIS技術(shù)獲得 0.001°× 0.001°的貴陽市雷電災(zāi)害風(fēng)險評價與區(qū)劃結(jié)果。研究結(jié)果表明：

（1）采用夜間燈光數(shù)據(jù)、植被指數(shù)，融合道路網(wǎng)密度得到的各區(qū)縣人居指數(shù)累計值與統(tǒng)計的人口、GDP呈現(xiàn)高度線性正相關(guān)。利用人居指數(shù)的空間分布可綜合反映人口和經(jīng)濟的分布信息，以此為災(zāi)害分析提供精細化、可靠的數(shù)據(jù)源。

（2）從致災(zāi)因子、孕災(zāi)環(huán)境以及承災(zāi)體三個方面，構(gòu)建雷電災(zāi)害風(fēng)險評價指標(biāo)。其中人居指數(shù)、地閃密度和強電流密度對雷電災(zāi)害形成的作用較大，直接體現(xiàn)為致災(zāi)因子、承災(zāi)體兩者間的相互作用。

（3）高風(fēng)險區(qū)分布在南明、云巖、白云、觀山湖、清鎮(zhèn)、花溪等地的中心城區(qū)以及龍洞堡機場附近；次高及中風(fēng)險區(qū)多分布在紅楓湖、站街、沙文、扎佐、龍場、久長、開陽以及貴陽市中心城區(qū)周邊一帶。

人口經(jīng)濟數(shù)據(jù)空間化可將風(fēng)險研究范圍從以市、縣級行政區(qū)域細化到某一具體的格點，為實現(xiàn)精細化的風(fēng)險評價奠定基礎(chǔ)。下一步將全省范圍出發(fā)，增加樣本，提高空間化模型的普適度，此外增加評價指標(biāo)，構(gòu)建多層次結(jié)構(gòu)的雷電災(zāi)害風(fēng)險評價模型，提高風(fēng)險區(qū)劃的可靠性。

參考文獻

［1］ 張義軍，陶善昌，馬明，等.雷電災(zāi)害［M］.北京：氣象出版社，2009.

［2］ 崔遜，莊燕洵，王洪生.基于組合評價法的江蘇省雷電災(zāi)害風(fēng)險區(qū)劃［J］.自然災(zāi)害學(xué)報，2015，24 （6）：187-194.

［3］ 袁湘玲，紀(jì)華，程琳.基于層次分析模型的黑龍江省雷電災(zāi)害風(fēng)險區(qū)劃［J］.暴雨災(zāi)害，2010，29 （3）：279-283.

［4］ 吳安坤，李忠良，李艷，等.基于歷史災(zāi)情數(shù)據(jù)的雷電災(zāi)害風(fēng)險分析與評價［J］.防災(zāi)科技學(xué)院學(xué)報，2015，17（4）：26-31.

［5］ 程向陽，謝五三，王凱，等.雷電災(zāi)害風(fēng)險區(qū)劃方法研究及其在安徽省的應(yīng)用［J］.氣象科學(xué)，2012，32（1）：80-85.

［6］ Wu A K，Liu B，Zhang Sh X，et al.Analysis and Zoning on Vulnerability of the Lightning Disaster in GuizhouProvince［J］.Meteorologicaland Environmental Research，2013，4（S1）：15-17.

［7］ 高燚，蒙小亮，勞小青.基于聚類分析的海南島雷電災(zāi)害易損度風(fēng)險區(qū)劃［J］.自然災(zāi)害學(xué)報，2013，22（1）：175-182.

［8］ 楊續(xù)超，高大偉，丁明軍，等.基于多源遙感數(shù)據(jù)及DEM的人口統(tǒng)計數(shù)據(jù)空間化——以浙江省為例［J］.長江流域資源與環(huán)境，2013，22（6）：729-734.

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

［10］ 貴州省統(tǒng)計局，國家統(tǒng)計局貴州調(diào)查總隊.貴州統(tǒng)計年鑒2015［M］.北京：中國統(tǒng)計出版社，2015.

［11］ Lu D，Tian H，Zhou G，et al.Regional mapping of humansettlementsinsoutheasternChinawith multisensory remotelysenseddata［J］.Remote Sensing of Environment，2008，112（9）：3668-3679.

中圖分類號：P427.32

文獻標(biāo)識碼：A

文章編號：1673-8047（2016）02-0019-07

收稿日期：2016-02-20

基金項目：貴州省防雷減災(zāi)公共服務(wù)綜合標(biāo)準(zhǔn)化試點項目

作者簡介：吳安坤（1986—），男，本科，工程師，主要從事雷電科學(xué)與防護技術(shù)研究。

Risk Assessment of Lightning Disaster in Guiyang City Based on Spatialization of Population and Economic Data

Wu Ankun1，2，Zhou Daogang1，Zhu Xirong3，Wu Shijun1，Yang Qun1
（1 Guizhou Lightning Protection and Disaster Reduction Center，Guiyang 550081，China；2.College of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，China；3.Meteorological Bureau of Southwest Guizhou，Xingyi 562400，China）

Abstract：In this paper，the DMSP/OLS night lights，NDVI and road network density were used to construct human settlement index.Combined with historical lightning data，HWSD，by using projection pursuit fuzzy clustering method，we obtain the index weight，and risk assessment map of lightning disaster in Guiyang city with 0.001°× 0.001°by GIS Technology.Research results show that：The cumulative value of human settlement index and statistics of the population，GDP showed a high degree of linear positive correlation in each county.The spatial distribution of human settlements can be integrated to reflect the distribution of population and economic information，so as to provide a detailed and reliable data source for disaster analysis.High-risk areas of lightning disaster are located near the downtown area of Nanming，Yunyan，Baiyun，Guanshanhu，Qingzhen，Huaxi，and Longdongbao Airport.The medium-risk areas are mainly in Hongfeng Lake，Zhanjie，Shawen，Zhazuo，Longchang，Jiuchang，Kaiyang and Guiyang downtown surrounding area.

Keywords：DMSP/OLS data；population economy；spatialization；lightning disaster risk zoning