Temporal and Spatial Distribution Characteristics of Negative Ground Flashes in Summer in Jiangxi Province
-
摘要: 利用2013—2022年负地闪资料和江西省ADTD闪电资料，挑选2016、2018、2019年为重点研究样本, 首先剔除研究区域外原始资料，保障研究样本可靠性，其次采用非参数核密度估计法(Kernel Density Estimation, KDE)，对不同年份雷电流强度概率进行估计，进而研究江西省夏季(6—8月)闪电活动时空分布差异性。结果表明，不同年份江西省夏季负地闪密度在空间分布上存在相似的规律性，南部密度相对北部更大。地闪密度较大位置的雷电流强度并不一定较大，2016、2019年夏季雷电流强度空间分布较为均匀，呈现显著的空间一致性特征。不同年份夏季负地闪频次日分布单峰值分布特征较为显著，活动最为频繁的时段为午后至傍晚，其中2020—2022年活动相对其他年份更为频繁。江西省夏季负地闪雷电流强度极大值概率分布存在明显规律，有90%以上的概率大于-100 kA。Abstract: Based on the white paper of lightning prevention in Jiangxi Province from 2013 to 2022 and the lightning data from ADTD in Jiangxi Province, the year of 2016, 2018 and 2019 were selected as the key research samples. The original data outside the study area was eliminated to ensure the reliability of the study sample firstly, and then the nonparametric Kernel Density Estimation (KDE) algorithm was used to estimate the probability of lightning current intensity in different years. Finally, the temporal and spatial distribution of lightning activity in Jiangxi Province in summer was studied. The results showed that the spatial distribution of negative cloud-to-ground flash density in Jiangxi Province in summer in different years presented similar regularity, and the density in the south was higher than that in the north. At the same time, the lightning current intensity at locations with high ground flash density was not necessarily strong. For the summer of 2016 and 2019, the spatial distribution of lightning current intensity was relatively uniform, with significant spatial consistency characteristics. The daily distribution of negative cloud-to-ground lightning frequency in summer in different years presented a significant single peak. The lightning activity occurred frequently between afternoon and evening, especially during 2020 to 2022. The probability distribution of the maximum value of negative lightning current intensity in Jiangxi Province in summer exhibited obvious patterns, with more than 90% of the negative lightning current intensity not exceeding -100 kA.
-
Keywords:
- negative ground flash /
- temporal-spatial distribution /
- differences /
- summer /
- Jiangxi Province
-
0. 引言
联合国政府间气候变化专门委员会(IPCC)(2023)在第六次评估报告(AR6)最新分析指出：若全球仍然持续地按照目前碳排放态势发展，至2040年，全球将增温1.5 ℃。这一增温幅度将增加极端气候事件发生频次，尤其是夏季雷暴活动将变得更为频繁(Constable et al, 2022)。雷暴活动不仅对电力、建筑、通信等重要基础设施构成威胁，同时对日常生产、生活均造成较大影响(Dang et al, 2022; 黄彩婷等，2022)。因此，研究夏季闪电活动特征对江西省雷击灾害风险防控具有重要意义。
目前对于闪电活动的研究主要分为两大类，一类是基于卫星WWLLN、TRMM等资料，而该类资料由于其定位网格较粗，往往应用于对全国、全球大尺度以及对流云中上层闪电活动特征研究中(崔逊等, 2016；张烨方等, 2021)；另一类是基于地面闪电定位系统ADTD(Advanced Direction and Time of arrival Detecting system)资料，该资料主要是通过雷击地面电磁场时差法确定雷击点，在小区域闪电活动研究中应用较为广泛(邓德文和汪如良，2016；徐燕等，2022)。同时，有研究资料显示ADTD定位精度要高于WWLLN资料一个量级，能够较好地应用于省级区域闪电活动研究(Gao et al, 2022)。另外，ADTD定位手段也从二维逐渐向三维ADTD-2c发展，能够研究闪电活动在垂直方向分布差异性。对于江西省闪电活动的研究也有很多，如余建华等(2009)利用ADTD闪电资料计算省级雷击密度，并与《建筑物防雷设计规范(50057—94)》中应用雷暴日数据计算的雷击密度进行比对，发现二者存在较大差异性。杨钢等(2021)分析发现TRMM卫星资料和ADTD资料在江西省闪电活动应用中的差异性，发现两种资料在实际应用中在量级上存在一定差异性，但计算出的闪电活动季节、日分布特征总体较为吻合。夏雪等(2022)利用雷电灾害以及闪电定位数据，研究了江西省雷电灾害与雷击密度空间分布的差异性，发现二者具有较强一致性。
由于雷击灾害风险通常发生由负地闪引起，因此，文中利用《江西省防雷减灾白皮书》与江西省ADTD闪电资料(即闪电回击数据)，对不同年份夏季负地闪密度时空差异性分布特征进行研究，以期对江西省雷电灾害风险防控提供参考。
1. 数据与方法
文中使用的数据为江西省气象局官网发布的2013—2022年《江西省防雷减灾白皮书》，选取其中数据代表性好、监测网络维度一致、闪电活动规律典型的夏季(6—8月)负地闪频次和发生时间等资料，以及江西省气象服务中心的2016、2018、2019年夏季ADTD闪电资料。ADTD闪电资料包括时间、经度、纬度、极性、电流强度、电流陡度等，文中主要研究雷击地面情况(即负地闪)，而不考虑正地闪和云闪情况，因此，在数据分析前需要对资料中正地闪电数据和云闪数据进行剔除。
由于ADTD闪电定位系统对于区域边界处雷击点无法准确判断是否属于本区域统计范畴，造成有可能会统计区域外数据，因此，在研究分析前需要对定位原始数据进行质量控制，剔除区域外数据源。文中首先采用Meteoinfo软件，提取生成江西省高精度二进制文件，该文件为江西省省域边界形成的经纬度资料集合。然后再对其进行叠加闪电定位资料，采用Inpolygon函数，通过将江西省高精度二进制文件边界经纬度形成一个闭合连续的封闭空间，从而可以判断雷击点是否位于该封闭空间内，实现剔除江西省区域外闪电定位资料的目的，保障数据分析有效性及代表性。
文中采用非参数核密度估计法(Kernel Density Estimation, KDE)，对不同年份夏季雷电流强度概率分布进行拟合，该算法主要优势为不需要提前对样本概率分布进行假设，能够清晰地看出雷电流强度主要集中的概率区段，有利于分析不同年份雷电流分布差异性。计算式(严明辉等，2022)：
$$ f(c)=\frac{1}{n} \sum\limits_{i=1}^n \frac{1}{h} \times k\left(\frac{c-c_i}{h}\right) $$ (1) 式中，n为不同年份夏季雷电流样本数量；h为窗口宽度(默认取值0.5)；k()为核函数，文中选取常用的高斯函数(Gaussian Function)。
2. 结果与分析
2.1 负地闪空间分布
2.1.1 负地闪密度
文中对质量控制后的闪电定位资料进行计算，2016、2018、2019年单位面积平均负地闪密度分别为3.67、3.91、4.24 km2/a。图 1给出了江西省2016、2018、2019年夏季负地闪密度空间分布。可以看出，不同年份江西省夏季负地闪密度在空间分布上存在相对一致性，均表现为南部负地闪密度比北部更高。2016年夏季负地闪活动主要集中在南部、中部区域，且在(115.3°E，28.7°N)处存在极大值，负地闪密度在16 km2/a及以上。2018年夏季负地闪活动主要集中在南部，部分集中在东北区域，分别在(115.4°E，25.2°N)和(117.6°E，28°N)处存在极大值，负地闪密度在13 km2/a及以上。2019年夏季负地闪活动主要集中在南部区域，且在(115.6°E，27.2°N)、(115.7°E，25.3°N)处存在极大值，负地闪密度在14 km2/a及以上。同时，2018、2019年夏季负地闪活动随纬度分布较为显著，纬度越低，负地闪活动相对越为频繁。
图 1 江西省2016年(a)、2018年(b)、2019年(c)夏季负地闪密度的空间分布Fig. 1 Spatial distribution of negative ground flash density insummer of 2016 (a), 2018 (b), 2019 (c) in Jiangxi Province
下载:
全尺寸图片
2.1.2 雷电流强度
图 2给出了江西省2016、2018、2019年夏季负地闪雷电流强度的空间分布。分析发现，不同年份夏季雷电流强度空间分布存在一定的差异性，结合夏季负地闪密度空间分布(图 1)可知，负地闪密度较大位置的雷电流强度并不一定较大。2016、2019年夏季雷电流强度空间分布较为均匀，呈现显著的空间一致性特征；2018年夏季雷电流强度空间分布较为分散，规律性相对较弱。
图 2 江西省2016年(a)、2018年(b)、2019年(c)夏季负地闪密度的空间分布Fig. 2 Spatial distribution of negative ground flash density insummer of 2016 (a), 2018 (b), 2019 (c) in Jiangxi Province下载:
全尺寸图片
2.2 负地闪时间分布
2.2.1 日分布
为研究江西省夏季负地闪频次的日分布，文中对2016、2018、2019年夏季负地闪频次及概率进行统计(表 1)。可以看出，不同年份夏季负地闪频次日分布存在一致性，整体呈单峰分布，2016、2018年负地闪频次均在15时达到峰值，且均集中于14—17时，负地闪频次分别为17.19、18.99万次，占比分别为46.88%、50.03%；而2019年负地闪频次在16时达到峰值，且集中于15—18时，该时间段负地闪频次为17.86万次，占比为49.54%。由此可知，夏季闪电活动最为频繁的时段为午后至傍晚，00—10时闪电活动相对较弱，这主要与强对流天气活动有关。强对流天气活动是闪电活动形成必要条件之一，而强对流天气活动与升温存在较大相关性，午后正是气温上升最为迅速时间段，因此午后闪电活动较为频繁，而凌晨至上午，地面温度相对较低，导致闪电活动相对较弱(徐燕等，2022)。
表 1 江西省2016、2018、2019年夏季负地闪频次及比例Table 1 The next-day distribution of negative ground flash frequency in summer of 2016, 2018, 2019 in Jiangxi Province时次 2016 2018 2019 频次/次 比例/% 频次/次 比例/% 频次/次 比例/% 00 736 4 2.01 592 6 1.56 724 3 2.01 01 520 4 1.42 520 3 1.37 621 8 1.72 02 561 3 1.53 455 1 1.20 461 2 1.28 03 397 8 1.08 461 3 1.22 311 5 0.86 04 439 6 1.20 406 0 1.07 324 5 0.90 05 443 6 1.21 470 1 1.24 303 1 0.84 06 704 1 1.92 510 9 1.35 278 7 0.77 07 428 5 1.17 321 7 0.85 168 1 0.47 08 381 2 1.04 262 1 0.69 170 7 0.47 09 332 2 0.91 162 0 0.43 145 3 0.40 10 274 1 0.75 489 9 1.29 187 2 0.52 11 419 6 1.14 820 7 2.16 317 7 0.88 12 994 6 2.71 1896 0 5.00 845 8 2.35 13 225 58 6.15 361 31 9.52 225 64 6.26 14 390 13 10.64 504 32 13.29 351 93 9.76 15 467 24 12.74 515 34 13.58 449 54 12.47 16 450 27 12.28 469 41 12.37 491 07 13.62 17 411 58 11.22 409 43 10.79 460 53 12.78 18 320 23 8.73 245 97 6.48 384 72 10.67 19 199 57 5.44 191 78 5.05 277 23 7.69 20 156 12 4.26 132 72 3.50 193 11 5.36 21 156 50 4.27 926 4 2.44 130 87 3.63 22 129 57 3.53 699 1 1.84 900 7 2.50 23 971 4 2.65 656 1 1.73 642 1 1.78 2.2.2 年分布
根据2013—2022年《江西省防雷减灾白皮书》数据统计，2016、2018、2019年6—8月出现负地闪频次分别为34.49、37.89、36.84万次。可以看出，2018年夏季负地闪频次分别比2016年增加9.86%，比2019年减少2.84%。图 3给出了江西省2013—2022年夏季负地闪频次的时间分布。可以看出，2013—2022年江西省夏季闪电活动负地闪频次存在显著的年际分布差异性，其中2020—2022年夏季负地闪活动相对频繁。
图 3 江西省2013—2022年夏季负地闪频次分布Fig. 3 Temporal distribution of negative ground flash frequency in summer of Jiangxi Province from 2013 to 2022下载:
全尺寸图片
2.3 负地闪雷电流强度概率分布
为研究江西省不同阶段夏季雷电流强度概率分布差异性，文中对代表年份负地闪雷电流强度进行非参数核密度估计，对于核函数的选取，目前主要有Gaussian、Uniform、Triangle三种，文中选取平滑程度最优的Gaussian Function核函数。由于核密度估计结果受窗口宽度的影响较大，当窗口选择过小时，会导致出现过多波峰的情况，不符合雷电流认知范围内的分布特征；当窗口选择过大时，计算结果曲线又会过于的平滑而忽略掉峰值。文中选择默认0.5窗口宽度，既能较好反应雷电流分布特征，又保留了峰值。
图 4为江西省2016、2018、2019年夏季雷电流强度概率估计。分析发现，不同年份夏季雷电流强度的极大值概率分布存在较强的一致性，2016、2018年夏季雷电流强度均集中在-50—0 kA，概率分别为92.21%、93.33%，放大至-100—0 kA时，概率均为99.98%。而2019年夏季雷电流强度集中在-100—0 kA，概率为92.97%，且小于-100 kA的闪电活动相对较少。由此可知，江西省夏季雷电流强度的极大值大于-100 kA的概率在90%以上，这一结论可为江西省境内防雷产品的雷电流耐受值提供参考。
图 4 江西省2016年(a)、2018年(b)、2019年(c)夏季雷电流强度概率估计Fig. 4 Probability estimation of lightning current intensity in summer 2016 (a), 2018 (b), 2019 (c) in Jiangxi Province下载:
全尺寸图片
3. 结论
文中利用2013—2022年负地闪资料及2016、2018、2019年夏季(6—8月)ADTD闪电资料，分析了负地闪的时空分布特征，并对夏季雷电流强度概率分布进行计算，得到以下主要结论：
1) 不同年份江西省夏季负地闪密度在空间分布表现为南部比北部更高，地闪密度较大位置的雷电流强度并不一定较大，2016、2019年夏季雷电流强度空间分布较为均匀，呈现显著的一致性。
2) 江西省夏季闪电活动最频繁的时段为午后至傍晚。2016、2018年负地闪频次均在15时达到峰值，且均集中于14—17时，占比分别为46.88%、50.03%；2019年负地闪频次在16时达到峰值，且集中于15—18时，占比为49.54%。
3) 江西省夏季雷电流强度极大值概率分布存在明显规律，90%以上的雷电流强度极大值大于-100 kA，这一结论可为江西省境内防雷产品的雷电流耐受值提供参考。
-
图 1 江西省2016年(a)、2018年(b)、2019年(c)夏季负地闪密度的空间分布
Fig. 1 Spatial distribution of negative ground flash density insummer of 2016 (a), 2018 (b), 2019 (c) in Jiangxi Province
下载:
全尺寸图片
图 2 江西省2016年(a)、2018年(b)、2019年(c)夏季负地闪密度的空间分布
Fig. 2 Spatial distribution of negative ground flash density insummer of 2016 (a), 2018 (b), 2019 (c) in Jiangxi Province
下载:
全尺寸图片
图 3 江西省2013—2022年夏季负地闪频次分布
Fig. 3 Temporal distribution of negative ground flash frequency in summer of Jiangxi Province from 2013 to 2022
下载:
全尺寸图片
图 4 江西省2016年(a)、2018年(b)、2019年(c)夏季雷电流强度概率估计
Fig. 4 Probability estimation of lightning current intensity in summer 2016 (a), 2018 (b), 2019 (c) in Jiangxi Province
下载:
全尺寸图片
表 1 江西省2016、2018、2019年夏季负地闪频次及比例
Table 1 The next-day distribution of negative ground flash frequency in summer of 2016, 2018, 2019 in Jiangxi Province
时次 2016 2018 2019 频次/次 比例/% 频次/次 比例/% 频次/次 比例/% 00 736 4 2.01 592 6 1.56 724 3 2.01 01 520 4 1.42 520 3 1.37 621 8 1.72 02 561 3 1.53 455 1 1.20 461 2 1.28 03 397 8 1.08 461 3 1.22 311 5 0.86 04 439 6 1.20 406 0 1.07 324 5 0.90 05 443 6 1.21 470 1 1.24 303 1 0.84 06 704 1 1.92 510 9 1.35 278 7 0.77 07 428 5 1.17 321 7 0.85 168 1 0.47 08 381 2 1.04 262 1 0.69 170 7 0.47 09 332 2 0.91 162 0 0.43 145 3 0.40 10 274 1 0.75 489 9 1.29 187 2 0.52 11 419 6 1.14 820 7 2.16 317 7 0.88 12 994 6 2.71 1896 0 5.00 845 8 2.35 13 225 58 6.15 361 31 9.52 225 64 6.26 14 390 13 10.64 504 32 13.29 351 93 9.76 15 467 24 12.74 515 34 13.58 449 54 12.47 16 450 27 12.28 469 41 12.37 491 07 13.62 17 411 58 11.22 409 43 10.79 460 53 12.78 18 320 23 8.73 245 97 6.48 384 72 10.67 19 199 57 5.44 191 78 5.05 277 23 7.69 20 156 12 4.26 132 72 3.50 193 11 5.36 21 156 50 4.27 926 4 2.44 130 87 3.63 22 129 57 3.53 699 1 1.84 900 7 2.50 23 971 4 2.65 656 1 1.73 642 1 1.78 -
Consable A J, Harper S, Dawson J K, et al, 2022. Cross-chapter paper 6: Polar regions, in: Climate change 2022: Impacts, adaptation and vulnerability, contribution of Working Group Ⅱ to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge: Cambridge University Press: 2319-2368. 崔逊, 高金阁, 樊荣, 2016. WWLLN与江苏省ADTD闪电定位系统数据的对比分析[J]. 大气科学学报, 39(2): 270-279. doi: 10.13878/j.cnki.dqkxxb.20130310002 Cui X, Gao J G, Fan R, 2016. Comparison and analysis of lightning characteristics in Jiangsu Province based on data from the worldwide lightning location network and the advanced time of arrival and direction system lightning location network[J]. Trans Atmos Sci, 39(2): 270-279. (in Chinese) doi: 10.13878/j.cnki.dqkxxb.20130310002 Dang C Y, Shao Z F, Huang X, et al, 2022. Assessment of the importance of increasing temperature and decreasing soil moisture on global ecosystem productivity using solar-induced chlorophyll fluorescence[J]. Global Change Biol, 28(6): 2066-2080. doi: 10.1111/gcb.16043 邓德文, 汪如良, 2016. 基于ADTD数据的江西省雷电活动特征分析[J]. 气象与减灾研究, 39(1): 63-69. http://journal.weather.cn/ch/reader/view_abstract.aspx?flag=1&file_no=qxyjzyj20160108&journal_id=qxyjzyj Deng D W, Wang R L, 2016. Analysis of lightning activity characteristics based on ADTD data in Jiangxi Province[J]. Meteor Disaster Reduction Res, 39(1): 63-69. (in Chinese) http://journal.weather.cn/ch/reader/view_abstract.aspx?flag=1&file_no=qxyjzyj20160108&journal_id=qxyjzyj Gao Y H, Xu X Y, Yan Z, et al, 2022. Gaussian mixture model for multivariate wind power based on kernel density estimation and component number reduction[J]. IEEE Trans Sust Energy, 13(3): 1853-1856. doi: 10.1109/TSTE.2022.3159391 黄彩婷, 刘文英, 赵冠男, 2022. 江西省汛期降水集中度和集中期时空分布特征[J]. 气象与减灾研究, 45(2): 92-98. http://journal.weather.cn/ch/reader/view_abstract.aspx?flag=1&file_no=qxyjzyj202202002&journal_id=qxyjzyj Huang C T, Liu W Y, Zhao G N, 2022. Spatiai and temporai characteristics of precipitation in fiood season in Jiangxi Province based on precipitation concentration degree and concentration period[J]. Meteor Disaster Reduction Res, 45(2): 92-98. (in Chinese) http://journal.weather.cn/ch/reader/view_abstract.aspx?flag=1&file_no=qxyjzyj202202002&journal_id=qxyjzyj 夏雪, 金勇根, 段和平, 等, 2022. 江西省雷灾灾情和闪电活动时空分布特征及灾情等级划分研究[J]. 自然灾害学报, 31(2): 252-260. doi: 10.13577/j.jnd.2022.0227 Xia X, Jing Y G, Duan H P, et al, 2022. Research on the characteristics of lightning disasters and lightning activities spatial and temporal distribution and the classification of disaster levels in Jiangxi Province[J]. J Nat Disaster, 31(2): 252-260. (in Chinese) doi: 10.13577/j.jnd.2022.0227 徐燕, 刘冬霞, 袁善锋, 等, 2022. 北京地区一次飑线过程的闪电特征及其与水汽条件的关系[J]. 气象与减灾研究, 45(1): 1-9. http://journal.weather.cn/ch/reader/view_abstract.aspx?flag=1&file_no=qxyjzyj20220101&journal_id=qxyjzyj Xu Y, Liu D X, Yuan S F, et al, 2022. Lightning characteristics of a squall line process and its relationship with water vapor conditions[J]. Meteor Disaster Reduction Res, 45(1): 1-9. (in Chinese) http://journal.weather.cn/ch/reader/view_abstract.aspx?flag=1&file_no=qxyjzyj20220101&journal_id=qxyjzyj 杨钢, 赖晨, 支树林, 2021. 基于TRMM卫星的江西省闪电时空分布特征[J]. 气象与减灾研究, 45(1): 42-50. http://journal.weather.cn/ch/reader/view_abstract.aspx?flag=1&file_no=qxyjzyj20210106&journal_id=qxyjzyj Yang G, Lai C, Zhi S L, 2021. Temporal and spatial distribution characteristics of lightning in Jiangxi Province based on TRMM satellite[J]. Meteor Disaster Reduction Res, 45(1): 42-50. (in Chinese) http://journal.weather.cn/ch/reader/view_abstract.aspx?flag=1&file_no=qxyjzyj20210106&journal_id=qxyjzyj 严明辉, 潘舒宸, 吴滇宁, 等, 2022. 基于非参数核密度估计的电力市场用户电量异常数据辨识与修正方法[J]. 现代电力, 39(1): 80-87. https://www.cnki.com.cn/Article/CJFDTOTAL-XDDL202201009.htm Yan M H, Pan S C, Wu D N, et al, 2022. An identification and correction method of abnormal data of electricity market consumers based on nonparametric kernel density estimation[J]. Mod Electr Power, 39(1): 80-87. https://www.cnki.com.cn/Article/CJFDTOTAL-XDDL202201009.htm 余建华, 邹金生, 李杉, 2009. 江西省雷电监测定位系统探测数据分析[J]. 气象科技, 37(1): 102-105. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ200901022.htm Yu J H, Zou J S, Li S, 2009. Analysis of lightning data measured by Jiangxi Province lightning monitoring and positioning system[J]. Meteor Sci Technol, 37(1): 102-105. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ200901022.htm 张烨方, 刘冰, 冯真祯, 等, 2021. 基于遥感影像大数据、卷积神经网络的福建省有效致灾雷电分布模型及应用[J]. 气象科技, 49(6): 953-959. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ202106016.htm Zhang Y F, Liu B, Feng Z Z, et al, 2021. Study and application of effective uisaster-causing lightning distribution in Fujian Province based on remote sensing image sensing and convolutional neural network[J]. Meteor Sci Technol, 49(6): 953-959. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ202106016.htm
