1.本发明涉及灾害预测技术领域，具体是一种地闪活动分析方法及系统。
背景技术：2.地闪活动受地域、地形等下垫面因素影响较大，具有较强的局地性和区域性特征，在不同的地表环境下，受地表粗糙度、地表能量通量等因子影响，地闪频次及电流强度存在极大差异。目前，很多研究主要针对地闪频次及密度与海拔高度之间的关系开展了相应的分析。朱润鹏等基于卫星上的全球闪电资料发现闪电活动随海拔高度的变化表现出“峰谷特征”。李永福等研究了重庆西部地区的雷电流参数，结果表明负地闪密度与海拔高度增加呈负相关。李家启等统计了重庆地区闪电频次与海拔高度的关系，认为闪电频次随着海拔高度上升而减少。刘海兵等发现江西省闪电平均电流强度与海拔高度表现出正相关。费蕾蕾等对香港地区的地闪密度与海拔高度的关系进行分析，揭示了地闪密度随着海拔高度的增加而增大。赵生昊等发现坡向与地闪密度呈负相关。
3.但是，这些研究中对地闪频次的预测、电流强度与多个地表因子之间的关系等探讨较少。尤其在雷电灾害防御工作中，需要对项目所在地的雷电灾害风险进行评估，当下做法均是基于已有的地闪资料，无法满足用户单位指定未来n年内的雷击风险分析需求。
技术实现要素：4.本发明的目的在于提供一种地闪活动分析方法及系统，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：
6.一种地闪活动分析方法，所述方法包括：
7.选定目标区域，获取目标区域的历史地闪数据，并将历史地闪数据分为模型生成库和模型检测库；
8.对所述目标区域进行网格划分，统计各网格内的地形因子；所述地形因子包括海拔高度h、坡度sl、坡向as、剖面曲率se、平面曲率su、坡度变率sos、坡向变率soa、地形起伏度rdls、地表切割深度cd、地表粗糙度ro和高程变异系数ev；
9.基于所述模型生成库和所述地形因子建立地闪频次预测模型和电流强度预测模型；
10.提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测。
11.作为本发明进一步的方案：基于所述模型生成库和所述地形因子建立地闪频次预测模型的步骤包括：
12.读取所述模型生成库中的历史地闪数据，提取不同年度对应的地闪频次，基于不同年度对应的地闪频次计算年平均地闪频次；其中，所述地闪频次为单位面积的地闪频次；
13.分别计算所述年平均地闪频次与各地形因子之间的皮尔逊相关系数；
14.将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；
15.基于标记的地形因子，建立年平均地闪频次的多元线性回归模型。
16.作为本发明进一步的方案：基于所述模型生成库和所述地形因子建立电流强度预测模型的步骤包括：
17.读取所述模型生成库中的历史地闪数据，提取不同年度对应的电流强度，基于不同年度对应的电流强度计算电流强度年均值；其中，所述电流强度为单位面积的电流强度；
18.分别计算所述电流强度年均值与各地形因子之间的皮尔逊相关系数；
19.将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；
20.基于标记的地形因子，建立年平均电流强度的多元线性回归模型。
21.作为本发明进一步的方案：所述提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测的步骤包括：
22.随机提取所述模型检测库中的历史地闪数据；
23.实际获取地形因子，并根据地形因子确定预测数据；
24.将所述历史地闪数据与预测数据进行比对，根据比对结果计算模型准确度。
25.作为本发明进一步的方案：所述地闪频次预测模型为：
26.y＝3.666-0.002h-46.873ev+7.80
×
10-11
su+8.05
×
10-5
ro+6.73
×
10-11
se+0.108cd-0.174rdls
27.其中，单位面积年平均地闪回击频次y、海拔高度h、高程变异系数ev、平面曲率su、地表粗糙度ro、剖面曲率se、地表切割深度cd、地形起伏度rdls。
28.作为本发明进一步的方案：所述电流强度预测模型为：
29.i＝28.252+0.026h+372.709ev+0.195as-0.453sos-0.002ro-2.289cd+3.347rdls
30.其中，年平均电流强度绝对值i、海拔高度h、高程变异系数ev、坡向as、坡度变率sos、地表粗糙度ro、地表切割深度cd、地形起伏度rdls。
31.本发明技术方案还提供了一种地闪活动分析系统，所述系统包括：
32.历史数据获取模块，用于选定目标区域，获取目标区域的历史地闪数据，并将历史地闪数据分为模型生成库和模型检测库；
33.地形因子获取模块，用于对所述目标区域进行网格划分，统计各网格内的地形因子；所述地形因子包括海拔高度h、坡度sl、坡向as、剖面曲率se、平面曲率su、坡度变率sos、坡向变率soa、地形起伏度rdls、地表切割深度cd、地表粗糙度ro和高程变异系数ev；
34.模型生成模块，用于基于所述模型生成库和所述地形因子建立地闪频次预测模型和电流强度预测模型；
35.模型检测模块，用于提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测。
36.作为本发明进一步的方案：所述模型生成模块包括：
37.第一均值计算单元，用于读取所述模型生成库中的历史地闪数据，提取不同年度对应的地闪频次，基于不同年度对应的地闪频次计算年平均地闪频次；其中，所述地闪频次
为单位面积的地闪频次；
38.第一相关分析单元，用于分别计算所述年平均地闪频次与各地形因子之间的皮尔逊相关系数；
39.第一比对标记单元，用于将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；
40.第一执行单元，用于基于标记的地形因子，建立年平均地闪频次的多元线性回归模型。
41.作为本发明进一步的方案：所述模型生成模块包括：
42.第二均值计算单元，用于读取所述模型生成库中的历史地闪数据，提取不同年度对应的电流强度，基于不同年度对应的电流强度计算电流强度年均值；其中，所述电流强度为单位面积的电流强度；
43.第二相关分析单元，用于分别计算所述电流强度年均值与各地形因子之间的皮尔逊相关系数；
44.第二比对标记单元，用于将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；
45.第二执行单元，用于基于标记的地形因子，建立年平均电流强度的多元线性回归模型。
46.作为本发明进一步的方案：所述模型检测模块包括：
47.数据提取单元，用于随机提取所述模型检测库中的历史地闪数据；
48.预测计算单元，用于实际获取地形因子，并根据地形因子确定预测数据；
49.准确度计算单元，用于将所述历史地闪数据与预测数据进行比对，根据比对结果计算模型准确度。
50.与现有技术相比，本发明的有益效果是：本发明技术方案得出了地闪频次、电流强度与海拔高度的变化情况；掌握了地闪频次与电流强度在各地形的分布特征；建立了基于地表要素的地闪频次、电流强度的预测模型；极大地提高了地闪活动的预测能力。
附图说明
51.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。
52.图1为地闪活动分析方法的流程框图。
53.图2为地闪活动分析方法的子流程框图。
54.图3为地闪活动分析系统的组成结构框图。
55.图4为地闪活动分析系统中模型检测模块的组成结构框图。
56.图5为2009－2018年长沙地区单位面积年均地闪回击频次随海拔高度变化图。
57.图6为2009－2018年长沙地区地闪回击平均电流强度分布图。
具体实施方式
58.为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结
合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
59.实施例1
60.图1为地闪活动分析方法的流程框图，本发明实施例中，一种地闪活动分析方法，所述方法包括：
61.步骤s100：选定目标区域，获取目标区域的历史地闪数据，并将历史地闪数据分为模型生成库和模型检测库；
62.步骤s200：对所述目标区域进行网格划分，统计各网格内的地形因子；所述地形因子包括海拔高度h、坡度sl、坡向as、剖面曲率se、平面曲率su、坡度变率sos、坡向变率soa、地形起伏度rdls、地表切割深度cd、地表粗糙度ro和高程变异系数ev；
63.步骤s300：基于所述模型生成库和所述地形因子建立地闪频次预测模型和电流强度预测模型；
64.步骤s400：提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测。
65.在本发明技术方案的一个实例中：
66.第一步：地闪资料预处理，也就是步骤s100中的获取目标区域的历史地闪数据，在这一过程中需要对数据进行一些处理，如下：
67.统计地闪数据时，去掉2站定位，雷电流强度落在-500ka－500ka，同时将-5ka－5ka的雷电流数据删除，雷电流波前陡度区间为绝对值小于500ka/μs，大于0ka/μs。
68.第二步：地形要素的提取；
69.将某一地区以3km
×
3km划分网格，统计各网格内的闪电数据所对应的经纬度、海拔高度h、坡度sl等11个地表因子，存放于excel表。
70.具体的，利用2009－2018年长沙地区地闪定位资料和dem数字高程数据，从中提取出海拔高度h，并基于dem数据计算坡度sl、坡向as、剖面曲率se、平面曲率su、坡度变率sos、坡向变率soa、地形起伏度rdls、地表切割深度cd、地表粗糙度ro、高程变异系数ev等10个参数，然后，基于所述地形因子可以分析11个因子与地闪参数(地闪频次和雷电流强度)之间的关系，建立地闪参数预报模型。
71.第三步：地闪频次分布特征；
72.如图5所示，以海拔高度50m为间隔，统计2009－2018年长沙地区各海拔高度区间的年均单位面积地闪频次。其描述了本发明中每50m海拔高度年均单位面积地闪频次的分布情况，具体结论如下：海拔高度在200m之前，地闪回击频次急剧增加，从0.58次
·
km-2
·
a-1增加至1.78次
·
km-2
·
a-1。海拔高度从200m至600m，地闪回击频次呈现出波动变化。海拔高度由600m上升至1550m，地闪回击频次从1.28次
·
km-2
·
a-1降至0.07次
·
km-2
·
a-1。统计分析表明，随着海拔高度的增加，地闪回击频次呈现出减少趋势。
73.第四步、电流强度分布特征；第四步与第三步之间没有先后顺序；
74.如图6所示，绘制了每50m海拔高度的地闪回击平均电流强度变化曲线，其描述了本发明中2009－2018年长沙地区地闪平均电流强度在每隔50m海拔高度的分布特征。具体结论如下：700m及以下海拔高度区间，地闪平均强度比较平缓，在46－51ka之间变化。在700－1450m，地闪平均强度呈波动式增加，从700m的50.73ka增加至83.94ka。海拔高度在
1450m以上时，地闪平均电流强度随海拔高度的增加而变小。结果表明，随着海拔高度的增加，地闪平均电流强度呈上升趋势。
75.在本发明技术方案的一个实例中，基于所述模型生成库和所述地形因子建立地闪频次预测模型的步骤包括：
76.读取所述模型生成库中的历史地闪数据，提取不同年度对应的地闪频次，基于不同年度对应的地闪频次计算年平均地闪频次；其中，所述地闪频次为单位面积的地闪频次；
77.分别计算所述年平均地闪频次与各地形因子之间的皮尔逊相关系数；
78.将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；
79.基于标记的地形因子，建立年平均地闪频次的多元线性回归模型。
80.按海拔高度每隔50m统计，使用spss软件计算2009－2018年长沙地区单位面积年平均地闪频次与11个地形因子的皮尔逊相关系数，对相关系数进行显著性检验，由表1可知，y与ev和se的相关系数分别为0.550、0.434，呈中等正相关关系，与h、su、ro、cd及rdls呈负相关关系，显著性水平均＜0.05，通过了显著性检验。
81.表1 2009－2018年长沙地区单位面积年均地闪频次与地形因子相关性分析
[0082][0083][0084]
注：“+”表示呈正相关关系，“－”表示呈负相关关系，
“×”
表示相关性不显著。
[0085]
通过上述分析，基于相关性显著的地形因子，建立单位面积年平均地闪回击频次的多元线性回归模型：
[0086]
y＝3.666-0.002h-46.873ev+7.80
×
10-11
su+8.05
×
10-5
ro+6.73
×
10-11
se+0.108cd-0.174rdls；
[0087]
其中，单位面积年平均地闪回击频次y、海拔高度h、高程变异系数ev、平面曲率su、地表粗糙度ro、剖面曲率se、地表切割深度cd、地形起伏度rdls。
[0088]
回归模型的复相关系数为0.944，达到0.05显著水平，为高度正相关。
[0089]
进一步的，基于所述模型生成库和所述地形因子建立电流强度预测模型的步骤包括：
[0090]
读取所述模型生成库中的历史地闪数据，提取不同年度对应的电流强度，基于不同年度对应的电流强度计算电流强度年均值；其中，所述电流强度为单位面积的电流强度；
[0091]
分别计算所述电流强度年均值与各地形因子之间的皮尔逊相关系数；
[0092]
将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；
[0093]
基于标记的地形因子，建立年平均电流强度的多元线性回归模型。
[0094]
对2009－2018年长沙地区地闪回击数据按每50m海拔高度统计电流强度年均值，地闪回击电流强度年均值与区间平均海拔高度的皮尔逊相关系数见表2。
[0095]
表2 2009－2018年长沙地区年平均电流强度与地形因子相关性分析
[0096][0097]
注：“+”表示呈正相关关系，“－”表示呈负相关关系，
“×”
表示相关性不显著。
[0098]
通过上述分析，基于相关性显著的地形因子，建立单位面积年平均电流强度的多元线性回归模型：
[0099]
i＝28.252+0.026h+372.709ev+0.195as-0.453sos-0.002ro-2.289cd+3.347rdls；
[0100]
其中，年平均电流强度绝对值i、海拔高度h、高程变异系数ev、坡向as、坡度变率sos、地表粗糙度ro、地表切割深度cd、地形起伏度rdls。
[0101]
回归模型的复相关系数为0.936，达到0.05显著水平，为高度正相关。
[0102]
图2为地闪活动分析方法的子流程框图，所述提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测的步骤包括：
[0103]
随机提取所述模型检测库中的历史地闪数据；
[0104]
实际获取地形因子，并根据地形因子确定预测数据；
[0105]
将所述历史地闪数据与预测数据进行比对，根据比对结果计算模型准确度。
[0106]
在本发明技术方案的一个实例中，将2019年闪电数据带入模型进行检验，按3km
×
3km网格点绘制了单位面积年均地闪回击频次和平均电流强度的分布图，分别与实况数据
进行对比。根据比对结果即可确定一个准确度，从而实现模型的检测功能。
[0107]
值得一提的是，在实际应用中，上述实例提到的两个模型的准确度在90％左右。
[0108]
实施例2
[0109]
图3为地闪活动分析系统的组成结构框图，本发明实施例中，一种地闪活动分析系统，所述系统10包括：
[0110]
历史数据获取模块11，用于选定目标区域，获取目标区域的历史地闪数据，并将历史地闪数据分为模型生成库和模型检测库；
[0111]
地形因子获取模块12，用于对所述目标区域进行网格划分，统计各网格内的地形因子；所述地形因子包括海拔高度h、坡度sl、坡向as、剖面曲率se、平面曲率su、坡度变率sos、坡向变率soa、地形起伏度rdls、地表切割深度cd、地表粗糙度ro和高程变异系数ev；
[0112]
模型生成模块13，用于基于所述模型生成库和所述地形因子建立地闪频次预测模型和电流强度预测模型；
[0113]
模型检测模块14，用于提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测。
[0114]
进一步的，所述模型生成模块13包括：
[0115]
第一均值计算单元，用于读取所述模型生成库中的历史地闪数据，提取不同年度对应的地闪频次，基于不同年度对应的地闪频次计算年平均地闪频次；其中，所述地闪频次为单位面积的地闪频次；
[0116]
第一相关分析单元，用于分别计算所述年平均地闪频次与各地形因子之间的皮尔逊相关系数；
[0117]
第一比对标记单元，用于将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；
[0118]
第一执行单元，用于基于标记的地形因子，建立年平均地闪频次的多元线性回归模型。
[0119]
具体的，所述模型生成模块13包括：
[0120]
第二均值计算单元，用于读取所述模型生成库中的历史地闪数据，提取不同年度对应的电流强度，基于不同年度对应的电流强度计算电流强度年均值；其中，所述电流强度为单位面积的电流强度；
[0121]
第二相关分析单元，用于分别计算所述电流强度年均值与各地形因子之间的皮尔逊相关系数；
[0122]
第二比对标记单元，用于将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；
[0123]
第二执行单元，用于基于标记的地形因子，建立年平均电流强度的多元线性回归模型。
[0124]
图4为地闪活动分析系统中模型检测模块的组成结构框图，所述模型检测模块14包括：
[0125]
数据提取单元，用于随机提取所述模型检测库中的历史地闪数据；
[0126]
预测计算单元，用于实际获取地形因子，并根据地形因子确定预测数据；
[0127]
准确度计算单元，用于将所述历史地闪数据与预测数据进行比对，根据比对结果
计算模型准确度。
[0128]
所述地闪活动分析方法所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述地闪活动分析方法的功能。
[0129]
处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器(read-only memory，rom)，所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
[0130]
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
[0131]
本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
[0132]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
[0133]
上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0134]
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计
算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。
[0135]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0136]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
技术特征：1.一种地闪活动分析方法，其特征在于，所述方法包括：选定目标区域，获取目标区域的历史地闪数据，并将历史地闪数据分为模型生成库和模型检测库；对所述目标区域进行网格划分，统计各网格内的地形因子；所述地形因子包括海拔高度h、坡度sl、坡向as、剖面曲率se、平面曲率su、坡度变率sos、坡向变率soa、地形起伏度rdls、地表切割深度cd、地表粗糙度ro和高程变异系数ev；基于所述模型生成库和所述地形因子建立地闪频次预测模型和电流强度预测模型；提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测。2.根据权利要求1所述的地闪活动分析方法，其特征在于，基于所述模型生成库和所述地形因子建立地闪频次预测模型的步骤包括：读取所述模型生成库中的历史地闪数据，提取不同年度对应的地闪频次，基于不同年度对应的地闪频次计算年平均地闪频次；其中，所述地闪频次为单位面积的地闪频次；分别计算所述年平均地闪频次与各地形因子之间的皮尔逊相关系数；将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；基于标记的地形因子，建立年平均地闪频次的多元线性回归模型。3.根据权利要求1所述的地闪活动分析方法，其特征在于，基于所述模型生成库和所述地形因子建立电流强度预测模型的步骤包括：读取所述模型生成库中的历史地闪数据，提取不同年度对应的电流强度，基于不同年度对应的电流强度计算电流强度年均值；其中，所述电流强度为单位面积的电流强度；分别计算所述电流强度年均值与各地形因子之间的皮尔逊相关系数；将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；基于标记的地形因子，建立年平均电流强度的多元线性回归模型。4.根据权利要求2或3所述的地闪活动分析方法，其特征在于，所述提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测的步骤包括：随机提取所述模型检测库中的历史地闪数据；实际获取地形因子，并根据地形因子确定预测数据；将所述历史地闪数据与预测数据进行比对，根据比对结果计算模型准确度。5.根据权利要求2所述的地闪活动分析方法，其特征在于，所述地闪频次预测模型为：y＝3.666-0.002h-46.873ev+7.80
×
10-11
su+8.05
×
10-5
ro+6.73
×
10-11
se+0.108cd-0.174rdls其中，单位面积年平均地闪回击频次y、海拔高度h、高程变异系数ev、平面曲率su、地表粗糙度ro、剖面曲率se、地表切割深度cd、地形起伏度rdls。6.根据权利要求3所述的地闪活动分析方法，其特征在于，所述电流强度预测模型为：i＝28.252+0.026h+372.709ev+0.195as-0.453sos-0.002ro-2.289cd+3.347rdls其中，年平均电流强度绝对值i、海拔高度h、高程变异系数ev、坡向as、坡度变率sos、地
表粗糙度ro、地表切割深度cd、地形起伏度rdls。7.一种地闪活动分析系统，其特征在于，所述系统包括：历史数据获取模块，用于选定目标区域，获取目标区域的历史地闪数据，并将历史地闪数据分为模型生成库和模型检测库；地形因子获取模块，用于对所述目标区域进行网格划分，统计各网格内的地形因子；所述地形因子包括海拔高度h、坡度sl、坡向as、剖面曲率se、平面曲率su、坡度变率sos、坡向变率soa、地形起伏度rdls、地表切割深度cd、地表粗糙度ro和高程变异系数ev；模型生成模块，用于基于所述模型生成库和所述地形因子建立地闪频次预测模型和电流强度预测模型；模型检测模块，用于提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测。8.根据权利要求7所述的地闪活动分析系统，其特征在于，所述模型生成模块包括：第一均值计算单元，用于读取所述模型生成库中的历史地闪数据，提取不同年度对应的地闪频次，基于不同年度对应的地闪频次计算年平均地闪频次；其中，所述地闪频次为单位面积的地闪频次；第一相关分析单元，用于分别计算所述年平均地闪频次与各地形因子之间的皮尔逊相关系数；第一比对标记单元，用于将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；第一执行单元，用于基于标记的地形因子，建立年平均地闪频次的多元线性回归模型。9.根据权利要求7所述的地闪活动分析系统，其特征在于，所述模型生成模块包括：第二均值计算单元，用于读取所述模型生成库中的历史地闪数据，提取不同年度对应的电流强度，基于不同年度对应的电流强度计算电流强度年均值；其中，所述电流强度为单位面积的电流强度；第二相关分析单元，用于分别计算所述电流强度年均值与各地形因子之间的皮尔逊相关系数；第二比对标记单元，用于将所述皮尔逊相关系数与预设的相关度阈值进行比对，当所述皮尔逊相关系数达到预设的相关度阈值时，标记相应的地形因子；第二执行单元，用于基于标记的地形因子，建立年平均电流强度的多元线性回归模型。10.根据权利要求8或9所述的地闪活动分析系统，其特征在于，所述模型检测模块包括：数据提取单元，用于随机提取所述模型检测库中的历史地闪数据；预测计算单元，用于实际获取地形因子，并根据地形因子确定预测数据；准确度计算单元，用于将所述历史地闪数据与预测数据进行比对，根据比对结果计算模型准确度。
技术总结本发明涉及灾害预测技术领域，具体公开了一种地闪活动分析方法及系统，所述方法包括选定目标区域，获取目标区域的历史地闪数据，并将历史地闪数据分为模型生成库和模型检测库；对所述目标区域进行网格划分，统计各网格内的地形因子；基于所述模型生成库和所述地形因子建立地闪频次预测模型和电流强度预测模型；提取所述模型检测库中的历史地闪数据，基于所述模型检测库中的历史地闪数据对所述地闪频次预测模型和电流强度预测模型进行检测。本发明技术方案得出了地闪频次、电流强度与海拔高度的变化情况；掌握了地闪频次与电流强度在各地形的分布特征；建立了基于地表要素的地闪频次、电流强度的预测模型；极大地提高了地闪活动的预测能力。动的预测能力。动的预测能力。
技术研发人员：周明薇 邓战满 王道平 刘越屿 贺秋艳 黄浩 吴运策 胡欣
受保护的技术使用者：湖南省气象灾害防御技术中心（湖南省防雷中心）
技术研发日：2022.03.16
技术公布日：2022/7/5
