江西滬昆高鐵沿線主要?dú)庀鬄?zāi)害影響因子初探

摘要 利用江西1961—2019年的逐日降雨、積雪、大風(fēng)、大霧、雷暴（1961—2013年）等數(shù)據(jù)，以及滬昆高鐵和普通鐵路的災(zāi)害數(shù)據(jù)，分析了江西滬昆高鐵沿線主要?dú)庀鬄?zāi)害的時(shí)空演變特征，確定沿線不同路段影響較大的災(zāi)種類別，研究了滬昆高鐵沿線不同路段、不同類型災(zāi)害性天氣的服務(wù)關(guān)鍵期，建立了江西滬昆高鐵沿線主要?dú)庀鬄?zāi)害的風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，分析了暴雨、雷暴、積雪3種主要?dú)庀鬄?zāi)害的致災(zāi)影響因子危險(xiǎn)指數(shù)。結(jié)果顯示：暴雨和雷暴是對江西滬昆高鐵影響最大、覆蓋范圍最廣的2種災(zāi)害性天氣。暴雨、雷暴、積雪3種災(zāi)害性天氣影響因子的影響程度在江西滬昆高鐵沿線不同路段略有差異。

關(guān)鍵字 滬昆高鐵；氣象災(zāi)害；關(guān)鍵服務(wù)期

中圖分類號：P429 文獻(xiàn)標(biāo)識碼：B 文章編號：2095–3305（2023）03–0107-04

高速鐵路簡稱高鐵，國際鐵路聯(lián)盟（UIC）給出的標(biāo)準(zhǔn)為新線＞250 km/h、既有線改造＞200 km/h的被稱為高速鐵路。隨著近幾年我國高鐵建設(shè)進(jìn)程加快，江西也在逐步走出高鐵“洼地”的陰影，隨著滬昆高鐵、合福高鐵、武九高鐵的相繼開通，江西開始進(jìn)入高鐵收割期。截至2018年1月，江西高鐵里程突破900 km，達(dá)到917.4 km，位列全國第12位。2020年，江西省高鐵里程將達(dá)到1 500 km，進(jìn)入全國前十。

1965年，日本制定了“線路災(zāi)害警戒標(biāo)準(zhǔn)規(guī)范”，經(jīng)過不斷完善，出臺了惡劣氣候條件下的鐵路運(yùn)輸規(guī)程，為高鐵線的安全運(yùn)營保駕護(hù)航[1-2]。我國高鐵建設(shè)運(yùn)營時(shí)間短，相關(guān)氣象服務(wù)研究不多，目前正處于探索階段，現(xiàn)有成果也多傾向于氣象災(zāi)害監(jiān)測防控、分布特征、風(fēng)險(xiǎn)評估及預(yù)警指標(biāo)。張廷龍等[3]分析了鐵路沿線的氣象災(zāi)害的特征；謝靜芳等[4]分析了高鐵氣象服務(wù)需求；崔新強(qiáng)等[5]開展了高速鐵路安全運(yùn)行影響天氣條件等級標(biāo)準(zhǔn)研究；廖波等[6]開展了貴州境內(nèi)高鐵沿線氣象災(zāi)害特征的研究工作，并對關(guān)鍵服務(wù)期進(jìn)行了探討。

彭瀟松等[7]研究了鷹廈鐵路封鎖警戒降水臨界值及其概率預(yù)報(bào)；周雨等[8]研究了鷹廈鐵路降雨誘發(fā)滑坡預(yù)警預(yù)報(bào)概率模型；吳凡等[9]基于多分類logistic模型研究了鐵路水害的分級警戒概率預(yù)報(bào)。這些都是針對江西省內(nèi)的普通鐵路，研究與降水相關(guān)的氣象預(yù)報(bào)預(yù)警服務(wù)，針對高速鐵路方面的氣象服務(wù)研究甚少。因此，研究江西省滬昆高鐵沿線主要?dú)庀鬄?zāi)害分布特征及關(guān)鍵服務(wù)期，能夠提高高鐵氣象服務(wù)的質(zhì)量，對滬昆高鐵的運(yùn)營調(diào)度具有十分重要的現(xiàn)實(shí)意義。

1 資料和方法

1.1 資料

本項(xiàng)目氣象站資料包括：一是質(zhì)控后的實(shí)況數(shù)據(jù)，涵蓋江西91個(gè)氣象站1961—2019年的逐日降雨、積雪、大風(fēng)、大霧、雷暴（1961—2013年）等數(shù)據(jù)，以及2008—2020年滬昆鐵路路線附近的自動(dòng)氣象站觀測站數(shù)據(jù)；二是南昌鐵路局在轄區(qū)鐵路沿線上自建觀測站資料，能有效反映出鐵路沿線的降雨情況，但數(shù)據(jù)不多，轄區(qū)內(nèi)僅有287個(gè)測站。災(zāi)害數(shù)據(jù)來自南昌鐵路局防洪指揮辦公室，包括轄區(qū)內(nèi)滬昆鐵路沿線的里程、監(jiān)測點(diǎn)、報(bào)警時(shí)間、調(diào)度措施（出巡、限速、封鎖）等。災(zāi)害個(gè)例主要是由降雨誘發(fā)的水害和地質(zhì)災(zāi)害，其中2008—2015年共有水害和地質(zhì)災(zāi)害

355例，2018—2020年共有水害和地質(zhì)災(zāi)害64例。項(xiàng)目研究遵循均勻分布的原則，以滬昆高鐵沿線附近站點(diǎn)氣象要素的算術(shù)平均值代表的沿線平均狀況，數(shù)據(jù)分析前進(jìn)行質(zhì)量控制和預(yù)處理，去除缺測值＞5 d的站點(diǎn)數(shù)據(jù)，再利用5 d滑動(dòng)平均插補(bǔ)缺測數(shù)據(jù)。用ArcGIS 9.3軟件進(jìn)行插值后，得到滬昆高鐵沿線氣象災(zāi)害空間分布圖，并以此為基礎(chǔ)進(jìn)行分布研究。

1.2 研究方法

1.2.1 層次分析法 層次分析法（The analytic hierarchy process，簡稱AHP ），也稱層級分析法。在20世紀(jì)70年代中期由美國運(yùn)籌學(xué)家T. L. saaty正式提出，它是一種定性和定量相結(jié)合的、系統(tǒng)化、層次化的分析方法，目前已普遍被應(yīng)用于經(jīng)濟(jì)計(jì)劃和管理、能源政策和分配、行為科學(xué)、運(yùn)輸、農(nóng)業(yè)、教育、醫(yī)療和環(huán)境等領(lǐng)域[10-12]。

1.2.2 模糊綜合評價(jià)法 模糊集合理論的概念是由美國查德教授提出的，基于模糊數(shù)學(xué)的綜合評價(jià)法，將定性評價(jià)轉(zhuǎn)化為定量評價(jià)，是一種能對其總體優(yōu)劣受多種因素影響的事物做出合理綜合評判的方法?？紤]影響智能倉儲績效評價(jià)的因素很多，此處采用模糊綜合評價(jià)法進(jìn)行建模[13]。

2 江西滬昆高鐵主要?dú)庀鬄?zāi)害時(shí)空分布特征

2.1 暴雨的特征

江西滬昆高鐵沿線1961—2019年的年平均暴雨日數(shù)分布如圖1所示，可見沿線東段玉山至進(jìn)賢的暴雨日數(shù)為6～8 d，以弋陽站年平均暴雨日數(shù)7.3 d

為最多，西段萍鄉(xiāng)至南昌的暴雨日數(shù)為4～5 d，以宜春站年平均暴雨日數(shù)4 d最少。1961—2019年，滬昆高鐵沿線站點(diǎn)的年平均暴雨日數(shù)在1.9（2007年）～12.3 d（2010年）之間波動(dòng)，在1962年和2010年左右有較大的波動(dòng)，59年間高鐵沿線站點(diǎn)暴雨日數(shù)均在2～8 d之間。

2.2 雷暴的特征

江西滬昆高鐵沿線1961—2019年年平均雷暴日數(shù)分布如圖2所示，沿線年平均雷暴日數(shù)在40～60 d，以上饒站年平均雷暴日數(shù)60 d為最多，南昌站43 d為最少。1961—2013年以來，滬昆高鐵沿線站點(diǎn)的年平均雷暴日數(shù)在37.1（1975年）～79.3 d（2001年）之間波動(dòng)，在1998年左右有較大的波動(dòng)，53年間高鐵沿線站點(diǎn)雷暴日數(shù)均在30～70 d之間。

2.3 積雪的特征

江西滬昆高鐵沿線1961—2019年的年平均積雪日數(shù)分布如圖3所示，沿線上饒至玉山段年平均積雪日數(shù)為3.5～5 d，弋陽至撫州段2.5～3.5 d，進(jìn)賢至南昌段4～5 d，其他路段3～4 d。1961—2019年以來，滬昆高鐵沿線站點(diǎn)的年平均積雪日數(shù)在16.9（1977年）～0 d（2001年、2007年、2015年）之間波動(dòng)，在1977年附近有較大的波動(dòng)，59年間高鐵沿線站點(diǎn)積雪日數(shù)均在0～10 d之間。

3 江西滬昆高鐵沿線氣象災(zāi)害的關(guān)鍵服務(wù)期

為提高氣象保障服務(wù)質(zhì)量，提高服務(wù)的針對性，根據(jù)高鐵沿線主要災(zāi)害性天氣發(fā)生的級別和特點(diǎn)，以及對鐵路安全運(yùn)營可能產(chǎn)生的影響，將災(zāi)害性天氣服務(wù)分為3個(gè)服務(wù)關(guān)鍵期，即特別關(guān)鍵期、關(guān)鍵期、次關(guān)鍵期（表1）。

按照災(zāi)害性天氣服務(wù)關(guān)鍵期劃分標(biāo)準(zhǔn)，利用江西滬昆高鐵沿線各氣象站1961—2019年沿線各類氣象災(zāi)害日數(shù)進(jìn)行統(tǒng)計(jì)分析，分析江西境內(nèi)高鐵沿線各氣象站主要?dú)庀鬄?zāi)害關(guān)鍵服務(wù)期（表2）。

分析表明，江西滬昆高鐵各路段不同災(zāi)害性天氣的服務(wù)關(guān)鍵期具有時(shí)間和空間差異。暴雨和雷暴是對江西滬昆高鐵影響最大、覆蓋范圍最廣的2種災(zāi)害性天氣。大霧影響時(shí)間雖最長（10個(gè)月），但不存在特別關(guān)鍵期。積雪和凝凍主要發(fā)生在冬季，且凝凍對江西滬昆高鐵影響更大，都集中在12月至翌年1月。江西滬昆高鐵沿線大風(fēng)災(zāi)害較少發(fā)生，僅南昌段存在大風(fēng)次關(guān)鍵服務(wù)期2次。

4 江西滬昆高鐵的主要?dú)庀鬄?zāi)害危險(xiǎn)性評價(jià)

4.1 江西滬昆高鐵氣象災(zāi)害影響權(quán)重分析

在專家咨詢法的基礎(chǔ)上應(yīng)用層次分析法建立江西省滬昆高鐵沿線風(fēng)險(xiǎn)評價(jià)指標(biāo)體系，對構(gòu)成風(fēng)險(xiǎn)的因子賦予權(quán)重，確定主要影響因子，評價(jià)指標(biāo)體系分為：目標(biāo)層（A）、指標(biāo)因子層（B），指標(biāo)因子層從暴雨（B1）、積雪（B2）、雷電（B3）、大風(fēng)（B4）、大霧（B5）、凝凍（B6）六方面考慮。分析發(fā)現(xiàn)，20份專家資料中，有16份均通過矩陣一致性檢驗(yàn)，4份未通過一致性檢驗(yàn)。對16份通過一致性檢驗(yàn)的各判斷矩陣權(quán)重系數(shù)求平均，從而可確定暴雨（B1）、積雪（B2）、雷電（B3）、大風(fēng)（B4）、大霧（B5）、凝凍（B6）6個(gè)因子的權(quán)重：

A=0.40B1+0.12B2+0.26B3+0.08B4+0.05B5+0.09B6（1）

通過專家咨詢法和層次分析法，表明影響江西滬昆高鐵的主要?dú)庀鬄?zāi)害為暴雨、雷電，其次是積雪、凝凍、大風(fēng)等。

4.2 江西滬昆高鐵主要?dú)庀鬄?zāi)害危險(xiǎn)指數(shù)分析

基于上述研究結(jié)果可確定江西滬昆高鐵主要?dú)庀鬄?zāi)害為暴雨、雷電、積雪。以這3種氣象災(zāi)害建立新的評價(jià)指標(biāo)集合U={u1，u2，u3}，評價(jià)集V={v1，v2，v3，v4，v5} ={高危險(xiǎn)（Ⅰ），較高危險(xiǎn)（Ⅱ），中危險(xiǎn)（Ⅲ），低危險(xiǎn)（Ⅳ），較低危險(xiǎn)（Ⅴ）}。充分考慮江西滬昆高鐵主要?dú)庀鬄?zāi)害時(shí)空分布特征和地理位置的影響，項(xiàng)目將鐵路沿線分為3個(gè)路段，研究主要?dú)庀鬄?zāi)害危險(xiǎn)指數(shù)。路段1：玉山南站—上饒站—弋陽站—鷹潭北站，路段2：鷹潭北站—撫州東站～進(jìn)賢南站—南昌西站—高安站—新余北站，路段3：新余北站—宜春站—萍鄉(xiāng)北站。

以路段1為例對主要?dú)庀鬄?zāi)害進(jìn)行單因素評價(jià)，建立模糊關(guān)系矩陣。暴雨的影響分4個(gè)方面進(jìn)行評價(jià)，1 h最大降水量、3 h降水量、24 h降水量、連續(xù)降水量。雷暴的影響分2個(gè)方面進(jìn)行評價(jià)，雷電頻次、雷電強(qiáng)度。積雪的影響分2個(gè)方面進(jìn)行評價(jià)，積雪深度、持續(xù)時(shí)間。根據(jù)層次分析方法可確定二級指標(biāo)矩陣，由專家組對二級指標(biāo)進(jìn)行模糊評價(jià)，評價(jià)結(jié)果見表3。

如果對致災(zāi)因子風(fēng)險(xiǎn)評價(jià)等級按百分制給分，則可得出江西滬昆高鐵路段1的主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)的總得分F，由風(fēng)險(xiǎn)總得分所在區(qū)域判斷風(fēng)險(xiǎn)等級。各風(fēng)險(xiǎn)等級百分制評分情況及風(fēng)險(xiǎn)等級判定標(biāo)準(zhǔn)如表4所示。

經(jīng)計(jì)算可知，江西滬昆高鐵路段1的主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)總得分F=RST為84.1分。利用上述方法分析路段2、路段3的情況。經(jīng)計(jì)算可知，江西滬昆高鐵路段2、路段3的主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)得分分別為83.7、83.4分。各指標(biāo)層影響因子對江西滬昆高鐵路段2、路段3主要?dú)庀鬄?zāi)害風(fēng)險(xiǎn)的影響程度和排名如表5所示。

從以上結(jié)果可知，各影響因子的影響程度在滬昆高鐵沿線不同路段略有差異，玉山南站—鷹潭北站、鷹潭北站—新余北站影響程度排名前3的致災(zāi)影響因子分別是1 h最大降水量、雷電強(qiáng)度、3 h降水量，新余北站—萍鄉(xiāng)北站影響程度排名前3的致災(zāi)影響因子分別是雷電強(qiáng)度、1 h最大降水量、3 h降水量。

5 結(jié)論

江西滬昆高鐵沿線的年平均暴雨日數(shù)在1.9～12.3 d之間波動(dòng)，年平均雷暴日數(shù)在37.1～79.3 d之間波動(dòng)，年平均積雪日數(shù)在0～16.9 d之間波動(dòng)。

江西滬昆高鐵沿線主要?dú)庀鬄?zāi)害的服務(wù)關(guān)鍵期存在時(shí)間和空間的差異。暴雨和雷暴是對江西滬昆高鐵影響最大、覆蓋范圍最廣的2種災(zāi)害性天氣。沿線所有路段暴雨的次關(guān)鍵服務(wù)期16次、關(guān)鍵服務(wù)期30次集中在3—9月、特別關(guān)鍵服務(wù)期16次在5—6月。雷暴的次關(guān)鍵服務(wù)期21次、關(guān)鍵服務(wù)期47次集中在3—9月、特別關(guān)鍵服務(wù)期9次在7—8月。暴雨、雷暴、積雪3種災(zāi)害性天氣影響因子的影響程度在江西滬昆高鐵沿線不同路段略有差異，玉山南站—鷹潭北站、鷹潭北站—新余北站影響程度排名前3的致災(zāi)影響因子分別是1 h最大降水量、雷電強(qiáng)度、3 h降水量，新余北站—萍鄉(xiāng)北站影響程度排名前3的致災(zāi)影響因子分別是雷電強(qiáng)度、1 h最大降水量、3 h降水量。

參考文獻(xiàn)

[1] 日本高速鐵路安全對策資料選譯[R].北京：京滬高速鐵路技術(shù)研究總體組，2000．

[2] 日本法國德國高速鐵路運(yùn)營安全專題資料匯編[R].北京：鐵道部，2010.

[3] 張廷龍，郄秀書，袁鐵，等.青藏鐵路沿線閃電活動(dòng)的時(shí)空分布[J].高原氣象， 2004，23（5）：673-677.

[4] 謝靜芳，施舍，王寶書，等.哈大高速鐵路運(yùn)營氣象服務(wù)需求探討[J].吉林氣象，2013（4）：38-41.

[5] 崔新強(qiáng)，周小蘭，付佳，等.高速鐵路安全運(yùn)行高影響天氣條件等級標(biāo)準(zhǔn)研究[J].災(zāi)害學(xué)，2016，31（3）：26-30.

[6] 廖波，羅喜平，唐延婧，等.貴州境內(nèi)高鐵沿線氣象災(zāi)害特征及關(guān)鍵服務(wù)期探討[J].中低緯山地氣象，2018，42（4）：25-30.

[7] 彭瀟松，吳凡，王軍勝，等.鷹廈鐵路封鎖警戒降水臨界值及其概率預(yù)報(bào)[J].氣象與環(huán)境學(xué)報(bào)，2016，32（5）：47-51.

[8] 周雨，劉志萍，盛志軍，等.基于有效雨量的鷹廈鐵路降雨誘發(fā)滑坡預(yù)警預(yù)報(bào)概率模型[J].中國地質(zhì)災(zāi)害與防治學(xué)報(bào)，2016，27（1）：22-25.

[9] 吳凡，闕志萍.基于多分類logistic模型的鐵路水害分級警戒概率預(yù)報(bào)研究[J].災(zāi)害學(xué)，2017，32（1）：17-21.

[10] 張毅，劉勇，江成玉，等.基于AHP-TOPSIS法綜合評判的保護(hù)層開采選擇[J].中國安全生產(chǎn)科學(xué)技術(shù)，2021，17 （6）：65-71.

[11] 鄭傳新，劉遠(yuǎn)，李向紅，等.層次分析法在氣象災(zāi)害應(yīng)急管理能力綜合評價(jià)中的應(yīng)用[J].氣象研究與應(yīng)用，2017，38 （4）：48-50.

[12] 彭勇剛，黃肖寒，莫益江，等.基于層次分析法的農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)區(qū)劃指標(biāo)權(quán)重分析[J].氣象研究與應(yīng)用，2018，39 （1）：70-72.

[13] 顧婷婷，鄧闖，潘婭英，等.基于模糊綜合評價(jià)法的浙江省高速公路暴雨災(zāi)害風(fēng)險(xiǎn)評估[J].干旱氣象，2018，36（5）：873 -878.

責(zé)任編輯：黃艷飛

Preliminary Study on Main Meteorological Disaster Influencing Factors along Shanghai-Kunming Highspeed Railway in Jiangxi Province

Bi Chen et al（Jiangxi Meteorological Service Center， Nanchang， Jiangxi 330000）

Abstract Based on the daily rainfall， snow cover， strong wind， fog， thunderstorm （1961—2013） and disaster data of Shanghai-Kunming High speed Railway and ordinary railway in Jiangxi Province from 1961 to 2019， the spatial-temporal evolution characteristics of main meteorological disasters along the Shanghai-Kunming High speed Railway in Jiangxi Province were analyzed， the disaster types with greater impact on different sections along the line are determined， and the service critical periods of different sections and types of disastrous weather along the Shanghai-Kunming High speed Railway were studied， The risk assessment index system of main meteorological disasters along the Shanghai-Kunming High speed Railway in Jiangxi Province was established， and the risk index of three main meteorological disasters， namely rainstorm， thunderstorm and snow cover， was analyzed. The results showed that rainstorm and thunderstorm were the two disastrous weather that have the greatest impact and the widest coverage on the Shanghai-Kunming high-speed railway in Jiangxi Province.The influence degree of the three disastrous weather impact factors， rainstorm， thunderstorm and snow cover， was slightly different in different road sections along the Shanghai-Kunming High Speed Railway in Jiangxi Province.

Key words Shanghai-Kunming High speed Railway; Meteorological disasters; Key service period

基金項(xiàng)目 中國氣象局公共氣象服務(wù)中心創(chuàng)新基金項(xiàng)目（M2020033）；江西省氣象服務(wù)中心項(xiàng)目“江西滬昆高鐵沿線主要?dú)庀鬄?zāi)害特征及關(guān)鍵服務(wù)期研究”（FWZX202004）。

作者簡介 畢晨（1987—），男，山東泰安人，工程師，主要從事應(yīng)用氣象服務(wù)研究。*通信作者：吳凡（1988—），男，江西南城人，高級工程師，主要從事應(yīng)用氣象服務(wù)工作，E-mail：wufan.1988@163.com。

收稿日期 2023-01-09