紹興軌道交通高架路段風特征分析

摘" 要：利用2021—2023年紹興軌道交通高架路段沿線5個氣象觀測站的數據，對高架路段平均風特征進行分析，并通過Pearson相關性分析研究溫度對風速的影響。結果表明，紹興軌道交通高架路段沿線平均風速的時間變化具有相似性。季節變化除江南外，由大到小依次為夏季、春季、秋季和冬季；月變化基本在7月達到峰值；日變化呈“一峰一谷”型，風速在午后到傍晚最大，在日出前后最小。高架路段沿線平均風向的空間分布具有差異性，但主要集中在第二、三象限。溫度會對高架路段沿線風速造成影響。除清風外，其余各站的平均風速與平均溫度之間具有相關性；5個氣象觀測站的極大風速與平均溫度之間具有相關性，均呈正相關。

關鍵詞：城市軌道交通；高架線路；風速；風向；特征分析；Pearson相關系數

中圖分類號：P425.4" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2025）07-0101-05

城市軌道交通是氣象高敏感行業，其日常運營易受暴雨、大風、大霧、雷電和冰雹等氣象災害影響，致使列車的運營秩序和運營安全受到威脅[1]。其中，由于軌道交通高架路段暴露于露天環境，運行中受氣候影響尤為顯著[2]。如遇大風天氣，高架路段的車輛和橋梁在強側風的作用下將發生劇烈振動，從而加劇列車在高速運行時的不穩定性，甚至導致列車脫軌、傾覆[3]。

近年來，許多學者都針對城市軌道交通氣象服務開展了研究。李毅雄[4]通過借鑒香港地鐵的氣象監測預警系統及臺風、雷電、大霧和高溫等氣象災害應急預案，提出國內城市軌道交通的氣象災害防范設計。雷俊等[5]根據國內軌道交通氣象服務的經驗，結合杭州氣候特點及地鐵現狀，規劃了地鐵施工建設過程中規避天氣風險的服務方案。王彥明等[6]根據廈門氣候特點及廈門軌道交通1號線的特殊線路，給出了專業氣象服務策劃方案和軌道交通氣象服務流程。翁春慧[7]分別在上海軌道交通2號線、16號線使用風速測量儀、自動氣象站測風系統開展強風預測預警試點工作，并根據實踐情況提出進一步優化完善的建議。楊通曉等[8]則基于上海軌道交通16號線沿線氣象觀測資料，研究16號線及周邊區域風速、風向及陣風系數的時空分布特征，并給出16號線高架地面段測風設備布點建議。耿凱亮[9]基于最新研發的氣象輔助決策系統，建立上海軌道交通氣象風險防范工作機制，提出對氣象災害事件的精細化管控措施。蒲井崗[10]為準確獲取福州地鐵高架區間的風向、風速等氣象信息，擬定了3種氣象監測系統的設計方案，并通過比較提出推薦方案及實施步驟，為福州地鐵運營提供決策依據。肖薇薇等[11]對風速變化的影響因素進行研究，發現黃土高原歷年平均風速與平均最高氣溫和最低氣溫、平均氣溫均呈負相關，且通過了0.01顯著性水平檢驗。

目前，關于城市軌道交通氣象服務的研究多為氣象災害防范、氣象服務方案等方面的定性分析，缺乏對影響軌道交通日常運營的氣象要素的定量分析。因此，本文基于紹興軌道交通高架路段沿線5個氣象觀測站2021—2023年的風向風速數據，對高架路段附近平均風速、平均風向的時空變化特征進行分析，并通過Pearson相關性分析研究了平均溫度對平均風速、極大風速的影響，為紹興軌道交通的安全運營提供參考。

1" 資料和方法

1.1" 氣象資料

氣象資料來源于紹興軌道交通高架路段沿線5個氣象觀測站2021—2023年的逐時數據，包括10 min平均風速、10 min平均風向、極大風風速、極大風風向和平均氣溫等。高架路段地鐵各站與氣象觀測站的對應關系見表1。

1.2" Pearson相關性分析

本文采用Pearson相關性分析分別對平均溫度與平均風速、平均溫度與極大風速之間的線性關系進行研究。相關性分析包括相關系數r和顯著性檢驗p值。其中，相關系數用于度量2個連續變量之間的線性關系，取值范圍介于-1到1之間，其計算公式為

相關系數r的正負表示2個變量之間的正負相關性，當r的絕對值越接近1，2個變量之間的相關性越強；當r的絕對值越接近0，2個變量之間的相關性越弱。若p值小于顯著性水平（α=0.01或α=0.05），2個變量之間的關系顯著。因此，當p值越接近0，r的絕對值越接近1，溫度對平均風速、極大風速的影響越大。

2" 結果和分析

2.1" 平均風速變化特征

2.1.1" 平均風速月變化及季節變化情況

圖1為紹興軌道交通高架路段沿線5個氣象觀測站2021—2023年平均風速月變化情況。由圖1可知，平均風速月變化趨勢相似，總體呈單峰型，風速在7月達到峰值，峰值由大到小依次為清風（1.62 m/s）、浙光（1.49 m/s）、江南（1.47 m/s）、楊汛橋（1.34 m/s）和錢清（1.13 m/s）。其中，楊汛橋、錢清、清風、浙光的平均風速在1—5月呈上升趨勢，除浙光外，均在6月有所下降，在7月繼續上升達到峰值，在8—12月呈下降趨勢；江南的平均風速則在1—4月上升，在5—6月下降，在7月繼續上升，7—12月呈波折變化，分別在7月、9月達到峰值，均為1.47 m/s。

據統計，紹興軌道交通高架路段沿線平均風速的季節變化也具有相似性，平均風速總體以夏季（6—8月）、春季（3—5月）、秋季（9—11月）和冬季（12—2月）依次遞減；其中，江南的平均風速從秋季、冬季、春季、夏季依次遞減。總體上，由于春季冷暖氣流活躍、動力不穩定，夏季溫度高、熱力條件好，均易觸發強對流大風，且夏季臺風活動頻繁，所以高架路段沿線的平均風速在春、夏季較大。

2.1.2" 平均風速日變化

圖2為紹興軌道交通高架路段沿線5個氣象觀測站2021—2023年平均風速日變化情況。由圖2可知，平均風速日變化趨勢相似，呈“一峰一谷”型，風速先降后升再降。楊汛橋、錢清、江南、清風和浙光的平均風速均在0—6時呈下降趨勢，其中在日出前后（4—5時）達到谷值，風速由大到小依次為江南（1.06 m/s）、清風（0.9 m/s）、浙光（0.9 m/s）、楊汛橋（0.61 m/s）和錢清（0.46 m/s）；隨后在7時起開始上升，在午后到傍晚（14—19時）達到峰值，風速由大到小依次為清風（1.9 m/s）、江南（1.84 m/s）、浙光（1.81 m/s）、楊汛橋（1.24 m/s）和錢清（1.17 m/s）。

總體上，紹興軌道交通高架路段沿線的平均風速在日間較大，在夜間較小。白天溫度升高，大氣層結轉為不穩定狀態，上下層動量交換增強，風速也隨之增大，峰值出現在午后湍流旺盛時段；夜間溫度降低，風速也逐漸在日出前后達到谷值。

據統計，5個氣象觀測站的日平均風速由大到小依次為江南（1.37 m/s）、清風（1.34 m/s）、浙光（1.29 m/s）、楊汛橋（0.93 m/s）和錢清（0.76 m/s）。

2.2" 平均風向分布特征

圖3為紹興軌道交通高架路段沿線5個氣象觀測站2021—2023年平均風向分布情況。由圖3可知，各氣象觀測站平均風向分布有明顯差異。楊汛橋的盛行風向為東南（SE）風，風向頻率為8.17%；錢清的盛行風向為南（S）風，風向頻率為21.43%；江南的盛行風向為西西南（WSW）風，風向頻率為12.87%；清風的盛行風向為東東南（ESE）風，風向頻率為12.94%；浙光的盛行風向為南（S）風出現的頻率最高，風向頻率為9.15%。其中，錢清、楊汛橋平均風速較小，靜風（≤0.2 m/s）出現的頻率分別為17.66%、15.94%。

總體來看，5個氣象觀測站的年平均風向集中在第二、三象限。

2.3" 風速變化的影響因素

2.3.1" 平均風速與溫度的相關性分析

圖4為2021—2023年紹興軌道交通高架路段沿線平均風速與平均溫度的線性擬合。除清風外，楊汛橋、錢清、江南和浙光的相關系數均通過α=0.01的顯著性水平檢驗，平均風速與平均溫度之間具有相關性，相關性強度由大到小依次為錢清、楊汛橋、浙光和江南。由圖4可知，楊汛橋、錢清、浙光的平均風速與平均溫度呈正相關，風速隨溫度的升高而增大；江南的平均風速與平均溫度呈負相關，風速隨溫度的升高而減小。

3.3.2" 極大風速與溫度的相關性分析

圖5為2021—2023年紹興軌道交通高架路段沿線極大風速與平均溫度的線性擬合。5個氣象觀測站的相關系數均通過α=0.01的顯著性水平檢驗，極大風速與平均溫度之間具有相關性，相關性強度由大到小依次為楊汛橋、錢清、浙光、清風和江南。由圖5可知，這5個氣象觀測站的極大風速與平均溫度均表現為正相關，風速隨溫度的升高而增大。

4" 結論

本文基于紹興軌道交通高架路段沿線5個氣象觀測站2021—2023年的逐時風向風速數據，分析高架路段附近平均風速的季節變化、月變化及日變化特征，繪制平均風向頻率玫瑰圖，并通過Pearson相關性分析研究了平均溫度對平均風速、極大風速的影響。主要得出以下結論。

1）紹興軌道交通高架路段沿線平均風速的時間變化具有相似性。除江南外，其余各站平均風速的季節變化由大到小依次為夏季、春季、秋季和冬季；月變化呈單峰型，風速在7月達到峰值。江南的季節變化由大到小依次為秋季、冬季、春季和夏季；月變化呈雙峰型，分別在7月、9月達到峰值。高架路段沿線平均風速的日變化呈“一峰一谷”型，風速先降后升再降，風速在午后到傍晚最大，在日出前后最小。

2）高架路段沿線平均風向的空間分布具有差異性，但主要集中在第二、三象限，楊汛橋、錢清、江南、清風和浙光的盛行風向分別為SE、S、WSW、ESE和S。其中，楊汛橋、錢清的平均風速較小，靜風出現的頻率較大。

3）溫度會對高架路段沿線風速造成影響。除清風外，其余各站的平均風速與平均溫度之間具有相關性，相關性強度由大到小依次為錢清、楊汛橋、浙光和江南；楊汛橋、錢清、浙光的平均風速與平均溫度呈正相關，風速隨溫度的升高而增大；江南的平均風速與平均溫度呈負相關，風速隨溫度的升高而減小。5個氣象觀測站的極大風速與平均溫度之間均呈正相關，相關性強度由大到小依次為楊汛橋、錢清、浙光、清風和江南。

參考文獻：

[1] 陳艷艷，劉小明，任福田.交通路網災害風險系統影響分析[J].公路交通科技，2002（4）：79-81，84.

[2] 庾新原.城市軌道交通高架線路微型氣象站應用研究[J].運輸經理世界，2022（14）：13-15.

[3] 沈堅鋒.天氣因素對地鐵土建設施的影響風險評價[D].北京：北京交通大學，2012.

[4] 李毅雄.香港地鐵氣象災害防范技術[J].中國安全生產科學技術，2007（2）：92-95.

[5] 雷俊，駱月珍，錢吳剛，等.國內地鐵氣象服務綜述及杭州地鐵專業氣象服務策劃[C]//中國氣象學會氣象災害與服務委員會，中國氣象局預測減災司，國家氣象中心，中國氣象局公共氣象服務中心.第26屆中國氣象學會年會氣象災害與社會和諧分會場論文集.浙江省氣象服務中心，2009：6.

[6] 王彥明，吳偉杰，韋晉.廈門市軌道交通1號線專業氣象服務策劃方案[C]//公共氣象服務委員會，水文氣象學委員會，中國氣象局公共氣象服務中心，水利部水文局.第31屆中國氣象學會年會S10第四屆氣象服務發展論壇——提高水文氣象防災減災水平，推動氣象服務社會化發展.廈門市氣象服務中心；廈門市氣象局，2014：8.

[7] 翁春慧.強風預測預警設備在上海軌道交通高架及地面線路中的應用[J].城市軌道交通研究，2016，19（3）：138-142.

[8] 楊通曉，談建國，史軍，等.上海軌道交通16號線高架地面段大風特征及測風設備布點研究[J].干旱氣象，2020，38（5）：847-858.

[9] 耿凱亮.上海城市軌道交通氣象風險的精細化管控策略[J].城市軌道交通研究，2022，25（3）：86-90.

[10] 蒲井崗.福州地鐵高架區間氣象監測系統應用研究[J].科技創新與應用，2022，12（18）：174-177.

[11] 肖薇薇，安彬.1960-2017年黃土高原地區風速時空變化特征[J].水土保持研究，2023，30（4）：103-109.

Abstract： Using data from five meteorological observation stations along the elevated section of Shaoxing Rail Transit from 2021 to 2023， the average wind characteristics of the elevated section were analyzed， and the impact of temperature on wind speed was studied through Pearson correlation analysis. The results show that： The temporal changes of average wind speed along the elevated section of Shaoxing rail transit are similar. Except for Jiangnan， the seasonal changes are summer， spring， autumn， and winter from large as to small average speed; the monthly change basically reaches its peak in July; the daily change is in the form of \"one peak and one valley\"， with the wind speed being the largest from afternoon to evening and the smallest around sunrise. The spatial distribution of the average wind direction along the elevated section is different， but it is mainly concentrated in the second and third quadrants. Temperature affects the wind speed along the elevated section. Except for the clear wind， there is a correlation between the average wind speed and the average temperature at the other stations; there is a positive correlation between the maximum wind speed and the average temperature at the five meteorological observation stations.

基金項目：浙江省氣象局科技項目（2023YB22）

第一作者簡介：甄國凝（2000-），女，助理工程師。研究方向為城市氣象。