江西滬昆高鐵沿線主要氣象災害影響因子初探

摘要 利用江西1961—2019年的逐日降雨、積雪、大風、大霧、雷暴（1961—2013年）等數據，以及滬昆高鐵和普通鐵路的災害數據，分析了江西滬昆高鐵沿線主要氣象災害的時空演變特征，確定沿線不同路段影響較大的災種類別，研究了滬昆高鐵沿線不同路段、不同類型災害性天氣的服務關鍵期，建立了江西滬昆高鐵沿線主要氣象災害的風險評價指標體系，分析了暴雨、雷暴、積雪3種主要氣象災害的致災影響因子危險指數。結果顯示：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種災害性天氣。暴雨、雷暴、積雪3種災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。

關鍵字 滬昆高鐵；氣象災害；關鍵服務期

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

高速鐵路簡稱高鐵，國際鐵路聯盟（UIC）給出的標準為新線＞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進程加快，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，江西開始進入高鐵收割期。截至2018年1月，江西高鐵里程突破900 km，達到917.4 km，位列全國第12位。2020年，江西省高鐵里程將達到1 500 km，進入全國前十。

1965年，日本制定了“線路災害警戒標準規范”，經過不斷完善，出臺了惡劣氣候條件下的鐵路運輸規程，為高鐵線的安全運營保駕護航[1-2]。我國高鐵建設運營時間短，相關氣象服務研究不多，目前正處于探索階段，現有成果也多傾向于氣象災害監測防控、分布特征、風險評估及預警指標。張廷龍等[3]分析了鐵路沿線的氣象災害的特征；謝靜芳等[4]分析了高鐵氣象服務需求；崔新強等[5]開展了高速鐵路安全運行影響天氣條件等級標準研究；廖波等[6]開展了貴州境內高鐵沿線氣象災害特征的研究工作，并對關鍵服務期進行了探討。

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報；周雨等[8]研究了鷹廈鐵路降雨誘發滑坡預警預報概率模型；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報。這些都是針對江西省內的普通鐵路，研究與降水相關的氣象預報預警服務，針對高速鐵路方面的氣象服務研究甚少。因此，研究江西省滬昆高鐵沿線主要氣象災害分布特征及關鍵服務期，能夠提高高鐵氣象服務的質量，對滬昆高鐵的運營調度具有十分重要的現實意義。

1 資料和方法

1.1 資料

本項目氣象站資料包括：一是質控后的實況數據，涵蓋江西91個氣象站1961—2019年的逐日降雨、積雪、大風、大霧、雷暴（1961—2013年）等數據，以及2008—2020年滬昆鐵路路線附近的自動氣象站觀測站數據；二是南昌鐵路局在轄區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，但數據不多，轄區內僅有287個測站。災害數據來自南昌鐵路局防洪指揮辦公室，包括轄區內滬昆鐵路沿線的里程、監測點、報警時間、調度措施（出巡、限速、封鎖）等。災害個例主要是由降雨誘發的水害和地質災害，其中2008—2015年共有水害和地質災害

355例，2018—2020年共有水害和地質災害64例。項目研究遵循均勻分布的原則，以滬昆高鐵沿線附近站點氣象要素的算術平均值代表的沿線平均狀況，數據分析前進行質量控制和預處理，去除缺測值＞5 d的站點數據，再利用5 d滑動平均插補缺測數據。用ArcGIS 9.3軟件進行插值后，得到滬昆高鐵沿線氣象災害空間分布圖，并以此為基礎進行分布研究。

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70年代中期由美國運籌學家T. L. saaty正式提出，它是一種定性和定量相結合的、系統化、層次化的分析方法，目前已普遍被應用于經濟計劃和管理、能源政策和分配、行為科學、運輸、農業、教育、醫療和環境等領域[10-12]。

1.2.2 模糊綜合評價法 模糊集合理論的概念是由美國查德教授提出的，基于模糊數學的綜合評價法，將定性評價轉化為定量評價，是一種能對其總體優劣受多種因素影響的事物做出合理綜合評判的方法。考慮影響智能倉儲績效評價的因素很多，此處采用模糊綜合評價法進行建模[13]。

2 江西滬昆高鐵主要氣象災害時空分布特征

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分布如圖1所示，可見沿線東段玉山至進賢的暴雨日數為6～8 d，以弋陽站年平均暴雨日數7.3 d

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

2.2 雷暴的特征

江西滬昆高鐵沿線1961—2019年年平均雷暴日數分布如圖2所示，沿線年平均雷暴日數在40～60 d，以上饒站年平均雷暴日數60 d為最多，南昌站43 d為最少。1961—2013年以來，滬昆高鐵沿線站點的年平均雷暴日數在37.1（1975年）～79.3 d（2001年）之間波動，在1998年左右有較大的波動，53年間高鐵沿線站點雷暴日數均在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分布如圖3所示，沿線上饒至玉山段年平均積雪日數為3.5～5 d，弋陽至撫州段2.5～3.5 d，進賢至南昌段4～5 d，其他路段3～4 d。1961—2019年以來，滬昆高鐵沿線站點的年平均積雪日數在16.9（1977年）～0 d（2001年、2007年、2015年）之間波動，在1977年附近有較大的波動，59年間高鐵沿線站點積雪日數均在0～10 d之間。

3 江西滬昆高鐵沿線氣象災害的關鍵服務期

為提高氣象保障服務質量，提高服務的針對性，根據高鐵沿線主要災害性天氣發生的級別和特點，以及對鐵路安全運營可能產生的影響，將災害性天氣服務分為3個服務關鍵期，即特別關鍵期、關鍵期、次關鍵期（表1）。

按照災害性天氣服務關鍵期劃分標準，利用江西滬昆高鐵沿線各氣象站1961—2019年沿線各類氣象災害日數進行統計分析，分析江西境內高鐵沿線各氣象站主要氣象災害關鍵服務期（表2）。

分析表明，江西滬昆高鐵各路段不同災害性天氣的服務關鍵期具有時間和空間差異。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種災害性天氣。大霧影響時間雖最長（10個月），但不存在特別關鍵期。積雪和凝凍主要發生在冬季，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災害較少發生，僅南昌段存在大風次關鍵服務期2次。

4 江西滬昆高鐵的主要氣象災害危險性評價

4.1 江西滬昆高鐵氣象災害影響權重分析

在專家咨詢法的基礎上應用層次分析法建立江西省滬昆高鐵沿線風險評價指標體系，對構成風險的因子賦予權重，確定主要影響因子，評價指標體系分為：目標層（A）、指標因子層（B），指標因子層從暴雨（B1）、積雪（B2）、雷電（B3）、大風（B4）、大霧（B5）、凝凍（B6）六方面考慮。分析發現，20份專家資料中，有16份均通過矩陣一致性檢驗，4份未通過一致性檢驗。對16份通過一致性檢驗的各判斷矩陣權重系數求平均，從而可確定暴雨（B1）、積雪（B2）、雷電（B3）、大風（B4）、大霧（B5）、凝凍（B6）6個因子的權重：

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氣象災害為暴雨、雷電，其次是積雪、凝凍、大風等。

4.2 江西滬昆高鐵主要氣象災害危險指數分析

基于上述研究結果可確定江西滬昆高鐵主要氣象災害為暴雨、雷電、積雪。以這3種氣象災害建立新的評價指標集合U={u1，u2，u3}，評價集V={v1，v2，v3，v4，v5} ={高危險（Ⅰ），較高危險（Ⅱ），中危險（Ⅲ），低危險（Ⅳ），較低危險（Ⅴ）}。充分考慮江西滬昆高鐵主要氣象災害時空分布特征和地理位置的影響，項目將鐵路沿線分為3個路段，研究主要氣象災害危險指數。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—萍鄉北站。

以路段1為例對主要氣象災害進行單因素評價，建立模糊關系矩陣。暴雨的影響分4個方面進行評價，1 h最大降水量、3 h降水量、24 h降水量、連續降水量。雷暴的影響分2個方面進行評價，雷電頻次、雷電強度。積雪的影響分2個方面進行評價，積雪深度、持續時間。根據層次分析方法可確定二級指標矩陣，由專家組對二級指標進行模糊評價，評價結果見表3。

如果對致災因子風險評價等級按百分制給分，則可得出江西滬昆高鐵路段1的主要氣象災害風險的總得分F，由風險總得分所在區域判斷風險等級。各風險等級百分制評分情況及風險等級判定標準如表4所示。

經計算可知，江西滬昆高鐵路段1的主要氣象災害風險總得分F=RST為84.1分。利用上述方法分析路段2、路段3的情況。經計算可知，江西滬昆高鐵路段2、路段3的主要氣象災害風險得分分別為83.7、83.4分。各指標層影響因子對江西滬昆高鐵路段2、路段3主要氣象災害風險的影響程度和排名如表5所示。

從以上結果可知，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的致災影響因子分別是1 h最大降水量、雷電強度、3 h降水量，新余北站—萍鄉北站影響程度排名前3的致災影響因子分別是雷電強度、1 h最大降水量、3 h降水量。

5 結論

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

江西滬昆高鐵沿線主要氣象災害的服務關鍵期存在時間和空間的差異。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種災害性天氣。沿線所有路段暴雨的次關鍵服務期16次、關鍵服務期30次集中在3—9月、特別關鍵服務期16次在5—6月。雷暴的次關鍵服務期21次、關鍵服務期47次集中在3—9月、特別關鍵服務期9次在7—8月。暴雨、雷暴、積雪3種災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的致災影響因子分別是1 h最大降水量、雷電強度、3 h降水量，新余北站—萍鄉北站影響程度排名前3的致災影響因子分別是雷電強度、1 h最大降水量、3 h降水量。

參考文獻

[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研究總體組，2000．

[2] 日本法國德國高速鐵路運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的時空分布[J].高原氣象， 2004，23（5）：673-677.

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

[5] 崔新強，周小蘭，付佳，等.高速鐵路安全運行高影響天氣條件等級標準研究[J].災害學，2016，31（3）：26-30.

[6] 廖波，羅喜平，唐延婧，等.貴州境內高鐵沿線氣象災害特征及關鍵服務期探討[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報[J].氣象與環境學報，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滑坡預警預報概率模型[J].中國地質災害與防治學報，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報研究[J].災害學，2017，32（1）：17-21.

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

[11] 鄭傳新，劉遠，李向紅，等.層次分析法在氣象災害應急管理能力綜合評價中的應用[J].氣象研究與應用，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業氣象災害風險區劃指標權重分析[J].氣象研究與應用，2018，39 （1）：70-72.

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

責任編輯：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

基金項目 中國氣象局公共氣象服務中心創新基金項目（M2020033）；江西省氣象服務中心項目“江西滬昆高鐵沿線主要氣象災害特征及關鍵服務期研究”（FWZX202004）。

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

收稿日期 2023-01-09