康 龍 , 肖天貴,3 , 假 拉 , 堅參扎西

（1. 成都信息工程大學, 成都 610225；2. 西藏自治區(qū)氣象臺, 拉薩 850000；3. 成都信息工程大學云南自然災害防御技術研發(fā)中心，昆明 650034）

引言

拉薩-林芝鐵路是川藏鐵路的重要組成部分，不僅能很好地促進當?shù)亟?jīng)濟發(fā)展，尤其是旅游經(jīng)濟的發(fā)展，而且利于不斷鞏固西藏地區(qū)的安全穩(wěn)定，具有重大的戰(zhàn)略意義。明慧青等[1]研究發(fā)現(xiàn)，在全球極端天氣頻繁和全球變暖的環(huán)境下，閃電、暴雪、暴雨、大風等氣象災害常常會影響高鐵的安全運行。閆永澤[2]研究指出，1981年寶成線遭遇特大洪水，大約20 km的鐵路軌道被直接沖毀，10 余座車站和隧道被淹沒，附近多條線路受阻，區(qū)域內(nèi)鐵路網(wǎng)絡嚴重癱瘓。劉?，揫3]在研究中提到，2008年我國南方遭遇百年難遇的大暴雪，導致鐵路網(wǎng)絡大面積癱瘓。芮坎妹等[4]分析指出，面臨鐵路建設與安全運營的迫切需要，提高防災減災能力，提升鐵路行業(yè)氣象災害防御系統(tǒng)建設，對鐵路安全運輸有著非常重要的意義。易亮等[5]等分析得出，在創(chuàng)立鐵路氣象防災系統(tǒng)的進程中，存在氣象災害風險評估局限性很大、氣象災害預測預報能力弱、鐵路沿線氣象災害安全防御措施缺乏等情況。目前，已有很多學者在氣象災害對鐵路的影響方面開展了一系列工作。崔莉婧[6]研發(fā)了一個適用于我國鐵路運營實際情況的鐵路氣象監(jiān)測預報系統(tǒng)，監(jiān)測對象主要是鐵路沿線的風速、降水、積雪深度、風向，并使用攝像監(jiān)控對監(jiān)測點周圍環(huán)境進行觀測。代娟等[7]以不同氣象災害風險評估因子，作為高速鐵路區(qū)域劃分的評價指標，制定出氣象災害風險評估的區(qū)劃方案。費杜秋等[8]利用鐵路歷史自然災害數(shù)據(jù)，運用自然災害風險綜合評估法，研究了自然災害危險性。馮衛(wèi)等[9]分析了陜西咸陽市的地質(zhì)災害、洪水災害以及地震災害，為應急管理和國土空間規(guī)劃提供了重要指導。自然災害風險評估大多數(shù)是基于GIS 技術，對孕災環(huán)境脆弱性、承災體脆弱性、災害因子危險性進行綜合分析，得到自然風險災害評估區(qū)劃[10-12]。王志等[13]統(tǒng)計分析了2001～2010年全國760個站點的極大風速資料，采用GIS 技術和自然災害風險法，聯(lián)系人口密度、社會經(jīng)濟水平、防災減災能力等要素，計算得到了大風影響高速鐵路的風險區(qū)劃圖。

可見，鐵路沿線氣象災害與社會生活息息相關。因此，鐵路沿線主要氣象災害的風險區(qū)劃研究具有重要的科學意義和應用價值。目前，針對川藏鐵路氣象災害風險的研究還不多見，尤其是已經(jīng)開通運營的拉薩-林芝鐵路。針對上述問題，本文選用1980～2010年拉薩-林芝鐵路沿線17個氣象觀測站大風、降雪、暴雨和閃電的逐日數(shù)據(jù)，結(jié)合鐵路沿線附近各縣市人口密度、人均國內(nèi)生產(chǎn)總值（Gross Domestic Product，GDP）等資料，構建拉薩-林芝鐵路沿線主要氣象災害風險研究模型，進行鐵路沿線主要氣象災害的高風險區(qū)劃，以期為拉薩-林芝鐵路安全運營提供科學依據(jù)。

1 研究資料和區(qū)域

1.1 資料說明

研究選用了以下幾類數(shù)據(jù)：

（1）氣象數(shù)據(jù)選取了1980～2010年拉薩-林芝鐵路沿線17個地面氣象站（圖1）的逐日觀測資料，包括風、閃電、雨和雪。通過設定閾值（≥17 m/s）計算了大風天數(shù)，通過設定閾值（≥25 mm）計算了暴雨天數(shù)。

（2）地理數(shù)據(jù)主要包含行政區(qū)劃圖、數(shù)字高程模型（Digital Elevation Model，DEM）、坡度與坡向、水道遍布、縣城、鐵路等。

（3）社會數(shù)據(jù)摘自2019年西藏統(tǒng)計年鑒，涉及拉薩-林芝鐵路附近各縣市人口密度和人均GDP。

1.2 區(qū)域概況

如圖1 所示，拉薩-林芝鐵路是一條西起于拉薩市拉薩站、東至于林芝市巴宜區(qū)的高速鐵路，順著拉薩河而下，途徑貢嘎、乃東、朗縣、米林等縣市，跨越雅魯藏布江到達林芝站。拉薩-林芝鐵路全程位于西藏自治區(qū)境內(nèi)，平均海拔在3000 m 以上，全線橋隧總長近301 km，幾乎是總線長的7 成以上，共計穿過了47個隧道和120 座大橋。由于復雜的地形環(huán)境，各種

自然災害頻發(fā)，有以滑坡、泥石流、風沙、巖屑坡、凍土為主的各種地質(zhì)災害，有以暴雪、大風、閃電、暴雨為主的各種氣象災害。

2 研究路線和方法

2.1 評估線路

對拉薩-林芝鐵路沿線主要氣象災害的風險研究，主要從致災因子、致災環(huán)境穩(wěn)定性以及社會經(jīng)濟情況三方面來進行分析，具體技術路線如圖2 所示。

圖2 拉薩-林芝鐵路沿線主要氣象災害風險評估技術路線

2.2 致災因子處理

2.2.1 災害性大風

根據(jù)《地面氣象觀測規(guī)范》，文中大風災害的頻次和強度分別用≥17 m/s 的大風天數(shù)和年均最大風速表示。

2.2.2 災害性暴雨

根據(jù)楊志剛等[14]給定的西藏地區(qū)暴雨標準，文中暴雨災害的頻次和強度分別用24 h 降水≥25 mm 的日數(shù)和年均最大降水表示。

2.2.3 災害性暴雪

文中暴雪災害的頻次和強度分別用年均最大積雪日數(shù)和年均最大積雪深度表示。

2.2.4 災害性閃電

文中閃電災害的頻次和強度分別用閃電日數(shù)和年均最大閃電強度表示。

2.3 自然災害風險綜合指數(shù)法

自然災害風險綜合指數(shù)的具體表達式為：

式中：Fi表示災患危害指數(shù)，F(xiàn)a表示致災因素危險性，F(xiàn)b表 示孕災環(huán)境穩(wěn)定性，F(xiàn)c表示承災體易損性，致災因子、孕災環(huán)境和承災體的占比分別是i1，i2和i3，。利用該風險指數(shù)模型，計算出各種氣象災害的風險指數(shù)，然后對拉薩-林芝鐵路沿線主要氣象災害風險進行區(qū)域劃分。

2.4 層次分析法

層次分析法就是把一個復雜的多維問題作為一個集合體系，將復雜的東西分裂為多個因素，然后再把已經(jīng)分裂出來的因素再進行分裂，最后使用定性指標模糊量化方式算出層次單獨序列和總序列，根據(jù)結(jié)果進行方案優(yōu)化決策[15]。本文對高程、坡度、坡向、河網(wǎng)分布進行比較，得到了拉薩-林芝鐵路沿線主要氣象災害孕災環(huán)境影響因子（表1）。表中：“3”表示一個因子比另一個因子更加重要；因子i和j比較得到Aij，反之得到Aji，Aij×Aji= 1。

表1 拉薩-林芝鐵路沿線主要氣象災害孕災環(huán)境影響因子

2.5 數(shù)據(jù)歸一化

歸一化就是通過歸一變換，把有量綱變成無量綱的過程。具體表達式為：

式中：樣本數(shù)據(jù)的最大值是max(x)，最小值是min(x)。

2.6 克里金空間插值法

運用克里金空間插值法[16]對致災因子進行模擬，得到致災因子的危險性分布。應用Arcgis 軟件，將結(jié)果插值為柵格輸出，具體公式為：

式中：λi表示第i個位置處的測量值的未知權重，S0表示預測位置，N表示測量指數(shù)，Z(Si)表示第i個位置處的測量值。

3 結(jié)果分析

3.1 氣象災害月際變化

如圖3a 所示，拉薩-林芝鐵路沿線暴雪災害呈顯著的季節(jié)性分布特征；12月～次年3月，暴雪次數(shù)占全年的87.06%；其中，暴雪次數(shù)的最大值出現(xiàn)在2月（389 次），遠超4～11月的總和；冬季溫度低，更易達到降雪條件，暴雪災害多發(fā)。如圖3b 所示，閃電災害的月際變化呈單峰型分布，且季節(jié)分布比較明顯，主要集中在5～9月，占全年的91.23%；閃電災害在8月出現(xiàn)最大值（294 次），占26.18%，10月～次年4月發(fā)生的次數(shù)占比僅為8.77%；造成這種情況的原因主要是秋、冬季對流不如夏、春季旺盛，夏季暴雨多且雷電多發(fā)。如圖3c 所示，暴雨災害的月際變化與閃電災害類似，同樣呈單峰型分布，具有很明顯的季節(jié)性特征；暴雨災害最先在2月中旬出現(xiàn)，而后一直呈上升趨勢，7月達到最大值，之后呈顯著的下降趨勢；5～10月，暴雨災害占全年的93.60%，其中7月（206 次）占比為30.65%，12月～次年2月沒有暴雨災害出現(xiàn)；這是因為受夏季風影響，夏季降水頻次和強度明顯增加，導致暴雨災害增多，而冬季在冬季風影響下水汽較弱，且一般多降雪，降雨明顯減少。如圖3d 所示，拉薩-林芝鐵路沿線大風災害發(fā)生頻次分布與暴雪災害較為相似，表現(xiàn)為上半年多且下半年少的特征；1月開始急劇增多，峰值出現(xiàn)在2月和3月，4月后急劇減少，5～12月處于低發(fā)階段；1～4月大風災害出現(xiàn)次數(shù)占全年的74.59%，其中2月和3月均出現(xiàn)16 次，合計占比為45.67%，6～11月大風災害發(fā)生次數(shù)均低于3 次；春季和冬季北方冷空氣入侵往往引起大風日數(shù)增加，是導致冬季和春季大風災害多發(fā)的主要原因。

圖3 拉薩-林芝鐵路沿線主要氣象災害的月際變化特征

3.2 承災體易損性評估分析

拉薩-林芝鐵路沿線各縣市的社會經(jīng)濟水平和人口分布情況通常就決定了所造成的危害程度。如果一個地方人均GDP 越高、人口密度越高、農(nóng)田等基礎設施越多，則受災情況就會越嚴重。根據(jù)以縣市為單元的行政區(qū)域土地面積和人口總數(shù)計算出當?shù)氐娜丝诿芏确植迹▓D4b）可知，最密集區(qū)域在拉薩市和山南市，拉薩市人口密度最大達到了855 人/km2，其次是曲水縣和貢嘎縣，人口密度分別是26 人/km2和23 人/km2。根據(jù)西藏年鑒中給出的社會經(jīng)濟數(shù)據(jù)計算人均GDP 分布（圖4a）可知，最高的林芝市巴宜區(qū)為5.38 萬/人，同級別的還有山南市桑日縣、林芝市米林縣。

圖4 拉薩-林芝鐵路沿線各縣市的人均GDP（a）和人口密度（b）情況

在考察人口密度和人均GDP 對拉薩-林芝鐵路沿線承災體易損性影響程度的基礎上，利用層次分析法分別給予比重0.4 和0.6，以各縣市為基礎單元，計算出承災體脆弱性值，得到了拉薩-林芝鐵路沿線災害承災體的脆弱性分布（圖5）。如圖所示，承災體易損性的高易損區(qū)位于拉薩市；次高易損區(qū)位于山南市、曲水縣、以及瓊結(jié)縣附近；中易損區(qū)位于貢嘎縣、曲松縣、林芝市以及尼木縣附近；在拉薩-林芝鐵路沿線以北大多位于次低易損區(qū)，而在拉薩-林芝鐵路以南，大部分市縣都位于低風險區(qū)，主要因為鐵路以南區(qū)域人口密度較小，經(jīng)濟水平較低，即使發(fā)生災害，受到的損失也較小。

圖5 承災體易損性區(qū)劃

3.3 孕災環(huán)境穩(wěn)定性評估分析

地形對于孕災環(huán)境敏感性的影響主要表現(xiàn)在高程以及地形的升沉。地勢越低的地方、河網(wǎng)分布越麋集的地方，越可能發(fā)生暴雨災害。利用高程差表示地形的起伏度，高程差越大，地形起伏越明顯，越易于形成災害。而處于較高海拔的區(qū)域，則越容易發(fā)生大風以及冰雪災害。拉薩-林芝鐵路處于西藏高海拔地區(qū)，地形險峻，途徑雅魯藏布江峽谷地區(qū)，還有極具挑戰(zhàn)性的桑珠嶺隧道、巴玉隧道。拉薩-林芝鐵路沿線的孕災環(huán)境主要是指鐵路沿線附近的河流分布、地形、坡度和坡向等因素（圖6），經(jīng)過層次分析法，將海拔、河網(wǎng)、坡度和坡向分別賦予權重值0.3、0.2、0.25、0.25，計算孕災環(huán)境穩(wěn)定性指數(shù)。如圖7 所示，拉薩-林芝鐵路沿線高風險區(qū)集中在拉薩、山南、曲松和加查縣周圍，主要是因為這段路線地形起伏很大且峽谷河流較多；朗縣到林芝這段路線則是低風險區(qū)，這是由于林芝到米林這段地勢相對平緩且河網(wǎng)沒那么密集，而且植被數(shù)量相對也較多，有利于減少災害的發(fā)生。

圖6 孕災環(huán)境影響因子

圖7 孕災環(huán)境穩(wěn)定性區(qū)劃

3.4 致災因子危險性分布分析

為了更加直觀地表示拉薩-林芝鐵路沿線致災因素的災害危險程度，以鐵路兩側(cè)70 km 緩沖區(qū)為研究對象，得到了4 種氣象致災因素的災患危險分布(圖8)。暴雨災害（圖8a）高風險區(qū)主要出現(xiàn)在林芝以及波密縣附近，其周邊的米林縣處于次高風險區(qū)，而拉薩到郎查的這段路線上發(fā)生暴雨的風險都比較小。大風災害（圖8b）高風險區(qū)主要出現(xiàn)在朗縣附近，次高風險區(qū)在山南縣到加查縣附近，林芝地區(qū)也有小部分，而拉薩、曲水以及波密縣屬于大風災害低風險區(qū)。暴雪災害（圖8c）高風險區(qū)主要出現(xiàn)在波密縣附近，林芝東部和米林縣東南部處于中風險區(qū)，拉薩和林芝西北都處于次低風險區(qū)，山南到朗縣這段區(qū)域?qū)儆诘惋L險區(qū)。閃電災害（圖8d）整體發(fā)生都不是很多，除了林芝、拉薩、山南等幾個城市附近屬于低風險區(qū)，其余基本上是次低風險區(qū)。

圖8 拉薩-林芝鐵路沿線主要氣象災患危險性空間分布

3.5 災害風險評估和區(qū)劃分析

根據(jù)上節(jié)分析結(jié)果分別得到了孕災環(huán)境穩(wěn)定性指數(shù)、致災因素危險性指數(shù)、承災體易損性指數(shù)，使用層次分析分別賦予權重0.4、0.3、0.3，計算4 種氣象災害的災患風險指數(shù)，并且將其分成五個級別，繪制出對應的風險區(qū)劃空間分布（圖9）。如圖9a 所示，拉薩-林芝鐵路沿線暴雨災害高風險區(qū)主要出現(xiàn)在林芝市東南方向，這是由于林芝市東南部特殊的地形地貌與氣候條件很容易形成強降水；而拉薩-林芝鐵路沿線降水分布鐵路兩邊較多，鐵路運行路線中間降水較少，山區(qū)降水大于平原，東部降水大于西部。如圖9b所示，加查縣到朗縣這段線路處于大風災害高風險區(qū)，全程76 km，該區(qū)間一年中有300 d 出現(xiàn)7 級以上大風；次高風險區(qū)位于山南市附近，受地理位置影響，該區(qū)大風日數(shù)也相對偏多；低風險區(qū)位于拉薩市以及波密縣附近，一年僅有不到50 d 出現(xiàn)大風。如圖9c 所示，暴雪災害高風險區(qū)位于米林到林芝這段路線，米林縣與林芝之間有多座高峰，比如雪噶如戈山、幫仲普、朵卡隆等，這一帶發(fā)生暴雪頻繁；而拉薩到朗縣這段鐵路線路處于次低風險區(qū)，暴雪次數(shù)不多。如圖9d所示，閃電發(fā)生高風險地區(qū)主要出現(xiàn)在加查縣到朗縣這段路線，該區(qū)間一年發(fā)生閃電次數(shù)是其他地區(qū)的十倍；其余路線幾乎都處于中和次低危險區(qū)，閃電災害并不嚴重。

圖9 拉薩-林芝鐵路沿線主要氣象災害風險區(qū)劃空間分布

4 結(jié)論與討論

4.1 結(jié) 論

本文選用1980～2010年拉薩-林芝鐵路沿線17個氣象站的逐日觀測數(shù)據(jù)，結(jié)合鐵路沿線附近各縣市人口密度、人均GDP 等資料，構建拉薩-林芝鐵路沿線主要氣象災害風險研究模型，并完成了主要氣象災害的高風險區(qū)劃，得到如下主要結(jié)論：

（1）5～10月是拉薩-林芝鐵路沿線暴雨的高發(fā)季節(jié)，占全年的93.60%。5～9月是拉薩-林芝鐵路沿線閃電主要發(fā)生季節(jié)，占全年的91.23%。12月～次年4月是拉薩-林芝鐵路沿線暴雪的多發(fā)季節(jié)，占全年的87.06%。1～5月是拉薩-林芝鐵路沿線大風的高發(fā)季節(jié)，占全年的74.59%。

（2）承災體易損性上，拉薩市是高易損區(qū)，因為拉薩人口最多，社會經(jīng)濟最發(fā)達，一旦發(fā)生災害，造成的損失也很巨大。山南和貢嘎發(fā)展水平相對較低，處于中和次高易損區(qū)，林芝也處于中易損區(qū)域。其余縣市由于人口不是很多，經(jīng)濟水平也一般，因此，承災體易損性就很低，即使發(fā)生大的災害，也不會造成多大的經(jīng)濟損失。

（3）拉薩-林芝鐵路沿線氣象災害的孕災環(huán)境穩(wěn)定性呈流域性分布特征。高敏感區(qū)主要在拉薩-林芝鐵路西側(cè)，拉薩到加查縣這段路線附近，這是由于該區(qū)域河網(wǎng)分布密集，地貌復雜且植被覆蓋低。朗縣到林芝這段線路水系相對較少，地勢較為平緩且植被覆蓋較多，屬于低和次低穩(wěn)定性區(qū)。

（4）拉薩-林芝鐵路沿線暴雪災害高風險區(qū)主要出現(xiàn)在林芝東南和米林以東區(qū)域。大風災害高風險區(qū)主要出現(xiàn)在加查和朗縣附近。閃電災害高風險區(qū)域主要出現(xiàn)在林芝市和山南市附近。暴雨災害高風險區(qū)主要出現(xiàn)在林芝市附近。

4.2 討論

（1）暴雨主要會造成洪水、泥石流等自然災害，拉薩-林芝鐵路沿線暴雨主要發(fā)生在夏季和早秋季節(jié)，空間分布位主要位于林芝市以南和米林縣以北區(qū)域。根據(jù)暴雨高發(fā)季節(jié)和地域分布特點，結(jié)合衛(wèi)星雷達技術，將氣象觀測數(shù)據(jù)與實地考察數(shù)據(jù)相結(jié)合，科學合理地制定河流防洪計劃，在關鍵河流區(qū)域興建觀測站、注重大小水利工程建設、加強洪水預警能力，為鐵路安全運行提供可靠的保障。

（2）拉薩-林芝鐵路沿線大風主要在加查縣和朗縣附近，在這一附近區(qū)域應該作為大風災害的重點防護區(qū)?？梢栽诒匾蔫F路路線附近修建“防風墻”或者種植防風林。相關部門也應該加強鐵路沿線綠植保護措施，這樣才可更有效防范大風。對于正在修建的林芝到成都段鐵路也是如此，規(guī)劃鐵路路線時應該考慮盡量避開或者減少破壞現(xiàn)有的植被。

（3）冬、春季是雪災的高發(fā)季節(jié)，拉薩-林芝鐵路平均海拔在3000 m 以上，所以暴雪災害在拉薩-林芝鐵路沿線不可小覷。從拉薩一路沿著拉薩河下來，拉薩-貢嘎-山南-加查-朗縣這一帶都處于高風險區(qū)，建議在這一段區(qū)域建議修建防雪柵欄、防雪墻等設施。同時由于拉薩-林芝鐵路經(jīng)過多座高山隧道，許多高山常年積雪，還應該防患春季積雪融化所導致的洪澇等災害。

（4）拉薩-林芝鐵路沿線閃電主要發(fā)生在夏季的加查縣附近，建議加查縣關鍵區(qū)建立閃電預警觀測站，做好惡劣極端天氣下閃電預報工作，減少閃電災害造成的損失。