青藏铁路沿线雪灾风险评估

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

杨登兴^,¹^,², 刘峰贵^,²^,³, 延军平¹, 张镱锂³^,⁴, 陈琼², 周强²

1.陕西师范大学地理科学与旅游学院西安 710119

2.青海师范大学地理科学学院西宁 810008

3.中国科学院地理科学与资源研究所陆地表层格局与模拟院重点实验室,北京100101

4.中国科学院青藏高原地球科学卓越创新中心, 北京 100101

A risk assessment of snow disaster along Qinghai-Tibet Railway

YANG Dengxing^,¹^,², LIU Fenggui^,²^,³, YAN Junping¹, ZHANG Yili³^,⁴, CHEN Qiong², ZHOU Qiang²

1. School of Geographic Sciences and Tourism, Shanxi Normal University, Xi'an 710062, China

2. School of Geographic Sciences, Qinghai Normal University, Xining 810008, China

3. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

4. Chinese Academy of Sciences Center for Excellence in Tibetan Plateau Earth Science, Beijing 100101, China

通讯作者: 刘峰贵（1966-）,男,青海门源人,博士,教授,主要从事灾害风险与高原区域地理研究。E-mail:lfg_918@163.com

收稿日期:2020-07-13接受日期:2021-02-4网络出版日期:2021-05-10

基金资助:

第二次青藏高原综合科学考察研究专题“综合灾害风险评价与防御”.2019QZKK0906
国家自然科学基金项目.40761003

Received:2020-07-13Accepted:2021-02-4Online:2021-05-10
作者简介 About authors
杨登兴（1975-）,男,甘肃武威人,博士,主要研究自然灾害与防御。E-mail:yangdx0971@126.com

摘要
雪灾是青藏铁路及其沿线地区所面临的严重自然灾害之一,对其风险等级进行科学评估,是制定应急方案、确保青藏铁路安全运行的重要基础。本文基于历史雪灾数据和铁路相关数据,选择27项指标构建青藏铁路及其沿线的雪灾综合风险评估体系,对青藏铁路沿线积雪雪灾、雪崩雪灾和风吹雪雪灾的致灾危险性、铁路系统的脆弱性进行了综合分析。分析表明：青藏铁路沿线雪灾高风险区分布在唐古拉-安多路段,雪灾中等风险区主要分布在天峻-乌兰、五道梁-安多等2个路段,雪灾低风险区主要集中在西宁-天峻、德令哈-格尔木和那曲-拉萨等3个路段。从整个青藏铁路沿线来看,青南高原路段是青藏铁路沿线雪灾综合风险等级最高的区域。
关键词： 青藏铁路;雪灾;风险评估

Abstract

The main natural calamity affecting land transportation routes are floods, snow, heavy fog, landslides, mudslides, strong winds, hail, thunder and lightning, and extreme temperatures. The interrupted transportation will have a huge negative effect on the socio-economic system. The World Economic Cooperation and Development Organization and the International Future Plan clearly regard transportation as one of the major risk engineering fields that must be given attention in the 21st century. Since the 1990s, relevant researchers have conducted in-depth investigations and comprehensive studies on geological, frozen soil, and meteorological disasters along China's main traffic lines, and discussed the degree of natural disasters along the main lines of traffic, their causes, and disaster mitigation countermeasures. Since 2000, with the gradual improvement of the theoretical system of risk assessment for major construction projects and lifeline projects, specific methods for quantitative identification, estimation, evaluation and decision-making have been proposed, and much research has been carried out on the risk factors, vulnerability and risk degree of lifeline engineering and railway transportation system. A basic evaluation model has been established and corresponding evaluation software has been developed. In particular, it is of great significance to conduct quantitative studies of disaster risk and vulnerability of the risk bearing body based on natural disasters and road maintenance data along the Eurasian Continental Bridge. With the increasing uncertainty brought about by global climate change, research on natural disaster risks faced by China's high-speed railways, highways and urban public transportation systems has become a hot spot. Snow disaster is one of the severe natural disasters along the Qinghai-Tibet Railway and its neighboring areas. Assessment of its risk grade is an important foundation for making emergency and ensuring safety operations of the Qinghai-Tibet Railway. We constructed a comprehensive risk assessment system of snow disaster in this region composed of 27 indexes based on historical snow disasters and relevant railway data. And then, the comprehensive analyses are conducted for three types of snow disaster risk of perpetual snow, avalanche and wind-blown and vulnerability of railway network. The result shows that, the high risk region of snow disasters along the Qinghai-Tibet Railway is mainly distributed in Tanggula-Anduo section, the medium risk region is mainly distributed in Tianjun-Wulan and Wudaoliang-Anduo sections, and low risk regions are in Xining-Tianpeng, Delingha-Golmud and Naqu-Lhasa road sections. As a whole, the section in southern Qinghai Plateau became the highest comprehensive risk region for snow disaster along the Qinghai-Tibet Railway.

Keywords：Qinghai-Tibet Railway;snow disaster;risk assessment

PDF (3054KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
杨登兴, 刘峰贵, 延军平, 张镱锂, 陈琼, 周强. 青藏铁路沿线雪灾风险评估. 地理研究[J], 2021, 40(5): 1223-1238 doi:10.11821/dlyj020200661
YANG Dengxing, LIU Fenggui, YAN Junping, ZHANG Yili, CHEN Qiong, ZHOU Qiang. A risk assessment of snow disaster along Qinghai-Tibet Railway. Geographical Research[J], 2021, 40(5): 1223-1238 doi:10.11821/dlyj020200661

1 引言

影响陆地交通干线的自然灾害主要有洪涝、冰雪、大雾、滑坡、泥石流、大风、冰雹、雷电和极端温度等^[1],交通干线一旦中断,会对社会经济系统带来巨大的负面效应。世界经济合作与发展组织（Organization for Economic Cooperation and Development,OECD）、国际未来计划（International Future Plans,IFP）明确将交通运输作为21世纪必须关注的面临重大风险工程领域之一^[2]。1990s,洛杉矶、日本神户、哥伦比亚等地区通过对影响交通干线及网络的地震、滑坡、崩塌灾害风险和脆弱性评估基础上,制定出风险管理资源分配优化方案和应急响应措施,在规避交通干线自然灾害风险方面产生了巨大效益^[3,4,5,6]。新西兰、瑞典等地区在对公路交通干线沿线的雪灾、冰冻、火山、地震等的风险评估中^[7],通过自然灾害和更多非自然灾害事件对交通干线影响的探讨,用重新建立的结构框架分析了交通干线的脆弱性^[8],为交通干线沿线自然灾害风险评估理论产生了积极影响。

从1990s起,中国交通干线沿线的地质、冻土、气象等灾害的深入调查和综合研究等相继开展^{[9,10,11,12,13,14,15,16,17,18,19,20,21]},初步探讨了交通干线沿线自然灾害发生的程度、成因规律以及减灾对策。2000年以来,随着重大建设工程和生命线工程风险评估理论体系的逐步完善,提出了定量识别、估算、评价和决策的具体方法^[22],并对生命线工程、铁路交通系统的风险因子、易损性以及风险评估展开了研究^{[23,24,25,26,27,28]},建立了基本评估模型,开发了相应的评估软件^[25],尤其是对欧亚路桥沿线自然灾害、道路维修等数据对灾害致险度、承险体脆弱性的定量研究具有重要意义^{[29,30,31,32]}。

随着全球气候变化带来的不确定性增加,中国高速铁路、公路和城市公共交通体系所面临的自然灾害风险研究已成为热点^[33]。中国北方地区交通干线沿线受冰雪灾害的影响突出^[34],而南方地区则主要受洪涝、滑坡、泥石流灾害影响严重。从北方地区冰雪灾害的致灾机理来看：新疆地区主要以雪崩雪灾为主,东北地区主要以风吹雪灾害为主,青藏高原则主要以积雪雪灾为主。本文以多重风险评估方法（Multi-risk Assessment）为基础^[35],针对青藏铁路沿线的积雪雪灾、风吹雪和雪崩雪灾进行综合评估,探讨交通干线沿线自然灾害风险评估的路径及方法,为青藏铁路沿线灾害防御提供依据。

2 研究区概况

青藏铁路干线全长1956 km,冻土路段547 km,海拔4000 m以上的路段长达1000 km,全线桥梁992座,铁路涵洞4000余座,车站80个（图1）。铁路沿线山地众多,气候类型多样,天气多变,冰冻灾害多发,是中国灾害风险较高的铁路交通干线之一。沿线广泛分布有永久性积雪、稳定积雪和不稳定积雪,是铁路安全的较大隐患^[36]。近40 a青藏铁路沿线雪灾呈明显增长趋势^[37],铁路沿线穿越30余个县级行政单元,均为青藏高原雪灾高发县域,对青藏铁路沿线雪灾风险加以评估具有迫切性和现实意义。

图1

新窗口打开|下载原图ZIP|生成PPT
图1青藏铁路沿线示意

Fig. 1The schematic diagram along the Qinghai-Tibet Railway

3 数据来源与方法

3.1 数据来源

3.1.1 统计和调查数据 1950—2000年雪灾数据来自《中国气象灾害大典》（青海卷）^[38]（西藏卷）^[39];2000—2015年雪灾数据来自《青海省气候公报》^[40]《西藏自治区气候公报》^[41];社会经济数据来源于《中国县域统计年鉴（县市卷）》（2016）^[42]《青海统计年鉴》（2016）^[43]和《西藏统计年鉴》（2016）^[44]。青藏铁路沿线最大年积雪日数、最大年积雪深度、地面年平均最大风速由国家气候数据中心提供,其它相关积雪数据来自文献^[45],桥梁、涵洞和隧道数据来自《青海省志（铁路交通志）》（2000）^[46]、青藏线格尔木-拉萨段环境影响评价大纲（2001）^[47,48]、开心岭-拉萨段建设用地地质灾害危险性评估环境地质图（2002）^[49]和《青藏铁路生态影响预测与评价》（2004）^[50]等相关资料的统计,部分桥梁和涵洞数据通过高分辨率影像校验和补充获得;铁路车站和列车密度来自青藏铁路公司提供的相关统计资料。

3.1.2 地图数据青藏铁路西藏段和青海段铁路数据分别来自西藏自治区地图（1:209万）^[51]和青海省地图（1:248万）^[52];地形、海拔数据源自美国地质矿产局90 m分辨率DEM数据。

3.2 研究方法

3.2.1 致险性分析雪灾致险性可理解为历史致险性（已经发生）和潜在致险性（可能发生）,两者之和反映铁路沿线雪灾的综合致险性。历史致险性用铁路沿线各县域雪灾发生的频次和强度来表示,见公式：

（1）

H_{l} = \frac{10}{n} \overset{n}{\sum_{i = 1}} A_{i} + \frac{1}{n} \overset{n}{\sum_{i}} \overset{k}{\sum_{j}} D_{i j}

式中：

H_{l}

表示历史致险性;

n

为统计时段长度;

i

表示年份;

j

代表统计单元;k表示统计单元个数;

A_{i}

表示第

i

年雪灾发生次数;

D_{ij}

表示在统计时段内,

i

年在

j

统计单元发生雪灾时的积雪深度。

潜在致险性受气象和地理环境等多重影响因素,因子量化相对复杂和困难,与承险体无关,见公式：

（2）

H_{q} = \overset{m}{\sum_{q = 1}} Q_{q}

式中：

H_{q}

表示潜在致险性;

m

代表自然致灾因子数;

Q_{q}

代表第

q

个自然致灾因子。

3.2.2 脆弱性分析目前灾害风险脆弱性概念、内涵和外延的认识,学术界还存在诸多争议,联合国国际减灾战略（United Nations International Strategy for Disaster Reduction,UNISDR）认为脆弱性是指致灾因子对社区、系统或财产的属性和环境的破坏程度,将承灾体敏感性单一结构的脆弱性,发展为承灾体暴露性及系统适应能力等多元结构。基于上述认识,本文铁路干线的脆弱性（V）可理解为由物理暴露（E）、应灾能力（D）二部分组成。物理暴露包含铁路交通干线的路面、路基、轨道、车站、隧道、涵洞、桥梁、电力设施等固定设施,单位时间内通过的车辆、货运量、客运量以及动力设施等;应灾能力则反映铁路交通系统对雪灾的应急、预报、防御、适应及恢复能力。具体表达式为：

（3）

V = E / D

3.2.3 指标体系构建及权重赋值雪灾是自然过程（致险因子）和社会影响（承险体脆弱性）共同作用的结果,兼顾青藏铁路沿线致险性、承险体脆弱性和应灾能力,遵循综合性、科学性、层次性和主导性等原则,选择27项风险评价指标,根据每项指标对风险结果的贡献,选择灾害风险（10人）、铁路工程（10人）、气象灾害（10人）等领域的30位专家,对青藏铁路沿线的每项指标进行赋值、打分,并综合计算出各指标的指数和权重值,以衡量各指标对风险的贡献（表1）。

Tab. 1
表1
表1青藏铁路沿线雪灾风险评估指标体系及权重系数
Tab. 1The risk assessment index and weight coefficient of snow disaster along the Qinghai-Tibet Railway

因子层	副因子层（权重）		指标层（权重）
致险性	积雪雪灾致险性（0.3）		雪灾频率（0.5）雪灾强度（0.5）最大年积雪日数（0.5）最大年积雪深度（0.5）
	雪崩雪灾致险性（0.2）		雪崩频率（0.5）雪崩强度（0.5）地形坡度（0.5）最大年积雪深度（0.5）
	风吹雪雪灾致险性（0.5）		最大年积雪深度（0.3）地表粗糙度（0.4）年平均风速（0.3）
脆弱性	物理暴露（0.7）		路基和轨道（0.2）桥梁和涵洞（0.15）铁路隧道（0.15）沿线车站（0.2）列车密度（0.3）
	应灾能力（0.3）	基础应灾能力（0.4）	沿线安置能力（0.15）通讯能力（0.2）车站及等级（0.15）人口密度（0.15）每千人医生人数（0.2）每千人病床数（0.15）
		专项应灾能力（0.3）	抗灾减灾工程措施（0.5）自然灾害监测和预报能力(0.5)
		救灾环境条件（0.3）	铁路与公路的距离（0.2）沿线海拔高度（0.5）与主要城镇的距离（0.3）

新窗口打开|下载CSV

3.2.4 数据标准化处理本文选取的评价指标多样且多元,为了使评价的过程便于计算,评价的结果趋势表达更加清晰,每项指标在计算前对所有数据进行Min-Max标准化处理,即新数据=（原数据-最小值）/（最大值-最小值）,对原始数据进行线性变换,使结果值映射到[0~1]之间,消除其量纲差异,使其适合进行综合对比评价,不改变评价的结果。

4 结果与讨论

4.1 青藏铁路沿线雪灾致险性

4.1.1 积雪雪灾致险性积雪雪灾致险性将雪灾频率和强度2个指标作为历史致险性、最大年积雪日数和最大年积雪深度2个指标作为潜在致险性进行表征和计算。前者主要针对生产活动,而后者对铁路的针对性更强,故权重分别赋予0.3和0.7。其计算公式可写为：

（4）

S_{j h} = 0.3 (S_{lp} + S_{lq}) + 0.7 (S_{jp} + S_{jq})

式中：

S_{j h}

代表积雪雪灾危险性;

S_{lp}

为历史雪灾频率;

S_{lq}

为历史雪灾强度;

S_{jp}

为最大年积雪日数;

S_{jq}

为最大年积雪深度。下角变量无数量含义：j代表积雪;h代表致险性;l代表历史;p代表频率;q代表潜在。

根据公式（4）可得青藏铁路沿线积雪雪灾的综合致灾危险性分布图（图2a）。图2a结果表明,青藏铁路沿线五道梁-唐古拉山积雪雪灾致灾危险性最高,海晏-德令哈、唐古拉山-那曲路段积雪雪灾的危险性次之,危险性最低的地区是锡铁山-格尔木、羊八井-拉萨。这与年积雪日数和积雪深度有关,根据1958—1999年青藏高原72个气象站点逐日观测的积雪深度统计^[45],青藏铁路沿线积雪日数最多的地区是昆仑山口至安多路段,降雪日数在84~169 d,其中青南高原的五道梁地区年降雪日数达到160 d左右;西藏那曲、柴达木盆地德令哈地区以及青海湖盆地降雪日数次之,在100 d左右;其它路段年降雪日数较少。积雪深度和降雪日数基本一致,青海沱沱河至那曲路段积雪深度最大,其中唐古拉山北麓的沱沱河地区,最大年积雪深度达20~102 cm,是除喜马拉雅山北坡以外高原内部积雪最多的地区。

图2

新窗口打开|下载原图ZIP|生成PPT
图2青藏铁路沿线雪灾致灾危险性

Fig. 2Snow disaster risk along the Qinghai-Tibet Railway

4.1.2 雪崩雪灾致险性雪崩雪灾致险性则将雪崩频率、强度作为历史致险性,地形坡度和最大年积雪深度作为潜在致险性^[50],青藏铁路沿线植被稀疏,故未考虑植被因素。计算公式可写为：

（5）

S_{b h} = 0.5 (S_{lp} \times S_{lq}) + 0.5 (S_{pd} \times S_{jq})

式中：

S_{b h}

为雪崩雪灾危险性;

S_{lp}

为统计数段内雪崩发生频率;

S_{lq}

为统计时段雪崩发生强度;

S_{pd}

代表坡度;

S_{jq}

为最大年积雪深度。下角变量无数量含义：b代表雪崩;h代表致险性;l代表历史;p代表频率;pd代表坡度;q代表潜在;j代表积雪。

根据上述公式计算可得青藏铁路沿线雪崩雪灾的致灾危险性分布图（图2b）,从图2b可知,青藏铁路沿线的雪崩雪灾主要分布在山地地区,其中日月山、关角山、念青唐古拉山地区路段致灾危险性最高,与实际降雪强度和山地坡度相符,其次是昆仑山北麓、五道梁-那曲以及拉萨河谷地雪崩致灾危险性较高,青海湖盆地、柴达木盆地和昆仑山南麓平坦的地区雪崩雪灾的致险度为零。

4.1.3 风吹雪雪灾致险性风吹雪雪灾发生频率和强度因数据有限,本文主要采用最大年积雪深度、最大年平均风速和地表粗糙度3项指标来表征青藏铁路沿线风吹雪雪灾的致险度。其中,冬季最大积雪深度被认为是造成交通干线风吹雪、雪崩的重要气象要素之一^[53],地表粗糙度则代表地表风吹雪可能堆积的重要条件,平均风速作为风雪流雪移数量大小的决定因素。

本文依据相关研究^[54,55]和分析的实际指标,将其计算方程改写为：

（6）

S_{f h} = S_{jq} \times G_{dc} \times G_{jv}

式中：

S_{f h}

代表风吹雪雪灾的致灾危险性;

S_{jq}

为最大年积雪深度;

G_{dc}

为地表粗糙度;

G_{j v}

为铁路沿线的最大年平均风速。下角变量无数量含义：f代表风吹雪;h代表致险性;j代表积雪;q代表潜在;dc代表粗糙度;jv代表最大风速。

根据以上计算方程和所选择的致险因子,通过GIS进行计算得到青藏铁路沿线风吹雪雪灾的致灾危险性分布图（图2c）。青藏铁路沿线的风吹雪雪灾主要分布在铁路沿线所经过的山地地区,其中关角山、昆仑山北麓、唐古拉山以及念青唐古拉山地区风吹雪雪灾的致险度最高,总体来看,新建的格拉段风吹雪雪灾的致灾危险性比西格段要高、分布面积要大,而西宁盆地、青海湖盆地、柴达木盆地以及拉萨河谷地风吹雪雪灾的致灾危险性较低。

4.1.4 雪灾综合致险性根据上述结果,通过GIS叠加积雪雪灾、雪崩雪灾和风吹雪雪灾的分析,获得青藏铁路沿线雪灾综合致险性（图2d）。经过实地考察和分析发现,青藏铁路沿线风吹雪雪灾的危险性程度最高,雪崩雪灾的危险性程度最低,积雪雪灾的危险性介于二者之间,因此,风吹雪雪灾的权重系数为0.5,积雪雪灾的权重系数为0.3,雪崩雪灾的权重系数为0.2,则其计算公式为：

（7）

S_{h} = 0.3 S_{j h} + 0.2 S_{b h} + 0.5 S_{f h}

式中：

S_{h}

为综合雪灾致险性;

S_{j h}

为积雪雪灾致险性;

S_{b h}

为雪崩雪灾致险性;

S_{f h}

为风吹雪雪灾致险性。下角变量无数量含义：h代表致险性;j代表积雪;b代表雪崩;f代表风吹雪。

从图2d计算得出的分析结果来看,青藏铁路沿线综合雪灾致灾危险性最高的区域在五道梁-唐古拉山,天峻-乌兰路段和唐古拉山-当雄路段综合雪灾的致灾危险性次之,锡铁山-格尔木路段和拉萨河谷地路段的综合雪灾致灾危险性程度最低,总体来看,青南高原路段是雪灾防御的重点路段。

4.2 青藏铁路沿线雪灾脆弱性

除了关注铁路沿线的致灾因子的危险性以外,还应关注青藏铁路沿线缺氧、无人区、救灾、救援能力等脆弱性指标。本文从物理暴露和应灾能力两个方面选取了16项指标对青藏铁路沿线脆弱性进行分析。

4.2.1 物理暴露根据实地调查和考察,选取铁路路基、铁路轨道长度、铁路沿线桥梁、铁路隧道和涵洞、沿线铁路车站数量以及每天过往列车密度等5个指标反映青藏铁路系统的物理暴露。

（1）铁路路基和轨道。采用铁路延长线在单位面积的长度（密度指数）衡量路基和轨道的物理暴露程度。青藏铁路非冻土路段的建设成本为1245万元/km,冻土路段建设成本比非冻土路段平均高出300万元/km,其建设成本为1545万元/km。

再根据二者成本的比值求得其权重系数,非冻土路段的权重系数为1,冻土路段的权重系数为1.23。根据以下计算公式求得其路基和轨道的物理暴露度：

（8）

E_{1} = m_{f} + 1.23 m_{d}

式中：

E_{1}

代表路基和轨道的物理暴露度;

m_{f}

为非冻土路段的物理暴露;

m_{d}

为冻土路段的物理暴露。

（2）桥梁和涵洞。依据2003年中国铁路工程标准,按长度将青藏铁路干线的桥梁和涵洞划分为特大桥、大桥、中桥、小桥、涵洞5个等级,越是大型复杂的桥梁其风险也越大。根据不同的桥梁等级赋予不同的权重,权重值大小依据估算的不同类型铁路桥梁单位长度的建设费用平均值予以确定（表2）,其物理暴露度用桥梁密度指数,即单位长度（或面积）内所拥有的不同类型桥梁的个数来表达铁路桥梁和涵洞物理暴露程度^[46]。

Tab. 2
表2
表2青藏铁路沿线桥梁分类标准及物理暴露权重
Tab. 2Classification standard and physical exposure weight of bridges on the Qinghai-Tibet Railway

铁路桥梁分类	特大桥	大桥	中桥	小桥	涵洞
多孔跨径总长度L（m）	L ≥500	500>L ≥100	100>L ≥20	L<20	—
权重值	0.500	0.300	0.100	0.075	0.025

注：桥梁等级资料来自《铁路工程基本术语标准》GB/T50262-97;《公路工程技术标准》JTG B01-2003年。

新窗口打开|下载CSV

按照以上分类标准和权重,铁路桥梁和涵洞的物理暴露程度可由下列公式进行计算：

（9）

E_{2} = \overset{n}{\sum_{i = 1}} q_{i} \times m^{'}

式中：

E_{2}

为铁路不同类型桥梁涵洞的总物理暴露程度;

q_{i}

为第

i

个类型（

i = 5

）在单位长度内的桥梁涵洞密度;

m^{'}

为第

i

类桥梁的权重系数。

（3）铁路隧道。青藏铁路沿线24座隧道的物理暴露程度和围岩状况、建设难度、环境条件等有着极其密切的关系,长度隐含有建造成本等物理暴露信息,可以反映铁路隧道的物理暴露程度,为了较客观地表达铁路隧道的物理暴露程度,依据铁道部铁路隧道设计规范^[56],将铁路隧道划分为长隧道、中长隧道、中短隧道和短隧道4类,用隧道密度指数,即单位长度（或面积）内所拥有的不同类型的隧道个数来表达青藏铁路隧道的物理暴露程度,取每类隧道长度分类标准值域的中间值,除以1000的方法分别赋予一定的权重值（表3）。

Tab. 3
表3
表3铁路沿线隧道分类标准及其权重
Tab. 3Classification standard and weight of railway tunnels on the Qinghai-Tibet Railway

隧道分类	长隧道	中长隧道		短隧道（含明洞）
隧道分类	长隧道	中长隧道	中短隧道	短隧道（含明洞）
隧道长度L（m）	10000≥L>3000	3000≥L>1000	1000≥L>500	L≤500
权重值	0.700	0.200	0.075	0.025

注：隧道等级资料来自《铁路工程基本术语标准》GB/T50262-97;《公路工程技术标准》JTG B01-2003年。

新窗口打开|下载CSV

采用铁路桥梁物理暴露的计算公式求得隧道的物理暴露程度

E_{3}

,其中

q

为不同等级隧道的密度（与铁路桥梁的获取方法相同）;

m^{'}

为不同等级隧道的权重系数。

（4）沿线车站。根据青藏铁路的实际状况,以车站建筑规模、轨道数量、发送人数等作为参考标准,将青藏铁路沿线的88个铁路车站按照中国铁路车站分级标准分为6个等级,并综合考虑发送旅客人数、货物发送量以及车站职能等因素给不同等级的车站赋予一定的权重值（表4）。采用铁路桥梁物理暴露的计算方法求得车站的物理暴露程度E₄,其中q为不同等级车站的密度（与铁路桥梁的获取方法相同）,

m^{'}

为不同等级车站的权重系数。本文仍用铁路沿线的车站密度指数,即单位长度（或面积）内所拥有的不同类型车站的个数来表达青藏铁路车站物理暴露程度。

Tab. 4
表4
表4青藏铁路沿线车站物理暴露程度等级划分及其权重
Tab. 4The physical exposure grade and weight of stations along the Qinghai-Tibet Railway

物理暴露等级	二等站	三等站	四等站	五等站	无人值守站
建筑规模	较大	一定规模	一般	简单,有人值守	无人值守
轨道数量	>8轨	4~8轨	3~4轨	2~3轨	2~3轨
发送人数	>1000	500-1000	<500
车站地位	铁路枢纽	重要客货运	一般客货运	会让,越行	会让,越行
权重值	0.40	0.30	0.15	0.10	0.05

注：车站等级资料来自《铁路工程基本术语标准》GB/T50262-97。

新窗口打开|下载CSV

（5）列车密度。以24 h通过各段的列车数量作为衡量列车物理暴露的程度。根据张于心等对铁路运输受灾效益损失中采用的计算方法^[57],以青藏铁路突发性自然灾害发生后,通过能力完全损失情况下进行分析。其计算公式可写为：

（10）

E_{5} = p / 1440

由于青藏铁路除了格拉段和西格段24 h通过的列车数量有一定差别之外,其它各路段之间较少或无单独直发的列车,24 h内通过的列车数量基本和所在的以上两个区段相当,所以,本文只计算出格拉段、西格段的列车密度,就可以分别反映两个路段的列车物理暴露程度。根据上式,p为每日在青藏铁路线区段内经过的列车数量,分别计算后得到格拉段列车密度指数为0.0166,西格段列车密度指数为0.0236。

（6）物理暴露综合脆弱性。根据上述分析,青藏铁路沿线物理暴露的综合计算方程可写为：

（11）

E = 0.6 E_{1} + 0.66 E_{2} + 0.6 E_{3} + 0.66 E_{4} + 0.72 E_{5}

式中：

E

为铁路总物理暴露;

E_{1}, E_{2}, E_{3}, E_{4}, E_{5}

分别代表铁路路基、铁路轨道、铁路桥梁和涵洞、铁路隧道、铁路车站和过往列车等指标;常数为专家打分获得的敏感性指数。经过计算得到青藏铁路沿线综合物理暴露（图3）。

图3

新窗口打开|下载原图ZIP|生成PPT
图3青藏铁路沿线综合物理暴露分布

Fig. 3The distribution of comprehensive physical exposure along the Qinghai-Tibet Railway

结果表明,湟水谷地的西宁-湟源、青海南山的关角山地区、锡铁山地区、格尔木等路段物理暴露程度最高,西格段其它路段和格拉段昆仑山口附近、五道梁-沱沱河、唐古拉山口南麓、拉萨河谷地路段的物理暴露较高,那曲罗玛镇-古露镇路段属于物理暴露最低路段。青藏铁路沿线列车密度、铁路车站等级、铁路隧道数量对综合物理暴露影响显著,青藏铁路全程的综合物理暴露程度西格段大于格拉段。

4.2.2 承险体应灾能力本文选取三大类11项指标来分析青藏铁路沿线的应灾能力,重点分析基础应灾能力和救灾环境条件两项内容。

（1）基础应灾能力。根据公式（12）对青藏铁路沿线基础应灾能力进行计算：

（12）

S_{f} = 0.3 D_{s} + 0.3 B_{s} + 0.5 R_{s} + 0.5 P_{s} + 0.8 C_{s} + 0.1 A_{s}

式中：

S_{f}

为基础应灾能力;

D_{s}

为每千人医生人数;

B_{s}

为每千人病床床位数;

R_{s}

为车站等级;

P_{s}

为沿线人口密度;

C_{s}

为沿线通讯能力;

A_{s}

为沿线的安置能力;常数为专家打分得到每项指标的敏感性指数。

（2）专项应灾能力。专项应灾能力是指为特定自然灾害的防治所提供的各种工程和非工程的抗灾措施力度^[58],包括灾害预报能力（主要以铁路沿线针对铁路的气象、地质、水文等监测预警站点数量）、工程抗灾能力（主要以铁路沿线针对铁路灾害预防而建设的风沙、积雪、地质、洪水等灾害防御的工程项目数量）两大类评估指标。本文将青藏铁路沿线自然灾害的预报能力和工程抗灾能力的权重确定为0.5和0.5。

（3）救灾环境条件。根据承险体特点和区域环境特征采用青藏公路与铁路的距离、海拔高度、铁路任意点与主要城镇的距离3个方面作为救灾环境条件的分析指标。本文认为自然灾害发生时海拔高度带来的危险性高,是最大的限制性因子,其次为与公路的距离,再次为与主要城镇的距离,因此,根据3个因子的重要程度,分别赋予0.5、0.3、0.2的权重值。三者之间的关系可以用下列关系式表达：

（13）

E_{e} = 0.3 E_{s} + 0.5 E_{h}^{} + 0.2 E_{cs}

式中：

E_{e}

代表救灾环境条件;

E_{s}

代表铁路与青藏公路的距离;

E_{h}

为海拔高度;

E_{cs}

代表铁路任意点与主要城镇的距离。

（4）承险体综合应灾能力。综合应灾能力由基础应灾能力、专项应灾能力和救灾环境条件3部分组成,根据对区域应灾能力评估模型进行修订后加以计算^[59],修订的计算模型为：

（14）

D_{h} = S_{f} + S_{s} + E_{e}

式中：D_h表示应灾能力;S_f表示基础应灾能力;S_s表示专项应灾能力;E_e表示救灾环境条件。通过计算后得到青藏铁路沿线各区段的应灾能力状况（图4）。

图4

新窗口打开|下载原图ZIP|生成PPT
图4青藏铁路沿线综合应灾能力分布

Fig. 4The distribution of comprehensive disaster ability along the Qinghai-Tibet Railway

综合分析表明,青藏铁路沿线综合应灾能力相对较低,西宁、德令哈、格尔木、拉萨等城市附近路段应灾能力相对较高,海晏-天峻、那曲、当雄附近路段应灾能力次之,乌兰、托素湖-锡铁山、雁石坪-安多等路段是应灾能力最弱的路段。

4.2.3 承险体综合脆弱性铁路交通系统的物理暴露和自然灾害风险的脆弱性呈正相关,应灾能力则和自然灾害风险的脆弱性呈负相关,应灾能力越强,则自然灾害的风险脆弱性越小。因此,铁路交通系统自然灾害风险脆弱性计算表达式可写为：

（15）

V = E / D_{h}

式中：V为承险体综合脆弱性;E是综合物理暴露;D_h为沿线综合应灾能力。计算得到青藏铁路沿线承险体综合脆弱性（图5）。

图5

新窗口打开|下载原图ZIP|生成PPT
图5青藏铁路沿线承险体综合脆弱性分布

Fig. 5The comprehensive vulnerability distribution of risk body along the Qinghai-Tibet Railway

结果表明,天峻-乌兰、托素湖-锡铁山、雁石坪-安多等路段脆弱性最高,西宁-天峻、柯柯-托素湖、锡铁山-格尔木、纳赤台-雁石坪、安多-那曲承险体脆弱性较高,格尔木-纳赤台、那曲-乌玛塘、当雄-羊八井等路段承险体脆弱性最低。

4.3 青藏铁路沿线雪灾综合风险

依据风险分析的基本模型：即

R = H \times V

,式中,

R

为雪灾风险指数,

H

为雪灾致灾危险性指数,

V

为综合脆弱性指数,计算得出青藏铁路沿线雪灾综合风险结果（图6）。

图6

新窗口打开|下载原图ZIP|生成PPT
图6青藏铁路沿线雪灾综合风险分布

Fig. 6The comprehensive risk distribution of snow disaster along the Qinghai-Tibet Railway

河湟谷地地区、青海南山的关角山地区、东昆仑山地区、五道梁-安多等路段的雪灾风险等级最高,秀水河-通天河路段和雁石坪-唐古拉路段的雪灾风险等级次之;其余青藏铁路沿线各段的雪灾风险等级较低,其中海晏-天峻路段、德令哈-纳赤台路段和那曲-拉萨路段的雪灾风险等级最低。总体来看,青藏铁路沿线的青南高原路段是雪灾综合风险等级最高的区域。

5 结论

（1）雪灾对公路的致灾风险较高,近些年来,随着高海拔地区的铁路建设和高速铁路建设,雪灾对铁路的风险呈增加态势,因此,研究铁路干线沿线的雪灾风险具有重要的现实意义。本文参考国内外风险评估理论,以积雪雪灾、雪崩雪灾、风吹雪雪灾作为雪灾风险的致险类型,以青藏铁路沿线的物理暴露、应灾能力作为脆弱性分析指标,对青藏铁路沿线雪灾风险进行评估,其结果具有一定的可靠性。

（2）青藏铁路沿线的综合雪灾致险性在五道梁-安多路段最高,在海晏-天峻、锡铁山-纳赤台、当雄-羊八井路段最低。青藏铁路沿线雪灾承险体的脆弱性在天峻-乌兰、托素湖-锡铁山、雁石坪-安多等路段脆弱性最高,格尔木-纳赤台、那曲-乌玛塘、当雄-羊八井等路段承险体脆弱性最低。总体来看,青南高原路段是雪灾防御的重点路段。

（3）青藏铁路沿线雪灾风险高风险区分布在唐古拉-安多路段,雪灾风险中等风险区主要分布在天峻-乌兰、五道梁-安多等2个路段,雪灾风险低风险区主要集中在西宁-天峻、德令哈-格尔木和那曲-拉萨等3个路段。从整个青藏铁路沿线来看,青南高原路段是青藏铁路沿线雪灾综合风险等级最高的区域。

（4）青藏铁路是全球海拔最高的铁路,高寒的气候环境致使多冰雪天气,铁路沿线降雪日数在84~169 d,最大年降雪深度达20~102 cm^[45],积雪天气会使牵引机车阻力增大、打滑、道岔转换、瞭望信号困难等,严重时会使机车脱轨,带来风险,同时由于青藏铁路工程穿越祁连山地、昆仑山地、唐古拉山地和念青唐古拉山地,该些地区峡谷、隧道、堑沟等铁路线路长,易造成雪崩、风吹雪雪灾,致使列车铁路埋压而受阻颠覆、脱轨或受损等产生灾害,尤其是青藏铁路高风险区段沿线人口稀少,甚至是无人区,从内蒙古集通铁路导致的铁路中断和郑州铁路枢纽瘫痪等重大雪灾风险来看,一旦发生灾害,救援难度极大,因此,本研究的评估结果可为青藏铁路沿线雪灾风险防御提供参考依据,防患于未然。

致谢

真诚感谢二位匿名评审专家对本文整体结构、结果分析、结论梳理方面提出的真知灼见,使论文得到很大提高,也感谢编辑部老师在论文图件方面给予的耐心指导,在此一并表示诚挚感谢。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Brabhaharan

, Wiles L

, Frietag

. Natural Hazard Road Risk Management Part Ш: Performance Criteria
Wellington: Land Transport New Zealand, 2006: 9-13.

[本文引用: 1]

[2]

刘燕华, 葛全胜, 方修琦, 等. 全球环境变化与中国国家安全
地球科学进展, 2006,21(4):346-351.