徐擁軍 倪學磊

DOI：10.19850/j.cnki.2096-4706.2024.02.024

收稿日期：2023-11-18

基金項目：2022年國鐵集團科研計劃資助項目（N2022T011）

摘? 要：鐵路是氣象部門防災減災工作的重要服務領(lǐng)域。為簡化和方便開展鐵路沿線的氣象災害監(jiān)測、預警和服務研究，基于氣象災害作用的主要氣象要素，采用氣象數(shù)據(jù)元數(shù)據(jù)信息和鐵路路段的地理信息，利用搜索匹配和空間分析等技術(shù)，并結(jié)合專家經(jīng)驗，設(shè)計了一套數(shù)據(jù)清單的識別流程。以暴雨為例詳細說明了數(shù)據(jù)識別的方法，并完成了原型系統(tǒng)軟件功能設(shè)計和開發(fā)，采用Restful方式為專業(yè)技術(shù)人員提供鐵路沿線有效的氣象數(shù)據(jù)清單。以7·31北京暴雨過程對系統(tǒng)驗證分析，識別結(jié)果符合預期，后續(xù)將為鐵路氣象防災減災工作提供有力的支持。

關(guān)鍵詞：鐵路沿線；氣象災害；識別流程；氣象數(shù)據(jù)清單

中圖分類號：TP274；P409? ? 文獻標識碼：A? ? 文章編號：2096-4706（2024）02-0114-05

Research and Application of Meteorological Disaster Data Identification Technology along the Railway Lines

XU Yongjun， NI Xuelei

（National Meteorological Information Centre， Beijing? 100081， China）

Abstract： Railways are an important service area for disaster prevention and reduction work of meteorological departments. In order to simplify and facilitate the research on meteorological disaster monitoring， early warning， and service along the railway lines. Based on the main meteorological elements affected by meteorological disasters， this paper uses meteorological data metadata information and geographical information of railway sections， utilizes search matching and spatial analysis techniques， and combines expert experience， designs a set of data list identification process. Taking rainstorm as an example， the method of data identification is explained in detail， and the function design and development of the prototype system software are completed. It uses the Restful method to provide professional technical personnel with a list of effective meteorological data along the railway lines. The system is verified and analyzed with the July 31 rainstorm process in Beijing， and the identification results are in line with expectations， which will provide strong support for railway meteorological disaster prevention and reduction.

Keywords： along the railway line; meteorological disaster; identification process; meteorological data list

0? 引? 言

高速鐵路是指列車運行速度達到200 km/h以上的鐵路。由于其具有高速度、大運能、低能耗等優(yōu)勢，因此在國內(nèi)外得到了快速發(fā)展。但是運營以來，因雷電、大風、暴雨等極端天氣而引發(fā)的安全事件時有發(fā)生。高速鐵路氣象災害統(tǒng)計單元為高鐵線路區(qū)間或區(qū)段，而承災體主要包括高鐵線路、橋隧、站場、列車、供電及通信設(shè)施等[1]。

我國為了保障高速鐵路的安全運行，同步建設(shè)了自然災害及異物侵限監(jiān)測系統(tǒng)，該系統(tǒng)對可能危及列車運行安全的風、雨、雪、地震以及道路橋梁異物侵限等災害進行實時監(jiān)測。一旦發(fā)現(xiàn)異常情況，系統(tǒng)會立即向鐵路調(diào)度指揮及基礎(chǔ)設(shè)施維護管理部門提供災害監(jiān)測、報警和預警信息。根據(jù)應急預案，相關(guān)部門可以采取降速、停運等措施，以有效防止或減少災害對動車組列車運行安全的影響[2]。

高速鐵路面臨的主要氣象災害包括風災、水災、雷電和低溫雨雪冰凍災害。在修建高速鐵路之前，已經(jīng)進行了氣候可行性論證，盡量避開了氣象災害高發(fā)區(qū)。因此，在一般的風、雨、雪等天氣條件下，高速列車可以正常運行。不同氣象災害對高鐵的影響方式和主要設(shè)施各有不同，風災主要影響列車運行，水災主要影響軌道和設(shè)備，雷電主要影響供電設(shè)施，而低溫冰雪災害則主要影響軌道、供電通信系統(tǒng)等，這些災害都會對高鐵的安全運營造成威脅，需要采取相應的防范措施來應對[1，3，4]。

本文分析鐵路沿線周邊的氣象監(jiān)測、預報和預警信息，結(jié)合鐵路對氣象災害的敏感度影響指標識別相關(guān)的數(shù)據(jù)清單，以暴雨為例建立數(shù)據(jù)識別流程和服務接口，為鐵路運行監(jiān)測和面向鐵路的專業(yè)氣象服務提供數(shù)據(jù)支撐。

1? 氣象數(shù)據(jù)說明

在十三五期間，氣象現(xiàn)代化建設(shè)取得了新突破，我國已建成世界先進的地、空、天綜合立體氣象觀測系統(tǒng)，截至2021年已有近7萬個地面自動觀測站、224部天氣雷達、6顆風云氣象衛(wèi)星嚴密監(jiān)測我國天氣氣候情況。氣象預報預測能力穩(wěn)步提升，建立了以自主知識產(chǎn)權(quán)數(shù)值預報模式為核心的無縫隙智能化氣象預報業(yè)務體系，實現(xiàn)了從站點、落區(qū)預報到數(shù)字格點預報的跨越，全國24小時晴雨預報準確率達到86%，強對流天氣預警時間提前至38分鐘，臺風路徑預報24小時誤差縮小到70千米[5]。建成了“云+端”的氣象大數(shù)據(jù)云平臺“天擎”（簡稱天擎），并于國省兩級實現(xiàn)業(yè)務運行[6]，管理大量的監(jiān)測、預報、數(shù)值預報數(shù)據(jù)以及從各行業(yè)部門交換而來的數(shù)據(jù)，國家中心現(xiàn)有數(shù)據(jù)超過2 000種，在線存儲超過10 PB。

氣象資料來源復雜、種類繁多、格式多樣、表現(xiàn)形式各異、數(shù)據(jù)量巨大，構(gòu)建了數(shù)據(jù)存儲管理的業(yè)務流程，不僅實現(xiàn)對業(yè)務數(shù)據(jù)的分級存儲和管理，還實現(xiàn)了對數(shù)據(jù)來源、分類分級、覆蓋范圍、數(shù)據(jù)知識產(chǎn)權(quán)信息（生產(chǎn)方、維護方等）、存儲結(jié)構(gòu)信息、數(shù)據(jù)要素等元數(shù)據(jù)信息的記錄和管理[7，8]。

根據(jù)鐵路沿線極端氣象災害事件數(shù)據(jù)識別的服務需求，數(shù)據(jù)服務清單被劃分為四大類：觀探測數(shù)據(jù)、實況分析、預報產(chǎn)品和災害預警。觀探測數(shù)據(jù)主要通過地、空、天等手段采集的氣象業(yè)務數(shù)據(jù)；實況分析數(shù)據(jù)是通過觀探測數(shù)據(jù)結(jié)合地形等要素進行單源、二源或多源數(shù)據(jù)融合形成的網(wǎng)格分析產(chǎn)品；預報數(shù)據(jù)主要包括0～3小時的短時臨近預報，3～12小時的短時預報，以及12～72小時的短期預報。氣象災害預警通常指氣象災害預警信號，常見種類有14種，包括臺風、暴雨、暴雪、寒潮、大風、沙塵暴、高溫、干旱、雷電、冰雹、霜凍、大霧、霾、道路結(jié)冰等。預警信號的級別根據(jù)氣象災害可能造成的危害程度、緊急程度和發(fā)展態(tài)勢劃分為四級：Ⅳ級（一般）、Ⅲ級（較重）、Ⅱ級（嚴重）、Ⅰ級（特別嚴重），依次用藍色、黃色、橙色和紅色表示，同時以中英文標識[9-11]。觀探測數(shù)據(jù)和實況分析數(shù)據(jù)主要用于氣象災害對鐵路沿線運行影響的監(jiān)測和效果評估，預報產(chǎn)品和災害預警信息主要用于預警和防控決策。

2? 氣象災害事件數(shù)據(jù)識別技術(shù)

2.1? 識別流程設(shè)計

利用天擎中管理的數(shù)據(jù)和元數(shù)據(jù)信息，結(jié)合鐵路沿線的地理信息和對氣象災害敏感性指標等相關(guān)信息，開展面向特定鐵路沿線的氣象災害事件的數(shù)據(jù)識別流程建設(shè)，如圖1所示。

總體包含5個步驟：

1）氣象災害性要素所在數(shù)據(jù)清單。根據(jù)氣象災害性天氣發(fā)生的主要特征，確定氣象業(yè)務中觀、探測數(shù)據(jù)、預報數(shù)據(jù)、預警信息中主要包含的氣象要素或編碼，根據(jù)確定的氣象要素，結(jié)合氣象數(shù)據(jù)的元數(shù)據(jù)信息，基于搜索和語義匹配技術(shù)，初步確定開展該氣象災害性天氣服務與決策所需的數(shù)據(jù)清單。

2）專家矯正初選氣象數(shù)據(jù)清單。在已列出的數(shù)據(jù)清單中，面向鐵路氣象數(shù)據(jù)服務的特點，根據(jù)專家的經(jīng)驗開展清單篩選，對于數(shù)據(jù)質(zhì)量、時效性、精準度不高的清單給予排除。并記錄專家經(jīng)驗到專家知識庫，為清單更新提供依據(jù)。

3）鐵路沿線關(guān)聯(lián)氣象數(shù)據(jù)清單。由于氣象數(shù)據(jù)的時空分布不均，需要利用鐵路段的空間信息，結(jié)合初選氣象數(shù)據(jù)清單中每個數(shù)據(jù)的覆蓋范圍，通過空間分析的手段，比如對鐵路路段進行緩沖區(qū)分析，進一步篩選與該鐵路段關(guān)聯(lián)的氣象數(shù)據(jù)清單。

4）鐵路沿線潛在氣象災害事件數(shù)據(jù)清單。由于鐵路對氣象災害事件的敏感性差異，針對不同的災害性事件的鐵路災害預警閾值信息，結(jié)合氣象數(shù)據(jù)實體判識鐵路沿線服務需要的數(shù)據(jù)清單。

5）鐵路沿線潛在氣象災害事件推薦數(shù)據(jù)清單。為提升氣象精細化服務的能力，根據(jù)鐵路線路的空間位置，結(jié)合不同區(qū)域不同氣象要素預報預警的精準度，向鐵路沿線服務提供優(yōu)選數(shù)據(jù)清單。

2.2? 暴雨數(shù)據(jù)識別方法

暴雨（rainstorm），是指降水強度很大的雨，常在積雨云中形成。中國氣象上規(guī)定，24 h降水量為50 mm以上的強降雨稱為“暴雨”。按其降水強度大小又分為三個等級，即24 h降水量為50.0～99.9 mm稱“暴雨”、100.0～249.9 mm之間為“大暴雨”、250 mm以上稱“特大暴雨”（降水量等級來源GB/T 28592-2012）。在業(yè)務實踐中，又可按照發(fā)生和影響范圍的大小將暴雨劃分為：局地暴雨、區(qū)域性暴雨、大范圍暴雨、特大范圍暴雨。

暴雨是嚴重的氣象災害，暴雨導致的水災直接損害的是高鐵的軌道設(shè)施及經(jīng)過列車，同時軌道損毀會造成列車停運、旅客滯留等多種間接損失。我國近幾十年來因為水災導致鐵路線遭受影響的頻率為年均100余次。比如2018年7月，黑龍江省遭遇嚴重暴雨，多處鐵路線被迫停運或限速運行；2021年7月，受河南特大暴雨影響，中國鐵路鄭州局集團公司管內(nèi)普速隴海線、焦柳線、寧西線部分區(qū)段封鎖或限速運行，影響途經(jīng)列車不同程度晚點、停運；2022年6月19日，受強降雨影響，京廣高鐵、普鐵線路韶關(guān)以南多個區(qū)段雨量達到或超過警戒值，致使途經(jīng)該區(qū)段列車出現(xiàn)不同程度晚點，韶關(guān)東站所有列車停運。

在暴雨災害的監(jiān)測和預警方面，氣象部門和鐵路部門相關(guān)人員做了諸多探索，對全面認識暴雨對鐵路網(wǎng)絡的危險性，提升鐵路氣象災害監(jiān)測預警能力提供了有力支撐[12-15]。本文結(jié)合氣象行業(yè)標準《高速鐵路運行高影響天氣條件等級》和《鐵路技術(shù)管理規(guī)程（高速鐵路部分）》第347條規(guī)定，劃分定義不利高鐵運行的降水閾值，1 h降水量達到60 mm及以上，列車限速45 km/h；1 h降水量在45～60 mm，列車限速120 km/h；1 h降水量在20～45 mm，列車限速160 km/h。

暴雨災害數(shù)據(jù)清單提取流程如圖2所示。

具體分為5個環(huán)節(jié)：

環(huán)節(jié)1：降水天氣關(guān)聯(lián)數(shù)據(jù)清單初選，通過關(guān)鍵字匹配、語義識別等算法，建立與暴雨關(guān)聯(lián)的數(shù)據(jù)清單。基于暴雨事件在天擎中氣象數(shù)據(jù)中的關(guān)鍵字“降水”，從資料元數(shù)據(jù)中提取相關(guān)的數(shù)據(jù)清單。由于氣象數(shù)據(jù)不斷進行豐富和更新，需要定期進行清單維護，對于下線或新增上線的資料及時補充降水數(shù)據(jù)資料全集清單TQ_PRE中。

關(guān)鍵字匹配算法至少包含以下步驟：

1）從資料元數(shù)據(jù)說明中初選清單TQ_PRE1。

2）從結(jié)構(gòu)化數(shù)據(jù)中的氣象要素屬性中，初選清單TQ_PRE2。

3）從非結(jié)構(gòu)化模式資料的屬性中初選清單TQ_PRE3。

4）初選清單計算方法表示為：TQ_PRE0= UNIQUE（TQ_PRE1 U TQ_PRE2 U TQ_PRE3），即先對不同維度提取的清單求并集，然后再進行去重處理。

環(huán)節(jié)2：降水天氣關(guān)聯(lián)清單專家矯正，利用專家經(jīng)驗，采用黑名單算法，對時效性、精準度不高的數(shù)據(jù)進行剔除?；诮邓鞖怅P(guān)鍵字要素提取的數(shù)據(jù)清單TQ_PRE0，利用專家經(jīng)驗，對清單進行確認和干擾信息剔除，得到專家確認后的降水天氣數(shù)據(jù)資料全集清單TQ_PRE，并將剔除的清單加入降水天氣數(shù)據(jù)黑名單列表TQ_PRE_HMD，以便后續(xù)清單更新進行自動化處理，即TQ_PRE=TQ_PRE0-TQ_PRE_HMD。降水天氣關(guān)聯(lián)清單TQ_PRE記錄資料的名稱，數(shù)據(jù)編碼，有效區(qū)域范圍，降水相關(guān)數(shù)據(jù)要素編碼，專家確認標識，備注。

環(huán)節(jié)3：利用空間分析，計算與鐵路沿線信息關(guān)聯(lián)的降水天氣數(shù)據(jù)關(guān)聯(lián)清單。根據(jù)降水數(shù)據(jù)資料全集清單TQ_PRE中的有效區(qū)域范圍，結(jié)合鐵路線路圖，采用空間分析的方式，篩選出特定鐵路沿線降水天氣相關(guān)的氣象數(shù)據(jù)清單TT_PRE0。

環(huán)節(jié)4：通過關(guān)聯(lián)降水天氣數(shù)據(jù)與鐵路路段暴雨監(jiān)測預警信息閾值匹配，提取滿足閾值的潛在暴雨事件數(shù)據(jù)清單。在TT_PRE0中，按照暴雨對鐵路的影響閾值信息，以及監(jiān)測的數(shù)據(jù)時間，提取滿足閾值的有效數(shù)據(jù)清單TT_PRE1。在數(shù)據(jù)提取時，站點型數(shù)據(jù)提取有效站點，網(wǎng)格型數(shù)據(jù)則采用有效范圍的最大值進行判斷，預報數(shù)據(jù)主要對最近3小時內(nèi)預報時效進行閾值比較。

環(huán)節(jié)5：推薦清單優(yōu)先級確定，利用建立的不同區(qū)域暴雨事件的數(shù)據(jù)可靠性或受歡迎權(quán)重，利用排序算法計算數(shù)據(jù)推薦清單。根據(jù)鐵路所處的氣候區(qū)域，結(jié)合數(shù)據(jù)可靠性權(quán)重或數(shù)據(jù)受歡迎的權(quán)重，對滿足閾值的有效數(shù)據(jù)清單TT_PRE1數(shù)據(jù)進行排序，生成暴雨事件推薦氣象數(shù)據(jù)清單。返回的信息包含：警戒分類，鐵路段，數(shù)據(jù)分類，數(shù)據(jù)編碼，數(shù)據(jù)要素，區(qū)域范圍（站點類為站號列表），數(shù)據(jù)時間，數(shù)據(jù)可靠性排序。

3? 原型系統(tǒng)設(shè)計與應用

3.1? 總體技術(shù)框架

基于天擎的數(shù)據(jù)、算力和存儲資源，嚴格遵循相關(guān)標準規(guī)范和安全體系，建設(shè)鐵路沿線極端氣象災害數(shù)據(jù)識別系統(tǒng)，如圖3所示。

分為數(shù)據(jù)層、加工層、服務層和應用層。數(shù)據(jù)層包含天擎的基礎(chǔ)數(shù)據(jù)和項目建設(shè)的專題數(shù)據(jù)；加工層依托天擎加工流水線的算力、算法和任務調(diào)度，依托數(shù)據(jù)層管理的基礎(chǔ)數(shù)據(jù)和專題數(shù)據(jù)，進行數(shù)據(jù)分析和識別算法的調(diào)度和運行；服務層基于天擎的服務接口以及面向鐵路沿線氣象數(shù)據(jù)服務需求定制的服務接口，提供數(shù)據(jù)清單、歷史個例查詢、實況、預報預警數(shù)據(jù)服務等功能，為應用層提供支撐。

3.2? 系統(tǒng)功能設(shè)計

采用前后端分離運行方式，實現(xiàn)以下三部分功能，包含氣象災害事件定義，氣象災害事件識別與展示，歷史個例存儲與查詢。

3.2.1? 氣象災害事件定義

實現(xiàn)對氣象災害事件的屬性編輯和存儲，包含氣象災害事件描述、氣象災害事件關(guān)聯(lián)氣象要素關(guān)鍵字編排、鐵路沿線氣象災害性事件潛在數(shù)據(jù)提取閾值信息存儲與編輯等功能模塊。

3.2.2? 氣象災害事件識別與展示

實現(xiàn)對鐵路沿線氣象災害事件數(shù)據(jù)的識別和結(jié)果展示，包含后端的數(shù)據(jù)清單的生成和接口封裝、前端結(jié)果顯示。

后端數(shù)據(jù)清單生成和接口封裝，主要實現(xiàn)對暴雨氣象災害性事件相關(guān)算法的加工和接口封裝，接口封裝按照輸入接口參數(shù)提供與鐵路路線關(guān)聯(lián)的3種不同程度的結(jié)果清單（關(guān)聯(lián)的天氣數(shù)據(jù)關(guān)聯(lián)清單，潛在氣象災害性事件數(shù)據(jù)清單，潛在氣象災害性事件推薦數(shù)據(jù)清單）。

前端結(jié)果顯示，主要實現(xiàn)對程序提取的數(shù)據(jù)清單專家確認和展示。管理員可對清單進行編輯，普通用戶只能查看。點擊清單列表中的每個數(shù)據(jù)，可在地圖上展示數(shù)據(jù)的范圍，對于站點資料可在地圖上展示站點位置及對應時刻的數(shù)值。

3.2.3? 歷史個例存儲與查詢

對收集的歷史個例具備存儲和查詢等功能。管理員可對個例進行編輯，普通用戶只能查看。

3.3? 原型界面設(shè)計

按照軟件功能設(shè)計，采用VUE技術(shù)框架結(jié)合WebGIS組件完成應用交互界面功能開發(fā)，包含氣象災害要素數(shù)據(jù)管理、鐵路沿線氣象數(shù)據(jù)資料關(guān)聯(lián)、鐵路沿線氣象要素查詢、鐵路沿線潛在氣象災害列表和災害個例列表等欄目，如圖4所示。

第三方系統(tǒng)采用Restful接口的方式提供服務，數(shù)據(jù)識別清單的請求參數(shù)包含輸入鐵路路段名稱、氣象災害的名稱等，輸出json格式的字符串，格式樣例如下：

{

"code"： 200，

"msg"： "成功"，

//數(shù)據(jù)清單列表

"datalist"： [

{

//氣象要素

"elements"： "ER01"，

//氣象要素中文描述

"name"： "1小時降水"，

//數(shù)據(jù)描述

"data"： [

{

//數(shù)據(jù)中文名稱

"dataName"： "智能網(wǎng)格省級格點預報訂正產(chǎn)品"，

//數(shù)據(jù)服務接口調(diào)用代碼

"dataCode"： "NAFP_NWFP_SPCC"，

//可調(diào)用該數(shù)據(jù)的服務接口ID

"interfaceid"： [

"getNafpFileByTime"，

"getNafpFileByTimeRange"，

"getNafpEleGridInRectByTimeAndLevelAndValidtime"]

}，

{...}

]

}，

{

"elements"： "ER03"，

"name"： "3小時降水"，

"data"： [...]

}

]

}

用戶拿到輸出結(jié)果后，提取要素、數(shù)據(jù)代碼、接口名稱等信息，采用氣象統(tǒng)一服務接口的方式調(diào)用對應的數(shù)據(jù)值。

3.4? 應用試驗分析

以2023年7月29日20時至8月2日7時北京特大暴雨期間的京張高鐵線路為例，基于識別系統(tǒng)從上千種氣象數(shù)據(jù)中識別出了與京張鐵路相關(guān)的氣象數(shù)據(jù)清單，比如中國地面小時數(shù)據(jù)、中國地面分鐘降水數(shù)據(jù)、融合降水實況分析數(shù)據(jù)、智能網(wǎng)格預報數(shù)據(jù)等數(shù)據(jù)清單，經(jīng)分析驗證識別出的數(shù)據(jù)清單符合暴雨期間開展專業(yè)氣象服務的需求。

4? 結(jié)? 論

基于氣象災害定義的氣象關(guān)鍵屬性、氣象數(shù)據(jù)的空間覆蓋信息，結(jié)合專家的經(jīng)驗和鐵路路段信息，從千余種氣象數(shù)據(jù)清單中識別出有效數(shù)據(jù)清單，并結(jié)合鐵路對氣象災害影響的敏感度閾值，建立了一套有效的技術(shù)流程，識別出有災害風險的數(shù)據(jù)清單。以暴雨為案例設(shè)計和細化了識別方法，實現(xiàn)了原型軟件的開發(fā)，通過服務接口的方式提供鐵路沿線開展氣象監(jiān)測和預報數(shù)據(jù)服務，具備開展交互式的配置管理和氣象數(shù)據(jù)預覽功能。后續(xù)將完善和優(yōu)化軟件，提高其自動化程度和適用范圍，為鐵路防災減災工作提供更加準確、及時的數(shù)據(jù)支持。

參考文獻：

[1] 代娟，崔新強，劉文清，等.高速鐵路氣象災害風險分析與區(qū)劃方法探討 [J].災害學，2016，31（4）：33-36.

[2] 馬禎，包云，李俊波，等.高速鐵路災害監(jiān)測大數(shù)據(jù)分析系統(tǒng)及應用研究 [J].鐵道運輸與經(jīng)濟，2022，44（6）：78-83+135.

[3] 張洪宇，孟亮，戴賢春.鐵路高影響天氣分析及應對策略研究 [J].中國鐵路，2019（5）：12-16+26.

[4] 包云，高歌，李亞群，等.基于監(jiān)測數(shù)據(jù)挖掘的高鐵氣象災害風險評估方法研究 [J].災害學，2022，37（2）：44-48+53.

[5] 我國24小時晴雨預報準確率將升至90% [J].科學啟蒙，2022（Z1）：10.

[6] 劉媛媛，何文春，王妍，等.氣象大數(shù)據(jù)云平臺歸檔系統(tǒng)設(shè)計及實現(xiàn) [J].氣象科技，2021，49（5）：697-706.

[7] 任李娟，盧軍，郭維.公共元數(shù)據(jù)配置管理平臺設(shè)計 [J].電子技術(shù)應用，2020，46（1）：100-103.

[8] 沈一通.基于大數(shù)據(jù)的氣象資料元數(shù)據(jù)監(jiān)控系統(tǒng)的研究與分析 [D].昆明：云南大學，2021.

[9] 孫崇智，李有華，王振國.廣西氣象災害預警信號時空分布特征 [J].氣象研究與應用，2022，43（2）：87-92.

[10] 李超，鮑雅芳.氣象災害預警術(shù)語現(xiàn)狀淺析與規(guī)范化建議 [J].中國標準化，2023（7）：48-52.

[11] 王博，李一騰，陳冬梅，等.新疆氣象災害預警信號發(fā)布特征分析 [J].農(nóng)業(yè)災害研究，2023，13（2）：89-92.

[12] 馬韞娟，馬淑紅，劉志明，等.高速鐵路暴雨災害防控技術(shù)研究 [J].中國科技信息，2011（6）：204-210.

[13] 王冀，馬寧，申文軍，等.華北地區(qū)汛期降水特征及對鐵路水害的影響 [J].自然災害學報，2016，25（4）：30-39.

[14] 全國氣象防災減災標準化技術(shù)委員會.高速鐵路運行高影響天氣條件等級：QX/T 334-2016 [S].北京：中國氣象出版社，2016.

[15] 李瑩，高歌，程馳.影響中國高速鐵路運行的暴雨危險性特征研究 [J].地理科學，2021，41（10）：1843-1851.

作者簡介：徐擁軍（1986—），男，土家族，湖南張家界人，高級工程師，碩士研究生，研究方向：氣象大數(shù)據(jù)存儲管理與服務接口技術(shù)研發(fā)。