中国天山雪崩初步研究

本文根据天山雪崩普查资料写成。研究结果表明,天山雪崩遍及北天山、中天山、南天山和东天山广大山区及其各个自然垂直带。其中中天山伊犁河流域、南天山阿克苏河西支托什干河流域、北天山博尔塔拉河流域,雪崩普遍、频繁。其它地区都有零星分布,但其频数不高。高山地区雪崩通常发生在暖季,而中、低山区则在初冬、隆冬和冬末。雪崩的成因分别或同时和降雪直接效应与降雪间接效应有关。     

大阿尔玛京卡河流域的雪崩与治理

大阿尔玛京卡河流域危险主要出现在中山森林－草原带和高山雪冰带。受局地气候、地貌与环境的综合作用，流域雪崩规模小、路程短，多见全程雪崩；雪崩类型单调，以干、湿雪崩占统治地位，在９０％以上，雪崩发生地点集中，而且每年都有出现，只有数量上的差异性。在西风气流的控制下，冬季积雪层的变质过程具温度梯度变质特征。积雪层负温梯度大，雪层深霜的发育和生长迅速，呈出“干寒型”积雪的基本特征。雪崩对道路、居民点和建筑     

公路雪崩危险指标与雪崩灾害评价──—以伊(犁)焉(耆)公路巩乃斯沟口至艾肯山隘段为例

雪崩危险指标是评价雪崩对公路危害程度的主要依据之一。利用已有资料对伊焉公路巩乃斯沟口至艾肯山隘段的雪崩危险指标进行了分段计算，结果表明，该路段雪崩危险指标在0．022－2．685范围内，与国外资料相比，用于小量级，其主要原因是车（人）流量小。同时，利用上述计算结果并结合该路段的雪崩危害史，进行了雪崩灾害评价，评价结果反映在该路段灾害程度划分图上。     

北疆气温持续偏低2月上旬创极值南疆西部暴雪天气2月中旬创新高

2005年1～2月新疆主要天气气候特点是，气温：北疆持续偏低，南疆1月份大部地区略偏高，2月份大部地区较常年偏低；降水：1月份全疆大部分地区略偏少，2月份除南疆西部地区明显偏多外，全疆大部地区接近常年。1月份北疆冬麦区有10cm以上稳定积雪，部分牧区积雪偏厚，月内气象条件对冬麦安全越冬较有利，但对北疆牧业生产及交通运输有一定影响。月内塔城发生雪灾，伊犁河谷发生多起雪崩。2月份北疆冬麦区最大积雪深度基本保持在10cm以上。     

国内首部普通雪崩学专著《雪崩学》正式出版

由中国科学院新疆生态与地理研究所研究员仇家琪等编著的《雪崩学》一书，已由新疆科学技术出版社出版发行。     

新疆精(河)-伊(宁)铁路沿线雪害形成机制及其防治工程措施

天山西部的降雪丰富,伊犁河流域年最大雪深普遍超过60crn,中国科学院天山积雪与雪崩研究站和伊犁的最大雪深分别高达152crn和89cm。因此,天山西部山区风吹雪和雪崩灾害较多,严重影响着当地的交通安全。新疆精(河)-伊(宁)铁路经过的缓坡丘陵区是风吹雪灾害多发区,崇山峻岭区是雪崩灾害多发区。通过对铁路沿线的气象要素进行分析与推算,结果表明,该地区的最大风速平均值14．0m／s,30a-遇的最大风速与最大积雪深度分别为20．3m／S和160cm;平均冬季降水量153．2mm,为风吹雪灾害的发生提供了物质与动力条件。在风吹雪多发区,风吹雪的主要危害类型是路堑型风吹雪沉积,其次为低路堤型风吹雪沉积等。经过野外考察和室内分析,基本上查清了精(河)一伊(宁)铁路沿线风吹雪的发生与分布规律,并且针对性地提出了铁路在雪害多发区的设计原则和雪害防治方法。认为路堤防风吹雪的适宜高度为200～1500cm,路堤若低于200cm,路面上易发生风吹雪沉积;若路堤的边坡较陡,则路面上不易发生风吹雪沉积;路堑边坡的角度越小,路堑越深,路堑走向与主导风向的夹角越小,风吹雪沉积越不易发生;风吹雪的防治应以防风吹雪走廊和下导风板为主,并辅以侧导板、挡雪墙等工程。精-伊铁路雪崩灾害主要发生在崇山峻岭区,主要类型为坡面雪崩和坡面沟槽雪崩。阳坡雪崩多发生在降雪季节,雪崩危害相对较少;阴坡积雪不易融化,雪崩危害大。阴坡雪崩在整个冬季从开始下雪直到次年春季积雪融化以前都可发生,危害时期长。在雪崩灾害的多发区,铁路选线时明线工程最好能选在阳坡,永久性建筑物或设施要尽量避开沟槽雪崩的运动区和堆积区;铁路线横穿河流处,桥梁的桥墩和铁路延伸线一定要避开沟槽雪崩的运动区和堆积区,尽量选在两雪崩之间的山梁或山脊处,隧道出入口也要选在突出的山嘴或山梁等正地貌部位。在其他条件允许的情况下,线路应尽量向坡面的上部抬升。精一伊铁路沿线雪崩灾害治理原则：在所有的隧道出入口,隧道再向外延伸3m,上方再修建导雪堤,可保隧道口的安全;在工程建设过程中,要求尽量少地破坏铁路两侧的植被,特别是树林和灌木。     

云台激光测距系统单光子雪崩二极管探测器的精确调整

灵敏度达单光子水平的崩二极管,是目前为止可用于激光测距的最好探测器,国际上多数测距站都采用这种探测器.单光子雪崩二极管探测器的优点是灵敏度、时间响应和暗噪声等性能指标都十分优越,缺点是视场小,视场角仅53',这对于测距是不利的.为了使用好单光子雪崩二极管探测器,充分发挥它的作用,我们建立了专用的回波调整准直光源,设计了专门的单光子雪崩二极管探测器调整架,并应用噪声计数方法对单光子雪崩二极管探测器做了非常精细的调整,使其很好地为激光测距工作服务.     

川藏交通廊道伯舒拉岭隧道出口斜坡雪崩活动特征及形成机理

伯舒拉岭隧道出口是川藏交通廊道全线在雪崩灾害背景下选址挑战最大的一处工点,开展雪崩活动特征及其形成机理研究对于川藏交通廊道减灾选线以及后续建设、运营都有重大的科学意义.通过精细化野外调查、长时序多源遥感解译、地形计算和空间分析,精细刻画伯舒拉岭隧道出口斜坡雪崩范围的地形地貌特征和历史活动特征,结合孕灾条件、逐日气象数据等,深入研究该斜坡雪崩成因、启动机制及对铁路的影响.结果显示,川藏交通廊道伯舒拉岭隧道出口斜坡发育4处沟槽型雪崩;隧道出口北侧1#雪崩形成区汇雪面积最大,约0.726 km2;4处雪崩的历年活动频率不一,主要发生在每年1月至5月,其中汇雪面积最大的1#雪崩活动最频繁,每年发生2～5次,其崩出距离亦最远,最大崩出距离约1 694 m;雪崩活动与年初几次区域性的高强度降雪活动高度相关,一般发生在高强度降雪期间和高强度降雪后几日的晴天.结果表明地形地貌条件控制了雪崩的空间分布,气象要素的时序变化控制了雪崩的年内尺度时序分布;4处雪崩形成区的面积大小和坡向分异决定了它们活动频率的不一致;雪崩启动模式主要有强降雪启动和气温陡升启动;隧道出口受4处雪崩威胁的可能性较小,风险可控.     

藏东南帕隆藏布流域雪崩关键影响因素与易发性区划研究

雪崩灾害是青藏高原广泛分布的一类灾害,通过对雪崩的关键影响因素分析,构建雪崩灾害易发性评价体系,可为布局在青藏高原的川藏铁路等重大工程建设的防灾减灾工作提供科学支撑。本文以藏东南帕隆藏布流域为例,基于遥感解译和野外调查,识别出381个崩至林线以下的沟槽型雪崩范围,综合选取了18个雪崩影响因子,运用主成分分析法(PCA)对影响因子进行分析,获得了帕隆藏布流域雪崩发育的关键影响因素,并赋予各影响因素权重,通过加权信息量(PCA-Ⅰ)和加权确定性系数(PCA-CF)进行雪崩易发性区划,采用ROC曲线进行精度检验。结果表明,帕隆藏布流域内雪崩活动的关键影响因素可归纳为气候气象、宏观地形、微观地形和抑制作用成分4类主成分因素,其中气候气象解释了30.61%的数据变异,地形地貌解释了21.23%的数据变异;PCA-Ⅰ模型计算的雪崩易发性区划指数在[-2.41,1.365]区间内,PCA-CF得到雪崩易发性区划指数在[-0.549,0.424]区间内,两者ROC曲线的AUC均大于0.70;但PCA-Ⅰ模型计算的雪崩易发性结果在帕隆藏布下游通麦段的河谷区呈现明显的异常区,相对而言,PCA-CF模型计算的雪崩易发性区划指数更合理,且其ROC曲线的AUC评价精度高达0.913。整体结果表明雪崩高易发区域主要分布于帕隆藏布上游窄谷段(然乌至玉普段)、中下游(玉普至通麦段)两岸山岭的山脊部位和各支流窄谷段。     

Snow avalanche susceptibility evaluation in the central Shaluli Mountains of Tibetan Plateau based on machine learning method北大核心CSCD

Snow avalanches,which are widely and frequently developed at high elevations,seriously threatens the built traffic corridors in the Tibetan Plateau. Susceptibility evaluation of snow avalanche via machine learning model with a high forecast accuracy can be appled to quickly and effectively assess the regional avalanche risk. This paper took the central Shaluli Mountain region as the study area,in which the snow avalanche inventory was established through remote sensing interpretation and field investigation verification. We quantitatively extracted 17 evaluation factors via GIS-based analysis,and these factors were selected through the variance expansion factor（VIF）. Four machine learning models containing SVM,DT,MLP and KNN were used to compile the susceptibility index map of snow avalanches,and kappa coefficient and ROC curve were used to verify the accuracy. The results suggested that the susceptibility indexes obtained from SVM,DT,MLP and KNN were in the range of［0,0. 964］,［0,815］,［0,0. 995］and［0,1］,respectively. The accuracy test results show that these four models all have good prediction accuracy. Among them,the SVM model is the best. The results also indicated that the areas with the high snow avalanche susceptibility mainly distributed in Genie Mountain and Rigong Mountain,most of which were above the planation surface of the Tibetan Plateau. The average altitude of the extremely high snow-avalanche-prone areas is 4 939 m,while the average altitude of the high snow avalanche-prone areas is 4 859 m. The snow avalanche has low perniciousness on the Sichuan-Tibet Highway and the Sichuan-Tibet Railway in the study area. This study can provide theoretical basis and method reference for disaster prevention and mitigation of snow avalanche along Sichuan-Tibet Railway and other major projects across Shaluli Mountains region. © 2022 Science Press (China).