引　言

铁路是天气的敏感行业(崔新强和郭雪梅，2018a；Sun et al.，2022)。 其中，降雨是对铁路运行影响最严重的天气现象之一，会引发滑坡和泥石流等次生灾害，损毁铁路沿线轨道、路基、桥涵、隧道等基础设施，对铁路安全运营造成严重影响(张洪宇等，2019；Kellermann et al.，2015；Liu et al.，2018；Monal and Aniruddha，2014)。朔黄铁路西起山西神池，东至河北黄骅港，是我国西煤东运第二大通道的重要组成部分，铁路沿线地形复杂，西部路段位于太行山山区，东部途径海河平原，强降水时有发生。例如华北“16·7”特大暴雨、“23·7”极端强降水(杨舒楠等，2023)造成朔黄铁路沿线山体滑坡、桥涵严重积水、路基下沉、路肩边坡溜塌等灾害，对铁路运输安全带来严峻的挑战。目前，还未开展朔黄铁路沿线降雨致灾危险性分析的研究工作。

降雨致灾危险性分析是对降雨致灾因子危险性程度的客观量化（吉中会等，2022），目前常用的主要包括概率分析法和综合指数评价法两种研究方法（唐明秀等，2023）。概率分析法是利用概率分布拟合函数计算降水极值重现期来研判极端降水危险性变化趋势，进而确定降雨致灾危险性程度，不仅考虑了极端降水的特征变量，同时也客观考虑了其对应的发生概率。由于地区间的气候差异，不同地区极端降水的概率分布特征存在差别，应当采用不同概率分布函数进行拟合，确定某一区域最优概率分布(王彬雁等，2015；王晓雅等，2020；史维良等，2023；钟东良等，2023)。综合指数评价法通过对表征降雨过程特征的强度和频次等降雨致灾评价指标因子赋予不同的权重，然后加权求和计算降雨致灾危险性评价指数（周月华等，2019；王芬等，2023），得到降雨的致灾危险性程度。如何合理设置降雨致灾危险性各评价指标因子权重是综合指数评价法的关键，已有的研究（崔新强等，2018b；王洁等，2022）多是根据主观判断，缺乏一定的客观性。此外，针对铁路这一承载体，国内已有诸多降雨灾害影响的研究（刘艳，2016；李莹等，2021；崔新强等，2018b；王洁等，2022），但鲜有针对降雨过程开展的铁路沿线降雨致灾危险性定量评估。

以上研究多是将概率分析法和综合指数评价法单独进行，本文综合利用两种方法，更加客观全面地刻画降雨的危险性程度。首先采用概率分析法，基于朔黄铁路沿线国家气象站日降水数据，统计了历年降雨过程的日最大降水量，通过皮尔逊Ⅲ型分布、耿贝尔分布和对数正态分布三种概率分布函数计算铁路沿线不同地区的不同重现期年最大日降水量分布，通过拟合优度检验确定各地区最优拟合分布，得到铁路沿线极端降水的气候变化特征。然后采用综合指数评价法，基于国家气象站和铁路气象站小时降水数据，选取降雨过程的过程降水量、最大小时降水量和最大24 h降水量分别达到出巡、限速、封锁警戒阈值的年均频次以及降水量极值共12个因子构建了降雨致灾危险性评价指标因子，利用AHP-熵权法计算各评价指标因子的权重系数，最后通过降雨致灾危险性指数公式加权计算得到降雨致灾危险性的定量评价，以期为朔黄铁路管理部门精准防洪提供决策和调度依据，也可为铁路行业防灾减灾气象服务提供参考。

1.   研究区域介绍

朔黄铁路为国家I级、双线、电气化重载铁路，正线横跨山西、河北两省，全长594 km，西起山西省西北部神池县神池南站，海拔1 531 m，地处晋西北黄土高原，地势西高东低，多为山地丘陵地貌，东至河北省沧州市渤海新区黄骅港站，海拔4.5 m，地势平坦，全线设有33个车站；支线黄万铁路线南起沧州市黄骅南站，北至天津滨海新区神港站，共设7个车站，全长76 km。朔黄铁路沿线地形复杂，经过高原、山地、丘陵、盆地、平原等地形(图1)，其中山区路段包括山西省神池县神池南站至河北省平山县三汲站，平原路段包括河北省灵寿县灵寿站至天津滨海新区神港站(张娣等，2022)。

图  1  朔黄铁路沿线行政区划、国家和铁路气象站及地形高度（色斑）分布（虚线为山区和平原路段分界线）

Figure  1.  Distribution of administrative divisions, the national and railway stations and terrain heights (color spots) along Shuozhou-Huanghua Railway（The dotted line was the boundary between the mountainous area and the plain road section）

下载: 全尺寸图片 幻灯片

2.   资料介绍与相关定义

本文所用的资料包括：（1）来源于国家气象信息中心的1951—2022年朔黄铁路沿线20 km范围内21个国家气象站日降水数据，，用于计算不同重现期年最大日降水量；21个国家气象站2004—2023年小时降水数据，用于计算降雨过程及指标因子。其中，日降水数据由于部分气象观测站建站较晚，数据起始年晚于1951年，对该数据进行了区域界限值、气候学界限值及时空一致性检查，有较高的可靠性。（2）来源于国能朔黄铁路发展有限责任公司自建的铁路气象站降水资料，即2018—2023年朔黄铁路沿线40个铁路气象站小时降水数据，用于计算降雨过程及指标因子。此观测数据由河北省气象信息中心统一管理，并对其进行质量控制，数据可靠。

根据《朔黄铁路防洪工作管理办法》（2021），本文定义某个站从出现降雨时刻开始计算，直至降水停止且之后连续8 h内仍无降水，表示一次降雨过程结束，记为一次降雨过程，期间过程降水量的总和记为本次降雨过程的过程降水量(P)，降雨过程中小时降水量的最大值记为最大小时降水量(I_max)，降雨过程中逐小时滚动计算的24 h累计降水量的最大值记为最大24 h降水量(P₂₄)，不足24 h的按实际降水时间计算累计降水量。

警戒雨量是铁路部门决定铁路警戒状态的降水指标是判断降水影响铁路安全程度的基本依据，表1给出朔黄铁路沿线平原和山区路段出巡警戒、限速警戒和封锁警戒三种警戒状态及其对应的雨量阈值 (张娣等，2022)，同时也记为一次警戒，同一降水过程按达到的最高警戒统计。2018—2023年铁路气象站降水过程达到出巡警戒680站次，限速警戒29站次，封锁警戒5站次。2004—2023年国家气象站达到出巡警戒492站次，限速警戒8站次，封锁警戒11站次。

表  1  朔黄铁路平原和山区路段三级警戒状态及相应雨量阈值

Table  1.  Three-level warning status and corresponding rainfall thresholds of plain and mountain sections along the Shuozhou-Huanghua Railway

警戒类型	平原路段/mm				山区路段/mm			采取措施
	P	Imax	P24		P	Imax	P24
出巡	68.2	30.7	58.7		56.9	19.4	39.7	执行区段冒雨巡查
限速	135.9	70.6	132.4		97.6	57.5	103.2	执行区段限速缓行
封锁	183.3	86.9	165.4		146.4	62.1	110.6	执行区段线路封锁

下载: 导出CSV 

| 显示表格

3.   研究方法

由于各区域气候差异，需要根据实际降水数据来确定某一区域的最优概率分布(史维良等，2023)。本文利用气象要素极值分布中常用的皮尔逊Ⅲ型分布、耿贝尔分布和对数正态分布(王彬雁等，2015)分别计算朔黄铁路不同地区不同重现期的年最大日降水量，利用卡方优度拟合检验确定最优概率分布函数。然后，基于风险评估理论构建降雨致灾危险性评价指标体系，采用层次分析法(AHP)确定各路段评价指标因子的主观权重，再用熵权法确定评价指标因子的客观权重。最后，利用线性组合法确定AHP-熵权法综合权重。

3.1   极值概率分布模型

基于国家气象站历年最大日降水量数据，利用皮尔逊III型、耿贝尔和对数正态分布分别对朔黄铁路沿线不同地区年最大日降水量重现期进行拟合，计算朔黄铁路沿线不同地区的10 a、20 a、50 a、100 a一遇最大日降水量。

3.1.1   皮尔逊Ⅲ型分布

皮尔逊Ⅲ型密度函数的计算公式为

式中，$ \varGamma \left(\alpha \right)={\displaystyle\int }_{0}^{\infty }{x}^{\alpha -1}{e}^{x}dx $为$ \alpha $的伽马函数；$ \alpha =\dfrac{4}{{{C}_{S}}^{2}} $为形状参数；$ \beta =\dfrac{2}{\bar {x}\times {c}_{s}\times {c}_{v}} $为尺度参数，$ {\alpha }_{0}=\bar {x}\times \Bigg(1- \dfrac{2{c}_{v}}{{c}_{s}}\Bigg) $为分布位置；$ {c}_{s}=\dfrac{1}{n}\displaystyle\sum _{i=1}^{n}({x}_{i}-\bar {x}{)}^{3}/{\left|\frac{1}{n}\sum _{i=1}^{n}{({x}_{i}-\bar {x})}^{2}\right|}^{3/2} $为偏态系数，$ {c}_{v}=\dfrac{\sigma }{\bar {x}} $为偏差系数，x为年最大日降水量(下同)，n为样本数，为1951—2022年各站历年数据，由于建站时间不同，结束时间均为2022年，因此每个站的样本数不同。$ \bar {x} $为平均值，$ \sigma $为标准差(下同)。

3.1.2   耿贝尔分布

耿贝尔概率密度函数为

式中，X为样本极值，$ a=1.2825/\sigma $是尺度参数，$ b= \bar {x}-0.5772\times \dfrac{\sqrt{6}}{\text{π} }\sigma $为众数。

3.1.3   对数正态分布

假设$ y=\mathrm{l}\mathrm{n}x $服从正态分布，其概率密度函数为

式中，$ {m}_{y}=\dfrac{1}{n}\displaystyle\sum _{i=1}^{n}\mathrm{l}\mathrm{n}{x}_{i} $和$ {\delta }_{y}=\sqrt{\dfrac{1}{n}\displaystyle\sum _{i=1}^{n}{(\mathrm{l}\mathrm{n}{x}_{i}-{m}_{y})}^{2}} $分别为对数年最大日降水量$ y $的均值与标准差，$ {x}_{i} $为第$ i $个降水数据样本。

3.2   卡方拟合优度检验

卡方拟合优度检验(王丽萍等，2023)是一种非参数拟合检验方法，本文根据观测样本数据和拟合分布数据，推断观测样本频数和理论分布频数之间的偏离程度，卡方检验统计量$ {\chi }^{2} $的计算方法为

式中，$ {A}_{i} $为第i个观测样本频数，$ {E}_{i} $为第i个理论分布频数，n为样本数，通过0.05显著性水平检验且$ {\chi }^{2} $值最小的概率分布为最优拟合分布。

3.3   降雨致灾危险性评价指数及指标因子

根据自然灾害风险评估理论(章国材，2014)，铁路沿线降雨致灾危险性大小与降雨过程发生的频次和强度密切相关，降雨致灾危险性指数计算公式为

式中，$ {V}_{H} $为降雨致灾危险性指数，$ {R}_{j} $为标准化处理后的第$ j $个评价指标因子(下同)，$ {w}_{j} $为第$ j $个评价指标因子的权重，$ k $为评价指标因子个数。

确定朔黄铁路降雨致灾危险性评价指标因子是开展降雨致灾危险性分析的前提。张娣等(2022)分析发现朔黄铁路沿线降雨过程的严重程度与最大小时降水量、最大24 h降水量和过程降水量呈较好的正相关关系。因此，结合朔黄铁路警戒雨量阈值，选取降雨过程的过程降水量、最大小时降水量和最大24 h降水量分别达到出巡、限速、封锁警戒阈值的年均频次以及降水量极值共12个因子构建降雨致灾危险性评价指标因子（表2）。

表  2  朔黄铁路降雨致灾危险性评价指标因子及权重系数

Table  2.  Factors and weights coefficient of rainfall disaster risk assessment along the Shuozhou-Huanghua Railway

评价指标因子	权重系数
	AHP	熵权法	AHP-熵权法
过程降水量出巡警戒频次	0.0200	0.0413	0.0301
过程降水量限速警戒频次	0.0839	0.0569	0.0711
过程降水量封锁警戒频次	0.1335	0.1126	0.1236
最大小时降水量出巡警戒频次	0.0200	0.0240	0.0219
最大小时降水量限速警戒频次	0.0839	0.0521	0.0689
最大小时降水量封锁警戒频次	0.1335	0.1540	0.1432
最大24 h降水量出巡警戒频次	0.0200	0.0489	0.0337
最大24 h降水量限速警戒频次	0.0839	0.0549	0.0702
最大24 h降水量封锁警戒频次	0.1335	0.1179	0.1261
最大过程降水量极值	0.0959	0.1044	0.0999
最大小时降水量极值	0.0959	0.1227	0.1086
最大日降水量极值	0.0959	0.1103	0.1027

下载: 导出CSV 

| 显示表格

3.4   降雨致灾危险性指标因子综合权重计算

利用AHP和熵权法分别确定降雨危险性各评价指标因子的主观和客观权重系数，然后通过权重距离函数计算偏好系数，得到各指标因子的AHP-熵权法综合权重。

3.4.1   层次分析法

层次分析法(AHP)可以用来确定各评价指标的主观权重。利用降雨致灾危险性评价指标，构造两两判断矩阵，参照1~9及其倒数的量化标度对照表(王洁等，2022；李瑞英等，2024)，对两两指标的相对重要程度进行量化，通过一致性检验后，确定各指标因子的主观权重系数$ {{w}_{j}}^{\text{'}} $。

3.4.2   熵权法

熵权法是一种通过离散程度确定指标权重的客观评价方法，一定程度上消除了主观因素的干扰(谢捷等，2022)。熵值越小，离散程度越大，表示该指标对降雨致灾危险性的权重越大；反之，权重越小。针对降雨致灾危险性评价指标，首先构建指标矩阵，然后计算各指标特征比值，根据特征比值计算各评价指标的信息熵，最后确定各指标信息熵对应的权重值。信息熵权重的计算公式为

式中$ 0\leqslant {{w}''_{j}}\leqslant 1 $，$ \displaystyle\sum _{j=1}^{k}{{w}''_{j}}=1 $，$ {t}_{j}=-\dfrac{1}{\mathrm{l}\mathrm{n}k}\displaystyle\sum _{j=1}^{k}{z}_{j}\mathrm{l}\mathrm{n}{z}_{j} $表示第$ j $个降雨致灾危险性指标的熵。当$ {z}_{j}=0 $时，令$ {z}_{j}\mathrm{l}\mathrm{n}{z}_{j}=0 $；$ {z}_{j}={R}_{j}/\displaystyle\sum _{j=1}^{k}{R}_{j} $为特征比值。

3.4.3   综合权重

考虑主观判断定义指标权重的AHP和客观赋权的熵权法的综合影响，采用AHP-熵权法主客观结合来确定降雨致灾危险性评价指标的综合权重更为科学、合理(谢捷等，2022)，综合权重$ {w}_{j} $计算公式为

式中p和q为偏好系数，$ p+q=1 $。

为消除较大数据造成的干扰，采用主客观权重距离函数$ d({{w}'_{j}},{{w}''_{j}}) $计算p和q，最后将其代入式（8）计算综合权重$ {w}_{j} $，计算公式为

将降雨致灾危险性各评价指标的主观权重$ {{w}'_{j}} $和客观权重$ {{w}''_{j}} $带入公式（8）进行计算，得到偏好系数p=0.5273、q=0.4727，最后将其带入式（7），得到降雨致灾危险性各评价指标的综合权重，如表2所示。

3.5   降雨致灾危险性分级方法

均值-标准差法(张娣等，2022)利用降雨致灾危险性评价指数的均值和标准差来划分朔黄铁路沿线降雨危险性等级。标准差反映了评价指数相对于平均评价指数的偏离程度，用均值和标准差能反映不同评价指数的差异，因此将降雨致灾危险性指数以μ（均值）、±std（标准差）为降雨致灾危险性等级分割点。

4.   结果与分析

选取朔黄铁路沿线不同地区年最大日降水量重现期最优概率分布模型，计算不同重现期年最大日降水量，分析各地区极端降水的概率分布特征。然后利用2004—2023年铁路沿线国家气象站以及2018—2023年铁路气象站小时降水数据，分析铁路沿线降雨过程中降水因子分布特征，进而综合分析朔黄铁路降雨致灾危险性评价结果。

4.1   不同重现期年最大日降水量

采用三种概率分布函数对朔黄铁路沿线地区分别进行拟合并进行卡方拟合优度检验，确定原平、五台县、灵寿、蠡县、肃宁和塘沽6个地区最优拟合为皮尔逊III分布，其他地区最优拟合均为耿贝尔分布，计算得到朔黄铁路沿线不同地区最优拟合的10 a、20 a、50 a、100 a一遇最大日降水量，如图3所示，可见铁路沿线地区不同重现期最大日降水量均呈西低东高分布。山西境内山地丘陵地区（神池—盂县）10 a一遇最大日降水量相对较小，平山及其以东地区最大日降水量相对较高，其中平山地区日降水量最大为149.0 mm（图3a）；神池—五台县地区20 a一遇最大日降水量相对较小，盂县及其以东地区最大日降水量相对较高，其中平山地区最大为179 mm（图3b）；50 a一遇最大日降水量分布特征与20 a一遇一致，平山地区最大为217.8 mm（图3c）；100 a一遇最大日降水量除神池地区（99.2 mm）外，其他地区均在100 mm以上，平山地区最大为246.9 mm（图3d），铁路沿线17个国家气象站现有最大日降水量超过100 a一遇最大日降水量，表明朔黄铁路沿线地区存在局地发生极端强降水事件的可能性。综上所述，平山及其以东地区不同重现期最大日降水量均相对较高，其中平山日降水量最大，位于山西境内山地、丘陵地区的神池—盂县地区相对较小，其中神池地区最小。

图  3  朔黄铁路沿线地区10 a（a）、20 a（b）、50 a（c）和100 a（d）重现期年最大日降水量（色斑）分布

Figure  3.  The distribution of annual maximum daily precipitation (shaded) in recurrence periods of (a) 10 a, (b) 20 a, (c) 50 a and (d) 100 a along the Shuozhou-Huanghua Railway

下载: 全尺寸图片 幻灯片

4.2   降水因子分布特征

根据朔黄铁路降水因子定义，分别利用国家气象站和铁路气象站统计了降雨过程的过程降水量、最大小时降水量和最大24 h降水量达到不同级别雨量警戒的频次及强度，发现朔黄铁路沿线铁路站点和国家气象站点的降水因子分布特征具有一致性，但由于国家气象站降水数据统计时段较长，其降水极值一般均高于铁路气象站。下图中XX站代表铁路气象站。

4.2.1   过程降水量

分析朔黄铁路沿线过程降水量达到不同警戒阈值的年均频次及强度（图4），铁路气象站过程降水量达到出巡警戒阈值的年均频次在0.33~2.17次之间，博野站、黄骅东和黄骅港站达到出巡警戒阈值的年均频次超过1.5次，其中黄骅港站最多为2.17次；回凤站、南湾站—小觉站和黄骅南站过程降水量达到限速警戒阈值的年均频次超过0.3次，其中猴刎站最多为0.67次；古月站、西柏坡站和三汲站过程降水量达到封锁警戒阈值的年均频次最多为0.5次。滴流磴站—蠡县站、黄骅港站、窦庄子站最大过程降水量超过封锁警戒阈值，其中古月站最大为317.8 mm。对于国家气象站，平山最大过程降水量达到各级别警戒年均频次最多；定襄及其以东地区最大过程降水量均超过封锁警戒阈值，平山—定州和蠡县最大过程降水量超过300.0 mm，其中蠡县最大为372.1 mm。

图  4  朔黄铁路沿线气象站点过程降水量达到不同警戒阈值的年均频次及强度

Figure  4.  The annual frequency and intensity of process precipitation reaching different warning thresholds of meteorological stations along the Shuozhou-Huanghua Railway

下载: 全尺寸图片 幻灯片

4.2.2   最大小时降水量

分析朔黄铁路沿线最大小时降水量达到不同警戒阈值的年均频次及强度（图5），铁路气象站最大小时降水量达到出巡警戒阈值的年均频次在0.17~2.33次之间，滴流磴站、猴刎站、三汲站、黄骅港站达到出巡警戒阈值的年均频次超过2.0次，其中猴刎站和三汲站最多为2.33次；南湾站、猴刎站、博野站、蠡县站、肃宁北站、行别营站、黄骅南站、黄骅东站、羊三木站和大港站最大小时降水量达到限速警戒阈值的年均频次较多，其中黄骅东站最多为0.33次；博野站—行别营站、黄骅南站、黄骅东站、羊三木站、大港站最大小时降水量超过限速警戒阈值，未出现达到封锁警戒情况，黄骅东站小时降水量最大为86.7 mm，神池南﹣东冶站最大小时降水量相对较小。对于国家气象站，平山最大小时降水量达到各级别警戒阈值的年均次数最多；平山和大港最大小时降水量达到封锁警戒阈值，分别为99.9 mm和92.9 mm。

图  5  同图4，但是为最大小时降水量

Figure  5.  Same as fig. 4, but for the maximum hourly precipitation

下载: 全尺寸图片 幻灯片

4.2.3   最大24 h降水量

分析朔黄铁路沿线最大24 h降水量达到不同警戒阈值的年均频次及强度（图6），铁路气象站最大24 h降水量达到出巡警戒阈值的年均频次在0.4~2.8次之间，东冶站、滴流磴站、猴刎站、古月站、西柏坡站和黄骅港站达到出巡警戒阈值的年均频次超过2.0次，其中古月站和黄骅港站最多为2.8次；小觉站、行唐站、定州西站和安国站达到限速警戒阈值的年均频次最多，均为0.2次；龙宫站、南湾站、猴刎站、小觉站—灵寿站、定州东站、博野站、蠡县站和沧州西站达到封锁警戒阈值的年均频次较多，其中古月站、西柏坡站、三汲站和蠡县站最多为0.4次。小觉站—灵寿站、定州东站、博野站和蠡县站最大24 h降水量超过封锁警戒阈值，其中蠡县站最大为235.1 mm。对于国家气象站，平山最大24 h降水量达到各级别警戒阈值的年均频次最多；定襄及其以东地区最大24 h降水量均超过封锁警戒阈值，定州最大为293.6 mm。

图  6  同图4，但是为最大24 h降水量

Figure  6.  Same as fig. 4, but for the 24-hour precipitation

下载: 全尺寸图片 幻灯片

5.   降雨致灾危险性结果与分析

将表2中AHP-熵权法权重带入降雨致灾危险性指数公式计算降雨致灾危险性指数，然后通过均值-标准差法将降雨致灾危险性划分为低危险、中危险、较高危险和高危险4个等级（表3），得到朔黄铁路沿线降雨致灾危险性分布情况（图7），可见朔黄铁路沿线降雨致灾危险性整体呈山西境内山地丘陵地区路段危险性较低，而河北西部的平山地区、东部平原及沿海地区铁路路段降雨致灾危险性相对较高的分布特征，与铁路沿线地区降水气候特征分布规律基本一致。位于河北平山地区的小觉站−三汲站段、博野站−蠡县站段为降雨致灾高危险路段；猴刎站、灵寿站−安国站、肃宁站、沧州西站−黄骅港站、黄骅东站−羊三木站、神港站等路段为降雨致灾较高危险路段；南湾站−滴流磴站、肃宁北−杜生站、窦庄子站−大港站等路段为降雨致灾中危险路段，神池南站−东冶站段为降雨致灾低危险路段。

表  3  朔黄铁路沿线降雨致灾危险性等级划分

Table  3.  Classification of rainsfall assessment along the Shuozhou-Huanghua Railway

危险等级	I级 (高危险)	II级 (较高危险)	III级 (中危险)	IV级 (低危险)
危险指数	V>0.56	0.38<V≤0.56	0.20<V≤0.38	V≤0.20

下载: 导出CSV 

| 显示表格

图  7  朔黄铁路降雨致灾危险性等级(色斑)分布图

Figure  7.  Distribution of rainfall risk level(shaded) along the Shuozhou-Huanghua Railway

下载: 全尺寸图片 幻灯片

6.   结论与讨论

本文利用1951—2022年国家气象站日降水量数据，统计了铁路沿线气象站降雨日数和不同重现期年最大日降水量分布；利用国家气象站和铁路气象站小时降水数据，结合铁路沿线不同警戒级别降水量阈值，构建了降雨致灾危险性评价指标因子，通过AHP-熵权法确定各指标因子综合权重，得到了朔黄铁路沿线降雨致灾危险性等级。主要结论如下：

（1）原平、五台县、灵寿、蠡县、肃宁和塘沽6个地区最优拟合为皮尔逊III分布，其他地区最优拟合均为耿贝尔分布。根据最优拟合分布计算的各地区不同重现期年最大日降水量分布特征为：平山及其以东地区不同重现期最大日降水量均相对较高，其中平山日降水量最大，神池—盂县地区相对较小，其中神池地区最小，铁路沿线地区出现局部极端强降水事件的可能性较高。

（2）太行山东麓河北平山地区的小觉站−三汲站、博野站−蠡县站段为降雨高危险路段；猴刎站、灵寿站−安国站、肃宁站、沧州西站−黄骅港站、黄骅东站−羊三木站、神港站等路段为降雨致灾较高危险路段；南湾站−滴流磴站、肃宁北−杜生站、窦庄子站−大港站等路段为降雨致灾中危险路段，神池南站−东冶站段为降雨致灾低危险路段。降雨致灾危险性等级分布与铁路沿线不同重现期年最大日降水量分布特征基本一致。

随着铁路行业日益增长的精细化气象服务需求，未来可利用高时空分辨率气象数据、结合铁路沿线孕灾环境等因素，开展坡度、坡向等复杂地形对降雨及其次生灾害如山洪、滑坡、泥石流和内涝等影响的研究，同时积累铁路部门降水资料和灾害记录资料进一步优化细分不同路段雨量阈值，探索更加客观合理的精细化铁路降雨致灾危险性评价，为铁路部门精准防洪、汛期物资储备、加密气象监测站网等提供科学依据和参考。