| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

新聞資訊

論壇

溫哥華地產

大溫餐館點評

溫哥華汽車

溫哥華教育

黃頁/二手

旅游

北京: 北京養老院被淹 老人死傷成謎 長者呼救畫面曝光

QR Code
請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
中國北京出現特大暴雨,引發的災害怵目驚心。據中共官方消息,截至目前,北京因災死亡人數已達30人,但官方未按慣例通報失聯人數。多方消息和網民爆料指,實際傷亡人數可能遠超官方公布,尤其密雲區一養老院有老人疑因洪水遇難,卻未見官方明確通報。流出的畫面顯示,有受困在養老院內的老人,無助地趴在窗邊揮手呼救,令人揪心。


密雲兩度受災 養老院被洪水“滅頂” 老人死傷成謎

中國華北地區7月下旬以來的強降雨持續,北京、河北局地出現特大暴雨,引發洪水和山體滑坡。據中共新華社報道,大部分雨水淹沒了北京長城附近的北部山區,密雲區報告有28人死亡,延慶區有2人死亡。


卓明信援負責人郝南對《中國新聞周刊》表示,北京密雲區在7月26日—28日先後兩次連續受災。先是26日晚上到27日凌晨,北京的密雲、懷柔、延慶部分地區以及承德的灤平遭遇極端降水,山區洪水快速匯流後導致密雲水庫上游的潮河、白河流域沿河谷村鎮大量被淹,其中受災最重的是密雲的石城鎮、馮家峪鎮與不老屯鎮和懷柔的琉璃廟鎮、寶山鎮。

第二次是27日晚到28日凌晨,受到河北承德市興隆縣,北京密雲區、平谷區,天津薊州區附近再次極端降水過程的影響,密雲水庫上游支流清水河、平谷區泃河等中小河流水位暴漲。大部分暴雨落在興隆縣境內,其中一部分雨洪向東匯入清水河流域,清水河的下游就是密雲區的北莊鎮和太師屯鎮,因此,7月28日太師屯鎮受淹最為嚴重。

災情最引人關注的是太師屯鎮養老照料中心。不少網民在社交媒體發文稱,有親屬在太師屯鎮養老照料中心失蹤或被洪水沖走,表示難過及震驚。實際的死傷報告未有官方公布。

據《南方日報》報道,7月29日,有上述養老院老人的親屬發文稱,“住在養老中心的姨奶奶和她半身不遂的外甥因為密雲洪水淹死了。”該親屬表示,她是接到了姨奶奶直系親屬的電話,才知道姨奶奶和她外甥已經遇難。被問及是否已將姨奶奶等人的遺體送往殯儀館,該親屬稱,“還沒這麼快,至少得等幾天,而且現在雨也沒完全停,都在搶險救災。”



相關圖片顯示,該養老院被洪水包圍,水流相當湍急,水深已超過汽車車門,水位十分接近窗戶下緣,當時一位身著綠色上衣的老人受困在養老院內,無助地趴在窗外揮手呼救,畫面十分讓人揪心。


據公開報道,目前已救出該養老院的48名受困長者。

針對傷亡情況,太師屯鎮養老照料中心負責人29日回應稱:“現在不方便透露,等有關部門統一回復。”

太師屯鎮政府人員表示,上述養老機構被淹,已轉移人員,但“具體情況暫時不清楚”。


央視新聞報道,7月28日清晨6時44分,北京市消防救援總隊接到報警稱,太師屯鎮養老照料中心被洪水圍困,有人員受困。救援視頻畫面顯示,這家養老院在消防救援時,已基本被洪水淹沒。

據報道,太師屯鎮養老照料中心共有床位80張,主要承擔低保、低收入、重殘、孤兒和社會老人等人群的集中供養。公開報道顯示,這家養老機構中居住著七十多位老人。

小區一層樓被淹 居民無足夠食物和水

除了養老院的悲劇,密雲區太師屯鎮永安南小區的居民也經歷了極端困境。《海報新聞》報道,密雲區太師屯鎮永安南小區居民胡女士表示,清水河的水和村莊的洪水都湧到了她居住的小區,當時淹了居民樓的一層,車輛被沖走。7月28日小區處於斷水斷電的狀態。她還表示,他們沒用儲備足夠的食物和飲用水,所以當洪水退去一些後,仍然無法出門。

北京日報消息,截至7月29日11時,全市平均降水量210.4毫米,最大降水量在密雲郎房峪,達到573.5毫米。北京的年平均降水在600毫米左右,有氣象專家分析,573.5毫米相當於幾天下了北京近一年的雨。
您的點贊是對我們的鼓勵     好新聞沒人評論怎麼行,我來說幾句
上一頁12下一頁
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 在此頁閱讀全文
    猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0402 秒 and 3 DB Queries in 0.0010 秒