| 广告联系 | 繁体版 | 手机版 | 微信 | 微博 | 搜索:
欢迎您 游客 | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

首页

新闻资讯

论坛

温哥华地产

大温餐馆点评

温哥华汽车

温哥华教育

黄页/二手

旅游

北京: 北京养老院被淹 老人死伤成谜 长者呼救画面曝光

QR Code
请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
中国北京出现特大暴雨,引发的灾害怵目惊心。据中共官方消息,截至目前,北京因灾死亡人数已达30人,但官方未按惯例通报失联人数。多方消息和网民爆料指,实际伤亡人数可能远超官方公布,尤其密云区一养老院有老人疑因洪水遇难,却未见官方明确通报。流出的画面显示,有受困在养老院内的老人,无助地趴在窗边挥手呼救,令人揪心。


密云两度受灾 养老院被洪水“灭顶” 老人死伤成谜

中国华北地区7月下旬以来的强降雨持续,北京、河北局地出现特大暴雨,引发洪水和山体滑坡。据中共新华社报道,大部分雨水淹没了北京长城附近的北部山区,密云区报告有28人死亡,延庆区有2人死亡。


卓明信援负责人郝南对《中国新闻周刊》表示,北京密云区在7月26日—28日先后两次连续受灾。先是26日晚上到27日凌晨,北京的密云、怀柔、延庆部分地区以及承德的滦平遭遇极端降水,山区洪水快速汇流后导致密云水库上游的潮河、白河流域沿河谷村镇大量被淹,其中受灾最重的是密云的石城镇、冯家峪镇与不老屯镇和怀柔的琉璃庙镇、宝山镇。

第二次是27日晚到28日凌晨,受到河北承德市兴隆县,北京密云区、平谷区,天津蓟州区附近再次极端降水过程的影响,密云水库上游支流清水河、平谷区泃河等中小河流水位暴涨。大部分暴雨落在兴隆县境内,其中一部分雨洪向东汇入清水河流域,清水河的下游就是密云区的北庄镇和太师屯镇,因此,7月28日太师屯镇受淹最为严重。

灾情最引人关注的是太师屯镇养老照料中心。不少网民在社交媒体发文称,有亲属在太师屯镇养老照料中心失踪或被洪水冲走,表示难过及震惊。实际的死伤报告未有官方公布。

据《南方日报》报道,7月29日,有上述养老院老人的亲属发文称,“住在养老中心的姨奶奶和她半身不遂的外甥因为密云洪水淹死了。”该亲属表示,她是接到了姨奶奶直系亲属的电话,才知道姨奶奶和她外甥已经遇难。被问及是否已将姨奶奶等人的遗体送往殡仪馆,该亲属称,“还没这么快,至少得等几天,而且现在雨也没完全停,都在抢险救灾。”



相关图片显示,该养老院被洪水包围,水流相当湍急,水深已超过汽车车门,水位十分接近窗户下缘,当时一位身着绿色上衣的老人受困在养老院内,无助地趴在窗外挥手呼救,画面十分让人揪心。


据公开报道,目前已救出该养老院的48名受困长者。

针对伤亡情况,太师屯镇养老照料中心负责人29日回应称:“现在不方便透露,等有关部门统一回复。”

太师屯镇政府人员表示,上述养老机构被淹,已转移人员,但“具体情况暂时不清楚”。


央视新闻报道,7月28日清晨6时44分,北京市消防救援总队接到报警称,太师屯镇养老照料中心被洪水围困,有人员受困。救援视频画面显示,这家养老院在消防救援时,已基本被洪水淹没。

据报道,太师屯镇养老照料中心共有床位80张,主要承担低保、低收入、重残、孤儿和社会老人等人群的集中供养。公开报道显示,这家养老机构中居住着七十多位老人。

小区一层楼被淹 居民无足够食物和水

除了养老院的悲剧,密云区太师屯镇永安南小区的居民也经历了极端困境。《海报新闻》报道,密云区太师屯镇永安南小区居民胡女士表示,清水河的水和村庄的洪水都涌到了她居住的小区,当时淹了居民楼的一层,车辆被冲走。7月28日小区处于断水断电的状态。她还表示,他们没用储备足够的食物和饮用水,所以当洪水退去一些后,仍然无法出门。

北京日报消息,截至7月29日11时,全市平均降水量210.4毫米,最大降水量在密云郎房峪,达到573.5毫米。北京的年平均降水在600毫米左右,有气象专家分析,573.5毫米相当于几天下了北京近一年的雨。
不错的新闻,我要点赞     这条新闻还没有人评论喔,等着您的高见呢
上一页12下一页
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文
    猜您喜欢:
    您可能也喜欢:
    我来说两句:
    评论:
    安全校验码:
    请在此处输入图片中的数字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    页面生成: 0.0358 秒 and 3 DB Queries in 0.0013 秒