方格精選

門外漢爬百岳-閂山鈴鳴

閱讀時間約 7 分鐘
730 林道約 18K 的閂山之門
地點(按照登頂順序):鈴鳴山(百岳排名 #63)閂山(百岳排名 #80)
時間:2019 年 10 月 10 日到 10 月 12 日
心得:
(1) 第一天有很多水源,建議在最後水源時要裝水!
(2) 連假登山最好早點出發,否則要抱著往下走尋找營地的決心
(3) 這兩座山都有一堆箭竹,爬山前請先做好被箭竹打臉的心理準備

尚未拂曉即出發

開爬前一定得先確認背包狀況!
出發的晚上只睡大概三個小時半,就從台北出發去宜蘭。到了環山部落後,搭乘事先預訂好的環清宮接駁車上山,建議容易暈車的人先吞藥,不然真的會很痛苦。接駁車經過的路況很糟,好幾次都感覺自己隨著車子上下晃動,沒有安全帶就會飛出去XD
林道一路上都算輕鬆愜意,一開始碰到小崩塌有點不知道踩點,但回程再經過時,很快就通過了。
這次除了我以外,其他兩個背包加相機都是 13 公斤以上啊
以為第一天狀況會像這林道一樣平坦,結果最後找營地的歷程有點多舛
F. 說的,人可以沒志氣,但不能身高矮,尤其是面對倒木的時候
除了閂山之門,這台鈴木機車也是必拍
原本行程是第一天先找好營地,再去爬閂山,這樣第二天登鈴鳴,第三天一早下山比較輕鬆。沒想到行程大延宕,營地位置都滿了,最後在約 23.5k 的地方紮營。
那時候天色已晚,三個人都已經身心俱疲,變成我留下來顧背包,兩個男生先下重裝帶著帳篷確認營地後,再折回來拿背包。
其實我們紮營的地方離大多數人的營地位置也不遠,但天黑和箭竹林的關係,花的時間拉長,實際感受的疲憊程度也不知道加乘多少。

累趴趴的鈴鳴山

約早上五點半出發,天正要亮
(第一次登百岳是 2018 年 11 月的奇萊南華,當時因為原本的道路進行修護工程,所以只能多花三四個小時(大概吧)走高繞路線。從那時候起,我就對登山產生一些陰影,一部份原因是當初大家說奇萊南華很輕鬆,加上平時有在運動,自覺體能不會太差,沒想到直接第一天就在高繞後敗下陣,擔任嚮導的 F. 陪我慢慢走,才終於在天黑前抵達山莊。)
11 日當天預計先登鈴鳴,如果還有時間再回來登閂山,那時候的我們還沒放棄第三天可以一早下山回家的期望,現在想想真的是太天真了嗚嗚。
大家四點左右起床,吃完早餐、整理背包後,大約五點半出發。不過這次出發還有個很重要的任務:裝水。
聽說是要先預定的工寮,當天經過時空無一人。從這裡也可以前往閂山。
因為第一天水源攜帶不足,第二天得先去裝水,到了紅磚水源發現沒看到水,後來意外發現要往上面爬大約兩分鐘才有,或是也可以選擇順著紅磚水源前的泥濘處往上爬,那裡的水量相當充沛且乾淨。
光是顧著往前走,忘了環顧四周景色或是抬頭看看
沿路上的指標都還算清晰,但有時候遇到岔路時要評估一下,不要讓經驗少的(譬如我QQ)領頭,很容易走冤枉路。
被芒草和箭竹攻擊挺讓人灰心喪志,其他兩個人下山後建議我要讓自己的腦袋「忙其他事」,這樣就不會一直專注在這事情上。我是覺得這提議不錯啦,但……至少當下就跟我說啊啊啊!
看得到就代表不遠了……吧
筋疲力竭後可以看到這風景,覺得滿足!
爬上稜線後果真舒服多了,覺得三角點好像又更近一點,一行人也走走停停,拍拍照、放放空都好。
鈴鳴山三角點,3272公尺
在上面看到有人揮舞國旗拍照,有人暢談眼前其他大山的攀登經歷,我在旁邊默默地放空,覺得如果可以不要下山的話就好惹(抱著三角點哭)
現在回想,那時候選擇上山是對的
下山依舊是我的惡夢啊啊啊啊啊
至今還沒抓到下山的節奏與訣竅,覺得好像要有點扭腰擺臀XD,身體要靈活律動不要太僵硬,雖然是完全無負重(偷作弊)下山,但還是下得很坎坷。好幾次看到比較大的落差,都有點怕怕的。
後來回程放棄當初來的高繞路線,決定試試看被封鎖的崩塌地。一看到那高度差,下得立刻說「不行不行」,最後在隊友和其他從崩塌地爬上來的山友勸說下,硬著頭皮爬下去。
事實證明,人真的不要為自己設限,我平安爬下去了,只不過往上爬時沒注意到一根突出的粗樹幹,頭頂硬生生撞上去,痛到差點掉眼淚。不過這跟另一名隊友撞到流血比,只是小意思……
怕爆的大崩塌,安全下莊
回去的路上順道裝水,抵達營地的時間比原本預估晚了一些,天色昏暗還得忍受芒草跟箭竹(陰影超大XD),超!痛!苦!
回到營地時,隔壁帳的大哥大姐們已經晚餐吃了好一陣子,而且他們走的路線似乎比我們困難很多,聽到時,從他們那分食到的黑糖薑茶差點沒掉下來。
當晚一樣吃完飯,八點前後就寢,不過精神比前一天大家睡眠不足爬山還要好很多,還可以屁話一下。這代表睡眠真的很重要,大家爬山之前要睡飽啊!(但很難辦到)

不是就在那?怎麼這麼遠的、閂山

美麗的朝陽,不過閂山一開始直接不客氣地來一段陡上
第三天早上五點多起床用餐,收完帳抵達閂山登山口,輕裝爬山。要說我對閂山的美麗誤會,大概就是我以為翻過一兩個山頭後就登頂,沒想到「代誌毋系憨人想A家逆甘丹R(事情不是笨蛋想得這麼簡單)」!
翻啊翻、翻啊翻,翻過一個又一個山丘
F. 拍的照片,中間那棵樹感覺可以當 logo
只有護貝紙可拍拍
閂山的路不危險,基本上就是緩上跟箭竹,來回大約四小時而已,比較難的就是一開始的陡上。
超大的看天池,很興奮地走進去!
下到閂山登山口,整一整東西就直接出發準備下山。路上還是有倒木要注意,不過因為我身高矮,上方傾斜的樹幹比較不是我要擔心的,身高高的人倒是要小心XD
回程快到登山口前,一直相信隊友說的就快到了,沒想到突然來一個要背向下去的落差,內心其實有點崩潰,給自己做的心理建設立刻被打倒。雖然下去並不困難,但對於原本心想再 5 分鐘就結束的我來說(實際上大約再 10 分鐘的路程),任何要動點腦的路段都很痛苦,我只想走著平坦林道抵達登山口啊!
所幸最後還是到了,不過等接駁車等了大約 40 分鐘,過程就是放放空、壓壓驚,看看後面陸續出來的山友,大多都是前兩天有打過照面的。比較特別的是回程時有看到一對父母帶著一對兒女上山,挑的時機點滿特別,不知道是不是只有要到閂山。
希望自己的心志能更堅定,不要動不動就崩潰
原本是打算 11 月初寫完,沒想到因為上課關係一拖再拖,加上還有譯稿跟工作要處理,才弄到現在。
作為一個門外漢的登山女性,自覺還有許多不足的地方,第二天跟第三天登頂時幾乎都沒有背背包(F. 表示:),下山時重量也很輕,內心多少覺得不夠「稱職」,也很感謝其他兩個人的幫忙與包容,未來腳程需要再練快一點,下坡不要太害怕,改變走路的方式等等,還有很多要努力的地方。
不過下山後發現兩腳大拇指麻了好幾天,上網查發現滿常見的,而且還長了繭哈哈哈,覺得是意外的收穫!
回想過去幾天,沒有手機、(超)早睡(超)早起的生活,真的會有種自己消失在現實生活的感覺(實際上對山下的朋友來說也就真的是這樣了)。隔周回到工作岡位時,明顯對工作容忍度極低,心還收不回來,調適了一周才好一點。
希望 2020 年能夠再登上幾個自己以前不敢想像(或根本不知道XD)的三角點,感受一下自然的美好。
為什麼會看到廣告
3會員
9內容數
留言0
查看全部
發表第一個留言支持創作者!
畝畝的沙龍 的其他內容
地點:內洞森林遊樂區 + 桂山電廠冰品部 交通方式:汽車 所需時間:步道約 2 小時,冰品部約 20 分鐘 所花金額:門票費 160 元 / 2 人、午餐自備、3 枝冰棒 / 27 元
沒有所謂最好的飲食法,只有適合不適合自己的模式
地點:內洞森林遊樂區 + 桂山電廠冰品部 交通方式:汽車 所需時間:步道約 2 小時,冰品部約 20 分鐘 所花金額:門票費 160 元 / 2 人、午餐自備、3 枝冰棒 / 27 元
沒有所謂最好的飲食法,只有適合不適合自己的模式
你可能也想看
Google News 追蹤
Thumbnail
這個秋,Chill 嗨嗨!穿搭美美去賞楓,裝備款款去露營⋯⋯你的秋天怎麼過?秋日 To Do List 等你分享! 秋季全站徵文,我們準備了五個創作主題,參賽還有機會獲得「火烤兩用鍋」,一起來看看如何參加吧~
Thumbnail
美國總統大選只剩下三天, 我們觀察一整週民調與金融市場的變化(包含賭局), 到本週五下午3:00前為止, 誰是美國總統幾乎大概可以猜到60-70%的機率, 本篇文章就是以大選結局為主軸來討論近期甚至到未來四年美股可能的改變
Thumbnail
Faker昨天真的太扯了,中國主播王多多點評的話更是精妙,分享給各位 王多多的點評 「Faker是我們的處境,他是LPL永遠繞不開的一個人和話題,所以我們特別渴望在決賽跟他相遇,去直面我們的處境。 我們曾經稱他為最高的山,最長的河,以為山海就是盡頭,可是Faker用他28歲的年齡...
Thumbnail
算是片刻堆積的起因。
Thumbnail
政治即是生活,每個人都應該瞭解自己手中握有的選票帶來的意義,選擇一個跟自己理念相近的候選人,而不是選擇顏色和盲目跟從。在今年以前,我對政治無感,但總統大選後,我真的很想說我們手中的選票真的不是玩笑。
Thumbnail
我的嘻哈音樂入門是音樂劇《Hamilton》,換句話說我基本不曉得整個音樂流派的脈絡。是一個未來可以發掘的領域。以下是我目前對中英文嘻哈音樂的感覺跟有辦法欣賞的能力範圍。
Thumbnail
益生菌(Probiotics)源於希臘語「for life」(對生命有益),中文譯為「益生菌」或「原生保健性菌種」;而益生菌主要是指乳酸菌和部分酵母菌。 一般認為食入後對宿主(如動物或人類)有正面效益的食入性微生物。 προβιοτικά 嬰兒出世前的益生菌來源 母乳/腸胃/陰道
Thumbnail
文/羅伯特.阿爾德利克(Robert Aldrich,雪梨大學歐洲史學者,教授研究現代歐洲與殖民歷史) 現代初期的斯堪地那維亞是由兩個大型的國家構成:包含芬蘭在內的瑞典王國,以及丹麥-挪威雙王國,由丹麥的奧登伯格(Oldenborg)王室統治。 北大西洋遺產 前進美洲的瑞典
Thumbnail
在影像生成的領域中,其中一個富有挑戰的是影像對影像的轉譯問題。該問題包括了 paired 和 unpaired 兩個子問題。在本文中,會先提 paired 問題的 pix2pix。unpaired 的問題則會談到 cross consistency, Normalization 和 attentio
Thumbnail
梯度下降學習法雖然是一個有效的最佳化方法,然而因為梯度本身屬於局部變化,因此有三個陷阱,而未能到達全域最小值的命運。他們分別是:局部最小值, 初始值和病態的二階導數矩陣。我們將解釋這些最佳化陷阱的成因,以及提出相對應的方法。這些方法包括了使用 mini-batch,加入處罰項和 early stop
Thumbnail
感知器  (perceptron) 利用逐一探訪訓練資料,以更多的訓練例子被正確的分類為目標,來更新任意初始的權重。然而該方法難以延伸到非線性的分類平面,所以以梯度為主的最佳化演算法取而代之,並發展出更多的應用。在本篇中,除了介紹梯度下降法外,亦會討論如何利用學習曲線圖診斷一個機械模型,並對症下藥。
Thumbnail
這篇文章從類神經網路的起源,也就是單神經元的感知器。簡單的感知器迭代演算法使單神經元可以學習,但卻無法學習超過非線性,如 XOR 的資料分布。另外,本文還介紹了 Logistic regression,藉由透過非線性轉換來使線性輸出近似於機率分佈。最後則以一場大師賭局結束(SVM vs NN)。
Thumbnail
這個秋,Chill 嗨嗨!穿搭美美去賞楓,裝備款款去露營⋯⋯你的秋天怎麼過?秋日 To Do List 等你分享! 秋季全站徵文,我們準備了五個創作主題,參賽還有機會獲得「火烤兩用鍋」,一起來看看如何參加吧~
Thumbnail
美國總統大選只剩下三天, 我們觀察一整週民調與金融市場的變化(包含賭局), 到本週五下午3:00前為止, 誰是美國總統幾乎大概可以猜到60-70%的機率, 本篇文章就是以大選結局為主軸來討論近期甚至到未來四年美股可能的改變
Thumbnail
Faker昨天真的太扯了,中國主播王多多點評的話更是精妙,分享給各位 王多多的點評 「Faker是我們的處境,他是LPL永遠繞不開的一個人和話題,所以我們特別渴望在決賽跟他相遇,去直面我們的處境。 我們曾經稱他為最高的山,最長的河,以為山海就是盡頭,可是Faker用他28歲的年齡...
Thumbnail
算是片刻堆積的起因。
Thumbnail
政治即是生活,每個人都應該瞭解自己手中握有的選票帶來的意義,選擇一個跟自己理念相近的候選人,而不是選擇顏色和盲目跟從。在今年以前,我對政治無感,但總統大選後,我真的很想說我們手中的選票真的不是玩笑。
Thumbnail
我的嘻哈音樂入門是音樂劇《Hamilton》,換句話說我基本不曉得整個音樂流派的脈絡。是一個未來可以發掘的領域。以下是我目前對中英文嘻哈音樂的感覺跟有辦法欣賞的能力範圍。
Thumbnail
益生菌(Probiotics)源於希臘語「for life」(對生命有益),中文譯為「益生菌」或「原生保健性菌種」;而益生菌主要是指乳酸菌和部分酵母菌。 一般認為食入後對宿主(如動物或人類)有正面效益的食入性微生物。 προβιοτικά 嬰兒出世前的益生菌來源 母乳/腸胃/陰道
Thumbnail
文/羅伯特.阿爾德利克(Robert Aldrich,雪梨大學歐洲史學者,教授研究現代歐洲與殖民歷史) 現代初期的斯堪地那維亞是由兩個大型的國家構成:包含芬蘭在內的瑞典王國,以及丹麥-挪威雙王國,由丹麥的奧登伯格(Oldenborg)王室統治。 北大西洋遺產 前進美洲的瑞典
Thumbnail
在影像生成的領域中,其中一個富有挑戰的是影像對影像的轉譯問題。該問題包括了 paired 和 unpaired 兩個子問題。在本文中,會先提 paired 問題的 pix2pix。unpaired 的問題則會談到 cross consistency, Normalization 和 attentio
Thumbnail
梯度下降學習法雖然是一個有效的最佳化方法,然而因為梯度本身屬於局部變化,因此有三個陷阱,而未能到達全域最小值的命運。他們分別是:局部最小值, 初始值和病態的二階導數矩陣。我們將解釋這些最佳化陷阱的成因,以及提出相對應的方法。這些方法包括了使用 mini-batch,加入處罰項和 early stop
Thumbnail
感知器  (perceptron) 利用逐一探訪訓練資料,以更多的訓練例子被正確的分類為目標,來更新任意初始的權重。然而該方法難以延伸到非線性的分類平面,所以以梯度為主的最佳化演算法取而代之,並發展出更多的應用。在本篇中,除了介紹梯度下降法外,亦會討論如何利用學習曲線圖診斷一個機械模型,並對症下藥。
Thumbnail
這篇文章從類神經網路的起源,也就是單神經元的感知器。簡單的感知器迭代演算法使單神經元可以學習,但卻無法學習超過非線性,如 XOR 的資料分布。另外,本文還介紹了 Logistic regression,藉由透過非線性轉換來使線性輸出近似於機率分佈。最後則以一場大師賭局結束(SVM vs NN)。