红壤区裸露坡地不同类型次降雨的产流产沙规律

为探究红壤区裸露坡地在不同类型次降雨下的产流产沙规律,研究收集长汀县水土保持科教园红壤裸露坡地径流小区2013年1月至2020年12月共388场降雨—径流—土壤侵蚀观测资料,采用K-means将降雨划分为4类进行分析。结果表明:(1)主要降雨类型有A(短历时、大雨强、小雨量、低频次)、B(长历时、小雨强、大雨量、中频次)、C(中等历时、小雨强、小雨量、高频次)3类,B、C为研究区主要产流产沙来源,贡献85%以上的径流和土壤侵蚀量。(2)次降雨径流深及土壤侵蚀量与降雨量(P)、最大30 min雨强(I₃₀)和降雨动能(E)呈线性正相关,与降雨侵蚀力(EI₃₀)呈幂函数关系。但降雨特征对产流产沙的总解释度小于65%,且随着降雨历时的增加而减小。(3)降雨特征与产流产沙存在3种约束关系,其约束线表明降雨特征对次降雨潜在最大产流产沙的影响。其中,潜在最大径流深主要由P和E决定,潜在最大土壤侵蚀量的上限为800~900 t/hm²。从降雨特征单因子影响、综合影响和约束效应3个方面分析了红壤裸露坡地的产流产沙特征,为红壤区水土流失防治提供了数据基础。     

赣北第四纪红壤坡地降雨侵蚀力的计算与分析

 降雨侵蚀力是建立土壤侵蚀预报模型的基础。为探讨赣北第四纪红壤坡地降雨侵蚀力的最佳组合形式、时间变异特征及其简易估算方法,通过赣北典型的第四纪红壤坡地区2001—2005年的实测资料,对各种降雨参数的单因子、复合因子与土壤流失量进行统计分析,对降雨侵蚀力的时间变异特征进行初步探讨,并对降雨侵蚀力和降雨量进行相关分析。结果表明:∑EI30可作为试验区降雨侵蚀力的最佳组合形式;降雨侵蚀力年际分布不均匀,年内分配主要集中在4—9月(占91.66%),总体上降雨侵蚀力与降雨量的年际和月际变化基本一致;次降雨的降雨侵蚀力与降雨量之间的相关系数为0.838,达到极显著水平。据此可建立基于降雨量的降雨侵蚀力简易模型,对无降雨过程资料地区的降雨侵蚀力计算具有参考价值。     

中国水蚀区5种典型土壤的侵蚀性降雨阈值比较

[目的] 准确拟定侵蚀性降雨阈值,区分侵蚀性与非侵蚀性降雨事件,为有效减少土壤侵蚀预报的工作量以及区域土壤侵蚀防治提供科学参考。[方法] 在北京市房山区布设中国5个水蚀二级区典型土壤休闲小区,收集各小区2006—2019年的产流产沙监测资料,利用降雨侵蚀力偏差法分析各小区的侵蚀性降雨量(P)和最大30 min雨强(I₃₀)阈值。[结果] ①相比P阈值,I₃₀在识别侵蚀性降雨方面更为有效。②黑土和褐土小区侵蚀性降雨阈值较高,二者P阈值均为10.0 mm,I₃₀阈值均为10.2 mm/h;黄土小区次之,其P和I₃₀阈值分别为9.5 mm和8.9 mm/h。紫色土与红壤小区较低,二者的P阈值分别为5.4和6.1 mm,I₃₀阈值分别为3.2和5.2 mm/h。③各径流小区的监测资料年限达到12 a时,侵蚀性降雨阈值才可达到稳定。[结论] 不同地区土壤的侵蚀性降雨阈值存在较大差异。侵蚀性降雨阈值不仅受土壤自身特性如粒径分布和有机质含量的影响,还与当地的气候状况如降雨雨型有关。     

重庆降雨侵蚀力和侵蚀力密度对土壤侵蚀风险的评估

研究重庆降雨侵蚀力(RE)和侵蚀力密度(ED)的时空变化,有利于开展土壤侵蚀防治和水土流失风险评估。利用1961—2020年重庆34个气象站的逐日降雨数据、TM遥感影像资料,采用日降雨侵蚀力模型、Mann-Kendall非参数检验、变异系数、克里金插值、叠加分析等方法,对降雨侵蚀力和侵蚀力密度进行时空分析,对重庆土壤侵蚀强度进行空间分析。结果表明:(1)重庆年平均降雨侵蚀力为5 672.32(MJ·mm)/ (hm²·h·a),年平均侵蚀力密度为4.94 MJ/(hm²·h·a),各季节平均降雨侵蚀力和侵蚀力密度的变化趋势基本一致;(2)年降雨侵蚀力和侵蚀力密度值均呈现渝东北最大,渝东南次之,渝西最小的规律。季节降雨侵蚀力和侵蚀力密度集中在夏季,表现为降雨侵蚀力渝东北最高,侵蚀力密度渝东最高;(3)重庆2020年土壤侵蚀强度以微度侵蚀为主,其次为轻度、中度、强度、极强度和剧烈侵蚀;(4)降雨侵蚀力、侵蚀力密度的侵蚀风险等级空间分布和土壤侵蚀强度等级空间分布相似,高值均出现在渝东北和渝东南地区。研究结果有助于管理者制定水土保持措施,有效防治重庆地区的水土流失。     

基于LSTM模型预测不同水保工程措施条件下土壤侵蚀量——以辽西北地区为例

[目的] 准确模拟和预测不同水保工程措施下土壤侵蚀量,为辽西北地区精准预测土壤侵蚀量提供技术和理论依据。[方法] 基于野外径流小区2011—2021年的监测数据,包括：最大30 min和60 min降雨强度(I₃₀和I₆₀)、降雨历时(T)、降雨量(P)和土壤侵蚀量,建立了长短期记忆神经网络(LSTM)分别对3种工程措施(水平槽、果树台田和梯田)下的土壤侵蚀量进行预测。并将LSTM预测结果与3个经典机器学习模型〔反向传播神经网络(BP)、随机森林(RF)和支持向量机(SVM)〕预测的结果进行对比。[结果] ①在3种工程措施中,I₃₀,I₆₀,T和P对土壤侵蚀量的影响程度不同,但I₃₀,I₆₀和T对土壤侵蚀量的影响大于P。②利用BP模型预测土壤侵蚀量的相对均方根误差(NRMSE)均大于0.2。③相比于RF和SVM模型,LSTM模型在3种工程措施下(水平槽、果树台和梯田)预测土壤侵蚀量的NRMSE分别降低了约0.04～0.08,0.02～0.08,0.05～0.08。④利用I₃₀和T作为LSTM模型的输入特征预测土壤侵蚀量的精度与使用I₃₀,I₆₀,T和P为输入特征时的预测精度相近。[结论] 在辽西北地区3种水保工程措施中,利用LSTM模型基于最大30 min雨强和降雨历时对土壤侵蚀量进行预测,取得了较其他传统模型高的预测精度。这说明LSTM模型可在同类地区土壤侵蚀量的精准模拟和确定水土保持措施中推广和应用。     

1966-2017年贵州省降雨侵蚀力的时空分布特征

[目的] 分析贵州省1966—2017年降雨侵蚀力R值的时空演变规律，为评估该地区降雨对土壤侵蚀的防治、制定水土保持措施及农业生产规划提供参考。[方法] 基于贵州省33个气象站点1966—2017年的日降雨资料，利用克里金插值法、经验正交函数（EOF）方法、Mann-Kendall检验、Morlet小波分析法等，对贵州省52 a的降雨侵蚀力R值的时空特征进行了分析。[结果] ①EOF分析方法可以较好地解释降水侵蚀力的时空分布特征，其前两个特征向量累计贡献率达52%，揭示了贵州省降雨侵蚀力全局型和东西反向型两种典型的分布模态。分析特征向量所对应的时间系数可得，贵州省的降水侵蚀力主要表现为全省全年偏大、全省全年偏小、东大西小、东小西大4种类型；②贵州省降雨侵蚀力R值年内主要受汛期降雨影响，全省各县市汛期降雨侵蚀力R值均占全年总量的60%以上；③在年际变化上，降雨侵蚀力R值存在多突变的现象，1971—1981年突变频率最为频繁。通过周期检验发现其变化主周期为28 a，次周期分别为12 a和6 a。[结论] 贵州省降雨侵蚀力的时空分布与降雨量的时空分布趋势近似，整体呈现南部大北部小，夏季大冬季小的趋势，在未来几年内降雨侵蚀力R值有上升的趋势。     

新疆维吾尔自治区1981-2018年降雨侵蚀力的空间变化特征

[目的] 分析1981—2018年新疆维吾尔自治区降雨侵蚀力空间变化特征，为该区土壤水力侵蚀理论研究和开展水土保持相关实践工作提供科学参考。[方法] 以1981—2018年新疆38个气象站的逐日降雨资料为基础，采用半月降雨侵蚀力算法模型计算降雨侵蚀力因子R，进而反映降雨对土壤侵蚀的内在作用，并采用倾向率和Kriging插值方法分析新疆降雨侵蚀力的空间变化特征。[结果] ①新疆多年平均降雨侵蚀力和降雨量空间格局相似，呈西高东低，中部高南北低的格局。近40 a新疆年降雨侵蚀力总体上处于波动增加趋势，其平均增速为15.6[MJ·mm/（hm²·h·a）]/10 a，但因区域不同而有差异，其倾向率天山北部多呈正值，南部多为负值或持平，且北部高于南部。②降雨侵蚀力最大倾向率多出现在夏季（6—8月），但不同区域四季分配格局不同，北部大部分区域春、夏季较高，南部大部分区域夏、秋季较高，多年平均降雨侵蚀力年内分配呈集中在“春夏”格局，但不同区域集中程度不同，其年内集中程度均为降雨侵蚀力高于降雨量，说明能够产生土壤侵蚀的大降雨事件多出现在5—8月。[结论] 气候和海拔高度是影响降雨侵蚀力格局的关键要素，在气候变化背景下，春夏季的大降水事件对新疆天山山区土壤水力侵蚀不容忽视。     

1960-2017年重庆市不同量级降雨侵蚀力R值的时空变化特征

降雨是引起土壤侵蚀的主要动力之一,探究不同量级降雨侵蚀力的时空变化特征,以期为重庆市水土流失防治提供参考。选取1960—2017年重庆市及周边42个站点24 h降雨数据,按雨量等级表将其划分为不同量级降雨,利用简易模型计算R值,应用气候倾向率、变异系数、普通Kriging插值分析重庆市各量级降雨侵蚀力的时空演变特征。结果表明:(1)研究期内重庆市年均R值为5 751.55(MJ·mm)/(hm²·h·a),变异系数为0.19,属中等变异;(2)不同量级降雨侵蚀力对年均R值的贡献率为大雨(34.82%)＞暴雨(30.53%)＞中雨(23.93%)＞大暴雨(10.53%),其中大暴雨侵蚀力的气候倾向率最大,对年降雨侵蚀力的上升贡献率最高;(3)降雨侵蚀力年内分配极度不均,54.19%集中分布在夏季,仅有0.91%分布在冬季;(4)年均降雨侵蚀力和各量级降雨侵蚀力空间分布呈东高西低的格局。通过对重庆市不同量级降雨侵蚀力的分析,明确了发生土壤侵蚀可能性较高的时期和地区,为因地制宜制定水土保持措施提供参考。     

植被覆盖和降雨因子变化及对东北黑土区土壤侵蚀的影响

[目的] 研究东北黑土区植被覆盖和降雨侵蚀力因子对土壤侵蚀时空变化的影响程度,为该区水土流失治理和可持续发展提供科学依据。[方法] 运用修正后的通用土壤流失方程（RUSLE）得到了2000—2018年东北黑土区土壤侵蚀分布特征,并探究土壤侵蚀模数与因子时空分布变化规律,得出侵蚀模数对于植被覆盖和降雨侵蚀力因子变化的敏感性。[结果] 黑土区土壤侵蚀变化与植被覆盖与管理因子和降雨侵蚀力因子的变化相关。研究期间侵蚀模数从1 175.20 t/（km²·a）下降至822.07 t/（km²·a）,并且全区主要以微度侵蚀和轻度侵蚀为主,空间上呈现西南向东北逐渐降低的空间分布特点。[结论] 东北黑土区东南部和西南部的植被覆盖与管理因子（C）敏感系数分别为0.95和1.00,是强度敏感区域,提高植被覆盖度将成为有效治理手段;西北与西南降雨侵蚀力因子（R）敏感系数分别为0.45和1.00,为中度敏感和强度敏感的区域,降低降雨的影响对治理侵蚀最为有效。     

黔中喀斯特山地黄壤区降雨侵蚀力R值的分布特征

[目的] 研究黔中喀斯特山地黄壤区降雨侵蚀力R值的分布特征,为进行区域土壤侵蚀定量预报、土壤保持规划和水土流失防治提供科学参考。[方法] 以黔中喀斯特黄壤分布区10个水土保持监测站点2013—2019年的日降雨量记录表和5 min间隔降雨过程摘录数据为主要数据来源,分析次R值分布特征、R值的月分布特征、年际变化特征和R值的雨量雨强分布特征。[结果] ①研究区系列最大次R值在次平均R值的几倍至十几倍之间,最大次R值占对应年份的年R值的比例最少都达22.28%以上。一年中几次比较大的暴雨对土壤侵蚀的贡献率大。②降雨侵蚀力R值主要分布在4—9月,又重点集中于6—8月;4—9月R值占年R值的90.00%左右,甚至达到95.00%以上;而6—8月所占比例最低（都为55.98%）,最高达到85.25%。③年均R值由东南向西北呈明显的减小趋势;R值年际变差系数与之呈相反趋势,表明降雨侵蚀力由东南向西北稳定性逐渐降低;R值年际变差系数变化范围在0.20～0.44之间,年际变化较大。④中雨、大雨、暴雨和大暴雨是产生R值的主要雨量等级,大多数站点主要雨量等级所占比例均在60.00%以上。大雨因出现频率相对较高,历时较长,对总R值的贡献最大。大暴雨总体上出现的频率不高,但单次大暴雨的降雨侵蚀力的R值却可以很大,一次大暴雨就可能改变R的整体分布。雨强15～30 mm/h是R值分布的高峰区,其平均比例为31.97%;大于60 mm/h雨强的降雨发生的随机性更大,所产生的R值比例的空间分布差异也大。[结论] 黔中喀斯特山地黄壤区降雨侵蚀力R值时空分异明显,需因地制宜实施水土流失防治。     

基于IMERG反演降水数据估算广东省降雨侵蚀力

近年来遥感反演降水产品的时空分辨率不断提高，为估算区域尺度上具有空间连续性的降雨侵蚀力提供了新的可能。但以往研究在应用遥感降水产品估算降雨侵蚀力时多忽略了其与站点观测数据间的差异和对其纠偏的可能性。该研究以广东省86个气象站2001—2020年的逐时降水资料估算的降雨侵蚀力为观测值，评估两套IMERG（integrated multi-satellite retrievals for GPM）遥感降水产品-GPM_3IMERGHH（0.1°，逐30-min）和GPM_3IMERGDF（0.1°，逐日）对广东省降雨侵蚀力的估算精度并量化偏差，再结合拟合纠偏确定基于遥感反演降水数据估算广东省降雨侵蚀力的最优方法。结果表明：这两套产品均不适宜直接估算降雨侵蚀力指标，不同时间尺度、不同方法直接应用时精度均较低，克林-古普塔效率系数（Kling-Gupta efficiency, KGE）小于等于0.51。但多年平均和极端次事件降雨侵蚀力与对应观测值间具有强相关性（皮尔逊相关系数大于等于0.78），具备纠偏的潜力。因此，本研究发展线性模型对IMERG估算结果进行纠偏，交叉验证结果表明纠偏后GPM_3IMERGHH估算多年平均降雨侵蚀力（R因子）的KGE可达0.79，10年一遇EI₃₀的KGE可达0.64，优于采用站点日降水估算降雨侵蚀力并插值的精度（KGE分别为0.60和0.59），与采用站点小时降水估算降雨侵蚀力并插值的精度相近（KGE分别为0.77和0.66）。当前研究结果充分展示了遥感反演降水在土壤水蚀领域的应用潜力和前景。     

Development of an appropriate procedure for estimation of RUSLE EI30 index and preparation of erosivity maps for Pulau Penang in Peninsular Malaysia

Pluviographic data at 15 min interval from 6 stations in Pulau Penang of Peninsular Malaysia were used to compute rainfall erosivity factor (R) for the revised universal soil loss equation (RUSLE). Three different modelling procedures were applied for the estimation of monthly rainfall erosivity (EI₃₀) values. While storm rainfall (P) and duration (D) data were used in the first approach, the second approach used monthly rainfall for days with rainfall ≥ 10 mm (rain₁₀) and monthly number of days with rainfall ≥ 10 (days₁₀). The third approach however used the Fournier index as the independent variable. Based on the root mean squared error (RMSE) and the percentage error (PE) criteria, models developed using the Fournier index approach was adjudged the best with an average PE value of 0.92 and an average RMSE value of 164.6. Further, this approach was extended to the development of a regional model. Using data from additional sixteen stations and the Fournier index based regional model, EI₃₀ values were computed for each month. ArcView GIS was used to generate monthly maps of EI₃₀ values and also annual rainfall erosivity (R). The rainfall erosivity factor (R) in the region was estimated to vary from 9000 to 14,000 MJ mm ha^− 1 h^− 1 year^− 1.     

黔西高原地区降雨侵蚀力的简易算法

[目的]对黔西高原地区侵蚀性降雨特性进行分析并探索降雨侵蚀力的简易算法,为该区土壤侵蚀预报模型的建立提供理论依据。[方法]利用径流小区观测法,基于毕节小区2012—2014年53次降雨过程资料进行分析。[结果](1)降雨量(P)和最大60min降雨动能(E60)是影响坡面产流、产沙的两个主要因子。坡面产流、产沙与最大60min雨强(I_(60))显著相关;(2)坡面产流产沙与二元复合因子的相关系数显示,EI_(60),PI_(60)和I30I_(60)是影响坡面产流、产沙的3类主要降雨复合指标,EI30和EI_(60)与坡面产流产沙的相关系数间相差较小;(3)基于坡面产流、产沙与降雨单指标和降雨复合指标的相关关系,确定了简易算法的参数。[结论]基于可比性,以R=EI30作为参照值对3种简易算法的结果进行决定系数和偏差率比较后,得到研究区便捷、快速的降雨侵蚀力简易算法为:R=0.344(PI_(60))。     

Evaluation of rainfall kinetic energy and erosivity in northern Taiwan using kriging with climate characteristics

A localized rainfall kinetic energy (E) equation and an erosivity map were developed, and the suitability of the universal soil loss equation (USLE) for assessing the soil erosion of a non‐US region was investigated. After accurately measuring and gathering data regarding raindrop size using disdrometers in four northern Taiwan locations, this study investigated the drop size distribution under different conditions by categorizing the rainfall patterns to develop regression equations for estimating the unit volume‐specific kinetic energy (KE_mm) and the unit time‐specific kinetic energy (KE_time) of northern Taiwan. Climate zoning, which is not considered in currently used designs, was then implemented along with two‐stage cluster analysis to construct a rainfall erosivity (R) distribution map using the kriging model. The binary polynomial regression function of KE_time, which had the highest correlation (R² = 0.98), was suggested to estimate E in northern Taiwan. It was found that the pattern and intensity (I) of rainfall will slightly affect E. The climatic influence on the root mean square of the semivariogram was significant, which suggests that climate zoning can help estimate the rainfall erosivity (R). The outcomes were extended to estimate R in areas without rainfall stations.     

辽河流域降雨侵蚀力的时空变化分析

降雨侵蚀力是反映流域降雨侵蚀能力的综合指标之一。根据辽河流域10个气象站的日降雨量资料,利用日降雨侵蚀力模型估算辽河流域的降雨侵蚀力。结果表明：辽河流域降雨侵蚀力的空间变异与降雨量的空间分布趋势基本一致,由东南向西北递减,变化于1000—3800MJ·mm／（hm^2·h·a）之间;降雨侵蚀力年内集中度高,6—8月3个月约占全年的80％;降雨侵蚀力年际变化大,年际变率Cv在0．367—0．649之间,采用时序系列的Mann—Kendall检验表明,降雨侵蚀力并无显著变化趋势;特别是在流域水土流失严重的西辽河地区,年降雨侵蚀力较小,但年内集中程度大,年际变化更突出。     

Estimation of rainfall erosivity using 5- to 60-minute fixed-interval rainfall data from China

The 30-min rainfall erosivity index (EI₃₀) is commonly used in the Universal Soil Loss Equation for predicting soil loss from agricultural hillslopes. EI₃₀ is calculated from the total kinetic energy and the maximum 30-min rainfall intensity of a storm. Normally, EI₃₀ values are calculated from breakpoint rainfall information taken from continuous recording rain gauge charts, however, in many places in China and other parts of the world the detailed chart-recorded rain gauge data relative to storm intensities are not readily available, while hourly rainfall is readily available. The objective of this study was to assess the accuracy of EI₃₀ estimations based on 5-, 10-, 15-, 30-, and 60-min time-resolution rainfall data as compared to EI₃₀ estimations from breakpoint rainfall information. 456 storm events from five soil conservation stations in eastern China were used. The values of EI₃₀ based on the fixed-time-interval data were less than those calculated from breakpoint data. The average conversion factors (ratio of values calculated from the breakpoint data to those from the fixed-interval data) for the five stations decreased from 1.105 to 1.009 for the estimation of E values, from 1.668 to 1.007 for I₃₀ values, and from 1.730 to 1.014 for EI₃₀ values as the time resolution increased from 60 to 5 min. The maximum 30-min rainfall intensity was the major source of error in estimating EI₃₀ for 60-min fixed-interval data, while storm kinetic energy played a proportionately more significant role as the fixed-interval data decreased from 60 to 5 min.     

黑龙江省降雨侵蚀力空间分布规律

利用黑龙江省16个国家级气象站,1960-2000年日降雨量资料,分析黑龙江省侵蚀性降雨和降雨侵蚀力的空间分布规律。在16个气象站中,日降雨量达到侵蚀性标准（≥12mm／d）的降雨时间为9～15d／a,最大值同最小值之间相差近0．7倍;日降雨量达到侵蚀性标准的年降雨量为192～387mm,最大值同最小值之间相差l倍。16个气象站年降雨侵蚀力多年平均值为794～2144MJ·mm／（hm^2·h·a）,最大值同最小值之间相差近2倍。降雨侵蚀力空间分布从西北到中南部逐渐升高,东部低于中部,年降雨侵蚀力空间分布基本与年降雨量空间分布相似。年内降雨侵蚀力分布主要集中在6—9月,7月份下半月或8月份上半月达到最高值,6—9月降雨侵蚀力占全年比率为88％～95％,其中西部比东部略高。     

北京市降雨侵蚀力及其空间分布

 通过对北京地区20个气象站雨量资料的回归分析,发现可用公式R=5.2562F1.3057F来估算北京的降雨侵蚀力,其中FF是由逐月雨量计算而来的一种指标。用此公式计算了北京113个站点的R值,绘制了降雨侵蚀力等值线图,发现北京的R值变化于2144.0～6682.7MJ·mm·hm-22·h-1·a-1。由北部和西部山地所组成的弧形山脉R值最高,并呈现向西北、东南方向递减的趋势。研究结果可为北京的水土保持规划和评价提供依据。