东北地区降雨-径流侵蚀力研究

降雨-径流侵蚀力反映了降雨和融雪及其径流潜在的侵蚀能力。东北地区融雪侵蚀十分显著,进行土壤侵蚀预报时,需要计算降雨侵蚀力,也要求推算融雪径流侵蚀力。利用21个典型流域水文站径流泥沙资料及相应雨量站点资料,推导融雪径流侵蚀力（Rw）估算方法;利用全区234个气象站降水资料,提出了不同类型降水资料计算年降雨-径流侵蚀力（Rτ）的方法,并分析其空间分布特征。结果表明：在降雪量占年降水量≥10％的地区,融雪径流侵蚀力可利用多年平均11-翌年4月降水量P11-4估算：Rw=33.124P^0.5845 11-4;若有逐日降水量资料,则可在计算出融雪径流侵蚀力基础上,利用日降雨量计算降雨侵蚀力（R）,二者之和为年降雨-径流侵蚀力（Rτ）;若无逐日降水资料,则可采用平均年降雨量P计算年降雨-径流侵蚀力,Rτ=0.0668P^1.626.6;本区Rτ值变化于523.3-8243.4MJ·mm／（hm^2·h·a）之间,大致从西北向东南递增。研究成果有助于提高土壤侵蚀预报精度,为本区水土保持规划提供依据。     

金沙江流域降雨侵蚀力时空分布特征

[目的]分析金沙江流域降雨侵蚀力的时空分布的变化特征,为优化流域土壤流失定量评估及水土保持规划编制工作提供支持。[方法]利用气象台站降水资料验证了TRMM降水数据估算降雨侵蚀力在金沙江流域内的适用性,并结合气象站、TRMM和DEM数据,在Arc/Info软件提供的地图代数运算功能支持下,利用日雨量模型估算降雨侵蚀力开展分析和研究。[结果]1998—2015年TRMM 3B42降水数据和气象站降水数据估算金沙江流域多年平均的总体精度达到了82%,说明二者估算降雨侵蚀力的结果在合理误差范围内,金沙江流域降雨侵蚀力大体呈由东南向西北递减的趋势,地区差异大。总体上,高程越小的地区,降雨侵蚀力越大。流域年际变化同样存在空间分异,整体上呈现降低的趋势。[结论]将TRMM 3B42降水数据应用于气象站点稀疏的金沙江流域的多年平均降雨侵蚀力估算是可行的。但是各个站点估算结果的一致性高低程度不同,且某些年份的适用性程度受极端气候的影响。     

北京地区降雨侵蚀力简易计算方法研究

降雨侵蚀力反映了降雨对土壤侵蚀影响的潜在能力。降雨侵蚀力经典算法所需的降雨过程资料较难获得,一般利用各种类型雨量资料建立降雨侵蚀力的简易算法,为模型的参数输入服务。利用北京10个水文站25年2 894次降雨过程资料。其中5个站点用于建立日、月、年降雨侵蚀力简易计算公式,另外五个站点用语模型检验。研究结果表明,不同类型雨量资料估算降雨侵蚀力的精度不同,用日或月雨量资料直接估算日或月降雨侵蚀力时,模型的误差较大。用日、月或年雨量估算年降雨侵蚀力时,模型的误差较小,约有一半的样本相对误差绝对值小于20%,三个模型相比,日雨量模型估算的平均相对误差最小。用日、月或年雨量估算多年平均年降雨侵蚀力时,模型的误差最小,所有样本的相对误差绝对值均小于20%,平均相对误差绝对值最小值只有0.8%,最大值也小于7%,三个模型相比,日雨量模型的估算精度最高。因此在具体应用过程中可以根据资料的占有情况来决定相应的降雨侵蚀力估算模型。本研究结果可以为北京地区土壤侵蚀量估算和水土资源评价提供参数服务。     

1964—2014年大连市降雨侵蚀力时空演变分析

基于大连市1964—2014年21个气象站点平均月降水量,估算其降雨侵蚀力,应用Arc GIS的kriging空间插值功能及地统计分析模块中的趋势分析方法,分析了大连市降雨侵蚀力时空分布规律,结果表明:在选取的3个典型站点中,大连站1964—2014年的降雨侵蚀力呈现增加趋势,瓦房店站呈减少趋势且下降幅度明显,而庄河站变化相对较小;大连市降雨侵蚀力呈自西南向东北递增的空间分布格局,不同站点降雨侵蚀力数据差值较大。     

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。     

沂蒙山区降雨侵蚀力空间分布推算方法

以沂蒙山区88个雨量站点1980—2010年日降水数据为基础,采用普通克里格法和回归克里格法对多年平均降雨侵蚀力进行空间插值预测,分析评价不同空间插值方法预测结果的精度及差异性,掌握沂蒙山区降雨侵蚀力及空间分布特征。结果表明:1)2种方法降雨侵蚀力插值结果空间分布规律一致,但回归克里格法对局部变异性描述更为精确;回归克里格法降雨侵蚀力预测值与实算值接近,降雨侵蚀力预测相对精度较普通克里格法提高53.64%。2)沂蒙山区降雨侵蚀力最大值为5 438.22 MJ·mm/(hm2·h·a),最小值3 033.23 MJ·mm/(hm2·h·a),均值4 133.92 MJ·mm/(hm2·h·a);半方差函数分析显示,年均汛期降雨量和年均侵蚀性降雨量是影响降雨侵蚀力空间变异的主要因素。3)沂蒙山区降雨侵蚀力空间分布上遵循从南向西北和东北2个方向逐渐递减的特征,降雨侵蚀力在沂蒙山区空间分布上属中等变异,但在县域尺度空间分布上呈弱变异(邹城除外)。     

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。     

中国降雨侵蚀力的时空分布及重现期研究

降雨侵蚀力是土壤侵蚀模型USLE的一个重要因子。基于中国中东部水蚀区18个气象站1961(1971)-2000年逐分钟降水数据和全国范围内774个气象站1961-2016年逐日降水数据,采用克里金插值方法,得到全国多年平均年、多年平均24个半月、不同重现期年和次侵蚀力空间分布特征,可满足USLE模型对侵蚀力因子相关参数输入的要求。交叉验证结果表明:以上所有指标的空间插值模型精度较好,模型有效系数NSE不低于0.74,偏差百分比PBIAS低于1%,均方根误差与观测值标准差的比值RSR小于等于0.51。侵蚀力年内变化曲线具有较好的区域相似性,使用K均值聚类分析方法将中国侵蚀力年内变化特征划分为4个区域,每个区域概化出一条侵蚀力年内变化曲线。     

CMORPH数据在吉林省降雨侵蚀力计算中的应用

基于气象站点降雨数据,对30 min时间分辨率的CMORPH遥感反演降雨数据进行精度分析,并采用CMORPH数据计算吉林省2016年降雨侵蚀力,得到了以下结论:①CMORPH数据与气象站点数据相比较,整体相关系数大于0.6,日降雨量和月降雨量平均误差较小,可以较为准确地反映吉林省降雨状况;②通过高时相的CMORPH数据计算得到降雨侵蚀力,既可以满足空间上的精确性,又可以排除非侵蚀性降雨的干扰,计算结果较为精确;③吉林省2016年平均降雨侵蚀力为537.48 MJ·mm/(hm^2·h·a),其中松原市平均降雨侵蚀力最高,延边朝鲜族自治州最低。     

四种网格化降水产品估算中国大陆区域降雨侵蚀力比较

降雨侵蚀力反映了降雨对土壤侵蚀的潜在能力,准确评估降雨侵蚀力对水土保持规划和水土流失治理具有重要意义。近年来,网格化降水产品在计算中国的降雨侵蚀力方面发挥了积极作用,但不同降水产品存在一定的区域差异性。因此,为评估各类降水产品在不同区域的适应性以利于降雨侵蚀力的准确估计,该研究选用了4种网格化降水产品：中国逐日网格降水量实时分析系统数据集（China gauge-based daily precipitation analysis,CGDPA）、中国区域地面气象要素数据集（China meteorological forcing dataset,CMFD)、中国地面降水日值0.5°×0.5°格点数据集（v2.0）(Dataset of gridded daily precipitation in China(Version2.0),CN0.5)、热带降水测量计划—多卫星降水分析测量产品（tropical rainfall measurement mission-multisatellite precipitation analysis,TRMM-TMPA）3B42V7,采用日降雨侵蚀力...     

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.     

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))。     

Effect of time resolution of rainfall measurements on the erosivity factor in the USLE in China

Rainfall erosivity, one of the factors in the Universal Soil Loss Equation, quantifies the effect of rainfall and runoff on soil erosion. High-resolution data are required to compute rainfall erosivity, but are not widely available in many parts of the world. As the temporal resolution of rainfall measurement decreases, computed rainfall erosivity decreases. The objective of the paper is to derive a series of conversion factors as a function of the time interval to compute rainfall erosivity so that the R factor computed using data at different time intervals could be converted to that computed using 1-min data. Rainfall data at 1-min intervals from 62 stations over China were collected to first compute the ‘true’ R factor values. Underestimation of the R factor was systematically evaluated using data aggregated at 5, 6, 10, 15, 20, 30, and 60-min to develop conversion factors for the R factor and the 1-in-10-year storm EI₃₀ values. Compared with true values, the relative error in R factor using data at fixed intervals of ≤10min was <10% for at least 44 out of 62 stations. Errors increased rapidly when the time interval of the rainfall data exceeded 15 min. Relative errors were >10% using 15-min data for 66.1% of stations and >20% using 30-min data for 61.3% of stations. The conversion factors for the R factor, ranging from 1.051 to 1.871 for 5 to 60-min data, are higher than those for the 1-in-10-years storm EI₃₀, ranging from 1.034 to 1.489 for the 62 stations.     

基于降雨量和降雨时间的月降雨侵蚀力简易算法——以陕北黄土丘陵沟壑区为例

 降雨侵蚀力简易算法是较大尺度应用USLE/RUSLE进行土壤侵蚀评价研究的必要内容。基于降雨量和降雨时间建立月降雨侵蚀力计算模型,并以陕北黄土丘陵沟壑区为例,进行模型的拟合。结果表明:随着自变量中降雨量和降雨时间表示方式的改变,模型的拟合优度表现出明显的差异;对于不同因变量而言,以ΣEI30(或lg(ΣEI30))和以ΣEI10(或lg(ΣEI10))为因变量的模型拟合优度在整体上比较接近甚至相同,而以ΣE60I10(或lg(ΣE60I10))为因变量的模型拟合优度在整体上略低;就尺度效应而言,在时间尺度上,整个汛期的模型拟合优度低于1个月份或多个月份模型的拟合优度,在空间尺度上,区域模型中的拟合优度低于至少1个流域的模型拟合优度;在实际应用中,可以选择以ΣEI30为因变量的月降雨侵蚀力公式对该区域进行土壤侵蚀评价。     

1961-2015年吉林省降雨侵蚀力的时空变化特征

[目的]分析吉林省1961-2015年降雨侵蚀力的时空变化趋势,为该省的农业和生态保护、水土保持等工作提供科学依据.[方法]利用吉林省46个自动气象站1961-2015年逐日降雨量资料估算吉林省逐气象站的降雨侵蚀力,并采用相关系数、气候倾向率和反距离空间插值方法分析吉林省降雨侵蚀力的时空变化趋势.[结果]吉林省年平均降雨侵蚀力在空间分布上从集安开始呈向西北和东北逐渐递减的变化趋势,其空间分布特征与年平均降水量的空间分布特征基本一致.时间分布上与多年平均降水量的时间分布特征具有高度一致性,在7月达到峰值.有34.8％的气象站点降雨侵蚀力呈上升趋势,中、西部大部分地区呈下降趋势,东部有1/2以上呈上升趋势,但只有长白站的下降趋势通过显著性检验.不同地区各年代平均降雨侵蚀力变化也不一致,具有波动性.不同年代各降雨侵蚀力等值线在空间分布上总体变化不大.[结论]吉林省降雨侵蚀力在时空变化上与降水量一致,不同地区降雨侵蚀力变化趋势不一样,几乎没有通过显著性检验.     

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.     

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。