基于日雨量的延安地区降雨侵蚀力动态特征分析

延安地区是黄土高原水土流失最为严重的地区之一.利用延安气象站1951-2005年的日降雨量数据,采用日雨量侵蚀力模型估算延安地区降雨侵蚀力,结果表明:该地区降雨侵蚀力主要集中在6-9月,占到了全年的85.6%.年降雨侵蚀力的平均值为1 765.73 MJ·mm/(hm2·h),55年间,年降雨侵蚀力变异程度适中,从整体上看,趋势保持平稳,其离差系数Cυ和变异趋势系数r分别为0.41和-0.071.     

日降雨对降雨侵蚀力年雨量简易算法的影响分析

使用重庆市沙坪坝气象站1951—2010年日降雨数据构建降雨侵蚀力年雨量简易算法,分析年雨量简易算法预测精度,确定了年雨量算法预测精度最高时对应的日雨量,并进一步探讨了年降雨侵蚀力和降雨参数的时间变化特征。结果表明:(1)年雨量与年降雨侵蚀力呈指数关系。日雨量≥25mm的年雨量与年降雨侵蚀力的关系最为密切;采用日雨量≥25mm的年雨量算法预测年降雨侵蚀力的精度均优于其他日雨量对应算法。(2)1951—2010年年降雨侵蚀力与年降雨参数随时间变化趋势不显著。对于某一变化趋势时段,日雨量≥25mm的年雨量与时间的相关系数和年降雨侵蚀力与时间的相关系数数值相近。可使用日雨量≥25mm的年雨量作为替代指标分析水土流失对气候变化的响应。该文研究结果可为提高降雨侵蚀力简易算法预测精度,深入理解降雨侵蚀力对气候变化的响应以及区域水土流失防治提供参考。     

利用日雨量模型进行伏牛山区降雨侵蚀力的初步研究

利用河南省鲁山县水保站4年共49次降雨过程资料,分别采用EI30法、CREAMS模型算式、Richardson算式和我国郭新波的修正日雨量模型计算了伏牛山区降雨侵蚀力。结果发现区域内降雨侵蚀力主要发生在6~8月,可占年R值的78%,峰值出现在7月,R值降峰值较出现雨量峰值不太一致;三个日雨量模型的验证结果以CREAMS模型较好,但仍不宜直接使用,应该根据区域降雨特性选择更加合适的参数。     

基于日降雨的沂蒙山区降雨侵蚀力时空变化研究

降雨侵蚀力是水土流失最为重要的外部驱动力,是土壤侵蚀相关领域的研究重点。以沂蒙山区及周边38个气象台站1971—2008年逐日降雨量资料为数据源,利用基于日降雨信息的月降雨侵蚀力模型,估算了研究区多年月、年降雨侵蚀力,并初步分析了降雨侵蚀力的时空分布规律。结果表明:沂蒙山区降雨侵蚀力总体趋势为西北、中南高,北部低,泗水县、曲阜市东部一带是研究区降雨侵蚀力的高值中心;R值与年降雨量和年侵蚀性降雨量的年际变化趋势基本一致,但也有部分异常年份;沂蒙山区降雨侵蚀力年内主要集中分布在6—9月份,占全年的97.07%,其中最大月降雨侵蚀力出现在7月份,占年降雨侵蚀力的51%。研究结果可为该区域水土流失预报、农业面源污染状况预报等提供理论依据。     

武汉降雨侵蚀力特征与日降雨侵蚀力模型研究

本研究利用武汉市蔡店水保试验站25年的降雨过程资料分析了该市降雨侵蚀力的季节、年际和次分布特征,建立了一个基于日降雨量的降雨侵蚀力预测模型。研究表明:武汉市降雨侵蚀力集中分布在4~9月,高峰值出现在7月;不同年份的降雨侵蚀力差异很大,变异系数达到0.43,且降雨侵蚀力年际变化呈现负趋势,年倾向率达-253.3 M J.mm/(hm2.h)。次降雨的Ri值分布振幅很大,年降雨侵蚀力主要集中在几次降雨过程中。本研究提出的日降雨侵蚀力预测模型能反映降雨侵蚀力的季节分布,模型的决定系数f为0.86,偏差系数σ为2.2%。     

鄱阳湖流域日降雨的侵蚀性雨量标准研究

确定日降雨的侵蚀性雨量标准是提高基于日降雨数据的降雨侵蚀力模型计算精度的重要前提.利用鄱阳湖流域降雨数据,采用最小偏差法,确定该流域日降雨的侵蚀力雨量标准.结果表明:(1)鄱阳湖流域次降雨的侵蚀性雨量标准为14.0 mm,降雨侵蚀力偏差系数为1.8％,土壤侵蚀损失率2.8％,降雨场次错选度为14.9％.(2)流域内各站...     

内蒙古黄土丘陵沟壑区降雨侵蚀力时间变化规律研究

降雨侵蚀力指由降雨引起土壤侵蚀的潜在能力,是影响土壤侵蚀的最主要因子之一。以内蒙古准格尔旗沙圪堵气象站45年的日降雨资料为基础,选取适合本地区的降雨侵蚀力模型,分析内蒙古黄土丘陵沟壑区的降雨量与降雨侵蚀力的关系。结果表明年降雨侵蚀力曲线与年降雨量曲线走向基本上是一致的。年内降雨侵蚀力分布与降雨量的年内分布规律也基本相同,所不同的是降雨侵蚀力的季节变化要明显大于降水量的季节变化。二者的回归关系比较表明,降雨量与降雨侵蚀力的关系以幂函数关系表示,相关性系数最大,并且月降雨量与降雨侵蚀力的相关性要明显比年降雨量与降雨侵蚀力的相关性增强,这主要是受降雨强度的影响。降雨侵蚀力在年内主要集中在6~9月,以8月最大。     

几种降雨侵蚀力模型在潋水河流域的对比研究

在分析江西兴国县潋水河流域东村水文站1967～2005年逐日降雨资料的基础上,利用国内外常用的6种降雨侵蚀力计算模型,即周伏建等(A)、章文波等(B)、吴素业(C)、史志华等(D)、Wischmeier等(E)和CREAMS(F)模型,分别计算其降雨侵蚀力大小。用有效系数和相对偏差对各模型的计算结果进行了分析。结果表明:模型C比较理想,在计算降雨侵蚀力时具有较高的有效系数(0.97)和较低的相对偏差(0.073)。月雨量模型(A、C、E)与日雨量模型(B、D、F)相比,具有较高的有效系数和较低的相对偏差,说明月雨量模型要优于日雨量模型。从趋势系数来看,这两类模型的趋势系数均值分别为0.058和0.196,均为正值,说明39年来潋水河流域年降雨侵蚀力的年际变化呈增加趋势;后者高于前者,说明用日雨量模型计算的年R值,其增加趋势高于月雨量模型。     

广东省降雨侵蚀力时间变化初步分析

降雨侵蚀力是反映降雨引起土壤侵蚀的潜在能力。本文利用广东省26个基本气象站点的多年逐日降雨资料，计算并初步分析了降雨侵蚀力的时间变化特征。结果表明，广东省降雨侵蚀力主要集中于4-9月份(雨季)，其占全年的84．8％，根据季节分布特征，可划分为三个类型区：第一类型区分布于粤北、粤东北、粤西北的内陆山区，第二类型区分布于粤中、粤东和粤西部分地区，第三类型区分布于广东省南端的电白、吴川和雷州半岛地区，各类型区之间的季节分布有明显差异；在降雨侵蚀力的年际变化上，1961-2001年间大部分地区呈现不同程度的正趋势，最大趋势系数(r)可达0．326，其年际变化特征与降雨量和降雨强度相关。     

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。     

不同降雨侵蚀力模型在江苏省的比较研究

 研究降雨侵蚀力时空分布特征,准确评估降雨对土壤侵蚀的潜在作用,对土壤流失的预报、水土保持规划等具有积极的意义。利用江苏省2001—2006年260个站点的自记降雨资料和3个降雨侵蚀力模型,对降雨侵蚀力进行不同计算方法的模拟对比,并对江苏省降雨侵蚀力的空间分布进行研究。结果表明:雨量降雨强度模型相对于经典算法的动能降雨强度模型,模拟精度达91.56%,在江苏地区具有一定的适用性;建立的简易雨量模型,数据获取更加便捷,与雨量降雨强度模型相比较,模拟精度达92.81%,在江苏省有一定的推广性;江苏省的降雨侵蚀力空间分布不均匀,具有明显的高值和低值区,R值在年际间变化较大,2003年最大达372.15MJ.mm/(hm2.h.a),2004年最小为168.98 MJ.mm/(hm2.h.a);在江苏省北部和西南地区,特别是连云港等降雨侵蚀力较高城市,应特别加强水土流失的预防和监测。     

Natural disaster in the mountainous region of Rio de Janeiro state,Brazil: Assessment of the daily rainfall erosivity as an early warning index

Rainfall erosivity is defined as the potential of rain to cause erosion. It has great potential for application in studies related to natural disasters, in addition to water erosion. The objectives of this study were: i) to model the R_day using a seasonal model for the Mountainous Region of the State of Rio de Janeiro (MRRJ); ii) to adjust thresholds of the R_day index based on catastrophic events which occurred in the last two decades; and iii) to map the maximum daily rainfall erosivity (R_maxday) to assess the region's susceptibility to rainfall hazards according to the established R_day limits. The fitted R_day model presented a satisfactory result, thereby enabling its application as a R_day estimate in MRRJ. Events that resulted in R_day > 1500 MJ ha^?1.mm.h^?1. day^?1 were those with the highest number of fatalities. The spatial distribution of R_maxday showed that the entire MRRJ has presented values that can cause major rainfall. The R_day index proved to be a promising indicator of rainfall disasters, which is more effective than those normally used that are only based on quantity (mm) and/or intensity (mm.h^?1) of the rain.     

Rainfall erosivity estimation over the Tibetan plateau based on high spatial-temporal resolution rainfall records

The Tibetan Plateau (TP) in China has been experiencing severe water erosion because of climate warming. The rapid development of weather station network provides an opportunity to improve our understanding of rainfall erosivity in the TP. In this study, 1-min precipitation data obtained from 1226 weather stations during 2018–2019 were used to estimate rainfall erosivity, and subsequently the spatial-temporal patterns of rainfall erosivity in the TP were identified. The mean annual erosive rainfall was 295 mm, which accounted for 53% of the annual rainfall. An average of 14 erosive events occurred yearly per weather station, with the erosive events in the wet season being more likely to extend beyond midnight. In these cases, the precipitation amounts of the erosive events were found to be higher than those of the daily precipitations, which may result in implicit bias as the daily precipitation data were used for estimating the rainfall erosivity. The mean annual rainfall erosivity in the TP was 528 MJ mm·ha^?1·h^?1, with a broader range of 0–3402 MJ mm·ha^?1·h^?1, indicating a significant spatial variability. Regions with the highest mean annual rainfall erosivity were located in the forest zones, followed by steppe and desert zones. Finally, the precipitation phase records obtained from 140 weather stations showed that snowfall events slightly impacted the accuracy of rainfall erosivity calculation, but attention should be paid to the erosion process of snowmelt in the inner part of the TP. These results can be used as the reference data for soil erosion prediction in normal precipitation years.     

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。     

Rainfall erosivity map for Brazil

Rainfall erosivity is the potential ability for rainfall to cause soil loss. Erosivity can be quantified by means of the R factor calculation of the universal soil loss equation (USLE). The purpose of this study was to investigate the spatial distribution of annual rainfall erosivity in Brazil. For each of eight Brazilian regions covering the whole of the territory of Brazil, one adapted equation was applied using pluviometric records obtained from 1600 weather stations. A geographic information system (GIS) was used to interpolate the values and to generate a map showing spatial variations of erosivity. The annual values of erosivity ranged from 3116 to 20,035 MJ mm ha⁻¹ h⁻¹ year⁻¹. The region with highest annual values was the extreme northwestern, while the northeastern region showed the lowest annual values of erosivity. For the most part of the Brazilian territory, December and January revealed the highest erosivity values, while the lowest values were observed from June to September.     

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。     

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.     

日照市降雨侵蚀力时空分布特征

为掌握山东省日照市降雨侵蚀力时空分布特征,提高日照市水土保持规划与决策的科学性,利用日照市水利局雨量遥测系统61个雨量站点2005-2014年日降雨资料计算降雨侵蚀力,并运用Excel 2013、ArcGIS 10等工具分析日照市降雨侵蚀力的时空分布特征.结果表明:1)从年度变化来看,日照市站均年度降雨侵蚀力最大值(2008年)是最小值(2014年)的2.90倍,站均汛期降雨侵蚀力最大值(2007年)是最小值(2014年)的3.74倍.从月度变化来看,降雨侵蚀力主要集中在5-9月,尤其集中在7-8月.2)从空间分布来看,各站点年均降雨侵蚀力、汛期降雨侵蚀力呈现东南沿海地区较高、内陆地区较低、中部地区最低的特征,变化范围分别在2 942.07 ～4 921.45、2 694.36～3 921.78 MJ· mm/(hm2·h·a)之间,分区县看,岚山区最高,东港区次之,莒县和五莲县较低;各月的降雨侵蚀力重点也不尽相同.3)从时间变异来看,站均年度降雨侵蚀力变化范围在1 831.55 ～5 306.12 MJ·mm/(hm2·h·a)之间,均值、中值分别为3 826.01、4 053.62 MJ·mm/(hm2·h·a),标准差1 089.46MJ·mm/(hm2·h·a),变异系数28.48％;站均月度降雨侵蚀力变化范围在1.23 ～1 171.93 MJ·mm/(hm2·h·a)之间,均值、中值分别为318.83、61.51 MJ·mm/(hm2·h·a),标准差397.99 MJ· mm/(hm2·h·a),变异系数124.83％.4)从空间变异来看,各站年均降雨侵蚀力变化范围在2 755.23 ～5 061.15 MJ·mm/(hm2·h·a)之间,均值、中值分别为3 826.01、3 730.97 MJ·mm/(hm2·h·a),标准差512.81 MJ·mm/(hm2·h·a),变异系数13.40％.本研究结果可为日照市水土保持规划与决策、土壤侵蚀预报等提供参考.     

降雨侵蚀力简易算法地区适用性的初步探讨c

 为寻求一种计算简便、地域适用性强的降雨侵蚀力计算方法,利用河南省鲁山县和北京市延庆县2地392次降雨过程,采用经典算法计算其次降雨侵蚀力,分年统计得到研究地各年的年降雨侵蚀力值。以此为基准值,对卜兆宏建立的年降雨侵蚀力计算模型在2地的适用性进行分析评价,同时对目前几类侵蚀力模型的优缺点进行讨论。结果显示:新算法结果与经典值存在高度的一致性,一致率高达90.1%,模型有效系数为0.98,相对误差为0.03。表明该年降雨侵蚀力模型具有较强的地域推广性,且计算简便,在我国的类似地区具有推广应用价值。     

山东省降雨侵蚀力多年变化特征分析

 降雨侵蚀力变化特征分析是揭示土壤水蚀对降水变化响应的基础,为水土保持规划及管理提供依据。利用1951—2008年山东省22个气象站的降雨资料,采用Mann-Kendall非参数检验等方法,计算并分析了该省58年降雨侵蚀力变化的时间及空间特征。结果表明:山东省年降雨侵蚀力序列总体上未呈现显著增减趋势,这与占全年比例最高的夏季降雨侵蚀力未有明显变化相关;但通过季、月值的时间序列检验,春、冬季降雨侵蚀力有明显的升高趋势,特别2、5和12月升高显著。空间分布上,山东各地降雨侵蚀力变化趋势的差异明显,分布有国家级、省级水土流失重点治理区的鲁中南呈明显升高趋势,应作为未来防治重点区域。