紫色丘陵区侵蚀性降雨与降雨侵蚀力特征

降雨侵蚀力（R值）的空间分布反映了区域气候对土壤侵蚀的作用。利用四川盆地紫色丘陵区多年实测降雨资料,应用频率分析法,推求该地区侵蚀性降雨的一般雨量标准,揭示该地区侵蚀性降雨及其侵蚀特征,进而运用降雨侵蚀力日降雨量计算方法,分析紫色丘陵区降雨侵蚀力时空分布特征。结果表明：1）紫色丘陵区顺坡休闲农耕地的侵蚀性降雨的一般雨量标准为11．3mm;2）紫色丘陵区多年平均总降雨量中有60％以上属于侵蚀性降雨,侵蚀性降雨主要集中于5—9月,其中7、8月年均侵蚀性降雨量和土壤侵蚀量最大,空间分布上表现为丘陵区边缘地区大于中部地区;3）紫色丘陵区年均R值介于5000～6500MJ／（mm·hm^2·h）之间,由丘陵区周边向中心逐渐减小,研究区北部的巴中、达县、阆中3站的年均降雨侵蚀力形成高值区,中部的遂宁站形成低值中心,北部大于南部,西部大于东部;4）紫色丘陵区R值主要由≥15mm的降雨构成,占76．9％-82．1％,年内集中度较高,主要分布在汛期5—10月份,占年R值的89％以上;5）R值的年际变化较大,达到中等程度变异,不同地区的R值年际变化差异较大,但并未表现出明显的随时间变化的增减趋势。     

侵蚀性降雨标准研究

建立侵蚀性降雨标准,是为了区分发生和不发生侵蚀和降雨事件,从而大大减少计算降雨侵蚀力的工作量,并提高土壤侵蚀预报精度。利用陕西团山沟小流域及所在3个小区1961－1969年的降雨过程资料,以漏选和多选降雨事件的降雨侵蚀力相等为原则,分别建立了黄土高原坡面侵蚀的侵蚀性降雨雨量标准12mm,平均雨强标准0.04mm/min,最大30min雨强标准0.25mm/min。其中时段雨强标准筛选精度最高,可剔除88％以上的降雨事件,只有5.3％的错选度。其次是平均雨强标准,雨量标准筛选精度最差。漏选降雨侵蚀力之和与多选降雨侵蚀力之和相抵为原则建立的侵蚀性降雨标准,对于计算降雨侵蚀力,提高土壤侵蚀预报精度,具有重要意义。     

降雨侵蚀力研究进展

降雨是导致土壤流失的动力因素,降雨侵蚀力反映由降雨引起土壤侵蚀的潜在能力,准确评估计算降雨侵蚀力是定量预报土壤流失的重要环节.本文回顾总结了国内外降雨侵蚀力的研究进展,在此基础上提出了我国今后降雨侵蚀力研究的发展方向.     

海南省东方市60年来降雨量及降雨侵蚀力变化趋势

[目的]分析海南省东方市降雨量、侵蚀性降雨量及降雨侵蚀力在不同时间尺度上的趋势变化及其相关性,为该区生态环境建设、水土流失治理及土壤侵蚀机理研究提供科学支持。[方法]根据该地区1956-2015年60a的逐日降雨量数据资料,采用变异系数、趋势系数和气候趋势率分析不同时间尺度的降雨、侵蚀性降雨和降雨侵蚀力的变化趋势。[结果](1)东方市1956—2015年60a来年均降雨量、年均侵蚀性降雨量、年均降雨侵蚀力分别为982.9±36.9mm,816.1±37.6mm和9 441.7±554.2 MJ·mm/(hm~2·h·a),变异系数分别为29.1%,35.7%,45.5%。(2)60a来降雨量、侵蚀性降雨量及降雨侵蚀力年际变化均呈一定的增加趋势,趋势系数分别为0.129,0.156,0.198。季、月尺度上变化差异较大,但总体变化格局相似,均呈单峰型分布。(3)降雨量、侵蚀性降雨量及降雨侵蚀力两两之间有极强的线性相关性,且乘幂方程较线性回归方程能更好的反映两两之间的关系。[结论]60a来降雨量、侵蚀性降雨量、降雨侵蚀力均呈现较明显的年际增加趋势,且两两之间呈幂函数关系。     

安徽大别山区降雨侵蚀力指标的研究

<正> 降雨侵蚀力(R)是引起土壤侵蚀的潜在能力。它与雨滴能量、降雨强度等因子的大小有着密切的关系,直接决定着土壤侵蚀强度。开展R指标的研究,观测资料的选取尤为重要,资料的精度、系列的长短以及下垫面因素如何,都会直接影响到分析结果。我们对岳西水保站的观测资料进行了比较,选取3号、4号两个径流小区的实测资料进行分析。这两个小区的坡度分别为20°、18°,资料年限为7年(1984～1990年),样本数均为32个。     

晋西黄土高原降雨侵蚀力研究(续)

<正> 三、晋西黄土高原降雨侵蚀力的时空分布规律 (一)侵蚀性降雨基本雨量标准的确定 每一场天然降雨都具有一定的侵蚀能力。由于土壤具有一定的抗蚀性,因而微量的降雨虽也具有侵蚀力,但不会发生土壤流失。我们所研究的是能够产生土壤流失的降雨,即侵蚀性降雨。为了求得晋西黄土高原降雨侵蚀力的定量数值,必须首先确定出这一地区侵蚀性降雨的基本雨量标准,以便收集资料,开展研究工作。     

基于日降雨信息的月降雨侵蚀力模型

在分析浙江省兰溪和嵊州8年共402次自记降雨过程资料的基础上,提出了月侵蚀性雨量(Pmer)、月侵蚀性降雨日数(Dmer)和月内最大3日雨量(Z3m)等3个指标,同时定义了Pmer、Dmer和Z3m的计算方法,并将其引入到降雨侵蚀力模型之中。结果发现:利用Pmer、Dmer和Z3m等指标所建立的月降雨侵蚀力模型,其相对偏差为9·9%,而传统单因子雨量指标所建立的模型,其相对误差为21·6%,显然,前者优于后者。     

亚马逊河流域西部的日降雨侵蚀力模型

本文根据亚马逊河流域西部La Cuenca观测站两年间所发生的降雨侵蚀资料,得出由R因子所表达的降雨侵蚀力通用方程式。由日降雨总量顶报降雨侵蚀力和由每次降雨总量预报降雨侵蚀力是比较接近的。这里介绍的是在亚马逊河流域试验的Richard模型及其系数的应用。     

陕北丘陵沟壑区降雨侵蚀力指标研究

降雨侵蚀力（Ｒ）是引起土壤侵蚀的潜在能力，是降雨物理特征的函数。Ｒ值的计算方法众多，且过程繁锁，该就陕西省黄土高原治理研究所农耕地标准径流小区（１９８３－１９９１年）观测资料，运用计算机技术，采用灰色系统理论中关联分析的方法，对Ｒ指标的不同复俣参数与土壤侵一的关系进行了系统分析，并在回归分析的基础上，对一次降雨（特别是短历时暴雨）的总动能简化计算方法进行了有益的探讨，推导出一个简化计算式。     

赣北红壤坡地侵蚀性降雨的特征分析

通过对赣北红壤坡地上为期6 a(2001-2006年)的定点观测,研究确定了该区域侵蚀性降雨的雨量及雨强标准分别为11.20 mm和0.88 mm/h,并建立了降雨侵蚀力因子"R=∑E·I30"的最佳算式;通过降雨侵蚀力的分析计算,该区多年平均侵蚀力为8695.43 J·mm/(m2·h),年内分布上主要集中在夏季;研究中还拟合了该区降雨侵蚀力预报简易算法,结果表明当年降雨总量产生10%的波动时,会导致年降雨侵蚀力总量27%的变化.     

陕西省降雨和风蚀气候侵蚀力时空分布特征

[目的]研究陕西省不同区域降雨侵蚀力和风蚀气候侵蚀力的时空分布特征、突变特征和周期特性等,为陕西水土流失防治和生态建设提供科学依据。[方法]利用陕西省96个气象站1981—2020年气象观测资料计算了全省降雨侵蚀力和风蚀气候侵蚀力,采用气候趋势分析、空间插值、M-K检验、小波分析等方法,分析了陕西省风蚀、水蚀气候侵蚀力时空分布特征、突变和周期特征等。[结果](1)全省1981—2020年降雨侵蚀力为2 719.6 MJ·mm/(hm²·h),空间差异性较大,呈现南高北低的空间分布。陕西省风蚀气候侵蚀力为3.18,呈现北高南低的空间分布特征。(2)近40年陕西省降雨侵蚀力年际波动较大,呈现微弱上升趋势,但未通过显著性检验。全省降雨侵蚀力经历了先减小后增大的变化趋势,目前处于降雨侵蚀较大的年代。陕西省风蚀气候侵蚀力年际波动较大,但无显著变化趋势。风蚀气候侵蚀力近40年先增强后减弱,大部分地区风蚀气候侵蚀力在20世纪90年代最强,目前处于最弱的年代。(3)降雨侵蚀力主要以6—9月较大,最大值出现在7月,风蚀气候侵蚀力则以冬春两季较大,4月最大,二者具有明显的非同步性。(...     

湖北省侵蚀性降雨时空分布特征

侵蚀性降雨是南方红壤区剧烈水蚀的原动力,因此分析其时空分布特征对于区域内水土保持相关研究有十分重要的意义。选取国家气象数据网站数据(2014—2020年)、结合水土保持监测站点人工观测数据(2016—2019年),对湖北省4个水土保持分区24个监测站点的侵蚀性降雨标准及降雨侵蚀力进行了分析、计算,并用克里格模型进行插值。结果表明：湖北省整体的降雨侵蚀力从西北到东南逐渐增加,与降雨量的空间分布表现出相同特征,同时降雨量与侵蚀性降雨量表现出高度协同性。全省年平均降雨量813.88～1 590.15 mm(2014—2020年),多年平均年降雨量为1 201.98 mm,多年平均侵蚀性年降雨量为603.53 mm。多年平均侵蚀性年降雨量占多年平均年降雨量的50.21%,多年平均侵蚀性降雨频次(天数)为14次,平均次侵蚀性降雨量为46.88 mm。根据多年平均半月侵蚀力计算结果分析可知,湖北省全省多年平均年降雨侵蚀力值为6 650.10 MJ·mm/(hm²·h·a)。省内年内降雨侵蚀力时间分布基本符合正态分布。4—10月总降雨侵蚀力值为6 202.10 MJ·mm/(h...     

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。     

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。     

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。     

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。     

西部黄土丘陵区不同草地土壤侵蚀对侵蚀性降雨的响应

[目的]研究西部黄土丘陵区人工和天然草地对不同类型侵蚀性降雨的响应,为该区植被建设和水土流失防治提供指导。[方法]利用甘肃省定西市安家沟径流场2007—2015年的观测数据,分析侵蚀性降雨因素对坡度为20°的人工草地和天然草地土壤侵蚀的影响。[结果]西部黄土丘陵区的侵蚀性降雨分布在5—9月,其中7—8月的侵蚀性雨量较大,其侵蚀量占年均侵蚀的70%以上。两种不同类型的草地侵蚀量均与PI10相关性最好。该区域侵蚀性降雨主要是中雨和大雨,造成的草地侵蚀量占年均侵蚀的86%。中、高雨强型降雨的侵蚀量分别占人工、天然草地总量的90.8%和91.2%,其侵蚀量与PI10,PI30呈较好的幂函数关系。大于300 MJ·mm/(hm2·h)的高侵蚀力型降雨引起的侵蚀量最大,分别占人工、天然草地总侵蚀量的32.3%和33.4%;50~100MJ·mm/(hm2·h)的中侵蚀力型降雨次数最多,而引起人工、天然草地的侵蚀占相应总量的26.0%和29.1%。[结论]人工草地(盖度75%~82%)和天然草地(盖度80%)的侵蚀性降雨量标准分别为11.3和11.9mm,最大I10标准分别为10.4和11.7mm/h。天然草地比人工草地具有更好的水土保持效果。     

近50年青海省风蚀气候侵蚀力时空演变趋势

利用青海省43个气象站1961—2010年的观测资料,选择联合国粮农组织给出的风蚀气候因子指数计算公式,计算了青海省风蚀气候因子指数值,以此阐述了风蚀气候侵蚀力的基本特征。结果表明,多年平均风蚀气候因子指数C值得分布范围为-12.9～160.1,整个青海省的平均值为32.4;从空间分布来看,C值由西北部向东南部呈减小趋势,最大值出现在柴达木盆地的茫崖;风蚀气候因子指数具有显著的月际和季节变化,春季最大,冬季次之,夏季最小;近50 a来风蚀气候因子指数总体上呈现减小趋势,说明风蚀气候侵蚀力在降低;风蚀气候侵蚀力主要受风速的制约,与降水和沙尘暴日数的关系不显著。