黄土高原不同地貌类型区降雨侵蚀力时空特征研究

通用土壤流失方程USLE是迄今为止较为成熟,应用较广的土壤侵蚀预报模型,区域降雨侵蚀力R及其分布特征是将USLE应用于较大地区的关键.以日降雨量计算侵蚀力模型为基础,建立了黄土高原月降雨量计算降雨侵蚀力模型.用黄土高原235个气象站点1971-2000年30 a的月降雨量数据,计算得各站点的时间序列月降雨侵蚀力和年降雨侵蚀力,通过Kriging空间插值方法生成降雨侵蚀力时空分布栅格图像,并分析了不同地貌类型区降雨侵蚀力的时空特征.黄土高原降雨侵蚀力空间分布从东南到西北呈梯度递减趋势,范围在300～7 500,平均不到3 000,不同地貌类型区从大到小依次为土石山区、丘陵沟壑区(延安)、高塬沟壑区、丘陵沟壑区(榆林)、丘陵区(陇西);降雨侵蚀力年内分布主要集中于7,8两月,年际变化上存在一个2.7 a的波动周期,波动范围在多年平均值的1倍以上,不同地区相差较大.     

GIS支持下的长江上游降雨侵蚀力时空分布特征分析

降雨侵蚀力是土壤侵蚀评估模型中的一个基本因子,利用长江上游361个测站1961-2004年日雨量资料估算降雨侵蚀力R值,利用GIS空间分析功能,获得长江上游降雨侵蚀力分布图、降雨侵蚀力年际变化趋势图、各区域R值平均年内分配曲线,在此基础上分析长江上游降雨侵蚀力时空分布特征。研究表明长江上游降雨侵蚀力的地域差异十分显著,与降雨量空间分布近似,由东向西减少,且降雨侵蚀力大的区域与多雨中心和暴雨中心分布基本一致。降雨侵蚀力年际变化存在明显的空间差异性,在一些地区年降雨侵蚀力的变化与年降雨量的变化趋势不一致。各区域降雨侵蚀力年内分配曲线为尖峰状分布,降雨侵蚀力十分集中。     

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。     

沂河流域1961-2010年降雨侵蚀力时空分布特征

[目的]分析沂河流域近50 a的降雨量和降雨侵蚀力的时空变化特征,为流域水土流失防治及土地利用合理规划等工作提供参考.[方法]利用沂河流域及周边12个气象站1961-2010年的日降雨数据,基于日降雨信息的月降雨侵蚀力模型计算流域多年平均降雨侵蚀力,采用Mann-Kendall非参数检验法及析取Kriging内插法分析流域降雨量和降雨侵蚀力的时空变化特征.[结果]沂河流域降雨量和降雨侵蚀力空间分布上呈现出由西南向北逐级递减的变化趋势.多年平均降雨量为789.41 mm,多年平均降雨侵蚀力为2 626.09(MJ·mm)/(hm2·h·a),两者都在1965年产生突变;降雨量和降雨侵蚀力年内分布主要集中在夏季(6-8月),分别占全年比例的63.02％和71.22％,二者最大值都出现在7月,且秋季对流域多年降雨量的减少趋势贡献最多,夏季的降雨侵蚀力上升幅度最大.[结论]沂河流域的降雨量和降雨侵蚀力空间分布趋势相似,不同月份的降雨量与降雨侵蚀力差异不同.     

黄土高原降雨侵蚀力时空分布

降雨侵蚀力时空分布规律定量研究是进行土壤侵蚀预报的基础。利用231个气象站多年平均年雨量资料估算了黄土高原地区多年平均降雨侵蚀力,并绘制了等值线图。利用17个气象站日雨量和日雨强资料估算了半月降雨侵蚀力及其年内分配特征。全区降雨侵蚀力变化于327~4416MJ.mm/(hm2.h.a)之间,等值线图显示降雨侵蚀力的空间分布与年降水量的空间分布规律十分相似,大致从东南向西北递减。半月降雨侵蚀力占年侵蚀力的累积频率表,为估算土壤侵蚀方程中土壤可蚀性因子和植被覆盖—管理因子提供了基础。侵蚀力年内分配集中度指标反映出黄土高原R值年内分配集中度很高,且多集中在6—9月,集中度最大的达96.4%,最小的也有66.9%。     

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.     

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。     

基于重心模型的西南山区降雨侵蚀力年内变化分析

降雨-植被耦合特征是决定土壤侵蚀的关键性要素,研究降雨侵蚀力的年内变化特征对于揭示不同区域降雨-植被的耦合特征、判定土壤侵蚀的危险期具有重要意义。该文利用中国西南山区439个气象站、水文站的逐日降雨量资料,估算了每个台站逐月降雨侵蚀力,并应用重心模型分析了西南山区降雨侵蚀力的年内变化特征。研究结果表明:西南山区春、夏、秋、季四季降雨侵蚀力变化明显,夏季最高,冬季最低。各季节的降雨侵蚀力空间分布与降水量相似,都表现出东南向西北逐渐递减的趋势。降雨侵蚀力年内分配曲线主要有"单峰型"和"双峰型"2种,绝大多数地区降雨侵蚀力年内分配曲线是"单峰型",峰值出现在6月、7月或8月份,青藏高原区域降雨侵蚀力年内分配曲线是"双峰型",有6月和9月2个峰值。从东南部向西北部,降雨侵蚀力峰值出现的月份不断推后。西南山区降雨侵蚀力重心年内先向北迁移,然后向南迁移,形成一个循环,这展示了季风气候影响下的西南山区降雨侵蚀力年内变化特征。     

1960-2017年贵州省不同水系降雨侵蚀力时空变异特征

[目的]研究喀斯特生态脆弱区降雨侵蚀力区域特征,为区内水土流失防治、生态保护等工作提供科学参考.[方法]基于贵州省33个气象站点1960-2017年逐日降雨资料,利用空间插值、线性趋势、重心模型、突变检验、聚类分析等方法,对比分析了不同水系降雨侵蚀力时空变异特征.[结果]贵州省不同水系多年降雨侵蚀力以波动下降趋势为主,...     

西藏地区降水侵蚀力时空分布研究

以2000-2008年的TRMM 3B42数据为基础,在ARC/INFO软件提供的地图代数运算功能支持下,利用日降水量估算降水侵蚀力,对西藏地区降水侵蚀力及其年内分配和年际变化的空间分布特征进行了分析.结果表明,西藏地区降水侵蚀力大体呈由东南向西北递减的趋势,地区差异大.降水侵蚀力年内分配集中度呈由东南向西北增加的趋势,降水侵蚀力越小的地区,年内降水侵蚀力分布越集中.西藏自治区降水侵蚀力在2000-2008年的年际变化同样存在空间分异,整体上呈现降低的趋势.     

基于GIS的黑龙江省降雨侵蚀力时空变化分析

基于黑龙江省32个气象台站近40 a的日降雨量数据计算半月降雨侵蚀力,构建了GIS基础数据库。通过Kriging方法对平均降雨侵蚀力进行插值,运用趋势分析法,从时间和空间上对黑龙江省降雨侵蚀力演变特征进行了分析。结果表明:(1)各气象台站半月平均降雨侵蚀力在时间分布上呈单峰型集中于4月下半月至10月上半月,先逐渐增加,7-8月达到最大值,随后逐渐降低。(2)半月平均降雨侵蚀力在空间分布上存在较大差异,7-8月差异最为显著,7月下半月平均降雨侵蚀力呈全年最大值。(3)该省范围内平均降雨侵蚀力1972-1981年最小,1982-1991年最大,1992-2001年、2002-2011年较1982-1991年平均降雨侵蚀力呈持续递减趋势。(4)该省近40 a平均降雨侵蚀力具有较强的空间相关性,多年平均降雨侵蚀力自西向东、由北至南呈明显的抛物线状分布趋势,伊勒呼里山向北、松嫩平原自东向西、三江平原自西向东、小兴安岭由南至北、张广才岭、老爷岭由北至南,呈明显递减趋势分布。     

长江流域降雨侵蚀力时空变化及成因分析

基于1961－2017年均一化逐日降水资料，采用线性回归及Mann-kendall 显著性检验、Spearman秩偏相关、广义极值分布等方法对长江流域年降雨侵蚀力及侵蚀性的降雨特征时空分布特点、变化趋势和成因、10年一遇次降雨侵蚀力极端变化进行分析，并从总体趋势和极端变化角度综合探讨导致土壤水蚀加剧的气候危险性格局，为长江流域生态环境保护、可持续发展及制定针对性精细化水土保护措施和流域治理提供参考。结果表明：1）1961－2017年，长江流域年降雨侵蚀力和年侵蚀性的降雨量、降雨日数、雨强变化速率增加，雨强增加趋势明显；2）流域和大部分分区年降雨侵蚀力增加主要受年侵蚀性降雨量和雨强增加变化的影响，多数分区因雨强的显著增加起主导作用；3）71.6%的站点年降雨侵蚀力变化速率增加，10年一遇次降雨侵蚀力1961－2017年相对1961－1990年时段增加的站点比例为61.2%；4）1961－2017年年降雨侵蚀力增加趋势和/或10年一遇次降雨侵蚀力后一时段增加，均可能造成土壤水蚀加剧的危险，长江流域水蚀气候危险性增加的站点范围广，比例多达81.5%，对水土流失预防和治理十分不利。     

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。     

珠江流域1960―2012年降雨侵蚀力时空变化特征

降雨侵蚀力反映了降雨对土壤侵蚀的潜在能力,研究其时空变化特征对流域土壤侵蚀监测、评估、预报和治理等工作具有重要意义。根据珠江流域43个气象站1960-2012年逐日降雨资料计算各站点降雨侵蚀力,采用线性回归,Mann-Kendall方法,小波分析和Kriging插值等方法对流域降雨侵蚀力进行了时空变化分析。结果表明:珠江流域多年平均降雨侵蚀力值的分布范围为1 858.0~14 656.6 MJ·mm/(hm2·h),平均值为7 177.1 MJ·mm/(hm2·h),与多年平均降雨量极显著相关(相关系数0.952,P0.01),空间分布规律与多年平均降雨基本一致,即总体上均呈从东到西逐渐递减的规律,被统计站点的降雨侵蚀力随着经度增加而增加,但随纬度增加而减少;流域年、季节、汛期和非汛期降雨侵蚀力变化趋势均不显著,均没有发生显著的突变,其中春、秋两季降雨侵蚀力呈下降趋势,其余时间段呈上升趋势;珠江流域大部分地区年降雨侵蚀力呈上升的趋势,其中韶关站点上升显著,沾益站、风山站、河池站、百色站、柳州站、融安站和桂林站的冬季降雨侵蚀力同样上升显著,这些地区面临的水土保持压力较大;流域年均降雨侵蚀力变化主周期为3.8 a,且存在2.0~7.0 a的振荡周期。研究结果可为珠江流域的水土保持、农业和生态保护,灾害控制等工作提供科学决策依据。     

1961—2020年沂蒙山区降雨侵蚀力时空变化特征

为了分析沂蒙山区降雨侵蚀力的时空变化特征,利用沂蒙山区20个国家气象站1961—2020年的逐日降雨数据,采用日降雨侵蚀力模型、Mann-Kendall趋势/突变检验法、累积距平法、小波分析、反距离加权插值(IDW)等方法进行了系统的研究。结果表明:沂蒙山区年均降雨侵蚀力为5 081.59(MJ·mm)/(hm²·h·a),且年际变化呈现波动上升的变化趋势; 年降雨侵蚀力存在22 a的主周期和7 a的次周期; 降雨侵蚀力年内多集中在汛期6—9月份,占全年的84.15%; 除秋季外,春季、夏季和冬季的降雨侵蚀力均呈现上升的变化趋势; 年均降雨侵蚀力空间上由东南向西北呈带状逐渐递减; 各气象站变异系数的范围是0.32～0.53,地区差异比较明显,西部地区相对较大,南部地区相对较小。沂蒙山区降雨侵蚀力的时空分布特征与侵蚀性降雨分布基本一致,并且集中分布在汛期,因此要加强研究区汛期尤其是7月、8月份的水土流失防治工作,可为研究区水土流失的监测、预报及治理等提供决策依据。     

Rainfall erosivity in Cape Verde

This paper presents rainfall erosivity values derived from a 7-year rainfall recording in the Cape Verde islands, Central East Atlantic. The data set consisted of 63 storm events, continuously registered in 15-min intervals. Kinetic energy of storm rainfall corresponded to established values in other tropical locations. Two algorithms to estimate erosivity, expressed as energy times intensity, using daily rainfall or storm depth and duration as predictor variables are derived. Erosivity of design storms for various return frequencies is calculated for some locations in Santiago island. An indicative range for the annual rainfall erosion R-index is given. Data analysis further showed the extreme seasonal concentration of precipitation and erosivity at this location, with a very high fraction of total annual erosivity contained in the annual maximum 24-h rainfall.     

浙江省降雨侵蚀力变化特征分析

根据浙江省83个气象站1980-2009年逐日雨量资料,采用日降雨侵蚀力模型,运用Mann-Kendall非参数检验和径向基函数插值等方法,研究了该省降雨侵蚀力变化的时空分布特征。结果表明,近30a来浙江省多年降雨侵蚀力长期变化趋势不显著,但冬季呈显著上升趋势,1和12月为上升趋势的主要贡献月份;浙江省多年平均降雨侵蚀力由西北向东南递增,月、季降雨侵蚀力变化趋势显著的集中区主要位于浙中浙北地区,但夏季降雨侵蚀力较大,上升趋势显著的集中区位于该省东南部,该地区降雨潜在侵蚀动能较大,是水土保持的重点区域。     

Applying the USLE Family of Models at the Sparacia (South Italy) Experimental Site

Soil erosion is a key process to understand the land degradation, and modelling of soil erosion will help to understand the process and to foresee its impacts. The applicability of the Universal Soil Loss Equation (USLE) at event scale is affected by the fact that USLE rainfall erosivity factor does not take into account runoff explicitly. USLE‐M and USLE‐MM, including the effect of runoff in the event rainfall–runoff erosivity factor, are characterized by a better capacity to predict event soil loss. The specific objectives of this paper were (i) to determine the suitable parameterization of USLE, USLE‐M and USLE‐MM by using the dataseries of Sparacia experimental site and (ii) to evaluate their performances at both event and annual scale. The measurements allowed to establish the relationships for calculating the factors of USLE, USLE‐M and USLE‐MM usable at the Sparacia experimental area. At first, for slope‐length values greater than 33 m, the calibration of USLE model at event scale pointed out that sediment delivery processes, that is processes involving deposition of the transported eroded soil particles, occur. The analysis showed that USLE and USLE‐M tend to overestimate low event soil losses, while for USLE‐MM, this tendency is less pronounced. However, the USLE‐MM performed better than USLE and USLE‐M and was able to reproduce better than other two models the highest soil loss values that are the most interesting from a practical point of view. The results obtained at annual scale were generally consistent with those obtained at event scale. Copyright © 2016 John Wiley & Sons, Ltd.