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。     

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.     

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。     

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。     

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.     

贵州省降雨侵蚀力时空分布规律分析

降水是导致土壤侵蚀的主要动力因素,降雨侵蚀力反映了降雨对土壤侵蚀的潜在能力。贵州省是我国典型的生态环境脆弱区之一,水土流失十分严重。以全省19个气象台站1951—2001年逐日降雨资料,利用日降雨侵蚀力模型,估算了贵州省降雨侵蚀力,分析了其时空分异规律。结果显示近50a来贵州省降雨侵蚀力呈增加趋势,即由降雨引起的土壤水蚀潜在能力增加。降雨侵蚀力年内分配主要集中在夏季,占年均降雨侵蚀力的68.48%。在空间分布上,降雨侵蚀力由南向北递减,并且在西南部和东南边缘形成侵蚀力高值中心,在西北部形成低值中心。根据年降雨侵蚀力的季节分配特征,可以将贵州省划分为3个类型区。     

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%。     

基于TRMM数据的巴基斯坦降雨侵蚀力估算及空间降尺度模拟

中巴经济走廊是一带一路建设的旗舰项目。降雨侵蚀力是反映区域资源环境承载能力的重要指标,开展境外高精度降雨侵蚀力遥感估算研究对中巴经济走廊建设具有重要意义。基于TRMM(Tropical Rainfall Measuring Mission)卫星3B42降雨数据估算了巴基斯坦的降雨侵蚀力,并结合气象、植被、地形等因子构建了空间降尺度模型,将降雨侵蚀力的空间分辨率提高到1km。结果表明:(1)空间降尺度模型模拟的降雨侵蚀力与TRMM 3B42降雨数据估算的降雨侵蚀力显著相关(R~2=0.94),降雨侵蚀力的空间降尺度结果能更加详细地刻画巴基斯坦降雨侵蚀力的空间分布格局,尤其是地形起伏较剧烈的北部山区和俾路支东缘;(2)巴基斯坦境内2010年的年降雨侵蚀力平均值为524.15(MJ·mm)/(hm~2·h·a),分布范围为0.58~5 929.85(MJ·mm)/(hm~2·h·a),整体上呈现出东部高西部低的空间格局,且高值区主要分布在伊斯兰堡、门盖拉镇、锡亚尔科特-拉合尔-萨希瓦尔沿线,以及卡拉奇等城镇附近区域。     

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。     

河南省降雨侵蚀力时空变异与不同算法比较研究

利用河南省119个气象台站自建站至2003年间不同年限的逐日降雨量资料,采用不同方法分别计算了河南省各县(市)不同时段的降雨侵蚀力,对不同算法的时空差异进行了比较。结果表明:河南省多年平均降雨侵蚀力总体趋势是由北向南、由西向东递增,最大值出现在南部的鸡公山、新县与商城;各地点的降雨侵蚀力在不同年份变异较大,无明显的周期性等规律;各种算法均可表现出时空变化特征,但具体数据差异较大。认为以逐日降雨量为基础的3种算法比较接近实际情况,其中CREAMS模型因其计算简便性可进行较广泛应用。     

黑龙江省降雨侵蚀力的变化规律

 利用黑龙江省16个气象站1960—2000年日降雨量资料,采用日降雨量侵蚀力模型计算降雨侵蚀力,对黑龙江省降雨侵蚀力变化规律及其与降雨量的关系进行分析。结果表明:1)黑龙江省1960—2000年年降雨侵蚀力、年降雨量、侵蚀性降雨量都呈升高的趋势,年降雨侵蚀力、年降雨量和侵蚀性降雨量变化速率分别为1.47MJ.mm/(hm2.h.a)、0.29 mm/a和0.35mm/a;2)黑龙江省16个气象站中有11个气象站降雨侵蚀力倾向率为正值,牡丹江降雨侵蚀力升高幅度最大,为15.6MJ.mm/(hm2.h.a),有5个气象站的倾向率为负值,其中齐齐哈尔降雨侵蚀力降低幅度最大,为-16.8MJ.mm/(hm2.h.a);3)16个气象站除哈尔滨、克山、呼玛、通河外,侵蚀性降雨时间变化对侵蚀性降雨量变化的作用大于侵蚀性降雨强度变化对侵蚀性降雨量变化的作用,显示大部分站点侵蚀性降雨量变化主要由侵蚀性降雨时间变化引起的。研究结果可为土壤侵蚀预报以及水土保持规划与决策提供依据。     

基于多种算法的小安溪流域降雨侵蚀力时空演变特征

降雨侵蚀力是土壤侵蚀预报模型中的重要指标,精确计算降雨侵蚀力能够提高区域水土流失预报精度。该研究以长江上游末端支流小安溪为研究区域,基于流域内国家基本站点近10年逐分钟降雨数据,采用K均值聚类法进行侵蚀性降雨雨情分类;以通用土壤流失方程计算降雨侵蚀力的结果为标准,在6种不同时间尺度的计算模型中优选简易算法,应用推荐模型计算长序列逐日降雨侵蚀力并分析其时空演变特征。结果表明：1）研究区侵蚀性降雨可分为3类,I类为主要的降雨类型,产生的降雨侵蚀力最小,仅33.90 MJ·mm/(hm2·h);Ⅲ类最剧烈,达1 176.86 MJ·mm/(hm2·h);2）优选日降雨量模型B计算得到1960-2018年的平均降雨侵蚀力为2 037.14～2 464.71 MJ·mm/(hm2·h);铜梁站点在研究时段内增加3.66%,其余站点呈下降趋势,永川变化幅度最大,减少12.39%;年内变化呈双峰特征,高值期集中于5-9月,春冬和夏秋季节降雨侵蚀力的空间差异性明显;3）空间变化特征方面,多年平均降雨侵蚀力从上游向下游依次递增,小安溪流域汇入干流涪江处水力侵蚀潜在危险最大。该研究结果可为小安溪流域水土保持提供理论和方法借鉴。     

1980-2013年闽西地区降雨侵蚀力时空变化特征

闽西地区是福建省土壤侵蚀重点防治区,为研究闽西地区降雨侵蚀力的时空分布格局,根据1980-2013年闽西地区9个站点的逐日降雨数据,利用日雨量模型来计算降雨侵蚀力,采用线性回归、气候倾向率、Mann-Kendall检验和反距离加权插值法(IDW)等方法对区域降雨侵蚀力的时空变化进行分析.结果表明:1)闽西地区多年平均降雨侵蚀力为9 504 MJ·mm/(hm2·h),与降雨量呈极显著正相关(P＜0.o1);2)空间上西高东低,与降雨量分布规律基本一致;3)降雨侵蚀力的年内分布主要集中在3-8月,占到全年的80.12％;4)1980-2013年期间研究区降雨量呈微下降趋势,而整体上降雨侵蚀力呈略微增加趋势,但未达到显著水平(P＞0.05),其中其在夏季呈现上升趋势,而在春秋冬3季呈现下降趋势;5)34年内降雨侵蚀力分别在1995和2002年发生突变.该研究可为该区域土壤侵蚀危险性评估和土壤侵蚀治理工作提供依据.     

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.     

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.     

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。