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。     

澜沧江流域卫星产品降尺度与融合方法

卫星降水产品具有覆盖范围广、更适用于无资料区域的优势,但分辨率较低、精度不足,为获取高时空分辨率、高精度的降水数据,需对卫星产品进行降尺度,并与地面观测数据融合,以提高数据质量。以澜沧江流域为例,在综合考虑地形、地理和植被等要素的基础上,建立地理加权回归（geographic weighted regression,GWR）模型对热带降雨测量卫星（tropical rainfall measurement mission,TRMM）和基于人工神经网络的遥感降水估计-气候数据记录（precipitation estimation from remotely sensed information using artificial neural networks-climate data record,PERSIANN-CDR）产品进行空间降尺度,再采用集合卡尔曼滤波算法,将地面气象站点经反距离加权插值法（inverse distance weighted,IDW）插值后的数据作为融合算法观测值,对降尺度后的TRMM、PERSIANN-CDR数据进行融合,以进一步提高降水数据精度。结果表明：...     

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。     

TMPA卫星遥感降水数据产品在中国大陆的干旱效用评估

为评估基于卫星遥感的高时空分辨率降水数据产品在干旱研究中的应用能力,该研究以标准化降水指数(standardized precipitation index,SPI)和标准化降水蒸散指数(standardized precipitation evapotranspiration index,SPEI)为例,以站点实测降水数据产品作为参考,评估了热带降水测量计划——多卫星降水分析(tropical rainfall measurement mission(TRMM)multi-satellite precipitation analysis,TMPA)3B42V7产品在中国大陆范围内1998-2015年间的干旱效用.结果表明:1)基于3B42V7计算的干旱指数总体上具有较高的精度,在中国东部大部分地区与基于降水实测数据的干旱指数相关系数均在0.8以上;2)基于西南和华北2个典型干旱发生地区的干旱时空变异评估结果表明,3B42V7能较为准确地反映干旱事件的发展过程和强度并能较好地捕捉干旱事件的空间模式,并且在大多数情况下单纯基于3B42V7数据计算的SPI指数即可满足干旱监测的要求;3)干旱事件识别能力评估结果表明,3B42V7产品能够较准确地识别和定位1998年以来的大范围干旱.TMPA产品能从时间和空间上刻画出中国大陆干旱的演变规律,适用于大尺度气象干旱的监测与评估.     

基于日降雨数据的辽宁省降雨侵蚀力初步分析

为了对降雨引起的土壤侵蚀力的潜在能力进行评估,在收集整理了辽宁省及周边22个气象台1965—2016年的逐日降雨量数据的基础之上,通过构建日降雨侵蚀力模型对研究区域的多年降雨侵蚀力进行计算和分析,并初步探讨了降雨侵蚀力在时空上的分布变化规律。研究表明:辽宁省降雨侵蚀力在空间上整体表现出由东南向西北方向逐级递减的趋势;降雨量与降雨侵蚀力的分布特征表现出明显一致性,且在年际变化上均呈现出不明显的上升趋势;年内降雨侵蚀力主要集中于每年的6~9月,并占全年的78.51%。研究成果可为辽宁省水土流失的准确预测并采取有效的关键性水土保持治理措施提供一定的参考依据和数据支撑。     

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。     

长江经济带降雨侵蚀力与NDVI耦合协调关系时空变异分析

为探究长江经济带降雨侵蚀力和植被覆盖关系之间的耦合作用及其与土壤侵蚀风险的关系,该研究基于逐日降水数据和逐月NDVI数据,使用日尺度的降雨侵蚀力计算模型和Mann-Kendall趋势检验方法分析了长江经济带月尺度的降雨侵蚀力和NDVI时空演变特征,并通过耦合协调度理论和Pettitt突变点检验识别了降雨侵蚀力与NDVI耦合协调关系的时空变异特征,最后讨论两者之间耦合协调关系变化的原因。结果表明：1)1965—2019年,7—10月长江经济带多年平均降雨侵蚀力在全区空间上分布比较均匀,其他月份多年平均降雨侵蚀力均呈现从东南向西北减少的空间分布格局。东部地区7月和9月的降雨侵蚀力呈现显著增加趋势（P<0.05）;2）不同月份NDVI在1999—2019年间显著增加的总面积比例均超过长江经济带总面积30%,NDVI显著减少面积主要在东部地区,该地区土壤侵蚀风险较大;3）降雨侵蚀力与NDVI耦合协调度的多年平均值呈现东高西低的空间分布格局,耦合协调程度整体较低,耦合协调度显著减少的区域主要位于中部和西南部,显著增加的区域主要位于东部;4）长江经济带东部地区面积占比较小的常绿针叶林、常绿阔...     

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。     

1901—2016年黄土高原降雨侵蚀力时空变化

为了研究横跨20世纪的百年尺度黄土高原降雨侵蚀力时空变化,该文首先验证了CHELSAcrust数据集的精度,并基于该数据集估算了黄土高原1901—2016年逐月降雨侵蚀力,最后分析了降雨侵蚀力的时空变化特征。结果表明:(1)CHELSAcrust数据集精度较高(Nash=0.79; R²=0.82),满足本文分析需求;(2)1901—2016年黄土高原年均降雨侵蚀力东南高、西北低,各地理分区降雨侵蚀力中,土石山区>河谷平原区>丘陵沟壑区>高原沟壑区>沙地沙漠区>农灌区。降雨侵蚀力显著变化区域集中于黄土高原中部地区,非显著变化区域分布在边缘地区;(3)1901—2016年黄土高原降雨侵蚀力变化不显著且无明显突变点,可划分为1901—1930年、1930—1980年和1980—2016年3个阶段;(4)黄土高原地区降雨侵蚀力变化存在周期性规律,2.62 a变化周期最显著,且变化周期与气候要素的波动周期基本一致。结果显示1901—2016年黄土高原降雨侵蚀力变化并不显著且存在周期性规律,其空间分布存在明显差异。     

基于高密度站网的中国降雨侵蚀力空间分布

降雨侵蚀力反映了雨滴击溅和径流冲刷引起土壤侵蚀的潜在能力,它与土壤、地形、地表覆盖以及水土保持措施等因子共同作用,决定着一个地区的实际土壤流失量。在严格数据质量控制的基础上,通过第一次全国水利普查水土保持情况普查“气象数据上报系统”收集到2032个站点1980（1981）-2009（2010）年侵蚀性日降雨量资料,结合646个国家基本气象台站1980-2009年日降雨量资料,利用冷暖季日降雨量估算侵蚀力模型,计算了2678个站点多年平均年降雨侵蚀力和24个半月降雨侵蚀力占年R值比例,并应用克里金空间插值方法,绘制了中国降雨侵蚀力空间分布图,为土壤侵蚀普查全国水力侵蚀强度计算提供了基础数据,其结果可为各地区水土保持规划服务。     

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.     

福建省1956—2013年降雨侵蚀力与厄尔尼诺-南方涛动（ENSO）的关系

选取1956-2013年福建省57个主要气象站点日降雨量数据,采用日降雨侵蚀力模型计算降雨侵蚀力,分析厄尔尼诺—南方涛动(ENSO)对福建省降雨侵蚀力的影响.结果表明,虽ENSO对福建省不同区域的气象站点的影响存在差异,但总规律为:(1)福建省降雨侵蚀力年际变化和年内变化较大,总体呈现略微波动上升的趋势;(2)福建省降雨侵蚀力与赤道太平洋中东部海洋表面温度(SST)距平值呈现极显著相关.厄尔尼诺(El Ni(n)o)时期降雨侵蚀力较拉尼娜(La Nina)时期大,但均低于福建省平均降雨侵蚀力;(3)降雨侵蚀力与南方涛动指数(SOI)和多变量ENSO指数(MEI)存在极显著相关.通过分析ENSO对福建省降雨侵蚀力影响,为福建省土壤侵蚀的预测和土壤保持提供参考和依据.     

河南省降雨侵蚀力时空变异特征

利用河南省119个气象台站自建站始至2003年的逐日降雨量资料,计算其所代表县(市)的逐年与平均降雨侵蚀力,并利用GIS等工具分析河南省降雨侵蚀力的时空变异特征。结果表明:河南省多年年均降雨侵蚀力总体趋势是由北向南递增,最大值出现在南部的新县、鸡公山、商城与桐柏、平舆,其值均超过7 000 MJ.mm/(hm2.h.a);河南省多年年均降雨侵蚀力排序结果可分为5个区域等级,基本与等值线一致;河南省各地的降雨侵蚀力在不同年份变异较大,FFT(快速傅立叶变换)表明无明显的年际周期性规律;河南省降雨侵蚀力的年内变化趋势表现为单峰型,侵蚀主要发生在7—9月份,集中度在北部区域均超过60%;河南省降雨侵蚀力与年侵蚀性降雨量或年侵蚀性降雨量和逐日侵蚀性降雨量之间存在极显著的线性相关性,相关系数分别为0.967 2和0.994 2。     

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。     

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。     

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.     

GPM与TRMM卫星降雨数据在福建省的适用性对比分析

降雨是引起土壤侵蚀的外部动力因素,卫星降雨产品能够有效地克服常规降雨观测数据在空间上的不连续性,具有明显空间分布优势。为了探究卫星降雨产品在福建地区的适应性,利用福建省22个全国气象站点的观测数据,分别对全球降雨测量GPM和热带降雨测量TRMM两种卫星降水数据在日、旬、月、季度几个不同时间尺度上进行了对比分析。结果表明:随着时间尺度增加,GPM和TRMM与地面实测数据的相关性都呈现出依次递增的现象,日均均方根误差RMSE^*逐渐降低,特别是由日到旬尺度变化时RMSE^*出现陡降,而旬和月的差异不大;卫星产品与站点实测数据拟合直线的斜率逐渐趋向于1。在日尺度上,相关性都小于0.5,RMSE^*均大于13 mm/d;在旬尺度上,相关性介于0.7~0.8,RMSE^*均小于5 mm/d;在月尺度上,两者与观测数据的相关性都大于0.9,GPM数据整体上精度优于TRMM数据,但是在福建东南沿海TRMM精度要高于GPM。在季度尺度上两种卫星产品的精度与季节总降雨量呈负相关,季节差异较大;夏季多雨时r值和K值低而RMSE最高,冬季少雨时与地面实测数据一致性高,r和K值最高而RMSE最低,春秋两季也有较好的精度;在不同的季节GPM各项指标均优于TRMM。综合不同时间尺度的结果,总体上,两种卫星降雨数据都具有较高的精度,其中GPM卫星降水数据在福建省的适用性较高,数据的空间分辨率更高,数据精度也略高,更适合于区域应用。