大同市降雨侵蚀力时间变化特征分析

 为适时地采取侵蚀的预防措施,采用基于日降雨量的半月降雨侵蚀力计算方法、气候趋势系数法、降雨集聚指数法等,对大同市年降雨侵蚀力的变化特征、年内降雨侵蚀力变化特征进行分析。结果显示:大同市年降雨侵蚀力具有周期波动特征,趋势系数显示大同市区每10年降雨侵蚀力上升21.8MJ.mm.hm-2.h-1,其他县区每10年降雨侵蚀力具有不同程度的减少趋势。年内分析结果显示,大同市降雨侵蚀力主要分布在6—9月,集聚指数介于20.85～23.67之间,均大于均匀分布时8.3的水平。     

长江上游水蚀区降雨侵蚀力的时空分布特征

降雨侵蚀力的时空分布特征对于分析和认识土壤侵蚀规律十分重要.根据长江上游7个省市的704个站点1981-2010年30 a的逐日降雨量资料计算了多年平均降雨侵蚀力R值,多年平均半月降雨侵蚀力及其占年降雨侵蚀力的比例,并分析了长江上游水蚀区降雨侵蚀力的空间分布规律.结果表明,长江上游水蚀区的降雨侵蚀力R值范围为273～11 394MJ·mm/(hm2·h· a);受地形的影响R值的空间分布有3个高值区,位于四川省峨眉山市、贵州省毕节地区和湖北省宜昌市附近;建立了多年平均降雨量和降雨侵蚀力R值的关系,相关系数R2达到0.80;研究区降雨侵蚀力的年内分布集中度较大,均值为69％,主要集中在5-10月.     

1951-2018年韶关不同量级降雨侵蚀力变化

降雨是引起土壤水蚀的主要动力因子之一,为探讨韶关市不同量级降雨对土壤水蚀特征造成的影响,选取1951—2018年韶关市逐日降雨量数据,采用日降雨侵蚀力模型计算降雨侵蚀力,利用变异系数、趋势系数分析不同时间尺度各量级降雨侵蚀力的变化.结果表明:(1)68年来韶关市年均降雨侵蚀力为9314(MJ·mm)/(hm2·h·a)...     

渭河流域降雨侵蚀力时空分布特征

[目的]揭示渭河流域降雨侵蚀力的时空变化特征,为区域水土保持规划提供依据。[方法]根据渭河流域及其周边范围30个气象站点1957—2014年逐日降雨资料,采用章文波日降雨量侵蚀模型计算各站点的降雨侵蚀力,分析其空间分布规律和年内分布特征。[结果]渭河流域多年平均降雨侵蚀力值分布范围为806.25~3 510.81 MJ·mm/(hm2·h),平均值1 798.97 MJ·mm/(hm2·h),与多年平均侵蚀性降雨的空间分布基本一致,总体呈现西北低东南高的趋势。渭河流域降雨侵蚀力年内变化呈单峰型,主要集中在7—9月,占全年降雨侵蚀力的63.91%。北部黄土高原地区和关中平原发生水土流失的时期集中在7—9月,而秦岭北麓地区5—10月均有可能发生较大的水土流域,侵蚀风险由西北向东南递增。流域降雨侵蚀力年际波动较大,年际变率Cv值在34%~56%之间,整体而言,流域西北部地区的降雨侵蚀力年际变化幅度大于东南部地区。除洛川、长武、环县、平凉4个站点降雨侵蚀力在研究时段内有所增大外,其余地区降雨侵蚀侵蚀力呈不同速率的减小趋势。[结论]渭河流域降雨侵蚀力时空分布差异显著,尽管流域降雨侵蚀力呈减弱趋势,由于流域地处黄土高原,水土保持与水源涵养工作仍需高度重视。     

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。     

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.     

试验研究三峡库区大宁河流域降雨侵蚀力的时空变化

[目的]分析流域降雨侵蚀力时空变化规律,为水土流失预报及水土保持措施科学配置提供依据。[方法]以三峡库区大宁河流域内13个雨量站41 a 日降雨资料为基础,采用侵蚀力简易模型,分析了该流域降雨侵蚀力的年内分配和年际变化规律,并在软件 ArcGIS 10．2支持下,探讨流域降雨侵蚀力时空变化特征。[结果]大宁河流域年均降雨侵蚀力为7245．55 MJ ? mm／（hm2? h ? a）,它在空间上与流域降雨分布特征基本一致,呈现由东、西向流域中部逐渐减小的趋势,而南北差异较小;最大和最小降雨侵蚀力分别位于流域西北部的建楼站和南部的巫山站;降雨侵蚀力多年变化范围为3619．55～11109．14 MJ ? mm／（hm2? h ? a）。降雨侵蚀力的年内分布呈双峰型,集中程度高,4—10月占全年的95％。[结论]大宁河流域降雨侵蚀力和降雨变化年内分配一致,侵蚀力时空特征除与流域降雨量分布密切相关外,还与区域降雨格局及地形地貌等因素有关。     

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。     

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%。     

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。     

赣江上游平江流域降雨侵蚀力的时空分布特征

[目的]研究赣江上游平江流域降雨侵蚀力的时空变化规律,为流域治理措施的制定提供参考。[方法]利用平江流域内10个雨量站点1989—2018年共30 a的日降雨量数据,采用降雨侵蚀力日降雨简易计算模型和Mann-Kendall趋势检验等方法,对平江流域降雨侵蚀力的时间分布规律进行研究;借助ArcGIS 10.1中的克里金插值法对平江流域的降雨侵蚀力进行空间分析。[结果]平江流域降雨侵蚀力在1989—2018年间平均值为4 233 MJ·mm/(hm~2·h·a),最大值为6 766.5 MJ·mm/(hm~2·h)(2015年),最小值为2 191 MJ·mm/(hm~2·h)(2003年);流域内30 a降雨侵蚀力变化较为平稳,年际间呈现出不显著的增加趋势,年内分布同降水量一致,表现为双峰型,分别在6月和8月。降雨侵蚀力在空间上表现为由东北向中南方向递减,而后向西南方向递增,最大值出现在北部城冈站附近,最小值出现在中南部龙口站附近。[结论]平江流域降雨侵蚀力的时空分布特征与流域内降水时空分布基本一致。对流域水土流失防治工作而言,春季应尤其注意降雨侵蚀力较大且出现上升趋势的流域北部地区,夏季和冬季应更加注意流域西南部。     

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.     

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。     

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。     

关川河流域1995-2010年降雨特征及其水土流失效应

依据定西关川河流域1995-2010年的水文站监测数据,分析了该地区降雨特征及其水土流失效应。结果表明:(1)流域降雨事件主要发生在5-9月,7-8月降雨量达到全年最高值,而侵蚀性降雨主要发生在7-8月15a间侵蚀性降雨日数占总降雨日数的9.53%侵蚀性降雨量占总降雨量的39.41%。(2)15a间共观测到1|123d降雨,降雨总量达4866.98mm多年平均降雨量304.19mm,年际变化趋势不明显,每年约10%的侵蚀性降雨事件造成土壤侵蚀。(3)河川径流量与输沙量呈极显著正相关关系(p<0.001),二者均呈波动减少的趋势当表层土壤处于缺水状态时,降雨对土壤侵蚀的影响延迟。(4)由于影响土壤水蚀的因素错综复杂,降雨量、侵蚀性降雨量和降雨侵蚀力均不能独立反映流域土壤侵蚀过程。     

1980-2009年闽东南地区降雨侵蚀力的时空分布特征

[目的]揭示闽东南地区降雨侵蚀力的时空变异特征,为区域水土流失防治及水土保持规划提供依据。[方法]基于闽东南地区1980—2009年26个雨量站的逐日降雨数据,运用福建省降雨侵蚀力简易算法。[结果]闽东南地区降雨侵蚀力年内分布集中于5—8月,呈现双峰式分布;降雨侵蚀力年际间变化幅度较大。1982年年降雨侵蚀力(R值)低至253.82(MJ·mm)/(hm2·h),2006年R值高达725.39(MJ·mm)/(hm2·h),极值比为2.86;30a内的闽东南地区的降雨侵蚀力并未出现明显的突变现象。[结论]研究区内降雨侵蚀力R值空间分布不均匀,总体上呈现沿海向内陆增加,西南高东北低的趋势。     

The Warrumbungle Post‐Fire Recovery Project—raising the profile of soils

The impacts of a wildfire and subsequent rainfall event in 2013 in the Warrumbungle National Park in New South Wales, Australia were examined in a project designed to provide information on post‐fire recovery expectations and options to land managers. A coherent suite of sub‐projects was implemented, including soil mapping, and studies on soil organic carbon (SOC) and nitrogen (N), erosion rates, groundcover recovery and stream responses. It was found that the loss of SOC and N increased with fire severity, with the greatest losses from severely burnt sandstone ridges. Approximately 2.4 million t of SOC and ~74,000 t of N were lost from soil to a depth of 10 cm across the 56,290 ha affected. Soil loss from slopes during the subsequent rainfall event was modelled up to 25 t ha^?1, compared to a long‐term mean annual soil loss of 1.06 t ha^?1 year^?1. Groundcover averages generally increased after the fire until spring 2015, by which time rates of soil loss returned to near pre‐fire levels. Streams were filled with sand to bank full levels after the fire and rainfall. Rainfall events in 2015–2016 shifted creek systems into a major erosive phase, with incision through the post‐fire sandy bedload deposits, an erosive phase likely related to loss of topsoils over much of the catchment. The effectiveness of the research was secured by a close engagement with park managers in issue identification and a communications programme. Management outcomes flowing from the research included installation of erosion control works, redesign of access and monitoring of key mass movement hazard areas.     

河北省山区降雨侵蚀力的时空变化特征

[目的] 探究河北省山区降雨侵蚀力时空变化特征,为该区水土流失治理措施的制定和实施提供科学依据。[方法] 应用时间变化分析和空间分布分析对河北省山区2000-2018年降雨侵蚀力进行分析。[结果] 时间趋势中燕山山区年降雨侵蚀力呈波动上升趋势,主周期为11 a,在2009年发生突变,春、秋两季呈波动下降趋势,主周期分别为8和11 a,春季无突变点,秋季在2001年发生突变,夏季呈波动波动上升趋势,9 a为主周期,在2010年发生突变;太行山区年降雨侵蚀力呈波动下降趋势,主周期为6 a,无突变点,夏、秋两季呈波动上升趋势,主周期分别为8和10 a,均无突变点,春季呈波动下降趋势,主周期为8 a,在2006年发生突变;空间分布中,年均降雨侵蚀力范围为1 063.39~5 127.44 MJ·mm/（hm²·h）,燕山山区由西到东年及夏季平均降雨侵蚀力先增长后降低再增长,太行山区中由南向北年、夏季平均降雨侵蚀力逐渐降低,春、秋两季降雨侵蚀力分布规律较为多变。[结论] 通过对河北省山区降雨侵蚀力的分析,得出河北省山区夏季水土流失最为严重,燕山山区部分地区尤为突出。     

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.