杜文濤,周 萍,趙萌醒,楊會贇

[中國地質(zhì)大學(北京) 地球科學與資源學院, 北京 100083]

我國土壤侵蝕嚴重，據(jù)第二次全國土壤侵蝕遙感調(diào)查，我國水土流失面積占土地總面積的37.42%，年土壤流失量49.8億t[1]。為了定量研究土壤侵蝕的程度，很多國家都在探索建立土壤侵蝕模型，如1965年美國的WISCHMEIER等建立的通用土壤流失方程(USLE)、1993年美國農(nóng)業(yè)部頒布的RUSLE模型、中國的劉寶元提出的中國土壤流失方程(CSLE)等。在眾多土壤侵蝕模型中降雨一直是主要參數(shù)之一，因此準確計算降雨侵蝕力是土壤侵蝕定量化的重要環(huán)節(jié)。

關(guān)于降雨侵蝕力的計算，各國學者通過小區(qū)試驗與現(xiàn)實狀況相結(jié)合，提出了各種模型。最具權(quán)威性的是美國學者WISCHMEIER et al.[2]利用美國8 000多個小區(qū)試驗資料，提出的用降雨總動能(E)乘以最大30 min降雨強度(I30)計算降雨侵蝕力，這種方法是基于雨滴下落、沖刷的物理機理建模，但需要大量數(shù)據(jù)支持。之后，美國學者FOSTER et al.[3]提出用降雨量與最大30 min降雨強度的乘積計算降雨侵蝕力。日本學者大味新學和我國學者張憲奎等提出用最大10 min降雨強度或最大60 min降雨強度代替最大30 min降雨強度計算[4-6]。針對大面積土壤侵蝕的計算往往缺乏長時間、高時相的降雨數(shù)據(jù)的問題，黃炎和等[7-9]提出了利用站點日降雨數(shù)據(jù)或月降雨數(shù)據(jù)計算降雨侵蝕力的簡便計算公式。然而這些公式也存在一些問題，比如：氣象站點數(shù)據(jù)雖然精確，但站點分布較散，有些地區(qū)站點數(shù)量少，計算結(jié)果要進行插值，這樣就使得結(jié)果空間性變差、精度降低；短時間的強降雨和長時間小雨的總降雨量可能接近，但是對土壤侵蝕的影響結(jié)果卻相差較大，基于日降雨量或月降雨量的公式不能很好地體現(xiàn)這種差異；基于日降雨量或月降雨量的計算公式是數(shù)據(jù)統(tǒng)計分析得到的經(jīng)驗方程，沒有較好的通用性。隨著遙感的發(fā)展，出現(xiàn)了用雷達、紅外等多種數(shù)據(jù)估算降雨侵蝕力的方法，如朱強等[10-11]嘗試使用3 h時間分辨率的TRMM數(shù)據(jù)，計算大面積的降雨侵蝕力。本研究使用的CMORPH遙感反演降雨數(shù)據(jù)時間分辨率為30 min，經(jīng)許時光等[12-13]對其在我國的適應(yīng)性做出評估，認為CMORPH數(shù)據(jù)雖然與氣象站點降雨數(shù)據(jù)有差異，但也能較好地反映我國大部分區(qū)域的降雨狀況。因此，本研究基于吉林省氣象站點數(shù)據(jù)對CMORPH數(shù)據(jù)進行精度驗證，之后通過EI30模型計算2016年吉林省降雨侵蝕力，并分析其分布情況。

1 研究區(qū)概況

吉林省位于東北黑土區(qū)中部，地跨東經(jīng)121°38′～131°19′、北緯40°50′～46°19′。吉林省屬溫帶大陸性季風氣候區(qū)，四季分明，夏季高溫多雨，冬季寒冷干燥，多年平均降水量為605 mm，降水時空分布不均，空間上自東向西遞減，時間上降水多集中在夏季，夏季降水量占全年的60%以上。

2 研究數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

(1)CMORPH數(shù)據(jù)。CMORPH衛(wèi)星數(shù)據(jù)是美國氣候預測中心(Climate Prediction Center，CPC)在多種微波降水數(shù)據(jù)和紅外數(shù)據(jù)的基礎(chǔ)上估算的全球降水數(shù)據(jù)，其空間分辨率為0.07°(約8 km)，時間分辨率最高為0.5 h，空間覆蓋范圍是全球60°S～60°N，覆蓋時段從2002年至今。本研究CMORPH數(shù)據(jù)來自http://ftp.cpc.ncep.noaa.gov/precip/global_CMORPH/。

(2)降雨數(shù)據(jù)集?？紤]到吉林省僅有 28個氣象站點，站點數(shù)據(jù)插值后無法滿足空間精度要求，因此選用中國氣象數(shù)據(jù)網(wǎng)的“中國自動站與CMORPH降水產(chǎn)品融合的逐時降水量網(wǎng)格數(shù)據(jù)集(1.0版)”(后文簡稱“降雨數(shù)據(jù)集”)。降雨數(shù)據(jù)集空間分辨率為為0.1°，時間分辨率為1 h，產(chǎn)品總體誤差水平在10%以內(nèi)，優(yōu)于國際同類型產(chǎn)品在中國區(qū)域的精度。

2.2 研究方法

2.2.1 降雨數(shù)據(jù)評估

根據(jù)吉林省降雨特征，選擇對夏季(7—9月)CMORPH、降雨數(shù)據(jù)集兩種降雨數(shù)據(jù)進行誤差分析。先將兩種數(shù)據(jù)統(tǒng)一為空間分辨率為0.1°的小時降雨量，計算兩者的平均誤差；再將數(shù)據(jù)時間疊加獲得CMORPH、降雨數(shù)據(jù)集的月降雨量，求得兩者的相關(guān)系數(shù)(r)和平均誤差(ME)。相關(guān)系數(shù)越接近1(-1)，表示正(負)相關(guān)性越強；越接近0，表示相關(guān)性越差。平均誤差越接近0表示兩個數(shù)據(jù)越接近。相關(guān)系數(shù)和平均誤差的計算公式分別為

(1)

(2)

2.2.2 降雨侵蝕力計算

本研究選用RUSLE模型的降雨侵蝕力算法，結(jié)合張憲奎等[14]在黑龍江通過徑流小區(qū)資料分析得到的侵蝕性降雨標準，采用30 min時間分辨率的CMORPH數(shù)據(jù)計算吉林省的降雨侵蝕力。具體的計算公式為

Rc=E·I30

(3)

E=e·ΔV

(4)

e=0.29×[1-0.71exp(-0.082iave)]

(5)

Rm=∑Rc

(6)

Ry=∑Rm

(7)

上五式中：Rc為一次降雨的降雨侵蝕力，MJ·mm/(hm2·h·event)；E為降雨動能，MJ/hm2；I30為最大30 min降雨強度，mm/h；e為單位降雨動能，MJ/(hm2·mm)；ΔV為降雨量，mm；iave為平均降雨強度，mm/h；Rm為月降雨侵蝕力，MJ·mm/(hm2·h·mon)；Ry為年降雨侵蝕力，MJ·mm/(hm2·h·a)。

CMORPH數(shù)據(jù)格式為binary，且一年的數(shù)據(jù)量巨大，為了處理方便，使用IDL語言對CMORPH數(shù)據(jù)進行批處理，具體算法如下：批量讀取數(shù)據(jù)、裁剪出工作區(qū)范圍并按像元單獨存儲各月降雨數(shù)據(jù)；批量讀取單個像元文件，獲得月降雨次數(shù)、降雨量、最大30 min降雨強度等；依次帶入公式計算出對應(yīng)像元的月降雨侵蝕力；重復前三步計算出各像元的月降雨侵蝕力，相加得到季度、年降雨侵蝕力；按照裁剪的范圍重新給數(shù)據(jù)賦經(jīng)緯度信息，之后用ArcGIS或ENVI進行各省市的數(shù)據(jù)裁剪、分析、出圖等操作。

3 結(jié)果與分析

3.1 CMORPH數(shù)據(jù)精度分析

基于降雨數(shù)據(jù)集，對CMORPH數(shù)據(jù)小時降雨量的精度進行分析。7月CMORPH數(shù)據(jù)高估時數(shù)較多，最大高估量達2.4 mm，但整體誤差較小；8月平均誤差起伏較大，前半月CMORPH數(shù)據(jù)以高估為主，最大高估量為1.25 mm，后半月以低估為主，最大低估量為0.95 mm；9月平均誤差起伏較小，前半月CMORPH數(shù)據(jù)以大量小偏差低估為主，后半月較為平穩(wěn)，只有少量高估。

將CMORPH數(shù)據(jù)與降雨數(shù)據(jù)集小時降雨量數(shù)據(jù)進行累加，得到空間分辨率為0.1°的月降雨量數(shù)據(jù)。分析7、8、9月兩者的平均誤差，其中：7月CMORPH數(shù)據(jù)平均降雨量高估了12.2 mm；8、9月均為低估，分別低估了4.21、8.74 mm。總體比較，兩者數(shù)據(jù)之間誤差較小。同時，兩數(shù)據(jù)的相關(guān)性分析結(jié)果顯示，7、8、9月兩者的相關(guān)系數(shù)分別為0.62、0.74、0.63，整體相關(guān)系數(shù)大于0.6，說明兩者有較強的相關(guān)性。

通過比較兩種數(shù)據(jù)的平均誤差和相關(guān)性，發(fā)現(xiàn)CMORPH數(shù)據(jù)的精度較高，能夠反映實際降雨量，因此本研究計劃使用高時相CMORPH數(shù)據(jù)計算吉林省降雨侵蝕力。

3.2 降雨侵蝕力計算

根據(jù)前文公式，結(jié)合東北侵蝕性降雨的標準，計算次降雨的降雨侵蝕力，依次疊加得到2016年每個月的降雨侵蝕力、4個季度的降雨侵蝕力及年降雨侵蝕力(圖1)。吉林省4個季度的降雨侵蝕力計算結(jié)果分別為2.46、267.89、321.01、12.69 MJ·mm/(hm2·h·quarter)，可以看出降雨侵蝕力主要集中在第二、三季度，這與吉林省夏季多雨、冬季寒冷少雨的氣候特征是相符的。

比較7—9月的降雨量和降雨侵蝕力計算結(jié)果(圖2)，可以看到7、8月份降雨量較大，但是9月份的降雨侵蝕力最大，這說明降雨侵蝕力與降雨量數(shù)據(jù)變化不是單純的線性關(guān)系。經(jīng)過分析，主要有以下兩個原因：

圖1 2016年吉林省降雨侵蝕力分布

一是降雨侵蝕力的計算不僅用到了降雨量，而且用到了降雨強度，這使得降雨侵蝕力與降雨量的變化不是簡單的單調(diào)性；二是在降雨侵蝕力的計算中根據(jù)東北的侵蝕性降雨標準對CMORPH數(shù)據(jù)進行篩選，去掉了雨量較小或雨強較低的降雨。通過這樣的對比分析可以看出，高時相的CMORPH數(shù)據(jù)可以更精確和細致地表達每次降雨量及降雨強度的變化，突出侵蝕性降雨，提高降雨侵蝕力計算的精度。

圖2 7—9月吉林省降雨量與降雨侵蝕力計算結(jié)果

3.3 降雨侵蝕力分布

通過統(tǒng)計分析，得到吉林省2016年平均降雨侵蝕力為537.48 MJ·mm/(hm2·h·a)，將降雨侵蝕力分布圖與吉林省行政區(qū)劃圖進行疊加分析，得到各市(州)降雨侵蝕力狀況，見表1。由表1知，2016年平均降雨侵蝕力最大值出現(xiàn)在松原市，達983.94 MJ·mm/(hm2·h·a)，其次是白城市，兩者平均降雨侵蝕力數(shù)值較為接近且都波動較大；延邊朝鮮族自治州平均降雨侵蝕力最小，為275.24 MJ·mm/(hm2·h·a)，其次是白山市、吉林市和通化市。

表1 吉林省各市(州)降雨侵蝕力分布

4 結(jié)語與討論

通過對CMORPH數(shù)據(jù)的精度分析和降雨侵蝕力計算，得到以下結(jié)論：①2016年7—9月CMORPH數(shù)據(jù)與降雨數(shù)據(jù)集相比， 平均誤差較小，相關(guān)性在0.6以上，能夠較為準確地描述吉林省的真實降雨狀況；②通過高時相的CMORPH數(shù)據(jù)計算得到降雨侵蝕力，既可以滿足空間上的精確性，又可以排除非侵蝕性降雨的干擾，滿足計算結(jié)果的精確性；③2016年吉林省平均降雨侵蝕力為537.48 MJ·mm/(hm2·h·a)，其中松原市最高，延邊朝鮮族自治州最低。結(jié)合降雨侵蝕力的計算結(jié)果，可以有針對性地對相應(yīng)地方采取必要的補救或預防措施，減少降雨造成的土壤侵蝕危害。

本研究運用CMORPH遙感反演降雨數(shù)據(jù)取得了一定的研究成果，但是遙感反演降雨數(shù)據(jù)在降雨侵蝕力計算領(lǐng)域的應(yīng)用也受到一定限制：首先遙感估算的降雨數(shù)據(jù)受制于衛(wèi)星資料、反演算法或其他偶然因素等，與地面真實值存在偏差；其次高時間分辨率、高空間分辨率會不可避免地造成數(shù)據(jù)量過大，受電腦硬件、程序軟件等因素限制，會出現(xiàn)計算過程繁雜、計算時間長、操作過程可移植性較差等問題。但是，未來隨著遙感的發(fā)展和大數(shù)據(jù)時代的到來，會產(chǎn)生更多更精確的降雨數(shù)據(jù)和更完善的計算機算法，進而推動大范圍降雨侵蝕力快速、準確定量計算。