郭中领　常春平　王仁德

摘要：修正的土壤风蚀方程（revised wind erosion equation，RWEQ）被广泛应用于土壤风蚀预报，风因子是该模型的重要参数。RWEQ将风蚀力定义为风因子（wind factor，Wf），RWEQ最初要求使用逐小时风速数据计算Wf。基于中国河北省康保县、拉伯克市两地长时间逐小时风速数据计算了月均、年均Wf（Wf24），并对比了由当地标准时间（local standard time，简称LT）1日4风速（02：00、08：00、14：00、20：00）计算的Wf（Wf4）。结果表明，对于康保县，Wf24与Wf4符合得很好（年均Wf24与Wf4误差为-2.60%），1日4风速能够用于计算土壤风蚀量；对于拉伯克市，Wf24与Wf4之间的误差相对较大（年均Wf24与Wf4误差为11.16%），1日4风速可用于评估不同农田管理措施的防风蚀效果；1日4风速的其他组合、1日3风速以及1日2风速等风速组合类型亦可以用于RWEQ模型。可以看出，站点风速的日变化特点是选取风速数据组合的重要影响因素。

关键词：土壤风蚀；风蚀力；风因子；风速

中图分类号： S157.1文献标志码： A文章编号：1002-1302（2015）01-0350-04

收稿日期：2014-02-20

基金项目：国家自然科学基金（编号：41330746）；国家自然科学基金青年基金（编号：41301291、41101251）；河北省自然科学基金青年基金（编号：D2014205063、D2013302034）；河北省软科学重点项目（编号：13454213D）；河北省科技计划（编号：13109）；河北师范大学科研基金（编号：130531）。

作者简介：郭中领（1983—），男，河北巨鹿人，博士，讲师，主要从事土壤风蚀、可持续农业研究。E-mail：gzldhr@163.com。我国是世界上遭受风蚀最为严重的国家之一，对土壤风蚀进行定量预测预报是土壤风蚀研究的核心任务之一[1]。为了准确计算土壤风蚀量，评价各种防风蚀措施，学者们先后提出了不同形式的土壤风蚀预报模型，比如区域尺度的WEAM[2]、IWEMS[3]、AUSLEM[4]等，以及田块尺度的WEQ[5]、WEPS[6]等。其中，修正的土壤风蚀方程（revised wind erosion equation，RWEQ）被广泛应用于土壤风蚀预报[7-10]，该模型由美国农业部（USDA）农业研究服务（Agricultural Research Service）组织开发，它是一个基于过程模拟的经验性模型。RWEQ模型能够成功模拟田间管理措施、不同作物轮作对风蚀量的影响[7]。风是RWEQ模拟风蚀的基本驱动力，风蚀力一般被用来描述风吹扬地表细粒物质的潜力。自从Bagnold开创性提出“风沙流的强度与风速的立方成正比例”以来，许多学者先后提出大量不同形式的风蚀力表达式[11-12]。RWEQ表达风蚀力的具体形式为：

W=（Ui-Ut）2Ui。（1）

式中：W为风力值，m3/s3；Ui为距离地面2 m处风速，m/s；Ut为距离地面2 m处的临界起沙风速，m/s。RWEQ模型将Ut设为定值5.0 m/s，当风速低于5.0 m/s时，风力值为0，无风蚀发生。RWEQ模型定义平均风力值为风因子（wind factor，Wf），表达式为[6]：

Wf=∑Ni=1ρ（Ui-Ut）2UigN。（2）

式中：Wf为风因子值，kg/（m·s）；ρ为空气密度，kg/m3；g为重力加速度，m/s2；N为观测时段内记录风速的次数。

高质量的风速数据是准确计算Wf的必要条件。RWEQ模型要求逐小时风速数据为输入参数。然而，自然界的风往往呈湍流状态，变化十分迅速。因此，风速观测中往往是记录并保存一些代表性时段的风速数据。保存风速数据的代表性时段随着不同地域或者观测方法变化很大。比如美国政府主导的Automated Surface Observing System（ASOS）观测标准规定保存逐小时系列风速数据。世界气象组织建议将10 min风速数据作为标准风速。我国很多气象站点记录由当地标准时间（local standard time，简称LT）1日4风速数据（02：00、08：00、14：00、20：00）[13-14]。本研究使用中国、美国2个典型风蚀严重地区的气象站点长时间序列的逐小时风速数据计算RWEQ模型的风因子，旨在为土壤风蚀研究提供依据。

1材料与方法

本研究逐小时风速数据观测地点是美国德克萨斯州拉伯克市、中国河北省康保县。拉伯克市位于美国Llano Estacado平原，这一地区干燥多风，土壤风蚀问题非常严重。康保县位于我国农牧交错带东部的河北省坝上地区，是典型的风蚀治理区。拉伯克市、康保县的风速数据采集时间分别是2001—2009年、1992—2002年，采集高度分别为2、10 m。 RWEQ模型中，Wf值直接用于风蚀通量的计算。首先使用逐小时和1日4风速数据（LT 02：00、08：00、14：00、20：00）计算拉伯克市（2001—2009年）和康保县（1992—2002年）两地的月平均及年平均Wf值，再对比分析2种风速数据Wf值的差别，进而确定RWEQ模型是否可以使用1日4风速数据。另外，笔者还分析了1日3风速、1日2风速数据的情景，用2 m高度风速数据直接计算Wf值[6]。由于本研究目的主要是对比不同风速数据类型风蚀力的差别，因此公式（2）所需的空气密度（ρ）、重力加速度（g）可分别设为1.293 kg/m3、9.8 m/s2。使用相对误差来评估不同风速数据计算出的月平均及年平均Wf值的差别，相对误差公式为：

RE=（WE24-WE4）/WE24×100%。（3）

式中：WE24 为由逐小时风速数据计算得到的月均或年均Wf值；WE4为由1日4风速数据求得的月均或年均Wf值；RE为WE24与WE4的相对误差。endprint

2结果与分析

如表1所示，Wf24为由逐小时风速求得的风蚀力值，Wf4为由1日4风速数据求得的风蚀力值。从Wf24的各月分布来看，康保县3、4、5月的风蚀力最大，6、7、8月的风蚀力最小。拉伯克市2、3、4月的风蚀力最大，7、8、9月的风蚀力最小。Wf4亦表现出类似的规律。对于康保县，Wf24、Wf4的各月均值符合较好，大部分月份误差都介于-20%与12%之间，年均Wf24、Wf4误差仅为-2.60%。8、10月虽然误差绝对值较大，但风蚀力绝对值较小，故对全年风蚀力影响不大。拉伯克市Wf24、Wf4的各月均值偏离程度较大，风蚀力较大的2、3、4月的误差也都超过了10%，年均Wf24、Wf4误差为11.16%。RWEQ模型在计算风蚀通量时需要直接用到Wf值。 RWEQ 模型的最大输沙率方程基于单一风蚀事件风蚀方程，Wf值是这个输沙通量方程的重要输入参数。RWEQ 模型线性回归的最大输沙通量方程为：

Qmax=109.8×（Wf×EF×SCF×K′×COG）。（4）

式中：Qmax为最大输沙率，kg/m；Wf为风因子，kg/（m·s）；EF为土壤可蚀性；SCF为土壤结皮因子；K′为地表粗糙度因子；COG为结合残茬因子。

从数量关系上来看，当确定了方程（4）的其他输入参数时，方程（4）的形式意味着Qmax对Wf的响应是线性的。因此，若逐小时与1日4风速之间的Wf误差较小，则RWEQ预测风蚀量的误差也会较小。表1康保县、拉伯克市逐小时与1日4风速数据（LT 02：00、08：00、14：00、20：00）求得风因子值

3结论

本研究使用康保县、拉伯克市两地长时间逐小时风速数据，探讨了1日4风速、1日3风速、1日2风速等不同风速数据的组合类型是否能够估算Wf24值（风因子），进而用于RWEQ模型。结果表明，康保县1日4风速（LT 02：00、08：00、14：00、20：00及LT 05：00、11：00、17：00、23：00）、1日3风速（LT 04：00、12：00、20：00及LT 06：00、14：00、22：00）及

1日2风速（LT 05：00、16：00及LT 11：00、22：00）等风速组合能很好地预测Wf24值。拉伯克市1日4风速（LT 00：00、06：00、12：00、18：00及LT 03：00、9：00、15：00、21：00）、1日3风速（LT 00：00、08：00、16：00及LT 07：00、15：00、23：00）及1日2风速（LT 06：00、17：00及LT 11：00、22：00）等风速组合可以很好地估算Wf24值。总体而言，上述风速组合亦可以用于RWEQ模拟风蚀量数据。风速的日变化特点会影响风速数据组合的选取。

参考文献：

[1]Shi P J，Yan P，Yuan Y，et al. Wind erosion research in China：past，present and future[J]. Progress in Physical Geography，2004，28（3）：366-386.

[2]Shao Y P，Raupach R，Leys J F. A model for predicting aeolian sand drift and dust entrainment on scales from paddock to region[J]. Australian Journal of Soil Research，1996，34（3）：309-342.

[3]Lu H，Shao Y P. Toward quantitative prediction of dust storms：an integrated wind erosion modelling system and its applications[J]. Environmental Modelling & Software，2001，16（3）：233-249.

[4]Webb N P，Mcgowan H A，Phinn S R，et al. AUSLEM（Australian Land Erodibility Model）：a tool for identifying wind erosion hazard in Australia[J]. Geomorphology，2006，78（3）：179-200.

[5]Woodruff N P，Siddway F H. A wind erosion equation[J]. Soil Science Society of America Journal，1965，29（5）：602-608.

[6]Hagen L J，Wagner L E，Skidmore E L. Analytical solutions and sensitivity analyses for sediment transport in WEPS[J]. Transactions of the ASAE，1999，42（6）：1715-1721.

[7]Zobeck T M，Sterk G，Funk R，et al. Measurement and data analysis methods for field-scale wind erosion studies and model validation[J]. Earth Surface Processes and Landforms，2003，28（11）：1163-1188.

[8]Webb N P，Mcgowan H A. Approaches to modelling land erodibility by wind[J]. Progress in Physical Geography，2009，33（5）：587-613.endprint

[9]Ravi S，D′odorico P，Breshears D D，et al. Aeolian processes and the biosphere[J]. Reviews of Geophysics，2011，49（3）：RG3001.

[10]Guo Z L，Zobeck T M，Stout J E，et al. The effect of wind averaging time on wind erosivity estimation[J]. Earth，Surface Processes and Landforms，2012，37（7）：797-802.

[11]Greeley R，Iversen J D. Wind as a geological process on Earth Mars，Venus and Titan[M]. Cambridge：Cambridge University Press，1985.

[12]Dong Z B，Liu X P，Wang H T，et al. Aeolian sand transport：a wind tunnel model[J]. Sedimentary Geology，2003，161（1/2）：71-83.

[13]Liu Q J，Wagner L E. Building Chinese wind data for wind erosion prediction system using surrogate US data[J]. Journal of Soil and Water Conservation，2013，68（4）：104A-107A.

[14]张国平，刘纪远，张增祥，等. 中国风蚀景观面积变化与地表风场强度的关系[J]. 地理学报，2002，57（1）：1-10.

[15]Guo Z，Zobeck T M，Zhang K，et al. Estimating potential wind erosion of agricultural lands in northern China using the revised wind erosion equation and geographic information systems[J]. Journal of Soil and Water Conservation，2013，68（1）：13-21.

[16]Ephrath J E，Goudriaan J，Marani A. Modelling diurnal patterns of air temperature，radiation，wind speed，and relative humidity by equations from daily characteristics[J]. Agricultural Systems，1996，51（4）：377-393.

[17]van Donk S J，Liao C，Skidmore E L. Using temporally limited wind data in the wind erosion prediction system[J]. Transactions of the ASABE，2008，51（5）：1585-1590.endprint