彭玉芝, 范建容, 于 江, 朱 昕

(1.中国科学院 水利部 成都山地灾害与环境研究所, 四川 成都610041; 2.中国科学院大学, 北京 100049; 3.中国三峡建设管理有限公司, 四川 成都 610041)

降雨侵蚀力(rainfall erosivity)是指降雨引起土壤侵蚀的潜在能力[1]，是土壤流失方程中首要的基础因子，其与降雨强度、降雨量、降雨历时等降雨参数有关[2]。我国学者对近百年来中国区域的降雨侵蚀力也给予了密切关注。刘斌涛等[3]分析了近50 a我国降雨侵蚀力变化特征，发现我国年均降雨侵蚀力与年均降水量空间分布基本一致，呈由东南向西北递减的趋势，但年际变化趋势不显著，存在四个明显的上升区域和两个明显的下降区域，预示着长江、黄河源头土壤侵蚀可能加剧的风险。汪言在等[4]对三峡库区(重庆段)季节降雨侵蚀力变化的研究发现，1955—2010年仅夏季降雨侵蚀力显著增大，因此在夏季可提前做好防治措施。由此可见，对降雨侵蚀力的研究是及其重要的。

虽然现有气象台站观测降雨数据精度较高，但仍存在站点分布稀疏和观测范围小等局限性，尚不能满足大流域降雨观测的需求，TRMM(tropical rainfall measuring mission satellite，热带测雨任务卫星)至今已经积累了全球50°S—50°N范围内海量的高时空分辨率降水数据，数据格点分布均匀，可有效弥补气象站点的短板来刻画流域长时间序列降水及降雨侵蚀力的空间分布[5]。

金沙江流域降水空间分异大[6]，且土壤侵蚀较严重，目前可用来加密的水文卫星数据仅有GRACE和TRMM，TRMM精度较高，因此本文拟分析金沙江流域各个气象站点降水数据和TRMM降水数据估算降雨侵蚀力的一致性程度。并在二者估算结果在合理误差范围内的基础上，结合DEM数据来分析1998—2015年金沙江流域降雨侵蚀力变化的时空特征，为流域水土流失影响做出可靠评估，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。

1 研究数据和方法

1.1 研究数据

本文所用数据包括：地面气象站点实测降水数据、TRMM 3B42降水数据和DEM数据。①实测降水数据来自中国气象数据网(http:∥data.cma.cn/user/toLogin.html)，本文采用金沙江雅砻江流域及周边37个国家标准气象站1998年1月1日至2015年12月31日的逐日降水量。②TRMM 3B42 的1998年1月1日至2015年12月31日的逐日数据，分辨率0.25°×0.25°，从https:∥pmm.nasa.gov/TRMM免费下载。③DEMASTERGDEM，其空间分辨率为30 m，从地理空间数据云官网获取，http:∥www.gscloud.cn/。流域高程及气象站点位置如图2所示。

1.2 降雨侵蚀力计算

USLE中用次降雨总动能与30 min最大雨强I30的乘积EI30来计算降雨侵蚀力，但次降雨过程观测资料很难获取，因此一般采用简易算法模型来计算降雨侵蚀力。章文波等[7]的研究表明，相比较月、逐年、年平均和月平均模型，以日雨量模型计算侵蚀力的精度最高，且在雨量丰富的南方地区，日雨量模型表现更稳定，精度较高。本文采用以半月时段为步长的简易算法模型：

(1)

式中：Mi——第i个半月时段的侵蚀力值〔MJ·mm/(km2·h·a)〕；k——该半月时段内的天数；Dj——半月时段内第j天的侵蚀性日雨量，要求日雨量≥12 mm，否则以0计算，阂值12 mm与中国侵蚀性降雨标准一致[8]；α和β为模型待定参数，利用日降雨特征指标来估计参数α和β的公式为：

β=0.8363+18.177/Pd12+24.455/Py12

(2)

α=21.586β-7.1891

(3)

式中：Pd12——雨量≥12mm的日平均雨量(mm)；Py12——日雨量≥12 mm的年平均雨量(mm)。

1.3 TRMM降水数据适用性验证

将1988—2015年32个气象站的实测降水量估算的降雨侵蚀力作为“真”值来对由TRMM降水数据估算的降雨侵蚀力进行基于相关系数和相对误差(公式4—5)的一致性分析[9](表1)。

(4)

(5)

由表1可知： ①用相同模型估算年降雨侵蚀力，TRMM降水数据估算结果普遍高于气象站实测数据的估算结果，符合了卫星降水数据存在一定程度上的高估的结论[10]。②对由1998—2015年32个站点的多年平均相对误差分析来看，有2/3的站点绝对误差小于20%。四川省稻城、盐源和木里地区、云南省昭通地区、青海省托托河等地误差最大，云南省会泽和元谋地区、四川省理塘等地误差最小。且章文波等[4]也指出，在年平均降雨量较少的区域，模型稳定性较差。本文使用的模型在年平均降雨量小于500 mm的地区，稳定性较差，计算多年平均降雨侵蚀力的相对误差变化范围较大[11]，但由于总体精度达到了82%，说明二者估算的结果在合理误差范围内。

表1 TRMM和气象站点降水数据估算年均降雨侵蚀力的比较

由表2可知： ①气象站点和TRMM降水数据估算降雨侵蚀力的误差年际差异较大，在2%～46%范围内，超过75%的精度高于80%，进一步说明利用TRMM降水数据估算金沙江流域的年降雨侵蚀力是可行的。②在18 a中，仅2011年的相对误差大于0。2011年全国平均降水量为近60 a最少，全国平均气温是9.3 ℃，比常年偏高0.5 ℃，极端高温事件多发，阶段性区域性气象灾害频繁发生，且雾霾天气增多。说明受这种极端气候的影响，TRMM估算降雨侵蚀力偏低。

表2 研究区1998-2015年32个气象站点和TRMM降水数据估算每年降雨侵蚀力的比较

2 结果与分析

2.1 降雨侵蚀力空间分布

丽江—木里—越西一线的下游地区，是流域降雨侵蚀最强的地区；而上游大部分地区，年平均降雨在500 mm以下，是流域降雨侵蚀最弱的地区。流域多年平均降雨侵蚀力分布如图1所示。从图1可知： ①流域降雨侵蚀力的地域差异十分显著，多年平均降雨侵蚀力在170～6 792 MJ·mm/(km2·h·a)之间，降雨侵蚀力的空间分布总体上呈自东南向西北逐渐递减的趋势。 ②源头的五道梁、沱沱河一带降雨侵蚀力最小，一般低于500 MJ·mm/(km2·h·a)。中游玉树至丽江区间流域狭窄，为金沙江纵向河谷少雨区[11]，降雨侵蚀力大部分在500～1 000 MJ·mm/(km2·h·a)之间。流域降雨侵蚀力最大的位于华坪—会理—西昌一带，大部分在4 500 MJ·mm/(km2·h·a)以上，并分别向两侧递减，其中会理站的年降雨侵蚀力最大。 ③流域年降雨侵蚀力与年降雨量(图2)的空间分布大体相同，但局部受雨强的影响有所不同，这是由于降雨侵蚀力由降雨量和强度2个因素共同决定[12]。

图1 金沙江流域降雨侵蚀力空间分布图

图2 金沙江流域年降雨量分布图

2.2 降雨侵蚀力年际变化的空间特征

年际变化是指某一地理事物的量在年与年之间的变化，由1998—2015年的年降雨侵蚀力年际变化(图3)可知，2001年降雨侵蚀力最大，为3 207.7 MJ·mm/(km2·h·a)，1998—2011年呈下降趋势，2011年降至最小为1 329.22 MJ·mm/(km2·h·a)，之后几年降雨侵蚀力呈增加趋势，18 a间总体呈现先减后增的趋势，这与该流域降雨量年际变化趋势相一致[13]。1998年发生洪灾时，金沙江流域多数地区的降水总量达到近40 a来的最大值，降雨侵蚀力也达到最大，2011年以后降雨侵蚀力的显著增加趋势也可以为今后侵蚀和洪灾灾害起到预测预警的作用。

在ArcGIS中利用地图代数功能分析年际变化，得到1998—2015年降雨侵蚀力年际变化量分布图(图4)。由图4可以看出，金沙江流域降雨侵蚀力在1998—2015年整体上变化不算剧烈，总体平稳。其中流域中上游和下游东部部分地区主要为上升趋势，下游地区多呈现下降趋势，总体呈西北部增加和东南部减少的趋势，整个区域年降雨侵蚀力平均变化量为-9.41 MJ·mm/(km2·h·a)。其中年平均增加量最大的位于青海省杂多县西北部，年平均增加量可达77.64 MJ·mm/(km2·h·a)，其中年平均减少量最大的位于云南省华坪县西北部，年平均减少量可达-177.18 MJ·mm/(km2·h·a)。经过分区统计，金沙江流域和雅砻江流域降雨侵蚀力年际变化均呈现减少趋势，金沙江流域变化最大，降雨侵蚀力呈现增加趋势的主要集中在降雨侵蚀力偏小的通天河区域。这也和高海拔地区降水量呈显著增加趋势的结论一致[14]。

图3 金沙江流域1998-2015年降雨侵蚀力年际变化

2.3 不同地形降雨侵蚀力变化时空分析

由图1可以看出，金沙江流域降雨侵蚀力总体上呈随高程的增加而减小的明显趋势。高程在3 500 m以下的丽江—木里—越西地区，河谷腹地海拔最低，高程落差较大，为降雨侵蚀力最强的区域；高程在2 500～5 500 m的流域中段地处横断山脉区，地形极为复杂，众多高山深谷相间并列，峰谷高差可达1 000～3 000 m，流域内气候不仅时空变化大，而且十分显著，因此，流域内的降雨侵蚀力变幅较大，为800～3 000 MJ·mm/(km2·h·a)，且变化复杂，局地出现了高程和降雨侵蚀双高双低的情况。高程在5 500 m以上的青藏高原东部地区，降雨侵蚀力最低。

图4 金沙江流域降雨侵蚀力年际变化量分布

金沙江流域正处于中国高原地区与东部平原地区的过渡地带，受到高原季风、热带季风与亚热带季风的综合作用，气象条件极其复杂、气候也十分多变[15]，相关研究表明，该流域地形差异导致其降水差异也极为显著[16]。以气象站所在位置的高程为自变量，分别以TRMM 3B42数据与地面气象站点实测数据之间的相关系数R和和绝对误差|Bias(%)|为因变量，进行三次多项式回归分析，高程与相关系数和绝对误差的R2仅为0.180 9和0.114 1，且均未通过α=0.05置信度检验，不显著相关。由图5可以看出，高程在3 000 m以下时，随着海拔的升高，相关系数缓慢增大，绝对误差也逐渐增大，可能是海拔低于3 000 m的站点位于流域下游的云贵川地区，干旱、暴雨以及洪涝等极端天气现象发生的频率较高，同时由于TRMM卫星的不连续测量，易导致难以完全准确获取极端气候现象的降水数据，因而两者之间的偏差较大[9]。而高程在大于3 000 m时，随着海拔的升高，相关系数减小，绝对误差不断增大。海拔大于3 000 m的站点由于与周边高程落差较大，水汽输送受地形阻碍，使得误差增大。

图5 金沙江流域气象站所在位置高程与相关系数R、绝对误差|Bias(%)|的散点图

3 结 论

(1) 利用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降雨侵蚀力的总体精度达到了82%，说明估算的结果在合理误差范围内，将其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，应用时可根据表1来权衡选择。

(2) 金沙江流域年降雨侵蚀力与年降雨量的空间分布大体相同，总体上呈自东南向西北逐渐递减的趋势。流域降雨侵蚀力的地域差异大，源头的五道梁、沱沱河一带降雨侵蚀力最小，下游的会理一带最大。流域降雨侵蚀力年际变化分布与降雨侵蚀力空间分布却相反，侵蚀越高的地区年际变化越小，反之越大，但流域总体年际变化不大。其中，1998年、2011年为2个典型年份，1998年连降暴雨引发特大洪水，为研究年份中降雨侵蚀力最高的；2011年全国平均降水量为近60 a最少，为研究年份中降雨侵蚀力最低的。

(3) 除局部地区地形复杂气候变化大以外，金沙江流域降雨侵蚀力总体上是呈现随高程的增加而减小的明显趋势。高程与气象站数据和TRMM降水数据估算的降雨侵蚀力相关系数和绝对误差不显著相关。

[参考文献]

[1] 章文波,谢云,刘宝元.降雨侵蚀力研究进展[J].水土保持学报,2002,16(5):43-46.

[2] 孙泉忠,王朝军,赵佳,等.中国降雨侵蚀力R指标研究进展[J].中国农学通报,2011,27(4):1-5.

[3] 刘斌涛,陶和平,宋春风,等.1960—2009年中国降雨侵蚀力的时空变化趋势[J].地理研究,2013, 32(2): 245-256.

[4] 汪言在,苟诗薇,张述林.三峡库区(重庆段)降雨侵蚀力变化趋势及突变分析[J].水土保持研究,2012,19(3):1-6.

[5] Hirose M， Nnkamura K. Spatiotemporal variation of the vertical gradient of rainfall rate observed by the TRMM precipitation radar[J]. Journal of Climate, 2004,17(17):3378-3397.

[6] 潘桂棠,徐强,等.西南“三江”多岛弧造山过程成矿系统与资源评价[M].北京:地质出版社,2003.

[7] 章文波,付金生.不同类型雨量资料估算降雨侵蚀力[J].资源科学,2003,25(1):35-41.

[8] 谢云,刘宝元,章文波.侵蚀性降雨标准研究[J].土壤侵蚀与水土保持学,2000,14(4):6-21.

[9] 嵇涛,杨华,刘睿,等.TRMM卫星降水数据在川渝地区的适用性分析[J].地理科学进展,2014,33(10):1375-1386.

[10] 王凯,陈璐,马金辉,等.TRMM降水数据在中国降雨侵蚀力计算中的应用[J].干旱区地理,2015,38(5):948-959.

[11] 严冬,范建容,郭芬芬,等.西藏地区降水侵蚀力时空分布研究[J].水土保持通报,2010,30(4):17-21.

[12] 章文波,谢云,刘宝元.中国降雨侵蚀力空间变化特征[J].山地学报,2003,21(1):33-40.

[13] 史雯雨,张智涌,李增永.金沙江流域近55 a降水时空分布特征及变化趋势[J].人民长江,2016,47(18):39-43.

[14] 刘晓婉,许继军,韩志明.金沙江流域降水空间分布特征及变化趋势分析[J].人民长江,2016,47(15):36-44.

[15] 廖宇,倪长健.金沙江流域近47年降水特征分析[J].人民长江,2011,42(5):55-58.

[16] 张莉莉,陈进.长江上游水沙变化分析[J].长江科学院院报,2007,24(6):34-37.