基于rmm數(shù)據(jù)的降雨侵蝕力計算方法

基于rmm數(shù)據(jù)的降雨侵蝕力計算方法

降水是土壤水土流失的主要因素。降水是土壤水土流失的潛在能力，即降水侵蝕，對定量報告土壤侵蝕和土壤侵蝕具有重要意義。因此，在關注土壤侵蝕的同時，它也越來越重視計算降水侵蝕的方法，并將其應用于各種土壤侵蝕模型。幾十年前，各地的研究開發(fā)出許多土壤侵蝕模型。這些模型的應用環(huán)境非常不同，但模型使用了相似的物理因素，如坡度、降水、植被覆蓋和土壤侵蝕。在觀測經驗和多變量統(tǒng)計分析結果的基礎上，這些因素非常重要。在許多土壤侵蝕模型的參數(shù)因素中，降水是土壤侵蝕的主要因素。其中，與土壤侵蝕密切相關的降水特征參數(shù)（如降水）的計算，以及累積降雨時間（t）的最大降雨強度（i）。采用這種計算降雨侵蝕侵蝕指數(shù)的方法，需要連續(xù)記錄降水過程的數(shù)據(jù)。然而，在許多國家和地區(qū)很難獲得這些數(shù)據(jù)。之后，人們開始研究使用水文站點和其他觀測傳統(tǒng)降雨資料來估計降雨侵蝕的重要性，并使用傳統(tǒng)的降水統(tǒng)計數(shù)據(jù)進行計算。然而，在許多國家和地區(qū)，很難獲得這些數(shù)據(jù)。之后，人們開始研究使用水文站點和氣象站點等傳統(tǒng)的降水統(tǒng)計數(shù)據(jù)來估計降雨侵蝕。這些數(shù)據(jù)只能準確反映站附近地區(qū)的降水狀況，且空間分布不均。在計算過程中，需要進行額外的插值處理，這給計算帶來了很大的挑戰(zhàn)。由于u減小模型對每個元素的精度要求很高，每個元素（尤其是降水因子）的偏差會導致很大的變化。因此，在上述降雨計算精度不高、觀測站分布不均勻的情況下，采用遙感手段獲取高時相降雨數(shù)據(jù)，并從不同波段的微波中找到降水特征。其中，使用最廣泛的是geos系列和trmm衛(wèi)星。因此，在總結了傳統(tǒng)降雨侵蝕因子算法的基礎上，提出了一種基于trmm數(shù)據(jù)的新方法，以克服傳統(tǒng)數(shù)據(jù)的不足和雨水站的不足。1jha-m1m-1USLE/RUSLE模型是目前應用最廣泛的土壤侵蝕模型.它提出的以8000多個徑流小區(qū)資料為基礎的降雨侵蝕力因子計算公式較準確地反映了降雨對土壤侵蝕的影響程度.降雨侵蝕力因子(R)是降雨引起的溝蝕和片蝕等的侵蝕動力因子,它反映了降雨剝離土塊、土粒以及雨水對土壤的搬運能力.降雨量和降雨強度越大,對土壤的運移作用越大,降雨侵蝕力越強.研究表明,當其它因子保持不變時,土壤侵蝕量與總降雨的動能(E)和30min最大降雨強度(I30)的乘積成正比.RUSLE手冊建議采用的計算公式如下:其中R為年平均降雨侵蝕力因子(MJmmhm-2h-1a-1);n為計算R值的總年數(shù);j為參與計算的年份;m為第j年內的暴雨次數(shù);k為參與計算的次暴雨;E為次降雨總動能(MJha-(16));I30為次降雨最大30min雨強(mmh-1).公式(1)是根據(jù)美國東部近200多個站點的數(shù)據(jù)分析得到的方程,并且考慮了西部地區(qū)因地形的復雜性.其中,降雨總動能E可以通過下式計算:其中e為單位降雨動能(MJha-1mm-1);(35)V為降雨量(mm).而單位降雨動能e的計算公式如下:其中i為降雨強度(mmh-1).總體上看,與土壤流失關系最密切的降雨特征因子為最大時段降雨強度(In),其次為降雨動能(E),再次為降雨量(P).降雨動能與土壤流失的相關程度較降雨量普遍偏高5%~30%.公式(1)利用最大30min降雨強度和降雨動能結合在一起表達降雨侵蝕力,是十分符合水蝕規(guī)律的,而且Wischmeier以8000多個徑流小區(qū)資料為基礎,分析、驗證了降雨強度、降雨動能、前期降雨量和耕作活動等參數(shù)與土壤流失的關系,證明了其理論的正確性.然而,在實際應用中,該方法對降雨資料要求很高:需要長時間序列、高時間分辨率的降雨過程資料.USLE模型建議采用22年的降雨資料來計算R因子,而其中降雨強度的計算需依靠至少以小時為單位的次降雨過程長時序資料.RUSLE手冊則建議采用以15天為步長,計算年平均降雨侵蝕力,從而可以反映降雨時間分布不均的問題,也相應地反映了R因子的季節(jié)變化性.一般來說,這種要求是難以滿足的,尤其是在進行大尺度范圍內的水土流失評價時.從USLE/RUSLE模型結構本身來看,它用簡單的因子相乘計算年侵蝕量,結構清晰、方便易用、便于操作,但同時也帶來了一定的負面問題,即模型中任一個因子的計算精度都會對侵蝕結果產生較大的影響,而其中降雨侵蝕力因子R是最敏感的.因此,由于資料不足引起降雨因子的精度偏差,從而導致模型預報結果不準的情況是顯而易見的,這極大地限制了模型的應用和推廣.于是,世界各地的USLE/RUSLE模型的應用者便開始著手研究替代方法來彌補該模型的不足.這些替代算法大多利用水文、氣象站點觀測的常規(guī)降雨資料計算降雨侵蝕力,其基本出發(fā)點是利用相對比較容易獲得的降雨量指標代替需要降雨過程的動能指標.一般來講,根據(jù)采用的數(shù)據(jù)資料的時間步長可以分為以年降雨資料(包括逐年年降雨量和年平均降雨)、月降雨資料(包括逐年月降雨和月平均降雨)和日降雨資料(包括逐年日降雨和日平均降雨)為基礎的三類方法.由于這三類方法中所需的資料較較易獲取,因此基于此類方法的降雨侵蝕力算法模型被廣泛采用,這些模型也已經在世界各地取得了較好的效果,但也面臨一些共同的問題.1)無論年降雨資料模型、月降雨資料模型或日降雨資料模型,都是對次降雨過程資料的簡化或代替.因此,在應用過程中,必須針對不同地區(qū)的降雨特點,建立次降雨過程侵蝕力和常規(guī)氣象資料侵蝕力之間的回歸方程,然后計算出不同算法的回歸系數(shù),即模型的參數(shù).這是一個繁瑣的過程,必須以當?shù)亟涤赀^程資料為樣本.2)盡管簡化算法的精度相對較高,但前提條件是必須有充足的氣象資料,并且觀測站點布置的比較合理,通過插值計算出的雨量的精度能夠滿足要求.然而,在發(fā)展中國家,雨量站、氣象站點的密度相對較低,且仍存在很多站點稀疏的地區(qū),尤其是山地,資料缺乏也是一個不小的挑戰(zhàn).此外,一般觀測站點的測量值只能較準確地反映站點附近區(qū)域的降雨特征,而離站點較遠的地方通過插值計算出的結果精度稍差.因此,研究者也在考慮是否能通過其他手段獲得精度與常規(guī)資料相當甚至更好的降雨數(shù)據(jù),以滿足無資料地區(qū)或者大尺度范圍內的降雨侵蝕力的計算要求.2基于trmm數(shù)據(jù)的r因子計算方法2.1年生時期大氣測量熱帶降雨觀測衛(wèi)星(TropicalRainfallMeasuringMission,TRMM)是由美國NASA(NationalAeronauticalandSpaceAdministration)和日本NASDA(NationalSpaceDevelopmentAgency)共同研制并于1997年11月27日發(fā)射成功的試驗衛(wèi)星.TRMM提供了一個觀測全球降雨的平臺,它能夠提供降雨強度的頻率分布和地區(qū)覆蓋、對流雨和層狀雨的分類、水汽現(xiàn)象的垂直分布、大雨隨時間的變化等信息,使準周期性循環(huán)異常的降雨時空變化制圖成為可能.TRMM成功運行13年也凸顯了遙感在觀測地球水循環(huán)和天氣預報領域的潛能.TRMM衛(wèi)星共搭載5種遙感儀器,分別為:可見光/紅外掃描儀VIRS(VisibleandInfraredScanner)、微波成像儀TMI(TRMMMicrowaveImager)、降雨雷達PR(PrecipitationRadar)、閃電成像儀LIS(LightingImagingSensor)及云和地球輻射能量系統(tǒng)CERES(CloudsandtheEarth’sRadiantEnergySystem)其中VIRS,TMI和PR為TRMM衛(wèi)星的基本降雨測量儀器.TRMM數(shù)據(jù)共分5個層次(0~4),它們分別代表經過不同程度處理的資料:第0層,以時間為序并且有質量控制的原始衛(wèi)星數(shù)據(jù);第1層,標定后的VIRS反射率/亮溫,TMI亮溫資料,PR的回波功率和反射率數(shù)據(jù),它們的分辨率等于觀測儀器的像素點的大小;第2層,用第1層數(shù)據(jù)計算出的大氣狀況數(shù)據(jù)(如降雨、云中液態(tài)水的含量、潛熱釋放等),它具有與第1層數(shù)據(jù)相同的分辨率;第3層,經過空間和時間平均后得到的格點形式的氣象數(shù)據(jù);第4層,資料分析產品和TRMM資料與其它探測資料聯(lián)合反演得到的數(shù)據(jù)產品.按級別可分為三個等級,上述第1層為一級產品,第2層為二級產品,第3,4層為三級產品,如圖1所示.本研究采用的是TRMM3B42數(shù)據(jù)集(/).該數(shù)據(jù)集是用紅外亮溫資料,采用3B-42算法得到的準全球的降雨估量數(shù)據(jù).該數(shù)據(jù)集由TRMM科學資料信息系統(tǒng)(TSDIS)和TRMM辦公室聯(lián)合制作,由美國國家航空航天局(NASA)的地球科學事業(yè)(ESE)戰(zhàn)略計劃資助并分發(fā).資料的存檔和分發(fā)由Goddard分布式數(shù)據(jù)檔案中心負責,同時該資料沒有版權限制.3B42算法是由TRMM科學小組開發(fā)的一種綜合降雨評估算法,它結合了2B31,2A12,微波成像專用傳感器(SSMI),改進的微波掃描輻射計(AMSR),高級微波探測器(AMSU)等多種被認為是高質量的降雨評估算法,并對地球同步紅外觀測系統(tǒng)獲得的紅外輻射資料進行了校準.高質量的準全球降雨評估資料是通過對紅外亮溫資料進行校準獲得的.而且,3B-42降雨評估資料可用來評價衡量由數(shù)據(jù)集3B-43分析得來的降雨月資料.3B42數(shù)據(jù)集的空間分辨率為0.25°×0.25°,時間分辨率為3h,單位:mmh-1.2.2次降雨侵蝕力計算根據(jù)第1節(jié)中討論的降雨侵蝕力計算方法,本研究中采用TRMM3B42中的3h降雨強度資料進行降雨計算,分別計算了年降雨侵蝕、月降雨侵蝕和次降雨侵蝕,具體的算式模型如下.根據(jù)(1)式進行計算,再結合(2)和(3)式,得出次降雨侵蝕力計算公式:其中Re為次降雨侵蝕力因子(MJmmha-1h-1event-1);iavr為TRMM資料中的3h平均降雨強度;I180為TRMM資料中的次降雨最大180min降雨強度.對于月降雨侵蝕力,則是將一個月內的次降雨侵蝕力疊加而得到:其中Rm為月降雨侵蝕力因子(MJmmha-1h-1mon-1);m為該月次降雨的次數(shù).對于年降雨侵蝕力,則是將一年內的次降雨侵蝕力疊加而得到:其中Ry為年降雨侵蝕力因子(MJmmha-1h-1a-1);n為該年次降雨的次數(shù).3研究區(qū)域和數(shù)據(jù)3.1上游河流及其流域大凌河是遼寧省西部最大的河流,地理位置:東經118°46′~121°50′,北緯40°28′~42°38′,如圖2所示.上游分南北兩支,南支發(fā)源于遼寧省建昌縣水泉溝,北支發(fā)源于河北省平泉縣,南北兩支于喀左縣城附近匯合,流經朝陽市、北票市、義縣、凌海市后注入渤海.干流全長435km,流域面積23837km2,其中遼寧省省內面積20285km2,占全流域面積的85%.3.2數(shù)據(jù)和模型分析本研究所采用的衛(wèi)星降雨數(shù)據(jù)是TRMM3B42資料2005年全年每日的3h降雨資料.數(shù)據(jù)的空間分辨率是0.25°×0.25°,共有52個對應的格網覆蓋整個流域,如圖3所示.另外,為了驗證和對比TRMM數(shù)據(jù)的精度,采用了大凌河流域及其附近區(qū)域19個國家氣象局氣象臺站的日雨量資料進行對比分析,其站點信息見表1,空間分布情況見圖3.4結果與分析4.1降雨侵蝕力的計算1)年降雨侵蝕力根據(jù)上節(jié)所述公式(4)計算2005年大凌河流域年降雨侵蝕力,如圖4所示.可以看出整個流域年降雨侵蝕力變化較大,范圍從最低的444.9到最高的2481.9MJmmha-1h-1.結合流域的地形情況看,西南部為海拔較高的高山地區(qū),降雨侵蝕力較大;流域中部地形偏緩,對應的降雨侵蝕力較小.2)月降雨侵蝕力本研究針對大凌河流域,計算了2005年7,8,9三個月的月降雨侵蝕力,如圖5所示.從圖5中可以看出,8月分降雨侵蝕力最大,7月份次之,9月份最小.其中最大降雨侵蝕1898.6MJmmha-1h-1mon-1,發(fā)生在8月份;而降雨侵蝕力的最小值為1.0,發(fā)生在9月份.3)次降雨侵蝕力根據(jù)2005年5,6,7,8四個月123天的日降雨序列數(shù)據(jù)情況,研究選擇了3次次降雨過程進行降雨侵蝕力的計算,分別是:次降雨1(以后簡稱Event1),從2005年5月29日早上6點開始,至2005年6月2日早上6點結束,平均降雨強度0.7mmh-1;次降雨2(以后簡稱Event2),從2005年6月12日上午9點開始,至2005年6月20日下午15點結束,平均降雨強度0.4mmh-1;次降雨3(以后簡稱Event3),從2005年8月11日晚21點開始,至2005年8月17日下午15點結束平均降雨強度0.52mmh-1.降雨侵蝕結果如圖6所示.4.2日降雨侵蝕力1)降雨量與降雨侵蝕力的關系圖7為2005年大凌河流域年降雨總量分布圖.對比圖4和圖7可以發(fā)現(xiàn),年降雨總量和降雨侵蝕力成線性正相關,即降雨比較豐富的地方相應的降雨侵蝕力偏大.從年度情況看,流域降雨分布不均,在流域西南高山地區(qū)及東北緩坡地區(qū),年降雨量較大,而其它地區(qū)降雨相對較少.2)降雨侵蝕力的季節(jié)變化圖8表示了大凌河流域2005年度12個月份中的降雨侵蝕力分布情況.流域平均降雨侵蝕力季節(jié)分布屬于單峰型,主要集中在5~8月份,占全年的85%,其中8月份是降雨侵蝕最強的時段(也是水土流失最強烈的時段),降雨侵蝕力占全年的26.9%.為了進一步說明降雨侵蝕力的季節(jié)變化情況,制作了流域月降雨變化圖,如圖9所示.可以看出大凌河流域降雨量年內變化趨勢十分明顯,年內降雨季節(jié)分布不均,降雨集中在4~9月,可占全年總降雨量的90%以上.其中夏季(6,7,8月)降雨量最大,占到全年的72%;冬季(12~翌年2月)降雨最小,僅占全年的1.8%.最大日降雨發(fā)生在7月,日降雨量為767.9mm.對比圖8和圖9,可以發(fā)現(xiàn)研究區(qū)降雨侵蝕力的季節(jié)變化與降雨量的變化趨勢并不完全一致,因為降雨侵蝕力是由侵蝕性降雨標準以上的降雨引起的,即由雨量和雨強兩方面因素決定,而并非直接由雨量決定.但由于夏季多發(fā)生暴雨,雨量大、雨強大,因此降雨侵蝕力的季節(jié)分布的主要在夏季.3)方法驗證為了驗證TRMM衛(wèi)星降雨資料的可靠性和精度,本研究采用大凌河流域及附近區(qū)域的國家氣象站點觀測的日降雨數(shù)據(jù)對其進行了對比驗證.由于國家氣象站點空間分布比較稀疏,在整個大凌河流域范圍內只有3個站點,因此研究也考慮了流域附近周圍的16個氣象臺站,共計19個氣象站點,如表1所示.首先將站點觀測日降雨資料利用反距離權重方法進行插值;然后進行網格化,生成和TRMM3B42資料格網大小一致的格網(均為0.25°×0.25°),保持和TRMM的空間分辨率一致;最后將衛(wèi)星降雨數(shù)據(jù)(簡稱TRMM)和站點插值資料(簡稱PLU)進行對比分析.圖10是2005年7,8,9三個月大凌河流域站點觀測資料(PLU)和衛(wèi)星降雨資料(TRMM)的日平均降雨曲線.從圖10中可以發(fā)現(xiàn),和站點資料相比,TRMM衛(wèi)星降雨數(shù)據(jù)依舊可以很好地反映區(qū)域降雨的季節(jié)性變化趨勢.7,8月份為大凌河流域的主要降雨季節(jié),TRMM資料比站點資料值偏大,而在降雨較少的9月份TRMM卻得到了相對偏低的值.這也符合TRMM3B42數(shù)據(jù)在旱季降雨偏少,雨季降雨量偏大的特點.另外,從降雨總量看,如圖11所示,站點資料和衛(wèi)星資料得到的2005年7,8,9三個月份的降雨總量保持相當.其中TRMM在7月份偏高,8月偏低.4)相關分析僅從前兩個圖表分析情況并不能完全反映站點資料和TRMM的精度情況,因此,又做了站點資料和TRMM資料的相關分析,如圖12所示.針對每一個格網內的兩種降雨資料(TRMM數(shù)據(jù)和站點資料)的日平均降雨量進行相關分析,計算了對應的相關系數(shù).可以看出,相關系數(shù)值的范圍大多集中在0.7~1.0之間,平均相關系數(shù)在0.86左右,有些甚者達到了1,這也表明,總體上TRMM衛(wèi)星資料和站點資料結果接近,也證明了TRMM數(shù)據(jù)的精度是較高的;同時,圖12中也有部分相關系數(shù)很小,甚至出現(xiàn)個別的負值.分析認為僅有的負值的出現(xiàn)可能是站點資料的遺漏或者錯誤造成的,站點資料本身的誤差以及插值過程中的誤差都可能是出現(xiàn)負值的原因.需要說明的是,由于缺乏降雨強度資料,在和衛(wèi)星數(shù)據(jù)對比分析時,只采用了實測的降雨量資料,但也能對衛(wèi)星資料的精度起到一定的說服力.圖13描述了站點資料和衛(wèi)星降雨資料對應格網的相關系數(shù)空間分布情況,從圖13中可以看出整個流域內兩種資料的相關性非常好.由于1和2兩點分布了兩個氣象站點,相應的其周圍格網的相關系數(shù)較高,相關性更好.這也從側面反映,和站點資料相比,TRMM數(shù)據(jù)可以較好地反映降雨的時空分布性.5大凌河流域降雨侵蝕力計算方法定量評價流域的土壤侵蝕狀況對于流域水保措施的制定、區(qū)域發(fā)展規(guī)劃乃至國家生態(tài)安全、防洪安全、飲水安全和糧食安全都具有重要的科學和工程意義.由于影響土壤水力侵蝕的主要因素,如降雨、植被、土壤和地形等,具有極強的時空異質性,因此,借助遙感和GIS的技術優(yōu)勢,開展流域尺度的土壤侵蝕計算,是流域管理的迫切需要,也是遙感應用研究的前沿課題之一.而降雨侵蝕力的計算是定量評估土壤水力侵蝕的基礎.TRMM衛(wèi)星降雨資料不僅可以較好地反映降雨的空間分布性,而且也具有較高的時間精度,可以更加準確地計算流域的降雨侵蝕力.這也解決了土壤侵蝕計算中降雨強度資料缺乏的瓶頸,為計算流域降雨侵蝕力提供了新途徑.由于TRMM數(shù)據(jù)的適用性,該數(shù)據(jù)也正在水文模擬、旱澇評估中發(fā)揮著獨特的優(yōu)勢.本文總結了現(xiàn)有利用常規(guī)氣象站點觀測降雨資料計算降雨侵蝕力的方法,然后提出了基于TRMM衛(wèi)星3B42降雨資料進行降雨侵蝕力的計算方法,用3h降雨強度代替了降雨侵蝕力計算中的30min最大降雨強度