朝陽市降雨侵蝕力時間序列分布特征研究

王英敏

(本溪市水利工程質量與安全監督站，遼寧 本溪 117022)

隨著人類活動的增加，全球氣候在近百年來發生了顯著的變化，并造成極端氣候事件的增加，進而對全球的水資源、土壤侵蝕以及生態系統產生了潛在影響[1]。遼寧省西部地區是遼寧省乃至我國水土流失嚴重的地區之一，而氣候變化也對當地的土壤侵蝕特征造成顯著影響[2]。基于此，本文以遼西地區朝陽市為例，研究氣候變化背景下土壤侵蝕力在時間序列上的變化規律，為當地的水土保持規劃和綜合防治工作提供參考。

1 研究區概況

朝陽市位于我國遼寧省西部，南鄰河北省，北接內蒙古自治區，東連遼寧省中部的工業地帶，具有十分優越的地理位置。朝陽市下轄2個市轄區、2個縣和1個自治縣，總面積19736km2，人口334.9萬人。朝陽市為典型的溫帶大陸性氣候，四季分明、雨熱同期，降水偏少，年均降雨量450～580mm。朝陽市境內的主要河流有大凌河、小凌河、青龍河和老哈河等，多年平均徑流量13.22億m3。由于朝陽市干旱少雨，大多數地區為丘陵地形，植被覆蓋率較低，大部分土地的地表土壤不能有效截蓄雨水、分散徑流、降低流速，加上局部的干旱和暴雨頻發，因此水土流失主要以水蝕為主且比較嚴重[3]。改革開放以來，隨著經濟發展水平的不斷提升，朝陽市加大了在環境治理領域的投入力度，水土流失治理取得了顯著成績[4]。經過多年治理，朝陽市的水土流失面積減少了1.22萬km2，但是仍有水土流失面積6553km2，治理任務仍舊十分艱巨。因此，研究當地降雨侵蝕力的分布特征，對采取正確的水土保持策略，提高水土流失防治效果具有重要的借鑒意義。

2 降雨侵蝕力的計算模型

2.1 算法的選擇

研究中所使用的氣象數據來自于遼寧省氣象信息中心，從其數據庫中提取朝陽市13個主要氣象站點1958—2019年的降雨和地理信息數據，作為本次研究的基礎氣象數據。通過查閱和整理該領域的研究文獻，結合遼寧省西部地區的實際特點，選擇其中比較有代表性的朱強模型[5]、陳世發模型[6]、宮冰模型[7]以及劉慧英模型[8]，分別記作模型1、模型2、模型3和模型4，以朝陽市太平房和中三家兩地的降雨侵蝕力精確值為基準，利用有效系數和相對偏差分析方法，展開上述4個模型之間的差異分析，并對各個模型的優劣進行必要的評價。根據四個模型的具體計算要求，分別計算出太平房在1997年至2003年以及中三家在2001年至2005年的降雨侵蝕力變化特征，結果分別如圖1、2所示。由圖可知，4個模型在降雨侵蝕量計算結果方面的變幅較大。從三家地的結果來看，4個模型的R值的變化趨勢與基準值的變化趨勢基本一致，除了模型1在1998年的數值略大于基準值之外，其他模型和年份的數值均小于基準值，且基本呈現出基準值>模型1>模型2>模型3>模型4的基本特征。從圖2來看，4個模型的R值和基準值之間存在比較明顯的交叉現象。

圖1 太平房4種模型計算成果對比

圖2 三家地4種模型計算成果對比

模型的優劣主要通過有效系數和相對偏差兩個指標進行衡量，文中選擇的4個模型的計算成果見表1。由表中的計算結果來看，太平房和三家地在模型1的計算結果上均有較高的有效系數以及較低的偏差系數，有效系數分別為0.86和0.76，偏差系數分別為0.05和0.10。從太平房的計算結果來看，模型4的有效系數最小，為0.63，R值也相對偏小，但是在三家地的有效系數最高。總體來看，模型4的穩定性明顯不足。此外，模型2和模型3的模擬能力與模型1相比明顯偏低。綜合上述分析，模型1的整體模擬效果相對較好，因此在后續研究中選擇模型1進行研究區的降雨侵蝕力計算。

表2 各模型R值、有效系數和相對偏差計算成果

2.2 計算模型的構建

根據上文篩選的月降雨侵蝕力計算方法，計算研究時段內的月降雨侵蝕力，并匯總年降雨侵蝕力。相關性分析結果顯示，年降雨侵蝕力和降雨量之間存在較強的相關性，因此將逐年降雨侵蝕力的R值作為y值，逐年降雨量作為x值，對所有的站點利用線性函數、對數函數、冪函數和指數函數等四種模型進行回歸分析[9]，從計算結果來看，冪函數模型的決定系數最大，為0.930，所占比例為97.3%，也最大，因此回歸擬合效果最佳。因此，利用冪函數進行回歸分析，獲得整個朝陽市的回歸擬合方程，其表達式為：

y=0.046x1.5887

(1)

根據上式，可以獲得朝陽市降雨侵蝕力的R值計算公式：

R=0.046P1.5887

(2)

式中，R—年降雨侵蝕力，MJ·hm-2h-1a-1；P—逐年降雨量，mm。

2.3 模型的檢驗

利用公式(2)對朝陽市另外8個站點的逐年降雨侵蝕力進行計算，并對其進行線性回歸驗證，結果顯示，8個氣象站的回歸決定系數為0.908～0.963，均值為0.937；與基準值的線性回歸斜率為0.934～1.099，均值為1.000，其中斜率在0.9以上的占100%，斜率在0.95至1.05之間的占70.56%。由此可見，上述模型在計算降雨侵蝕力方面精度較高，計算方法較為簡便，且受降雨資料的限制較少，可以用于后續研究。

3 計算結果與分析

3.1 年內分布特征分析

根據上文構建的模型，對朝陽市各月的降雨侵蝕力R值的多年均值以及降雨侵蝕力的比例進行計算，根據計算結果繪制出降雨侵蝕力年內分布特征如圖3所示。由圖3可知，朝陽市的降雨侵蝕力R值與降雨的季節之間存在較為一致的變化特征，呈現出明顯的單峰型特點，在1—7月逐漸增加，在8—12月逐漸減小。從降雨侵蝕比例上來看，主要集中于降雨量較大的4—10月，占到年R值的97.98%，特別是汛期的7月份的降雨侵蝕力占到了全年的36.98%。

3.2 年際分布特征分析

根據上文構建的模型，對朝陽市1984—2019年間的降雨侵蝕力R值進行計算，結果見表2。由表2中的結果可知，朝陽市多年平均降雨侵蝕力為1898.28 MJ·hm-2h-1a-1，其最大值出現在1998年，為5448.39 MJ·hm-2h-1a-1，最小值出現在1986年，為990.47MJ·hm-2h-1a-1，振幅為4457.92 MJ·hm-2h-1a-1。由此可見，朝陽市年降雨侵蝕力的差別較大。

圖3 朝陽市降雨侵蝕力年內分布特征

表2 年降雨侵蝕力計算成果 單位：MJ·hm-2h-1a-1

4 結論

此次研究以遼西地區朝陽市為例，構建降雨侵蝕力計算模型，對降雨侵蝕力時間序列分布特征進行研究，并獲得如下主要結論：

(1)借鑒朱強的研究成果，利用冪函數擬合，構建起朝陽市降雨侵蝕力計算模型，驗證結果顯示模型具有較高的計算精度。

(2)朝陽市的降雨侵蝕力R值與季節之間存在較為一致的變化特征，呈現出明顯的單峰型特點；從降雨侵蝕比例上來看，主要集中于降雨量較大的4—10月，占到年R值的97.98%。

(3)朝陽市年降雨侵蝕力的差別較大。