土壤侵蝕是中國嚴(yán)峻的環(huán)境問題之一。土壤侵蝕模型是診斷和防治土壤侵蝕問題的有力工具。降雨隨機(jī)模擬模型可以彌補(bǔ)觀測資料在時空尺度上的不足,滿足土壤侵蝕模型對降雨過程數(shù)據(jù)的需求。論文總結(jié)了降雨過程基本特征、隨機(jī)模擬的研究進(jìn)展以及未來的發(fā)展方向。主要結(jié)論有:①最小降雨間歇（Minimum Inter-event Time, MIT）為分割次降雨的最小時間間隔,當(dāng)干期小于該臨界值,則合并為1次降雨;否則分割為2次獨(dú)立的次降雨事件。采用指數(shù)方法計(jì)算得到中國中東部最小降雨間歇變化于7.6～16.6 h之間,平均值為10.7 h;當(dāng)MIT值較小時,次降雨過程參數(shù)如次雨量、歷時、平均雨強(qiáng)與峰值雨強(qiáng)等對MIT的變化敏感。②降雨的時程分配特征反映次降雨量在降雨過程中的分配,是降雨過程隨機(jī)模擬的重要方面。采用Huff雨型分析方法得到中國降雨以峰值出現(xiàn)在前期的降雨為主,峰值出現(xiàn)在前1/2時段的降雨占65.1%;峰值出現(xiàn)在前期的降雨事件,與峰值出現(xiàn)在后期的降雨事件相比,歷時較短、雨強(qiáng)較大。③美國農(nóng)業(yè)部水蝕預(yù)報(bào)項(xiàng)目WEPP中自帶的天氣隨機(jī)模型CLIGEN能較好地模擬日雨量,整體上低估次降雨歷時,高估峰值雨強(qiáng);且對于... 

【文章來源】：地理科學(xué)進(jìn)展. 2020,39(10)北大核心CSSCICSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

最小降雨間歇示意圖

圖1 最小降雨間歇示意圖CLIGEN的降雨過程模擬每月需要輸入7個參數(shù)[43]，分別為p(W/W)、p(W/D)、MEAN P、S DEV P、SKEW P、MX.5P和Time Pk，依次代表：由濕日轉(zhuǎn)移為濕日的概率、由干日轉(zhuǎn)移為濕日的概率、日雨量均值、日雨量標(biāo)準(zhǔn)差、日雨量偏度系數(shù)、月最大30min雨強(qiáng)的均值以及到達(dá)峰值雨強(qiáng)的時間與歷時比值的累積頻率分布(各參數(shù)具體含義參見Yu[43])。在這7個參數(shù)中，第1和第2組參數(shù)用于降雨是否發(fā)生的模擬，第3～5組參數(shù)用于次降雨量的模擬，前5組參數(shù)均可以用日數(shù)據(jù)進(jìn)行計(jì)算。后2組參數(shù)MX.5P和Time Pk，用于降雨過程的模擬，需要斷點(diǎn)雨強(qiáng)數(shù)據(jù)或者觀測時間間隔≤30 min的降雨過程數(shù)據(jù)進(jìn)行準(zhǔn)備。目前，該類高時間精度的數(shù)據(jù)相對難以獲取。CLIGEN提供了美國本土2600個站點(diǎn)的CLI-GEN輸入?yún)?shù)文件[31]。其中，對于MX.5P和Time Pk兩個參數(shù)，僅有142個站點(diǎn)用15 min精度資料計(jì)算得到，其余2000多個站點(diǎn)均是通過選擇距離最近的站點(diǎn)進(jìn)行空間插值得到[33]。在世界其他地區(qū)，高時間精度數(shù)據(jù)相對更有限。因此，在已發(fā)表的CLI-GEN的評估研究中，大部分針對日及日以上尺度進(jìn)行評估。高時間精度的降雨數(shù)據(jù)的缺乏，影響降雨過程相關(guān)參數(shù)的準(zhǔn)備，嚴(yán)重制約了CLIGEN在美國以外其他區(qū)域的應(yīng)用。在中國，小時數(shù)據(jù)相對于分鐘數(shù)據(jù)或者斷點(diǎn)雨強(qiáng)數(shù)據(jù)更容易獲取[22-23]，亟需發(fā)展使用小時降雨數(shù)據(jù)估算MX.5P和Time Pk的方法，促進(jìn)CLIGEN模型的推廣和應(yīng)用。

基于收集到的18個站點(diǎn)分鐘降雨資料，采用目前國際上應(yīng)用廣泛的指數(shù)法定量估算中國的MIT值，定義為MITexp[10,21,45-46]。指數(shù)方法以次降雨事件相互獨(dú)立為前提，假定次降雨事件發(fā)生的開始點(diǎn)服從泊松分布，建議采用指數(shù)分布模擬兩次降雨過程之間的降雨間歇，其指數(shù)分布方程如下：式中：f(t)是t的概率密度函數(shù)；α是降雨間歇平均值的倒數(shù)；t是干期，隨機(jī)變量。指數(shù)分布具有均值等于標(biāo)準(zhǔn)差的特性，基于此，指數(shù)法計(jì)算過程如下：對連續(xù)的降雨記錄數(shù)據(jù)，統(tǒng)計(jì)干期的頻率分布，將干期時長按從小到大進(jìn)行排序，從最小值開始計(jì)算，如果大于等于該值的干期不服從指數(shù)分布，則將該干期值及其對應(yīng)的頻次從計(jì)算中剔除；然后進(jìn)入下一個干期的計(jì)算，直到找到一個臨界值，能令大于該臨界值的干期服從指數(shù)分布，該臨界值即為該站的MIT值，記作MITexp。根據(jù)分鐘資料整理得到逐小時降雨資料并計(jì)算各站對應(yīng)的MIT值，通過對比兩類資料計(jì)算的MIT值的差別，分析指數(shù)方法對使用資料時間分辨率的敏感性；通過對比不同MIT值下，各次降雨特征指標(biāo)的差別分析次降雨特征對MIT值變化的敏感性。結(jié)果表明(表2):MITexp變化于7.6～16.6 h，平均值為10.7 h。由小時資料計(jì)算的MITexp值變化于6.8～15.6 h，平均值為9.8 h，與由分鐘資料計(jì)算的MITexp值差異不大(表2)，配對t檢驗(yàn)表明二者在0.05的顯著性水平下無顯著差異。當(dāng)MIT值較小時，次降雨過程特征參數(shù)對MIT的變化敏感；當(dāng)MIT值增大時，敏感性降低。隨著MIT值由小變大，年均降雨次數(shù)減少，次降雨量增多，次降雨歷時增大，次降雨平均雨強(qiáng)變小，峰值雨強(qiáng)I30增大。為了更直觀地表達(dá)這種差異，表3列出了MIT分別取2 h、6 h、10 h和MITexp時，各站次降雨過程的特征參數(shù)。其中，2 h和6 h為目前中國常用的MIT值，10 h為本文基于指數(shù)法分析分鐘和小時降雨資料得到的各站MIT的平均值。以MIT為2 h和10 h對比為例，所得的次降雨量、次降雨歷時、次降雨平均雨強(qiáng)、峰值雨強(qiáng)I30的相對偏差分別達(dá)到-37%、-59%、20%和-24%”(表3)。表4表明，當(dāng)MIT為2h時，得到的次降雨特征各指標(biāo)與MIT為6 h,10 h和各站MITexp相比，大部分在統(tǒng)計(jì)上具有顯著差別；當(dāng)MIT為6 h時，得到的次降雨特征各指標(biāo)與MIT為10 h、各站MITexp值相比，大部分在統(tǒng)計(jì)上沒有顯著差別；當(dāng)MIT為10 h時，與各站MITexp值相比，參與對比的次降雨特征各指標(biāo)均沒有顯著差別。故為了使用方便和便于比較，在中國建議統(tǒng)一使用10 h作為劃分次降雨間隔的MIT值。關(guān)于MIT及次降雨特征的更多研究可參考Wang等[47]。

【參考文獻(xiàn)】：
期刊論文
[1]統(tǒng)計(jì)降尺度方法的研究進(jìn)展與挑戰(zhàn)[J]. 陳杰,許崇育,郭生練,陳華.  水資源研究. 2016(04)
[2]中國降雨過程時程分型特征[J]. 殷水清,王楊,謝云,劉安麟.  水科學(xué)進(jìn)展. 2014(05)
[3]Duration and Seasonality of Hourly Extreme Rainfall in the Central Eastern China[J]. 李建,宇如聰,孫溦.  Acta Meteorologica Sinica. 2013(06)
[4]氣候影響評價中統(tǒng)計(jì)降尺度若干問題的探討[J]. 劉昌明,劉文彬,傅國斌,歐陽如琳.  水科學(xué)進(jìn)展. 2012(03)
[5]日以下尺度降雨隨機(jī)模擬研究進(jìn)展[J]. 殷水清,謝云,陳德亮,林小鵑,李維京.  地球科學(xué)進(jìn)展. 2009(09)
[6]統(tǒng)計(jì)降尺度法對未來區(qū)域氣候變化情景預(yù)估的研究進(jìn)展[J]. 范麗軍,符淙斌,陳德亮.  地球科學(xué)進(jìn)展. 2005(03)
[7]中國綜合自然地理區(qū)劃的一個新方案[J]. 趙松喬.  地理學(xué)報(bào). 1983(01)



本文編號：3096239