风速分辨率对土壤风蚀模数计算结果的影响

doi:10.7522/j.issn.1000-694X.2021.00164

摘要/Abstract

摘要：

风是土壤风蚀的驱动力，风力直接影响土壤风蚀的强度。风速是土壤风蚀预报模型的主要输入参数，高时间分辨率和高空间分辨率的风速数据能提高模型模拟效果。为对比风速处理方法及风速数据时空分辨率对模型模拟结果的影响，基于修正风蚀模型（RWEQ）评估该模型对于各输入参数的敏感性，分别选取中国北方农牧交错带内130个气象站（基准气候站和基本气象站）中不同类型及不同数量的气象站数据，利用线性插值法和风蚀预报系统（WEPS）的WINDGEN风速生成法将1日4次风速数据和1日2类风速数据生成24 h风速数据输入模型，结合1日4次风速数据直接输入模型构建了不同气象站数量及不同风速数据类型的6种模拟情景，计算了研究区在不同模拟情景下的潜在风蚀模数。结果表明：RWEQ模型估算的区域潜在风蚀模数会随气象站点的数量和风速时间分辨率的提升而增加；风速数据的线性插值方法在RWEQ模型中应用效果不理想，与WEPS模型的WINDGEN风速生成方法相比，线性插值法使地面2 m处大于临界起沙风速（5 m·s^-1）的风速频率降低，过低估计潜在风蚀模数和区域土壤风蚀状况。

关键词: 风速数据, 气象站数量, 潜在风蚀模数, RWEQ模型

Abstract:

Wind is the essential driving force of wind erosion and have a direct impact on the wind erosion intensity by wind speed. Wind speed is one of the vital input parameters of the soil wind erosion model， and high temporal-spatial resolution can improve the performance of model simulation. In order to explore the method of temporal interpolation and wind speed data with different spatial-temporal resolution on the model simulation results， the sensitivity of the RWEQ model to each input parameters had been evaluated and different types of wind data from 130 meteorological observing stations （reference climatological station and basic weather station） were selected in the Agra Pastoral Ecotone of Northern China， four wind speeds and two wind speeds per day are used respectively to generate hourly wind speed by WINDGEN in WEPS and linear interpolation， and with four wind speeds per day without interpolation. Six scenarios were constructed with different wind data types and number of meteorological stations to simulated the potential wind erosion modulus in study area in different scenarios. From the scenarios， the potential wind erosion of RWEQ enhanced as the number of meteorological stations and wind speed resolution increased. Moreover， compared with WINDGEN in WEPS， the method of linear interpolation is unsatisfactory in RWEQ， which caused a remarkable reduce of frequency greater than threshold wind speed （5 m·s^-1） at 2 m height and underestimatation of the potential wind erosion and regional soil wind erosion conditions.

Key words: wind speed data, number of meteorological stations, potential wind erosion modulus, RWEQ model

中图分类号:

P425

张莉, 李继峰, 常春平, 郭中领, 刘珺, 王仁德, 李庆, 王旭洋. 风速分辨率对土壤风蚀模数计算结果的影响[J]. 中国沙漠, 2022, 42(3): 21-30.

Li Zhang, Jifeng Li, Chunping Chang, Zhongling Guo, Jun Liu, Rende Wang, Qing Li, Xuyang Wang. Influence of spatial-temporal resolution of wind speed data on calculation result of soil wind erosion modulus[J]. Journal of Desert Research, 2022, 42(3): 21-30.

图/表 7

参考文献 42

1	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（3/4）：179-200.
2	Dong Z B， Wang X M， Liu L Y.Wind erosion in arid and semiarid China：an overview［J］.Journal of Desert Research，2000，20（2）：134-139.
3	Shi P， Ping Y， Yuan Y，et al.Wind erosion research in China：past，present and future［J］.Progress in Physical Geography，2004，28（3）：366-386.
4	Song Y， Liu L， Yan P，et al.A review of soil erodibility in water and wind erosion research［J］.Journal of Geographical Sciences，2005，15（2）：167-176.
5	中华人民共和国水利部.2019年中国水土保持公报［J］.2020：1-50.
6	Larney F J， Bullock M S， Janzen H H，et al.Wind erosion effects on nutrient redistribution and soil productivity［J］.Journal of Soil & Water Conservation，1998，53（2）：133-140.
7	Wang T， Xue X， Luo Y，et al.Human causes of aeolian desertification in northern China［J］.Sciences in Cold & Arid Regions，2008，1（1）：1-13.
8	Lelieveld J， Evans J S， Fnais M，et al.The contribution of outdoor air pollution sources to premature mortality on a global scale［J］.Nature，2015，525（7569）：367-371.
9	Li X， Song H， Zhai S，et al.Particulate matter pollution in Chinese cities：a real-temporal variations and their relationships with meteorological conditions （2015-2017）［J］.Environmental Pollution，2019，246：11-18.
10	刘莹，韩永翔，杨文清，等.沙尘天气、尘卷风对沙漠地区起沙量的贡献［J］.中国沙漠，2018，38（6）：1175-1179.
11	Borrelli P， David A R， Panos P，et al.Land use and climate change impacts on global soil erosion by water（2015-2070）［J］.Proceedings of the National Academy of Sciences，2020，117（36）：21994-22001.
12	邹学勇，张春来，程宏，等.土壤风蚀模型中的影响因子分类与表达［J］.地球科学进展，2014，29（8）：875-889.
13	张春来，宋长青，王振亭，等.土壤风蚀过程研究回顾与展望［J］.地球科学进展，2018，33（1）：27-41.
14	Skidmore E L， Tatarko J.Stochastic wind simulation for erosion modeling［J］.Transactions of the ASAE，1990，33（6）：1893-1899.
15	Wagner L E， Tatarko J， Skidmore E L.WIND-GEN：a statistical database and generator for wind data［J］.Transaction of ASAE，1992：21-24.
16	Liu B， Qu J， Wagner L E.Building Chinese wind data for Wind Erosion Prediction System using surrogate US data［J］.Journal of Soil & Water Conservation，2013，68（4）：104-107.
17	Panebianco J E， Buschiazzo D E.Effect of temporal resolution of wind data on wind erosion prediction with the revised wind erosion equation （RWEQ）［J］.Ciencia Del Suelo，2013，31（2）：189-199.
18	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.
19	Lin J K， Guan Q Y， Pan N H，et al.Spatiotemporal variations and driving factors of the potential wind erosion rate in the Hexi Region［J］.Land Degradation and Development，2020，32（1）：139-157.
20	Du H Q， Wang T， Xue X，et al.Modelling of sand/dust emission in Northern China from 2001 to 2014［J］.Geoderma An International Journal of Soil Science，2018，330：162-176.
21	王旭洋，郭中领，常春平，等.中国北方农牧交错带土壤风蚀时空分布［J］.中国沙漠，2020，40（1）：12-22.
22	Guo Z L， Zobeck T M， Zhang K，et al.Estimating potential wind erosion of agricultural lands in northern China using the Revised Wind Erosion Equation （RWEQ） and GIS［J］.Journal of Soil & Water Conservation，2013，68（1）：13-21.
23	刘红，王卫，郝彦莉，等.基于风蚀模型的河北省土壤风蚀风险评价［J］.水土保持通报，2016，36（2）：12-17.
24	巩国丽，刘纪远，邵全琴.基于RWEQ的20世纪90年代以来内蒙古锡林郭勒盟土壤风蚀研究［J］.地理科学进展，2014，33（6）：825-834.
25	申陆，田美荣，高吉喜.基于RWEQ模型的浑善达克沙漠化防治生态功能区土壤风蚀与主要影响因子分析［J］.水土保持研究，2016，23（6）：90-97.
26	江凌，肖燚，欧阳志云，等.基于RWEQ模型的青海省土壤风蚀模数估算［J］.水土保持研究，2015，22（1）：21-25.
27	李智广，邹学勇，程宏.我国风力侵蚀抽样调查方法［J］.中国水土保持科学，2013，11（4）：17-21.
28	Guo Z L， Chang C P， Wang R D.A Novel Method to Downscale Daily Wind Statistics to Hourly Wind Data for Wind Erosion Modelling［M］. Berlin，Germany：Springer，2016：611-619.
29	Donk S， 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.
30	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.
31	Skidmore E L， Liao C， Donk S J.Simulation of wind speed and direction from limited data［C］//International Soil Conservation Organization Proceedings.Marruecos，2006，May：14-19.
32	van Donk S， Wagner L E， Skidmore E L，et al.Comparison of the weibull model with measured wind speed distributions for stochastic wind generation［J］.Transactions of the ASAE，2005，48（2）：503-510.
33	中国气象局. 气象观测站分类及命名规则［S］.2019.
34	Fryrear D W， Saleh A， Bilbro J D，et al.Revised Wind Erosion Equation （RWEQ）［R］.Wind Erosion and Water Conservation Research Unit，USDA-ARS，Southern Plains Area Cropping Systems Research Laboratory，1998.
35	Zobeck T M， Parker N C， Haskell S，et al.Scaling up from field to region for wind erosion prediction using a field-scale wind erosion model and GIS［J］.Agriculture Ecosystems & Environment，2000，82（1/2/3）：247-259.
36	Fryrear D W， Bilbro J D， Saleh A，et al.RWEQ：improved wind erosion technology［J］.Journal of Soil and Water Conservation，2000，55（2）：183-189.
37	Zobeck T M.Soil properties affecting wind erosion［J］.Journal of Soil & Water Conservation，1991，46（2）：112-118.
38	Pi H W， Huggins D R， Sharratt B.Soil wind erosion influenced by clay amendment in the inland Pacific Northwest，USA［J］.Land Degradation and Development，2021，32（1）：241-255.
39	Nearing M A， Deer-Ascough L， Laflen J M.Sensitivity analysis of the WEPP hillslope profile erosion model［J］.Transactions of the ASAE，1990，33（3）：839-849.
40	Feng G， Sharratt B S.Sensitivity analysis of soil and PM₁₀ loss in WEPS using the LHS-OAT method［J］.Transactions of the ASABE，2005，48（4）：1409-1420.
41	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）：1715-1722.
42	中华人民共和国水利部.土壤侵蚀分级分类标准［M］.北京：中国水利水电出版社，2007.

数据类型	数据格式	时间分辨率	空间分辨率
气象数据	Text	1 d	N/A
土壤数据	Raster	N/A	1 000 m
植被数据 NDVI	Raster	16 d	1 000 m
DEM数据	Raster	N/A	1 000 m
土地利用类型数据	Raster	1 a	1 000 m

数据类型	数据格式	时间分辨率	空间分辨率
气象数据	Text	1 d	N/A
土壤数据	Raster	N/A	1 000 m
植被数据 NDVI	Raster	16 d	1 000 m
DEM数据	Raster	N/A	1 000 m
土地利用类型数据	Raster	1 a	1 000 m

参数	单位	基准值	最小值	最大值	敏感系数	敏感等级
2 m高度风速	m·s^-1	12.00	6.00	24.00	1.66	1
雪盖因子	—	0.98	0.70	1.00	1.00	2
植被盖度	%	16.00	0.00	100.00	-0.99	3
黏粒含量	%	4.75	0.00	25.20	-0.81	4
降水量	mm	10.21	0.00	111.40	-0.68	5
CaCO₃ 含量	%	20.60	5.00	39.30	-0.47	6
砂粒含量	%	44.39	5.50	93.60	0.38	7
地形坡度	°	0.97	0.00	45.00	-0.31	8
有机质含量	%	1.78	0.18	4.79	-0.23	9
降水日数	d	2.60	0.00	11.00	-0.19	10
粉粒含量	%	35.01	0.50	69.50	0.15	11
日照时数	h	8.40	0.00	14.30	0.11	12
气温	℃	8.60	-29.20	39.80	-0.01	13

参数	单位	基准值	最小值	最大值	敏感系数	敏感等级
2 m高度风速	m·s^-1	12.00	6.00	24.00	1.66	1
雪盖因子	—	0.98	0.70	1.00	1.00	2
植被盖度	%	16.00	0.00	100.00	-0.99	3
黏粒含量	%	4.75	0.00	25.20	-0.81	4
降水量	mm	10.21	0.00	111.40	-0.68	5
CaCO₃ 含量	%	20.60	5.00	39.30	-0.47	6
砂粒含量	%	44.39	5.50	93.60	0.38	7
地形坡度	°	0.97	0.00	45.00	-0.31	8
有机质含量	%	1.78	0.18	4.79	-0.23	9
降水日数	d	2.60	0.00	11.00	-0.19	10
粉粒含量	%	35.01	0.50	69.50	0.15	11
日照时数	h	8.40	0.00	14.30	0.11	12
气温	℃	8.60	-29.20	39.80	-0.01	13

[1]	邢丽珠, 张方敏, 邢开成, 李云鹏, 卢琦, 鲁飞飞. 基于RWEQ模型的内蒙古巴彦淖尔市土壤风蚀变化特征及归因分析[J]. 中国沙漠, 2021, 41(5): 111-119.
[2]	邢春燕, 郭中领, 常春平, 王仁德, 张志栋. RWEQ模型在河北坝上地区的适用性[J]. 中国沙漠, 2018, 38(6): 1180-1192.