土壤侵蚀研究中降雨过程随机模拟综述
发布时间：2021-03-23 18:38
土壤侵蚀是中国严峻的环境问题之一。土壤侵蚀模型是诊断和防治土壤侵蚀问题的有力工具。降雨随机模拟模型可以弥补观测资料在时空尺度上的不足,满足土壤侵蚀模型对降雨过程数据的需求。论文总结了降雨过程基本特征、随机模拟的研究进展以及未来的发展方向。主要结论有:①最小降雨间歇（Minimum Inter-event Time, MIT）为分割次降雨的最小时间间隔,当干期小于该临界值,则合并为1次降雨;否则分割为2次独立的次降雨事件。采用指数方法计算得到中国中东部最小降雨间歇变化于7.6～16.6 h之间,平均值为10.7 h;当MIT值较小时,次降雨过程参数如次雨量、历时、平均雨强与峰值雨强等对MIT的变化敏感。②降雨的时程分配特征反映次降雨量在降雨过程中的分配,是降雨过程随机模拟的重要方面。采用Huff雨型分析方法得到中国降雨以峰值出现在前期的降雨为主,峰值出现在前1/2时段的降雨占65.1%;峰值出现在前期的降雨事件,与峰值出现在后期的降雨事件相比,历时较短、雨强较大。③美国农业部水蚀预报项目WEPP中自带的天气随机模型CLIGEN能较好地模拟日雨量,整体上低估次降雨历时,高估峰值雨强;且对于...
【文章来源】：地理科学进展. 2020,39(10)北大核心CSSCICSCD
【文章页数】：11 页
【部分图文】：
最小降雨间歇示意图
图1 最小降雨间歇示意图CLIGEN的降雨过程模拟每月需要输入7个参数[43]，分别为p(W/W)、p(W/D)、MEAN P、S DEV P、SKEW P、MX.5P和Time Pk，依次代表：由湿日转移为湿日的概率、由干日转移为湿日的概率、日雨量均值、日雨量标准差、日雨量偏度系数、月最大30min雨强的均值以及到达峰值雨强的时间与历时比值的累积频率分布(各参数具体含义参见Yu[43])。在这7个参数中，第1和第2组参数用于降雨是否发生的模拟，第3～5组参数用于次降雨量的模拟，前5组参数均可以用日数据进行计算。后2组参数MX.5P和Time Pk，用于降雨过程的模拟，需要断点雨强数据或者观测时间间隔≤30 min的降雨过程数据进行准备。目前，该类高时间精度的数据相对难以获取。CLIGEN提供了美国本土2600个站点的CLI-GEN输入参数文件[31]。其中，对于MX.5P和Time Pk两个参数，仅有142个站点用15 min精度资料计算得到，其余2000多个站点均是通过选择距离最近的站点进行空间插值得到[33]。在世界其他地区，高时间精度数据相对更有限。因此，在已发表的CLI-GEN的评估研究中，大部分针对日及日以上尺度进行评估。高时间精度的降雨数据的缺乏，影响降雨过程相关参数的准备，严重制约了CLIGEN在美国以外其他区域的应用。在中国，小时数据相对于分钟数据或者断点雨强数据更容易获取[22-23]，亟需发展使用小时降雨数据估算MX.5P和Time Pk的方法，促进CLIGEN模型的推广和应用。
基于收集到的18个站点分钟降雨资料，采用目前国际上应用广泛的指数法定量估算中国的MIT值，定义为MITexp[10,21,45-46]。指数方法以次降雨事件相互独立为前提，假定次降雨事件发生的开始点服从泊松分布，建议采用指数分布模拟两次降雨过程之间的降雨间歇，其指数分布方程如下：式中：f(t)是t的概率密度函数；α是降雨间歇平均值的倒数；t是干期，随机变量。指数分布具有均值等于标准差的特性，基于此，指数法计算过程如下：对连续的降雨记录数据，统计干期的频率分布，将干期时长按从小到大进行排序，从最小值开始计算，如果大于等于该值的干期不服从指数分布，则将该干期值及其对应的频次从计算中剔除；然后进入下一个干期的计算，直到找到一个临界值，能令大于该临界值的干期服从指数分布，该临界值即为该站的MIT值，记作MITexp。根据分钟资料整理得到逐小时降雨资料并计算各站对应的MIT值，通过对比两类资料计算的MIT值的差别，分析指数方法对使用资料时间分辨率的敏感性；通过对比不同MIT值下，各次降雨特征指标的差别分析次降雨特征对MIT值变化的敏感性。结果表明(表2):MITexp变化于7.6～16.6 h，平均值为10.7 h。由小时资料计算的MITexp值变化于6.8～15.6 h，平均值为9.8 h，与由分钟资料计算的MITexp值差异不大(表2)，配对t检验表明二者在0.05的显著性水平下无显著差异。当MIT值较小时，次降雨过程特征参数对MIT的变化敏感；当MIT值增大时，敏感性降低。随着MIT值由小变大，年均降雨次数减少，次降雨量增多，次降雨历时增大，次降雨平均雨强变小，峰值雨强I30增大。为了更直观地表达这种差异，表3列出了MIT分别取2 h、6 h、10 h和MITexp时，各站次降雨过程的特征参数。其中，2 h和6 h为目前中国常用的MIT值，10 h为本文基于指数法分析分钟和小时降雨资料得到的各站MIT的平均值。以MIT为2 h和10 h对比为例，所得的次降雨量、次降雨历时、次降雨平均雨强、峰值雨强I30的相对偏差分别达到-37%、-59%、20%和-24%”(表3)。表4表明，当MIT为2h时，得到的次降雨特征各指标与MIT为6 h,10 h和各站MITexp相比，大部分在统计上具有显著差别；当MIT为6 h时，得到的次降雨特征各指标与MIT为10 h、各站MITexp值相比，大部分在统计上没有显著差别；当MIT为10 h时，与各站MITexp值相比，参与对比的次降雨特征各指标均没有显著差别。故为了使用方便和便于比较，在中国建议统一使用10 h作为划分次降雨间隔的MIT值。关于MIT及次降雨特征的更多研究可参考Wang等[47]。
【参考文献】：
期刊论文
[1]统计降尺度方法的研究进展与挑战[J]. 陈杰,许崇育,郭生练,陈华. 水资源研究. 2016(04)
[2]中国降雨过程时程分型特征[J]. 殷水清,王杨,谢云,刘安麟. 水科学进展. 2014(05)
[3]Duration and Seasonality of Hourly Extreme Rainfall in the Central Eastern China[J]. 李建,宇如聪,孙溦. Acta Meteorologica Sinica. 2013(06)
[4]气候影响评价中统计降尺度若干问题的探讨[J]. 刘昌明,刘文彬,傅国斌,欧阳如琳. 水科学进展. 2012(03)
[5]日以下尺度降雨随机模拟研究进展[J]. 殷水清,谢云,陈德亮,林小鹃,李维京. 地球科学进展. 2009(09)
[6]统计降尺度法对未来区域气候变化情景预估的研究进展[J]. 范丽军,符淙斌,陈德亮. 地球科学进展. 2005(03)
[7]中国综合自然地理区划的一个新方案[J]. 赵松乔. 地理学报. 1983(01)
本文编号：3096239
【文章来源】：地理科学进展. 2020,39(10)北大核心CSSCICSCD
【文章页数】：11 页
【部分图文】：
最小降雨间歇示意图
图1 最小降雨间歇示意图CLIGEN的降雨过程模拟每月需要输入7个参数[43]，分别为p(W/W)、p(W/D)、MEAN P、S DEV P、SKEW P、MX.5P和Time Pk，依次代表：由湿日转移为湿日的概率、由干日转移为湿日的概率、日雨量均值、日雨量标准差、日雨量偏度系数、月最大30min雨强的均值以及到达峰值雨强的时间与历时比值的累积频率分布(各参数具体含义参见Yu[43])。在这7个参数中，第1和第2组参数用于降雨是否发生的模拟，第3～5组参数用于次降雨量的模拟，前5组参数均可以用日数据进行计算。后2组参数MX.5P和Time Pk，用于降雨过程的模拟，需要断点雨强数据或者观测时间间隔≤30 min的降雨过程数据进行准备。目前，该类高时间精度的数据相对难以获取。CLIGEN提供了美国本土2600个站点的CLI-GEN输入参数文件[31]。其中，对于MX.5P和Time Pk两个参数，仅有142个站点用15 min精度资料计算得到，其余2000多个站点均是通过选择距离最近的站点进行空间插值得到[33]。在世界其他地区，高时间精度数据相对更有限。因此，在已发表的CLI-GEN的评估研究中，大部分针对日及日以上尺度进行评估。高时间精度的降雨数据的缺乏，影响降雨过程相关参数的准备，严重制约了CLIGEN在美国以外其他区域的应用。在中国，小时数据相对于分钟数据或者断点雨强数据更容易获取[22-23]，亟需发展使用小时降雨数据估算MX.5P和Time Pk的方法，促进CLIGEN模型的推广和应用。
基于收集到的18个站点分钟降雨资料，采用目前国际上应用广泛的指数法定量估算中国的MIT值，定义为MITexp[10,21,45-46]。指数方法以次降雨事件相互独立为前提，假定次降雨事件发生的开始点服从泊松分布，建议采用指数分布模拟两次降雨过程之间的降雨间歇，其指数分布方程如下：式中：f(t)是t的概率密度函数；α是降雨间歇平均值的倒数；t是干期，随机变量。指数分布具有均值等于标准差的特性，基于此，指数法计算过程如下：对连续的降雨记录数据，统计干期的频率分布，将干期时长按从小到大进行排序，从最小值开始计算，如果大于等于该值的干期不服从指数分布，则将该干期值及其对应的频次从计算中剔除；然后进入下一个干期的计算，直到找到一个临界值，能令大于该临界值的干期服从指数分布，该临界值即为该站的MIT值，记作MITexp。根据分钟资料整理得到逐小时降雨资料并计算各站对应的MIT值，通过对比两类资料计算的MIT值的差别，分析指数方法对使用资料时间分辨率的敏感性；通过对比不同MIT值下，各次降雨特征指标的差别分析次降雨特征对MIT值变化的敏感性。结果表明(表2):MITexp变化于7.6～16.6 h，平均值为10.7 h。由小时资料计算的MITexp值变化于6.8～15.6 h，平均值为9.8 h，与由分钟资料计算的MITexp值差异不大(表2)，配对t检验表明二者在0.05的显著性水平下无显著差异。当MIT值较小时，次降雨过程特征参数对MIT的变化敏感；当MIT值增大时，敏感性降低。随着MIT值由小变大，年均降雨次数减少，次降雨量增多，次降雨历时增大，次降雨平均雨强变小，峰值雨强I30增大。为了更直观地表达这种差异，表3列出了MIT分别取2 h、6 h、10 h和MITexp时，各站次降雨过程的特征参数。其中，2 h和6 h为目前中国常用的MIT值，10 h为本文基于指数法分析分钟和小时降雨资料得到的各站MIT的平均值。以MIT为2 h和10 h对比为例，所得的次降雨量、次降雨历时、次降雨平均雨强、峰值雨强I30的相对偏差分别达到-37%、-59%、20%和-24%”(表3)。表4表明，当MIT为2h时，得到的次降雨特征各指标与MIT为6 h,10 h和各站MITexp相比，大部分在统计上具有显著差别；当MIT为6 h时，得到的次降雨特征各指标与MIT为10 h、各站MITexp值相比，大部分在统计上没有显著差别；当MIT为10 h时，与各站MITexp值相比，参与对比的次降雨特征各指标均没有显著差别。故为了使用方便和便于比较，在中国建议统一使用10 h作为划分次降雨间隔的MIT值。关于MIT及次降雨特征的更多研究可参考Wang等[47]。
【参考文献】：
期刊论文
[1]统计降尺度方法的研究进展与挑战[J]. 陈杰,许崇育,郭生练,陈华. 水资源研究. 2016(04)
[2]中国降雨过程时程分型特征[J]. 殷水清,王杨,谢云,刘安麟. 水科学进展. 2014(05)
[3]Duration and Seasonality of Hourly Extreme Rainfall in the Central Eastern China[J]. 李建,宇如聪,孙溦. Acta Meteorologica Sinica. 2013(06)
[4]气候影响评价中统计降尺度若干问题的探讨[J]. 刘昌明,刘文彬,傅国斌,欧阳如琳. 水科学进展. 2012(03)
[5]日以下尺度降雨随机模拟研究进展[J]. 殷水清,谢云,陈德亮,林小鹃,李维京. 地球科学进展. 2009(09)
[6]统计降尺度法对未来区域气候变化情景预估的研究进展[J]. 范丽军,符淙斌,陈德亮. 地球科学进展. 2005(03)
[7]中国综合自然地理区划的一个新方案[J]. 赵松乔. 地理学报. 1983(01)
本文编号：3096239
本文链接：https://www.wllwen.com/kejilunwen/nykj/3096239.html
