《Journal of Hydrology: Regional Studies》:Development of empirical regression model for predicting monthly rainfall erosivity factors based on daily rainfall and its application to future rainfall scenarios in South Korea
编辑推荐:
水致土壤侵蚀(以下简称“土壤侵蚀”)被公认为对土壤资源和土地生产力构成重大威胁,并对粮食安全、水质和生态系统服务产生级联影响(Wuepper et al., 2020)。由于降雨是侵蚀过程的主要驱动力,大多数预测模型都包含一个表征降雨侵蚀能力的项,即降雨侵蚀力
水致土壤侵蚀(以下简称“土壤侵蚀”)被公认为对土壤资源和土地生产力构成重大威胁,并对粮食安全、水质和生态系统服务产生级联影响(Wuepper et al., 2020)。由于降雨是侵蚀过程的主要驱动力,大多数预测模型都包含一个表征降雨侵蚀能力的项,即降雨侵蚀力(rainfall erosivity)或R因子(R-factor)。基于标准EI30的方法在RUSLE模型中作为降雨侵蚀力指数已得到广泛应用,并在不同气候和景观条件下经过大量历史验证。EI30的计算需要(亚)小时间隔的降雨强度数据,以结合侵蚀性降雨的动能(E)和最大30分钟强度(I30)。然而,在许多地区,获取此类高时间分辨率数据仍面临挑战,原因在于监测基础设施的限制和/或未来气候预估的高不确定性。因此,研究人员开发了多种基于粗分辨率降雨数据估算降雨侵蚀力的经验模型。本研究比较并评估了四种经验回归模型——双变量线性模型(Model 1)、单变量对数线性模型(Model 2)、双变量对数线性模型(Model 3)和双变量二次模型(Model 4)——利用日降雨量估算韩国月降雨侵蚀力,并通过基于时间的向前验证(time-based walk-forward approach)评估其时间稳健性。结果表明,双变量对数线性模型(Model 3)在R2 = 0.79时达到最高精度。空间聚类分析揭示了韩国五个不同的降雨侵蚀力区域,其中内陆区域以降雨频率为主导,而沿海区域以降雨量为驱动。在气候变化情景下,研究人员利用KMA提供的WRF-based SSP投影数据(SSP1–2.6、SSP2–4.5、SSP3–7.0和SSP5–8.5)预测未来降雨侵蚀力变化,发现SSP5–8.5情景下冬季侵蚀力将增加四倍,从而加剧冬季土壤侵蚀风险。本研究为韩国基于日降雨数据的月降雨侵蚀力估算提供了稳健的实证模型,并为未来气候变化下的土壤侵蚀风险评估提供了科学依据。
一、研究背景与问题提出
土壤侵蚀是威胁土壤资源与土地生产力的重大环境问题,对粮食安全、水质和生态系统服务产生级联影响。降雨是侵蚀过程的主要驱动力,因此大多数预测模型都包含降雨侵蚀力(rainfall erosivity)或R因子(R-factor)这一关键参数。RUSLE模型中的标准EI30方法需要(亚)小时级降雨强度数据来计算动能(E)与最大30分钟强度(I30),但许多地区因监测设施不足或未来气候预估不确定性高,难以获取此类高分辨率数据。因此,开发基于粗分辨率降雨数据(如日降雨量)的稳健估算方法具有重要的科学意义和应用价值。
韩国约70%的国土为山地,夏季集中强降雨频繁引发地表径流和严重土壤侵蚀。近年来,韩国气象厅(KMA)报告了显著的降水格局变化:强降雨事件(≥30 mm h?1)频率在过去几十年增加了20%以上,冬季降水正由雪向雨转变,2023–2024年冬季降水量达到长期均值(89.0 mm)的2.7倍。这种转变将对休耕期植被覆盖稀疏的坡耕地构成新的威胁。尽管已有研究在韩国开展了降雨侵蚀力模型评估,但仍存在以下局限:多数经验模型在单个站点开发和验证,缺乏跨水文气候条件的时间稳健性评估;较少研究考察降雨-侵蚀力关系的空间非平稳性并将其转化为可物理解释的水文气候区;经验模型与高分辨率气候预估及全国尺度空间分析的整合仍然有限。
基于此,本研究提出三个研究问题:(i)哪种经验模型能最稳健地利用日降雨量估算韩国月降雨侵蚀力?(ii)降雨-侵蚀力关系如何随空间变化,能否划分为不同的水文气候区?(iii)在不同SSP情景下,降雨侵蚀力将如何响应未来气候变化?
二、研究内容与主要结论
研究人员利用韩国58个气象站1973–2010年的小时和日降雨数据计算基准月R因子(Rm, cal),采用标准EI30程序,其中I30通过将各暴雨事件的最大小时降雨强度(I60)乘以1.54的转换系数估算。在此基础上,评估了四种经验回归模型的预测性能:双变量线性模型(Model 1)、单变量对数线性模型(Model 2)、双变量对数线性模型(Model 3)和双变量二次模型(Model 4)。候选模型利用两个日尺度导出变量——有效降雨天数(daysx)和对应总降雨量(rainx)——并在5、10、20 mm day?1三个日降雨阈值下进行评估。模型验证采用基于时间的向前验证方法,并使用2020–2024年的近期记录进行时间样本外验证。未来预测方面,研究人员使用KMA提供的国家气候变化标准情景数据,包括基线期(1995–2024)MKPRISMv21数据集和基于UKESM1驱动的WRF动力降尺度区域气候模型(RCM)在四个SSP情景(SSP1–2.6、SSP2–4.5、SSP3–7.0和SSP5–8.5)下的未来(2031–2100)日降雨数据,空间分辨率为1 km × 1 km。
三、主要研究结果
模型性能比较与选择:四种候选模型在不同日降雨阈值下的校准和验证结果表明,双变量对数线性模型(Model 3)在R2 = 0.79时达到最高精度,成为预测月降雨侵蚀力的最优模型。
空间聚类与水文气候区划分:通过空间聚类分析,研究人员识别出韩国五个不同的降雨侵蚀力区域。内陆区域以降雨频率为主导(frequency-driven),而沿海区域以降雨量为驱动(amount-driven),揭示了降雨-侵蚀力关系的空间非平稳性。
未来气候变化下的降雨侵蚀力响应:在SSP5–8.5情景下,冬季侵蚀力将增加四倍,显著加剧冬季土壤侵蚀风险。这一发现表明,气候变化导致的冬季降水由雪转雨将给休耕期坡耕地带来新的威胁。
四、讨论与结论
本研究的讨论部分强调,双变量对数线性模型(Model 3)的优越性能可能源于其能够同时捕捉降雨频率和降雨量对侵蚀力的非线性贡献。空间聚类揭示的五个降雨侵蚀力区域反映了韩国复杂地形和东亚季风气候的综合影响,为区域化土壤侵蚀管理提供了科学依据。未来情景预测表明,气候变化将显著改变降雨侵蚀力的季节分布格局,尤其是冬季侵蚀力的急剧增加,这对农业土壤保护策略提出了新的挑战。
研究结论指出,基于日降雨数据的双变量对数线性模型(Model 3)能够为韩国提供稳健的月降雨侵蚀力估算,空间聚类分析有效刻画了降雨-侵蚀力关系的区域差异,而SSP情景预测揭示了气候变化下冬季土壤侵蚀风险的显著加剧。该研究为数据稀缺条件下降雨侵蚀力估算提供了可靠方法,并为韩国未来土壤侵蚀风险评估和适应性管理策略制定提供了重要科学支撑。