ENSO对广东省韶关市年降雨侵蚀力影响数据集(1951–2013)

陈世发

韶关学院旅游与地理学院，韶关 512005

摘  要：根据1951–2013年韶关市历年各月降雨量数据，采用月降雨侵蚀力模型计算月降雨侵蚀力，选取海洋表面温度（SST）、南方涛动指数（SOI）与多变量ENSO指数（MEI）作为厄尔尼诺-南方涛动（ENSO）的指标，分析ENSO对月降雨侵蚀力的影响，得到ENSO对韶关市年降雨侵蚀力影响数据集（1951–2013）。数据结果表明，韶关市降雨侵蚀力年际变化和年内变化较大，总体呈现波动上升趋势；降雨侵蚀力与赤道太平洋SST距平值呈现极显著相关。该数据集包括两个数据表：表1是1951–2013年广东省韶关市降雨侵蚀力及距平数据；表2是1951–2013年ENSO月指标值与广东省韶关市月降雨侵蚀力数据。该数据集存储为.xlsx格式，数据量为116 KB。该数据集的分析研究成果发表在《地理科学》2016年第36卷第10期。

关键词：降雨侵蚀力；ENSO；MEI；韶关；1951–2013；地理科学

DOI: 10.3974/geodp.2019.04.12

 

1  前言

降雨是造成土壤侵蚀的直接原因，是引起土壤侵蚀的重要因素。降雨对土壤侵蚀的能力被称为降雨侵蚀力[1]，降雨侵蚀力在某种程度上能够反映降雨对土壤侵蚀的潜在能力[2–3]，降雨侵蚀力是以一次降雨总动能（E）与最大30 min降雨强度（I30）的乘积（EI30）作为降雨侵蚀力的指标，并应用于（修订）通用土壤流失方程USLE（RUSLE）中降雨侵蚀力的计算，即降雨侵蚀力的R值[4–6]。国内外学者在降雨侵蚀力及其应用方面已进行较多的研究，在全球不同区域建立不同的降雨侵蚀力公式，同时不同降雨历时也有不同的降雨侵蚀力公式[7–12]。降雨侵蚀力的变化与气候变化密切相关，全球气候变化给降雨侵蚀力带来极为复杂的影响[13]，但目前针对全球气候变化对降雨侵蚀力的研究较少，相关降雨侵蚀力与全球气候变化的数据集甚少。

厄尔尼诺-南方涛动（El Niño-Southern Oscillation，ENSO）是全球气候变化的重要影响因子，ENSO的特征值包括赤道太平洋中东部海洋表面温度（Sea Surface Temperature，SST）距平值、南方涛动指数（Southern Oscillation Index，SOI）和多变量ENSO指数（Multivariate ENSO Index，MEI）等，通过这些特征值的变动影响降雨，降雨侵蚀力也随之而变化。ENSO对全球降水的变化存在差异，ENSO暖事件发生时，南美洲大部分地区降水增加、亚洲东部冬季降水也呈现增加趋势，但造成亚洲东部与亚洲南部的夏季降水偏少、非洲降水减少[14–16]。虽然ENSO对降水的影响研究较多，但研究对降雨侵蚀力的影响相对较少[13,17]。本数据集论文以广东省韶关市1951–2013年月降雨量数据为基础，通过ENSO的指标值，分析各指标值对韶关市降雨侵蚀力的影响。本数据集研究ENSO等特征值对韶关市降雨侵蚀力的影响，可为相关研究提供参考，为韶关市乃至南方红壤低山丘陵地区的土壤侵蚀综合治理提供理论依据，对于韶关市乃至南方红壤低山丘陵地区的土壤侵蚀的监测、评估和治理也具有参考意义。

2  数据集元数据简介

《ENSO对广东省韶关市年降雨侵蚀力影响数据集（1951–2013）》[18]的名称、作者、地理区域、数据年代、数据集组成、数据出版与共享服务平台、数据共享政策等信息见表1。

 

表1  《ENSO对广东省韶关市年降雨侵蚀力影响数据集（1951–2013）》元数据简表

条  目

描  述

数据集名称

ENSO对广东省韶关市年降雨侵蚀力影响数据集

数据集短名

ENSO_RainfallErosivityShaoguan_1951-2013

作者信息

陈世发 0000-0002-1273-9668, 韶关学院旅游与地理学院, sgxycsf@163.com

地理区域

广东省韶关市，地理范围：23°5′N–25°31′N，112°50′E–114°45′E

数据年代

1951–2013

数据格式

.xlsx

数据量

116.5 KB

数据集组成

（1）1951–2013年广东省韶关市降雨侵蚀力及距平数据

（2）1951–2013年ENSO月指标值与广东省韶关市月降雨侵蚀力数据

基金项目

广东省（2015KQNCX148, GD18XGL55）；韶关市（G2017017, 2018sn055）

出版与共享服务平台

全球变化科学研究数据出版系统 http://www.geodoi.ac.cn

地址

北京市朝阳区大屯路甲11号100101，中国科学院地理科学与资源研究所

数据共享政策

 

 

 

 

 

 

 

 

 

数据和论文检索系统

全球变化科学研究数据出版系统的“数据”包括元数据（中英文）、实体数据（中英文）和通过《全球变化数据学报》（中英文）发表的数据论文。其共享政策如下：（1）“数据”以最便利的方式通过互联网系统免费向全社会开放，用户免费浏览、免费下载；（2）最终用户使用“数据”需要按照引用格式在参考文献或适当的位置标注数据来源；（3）增值服务用户或以任何形式散发和传播（包括通过计算机服务器）“数据”的用户需要与《全球变化数据学报》（中英文）编辑部签署书面协议，获得许可；（4）摘取“数据”中的部分记录创作新数据的作者需要遵循10%引用原则，即从本数据集中摘取的数据记录少于新数据集总记录量的10%，同时需要对摘取的数据记录标注数据来源[19]

DOI，GCdataPR，DCI，GEOSS，ChinaGEO，CSCD

3  数据研发方法

本数据集采用的降雨资料来源于中国气象共享服务网（http://data.cma.cn/）提供的1951–2013年韶关市分月降雨量数据，以月降雨量数据为基础计算韶关市月降雨侵蚀力，以此统计韶关市年降雨侵蚀力。

ENSO数据来自美国大气局（NOAA）气候预测中心（CPC）（http://www.esrl.noaa.gov/）公布的逐月SST距平值、SOI和MEI数据（1951–2013年）。

3.1  算法原理

采用周伏健提出的降雨侵蚀力模型[8]，该模型利用气象站逐月雨量资料计算降雨侵蚀力该模型公式为：

                                                             (1)

式中，Pi为月降雨量（mm），R为年降雨侵蚀力MJ·mm/(hm2·h·a)。采用式(1)计算韶关市分月降雨侵蚀力，累加可知年降雨侵蚀力。

El Niño事件的确定方法为赤道东太平洋海温距平值偏高或偏低0.5 ℃以上或以下，且持续时间达6个月及以上（可允许一个月低于0.5 ℃），则视为一次厄尔尼诺事件或拉尼娜（反厄尔尼诺）事件。

3.2  技术路线       

 

图1  数据研发技术路线图

 

研究以广东省韶关市为例，分析ENSO对韶关市降雨侵蚀力的影响，技术路线见图1。选取广东省韶关市1951–2013年月均降雨量数据与代表ENSO指标的SST、SOI和MEI的数据，分析各自在1951- 2013年期间的变化规律，在此基础上，利用SPSS 19.0统计软件分析韶关市降雨侵蚀力与ENSO之间的相关性，分析ENSO对韶关市降雨侵蚀力影响程度，最后分析ENSO对韶关市降雨侵蚀力影响的机理。

4  数据结果与验证

4.1  数据集组成

（1）1951–2013年广东省韶关市降雨侵蚀力及距平数据，其中包括：年降雨侵蚀力，5年滑动平均的降雨侵蚀力，降雨侵蚀力距平和5年降雨侵蚀力滑动距平；

（2）1951–2013年ENSO月指标值与广东省韶关市月降雨侵蚀力数据，包括历年每月降雨侵蚀力，多变量ENSO指数（MEI），南方涛动指数（SOI），海洋表面温度（SST）数据。

4.2  数据结果

数据时间从1951–2013年，研究区域位于广东省韶关市。韶关市1951–2013年年均降雨侵蚀力为476.53 MJ·mm/(hm2·h·a)，历年各月降雨侵蚀力最大为：180.52 MJ·mm/(hm2·h·a)，最小为0 MJ·mm/(hm2·h·a)，年降雨侵蚀力最大值为1994年的646.27 MJ·mm/(hm2·h·a)，最小值为1963年的302.53 MJ·mm/(hm2·h·a)。韶关市平均月降雨侵蚀力为39.71 MJ·mm/(hm2·h·a)，其中，5月的降雨侵蚀力最大，高达78.64 MJ·mm/(hm2·h·a)，12月最小，仅为14.03

 

图2  韶关市1951–2013年分月降雨侵蚀力变化曲线

 

MJ·mm/(hm2·h·a)[17]，从月降雨侵蚀力的拟合曲线来看（图2），韶关市降雨侵蚀力在4–7月最大，而在11月–次年2月最低，月降雨侵蚀力变化起伏较大。

韶关市降雨侵蚀力距平呈现波动起伏的趋势，对韶关市降雨侵蚀力距平进行5年滑动平均统计，结果表明：1951–1970年韶关市降雨侵蚀力总体处于负距平，而1971–1991阶段处于波动起伏阶段，此阶段降雨侵蚀力的负距平达到最大值，而从1992–2013阶段韶关市降雨侵蚀力总体处于正距平，累计距平值波动较大，此阶段降雨侵蚀力突变性较大。韶关市降雨侵蚀力呈现线性上升趋势，在20世纪80年代中期之前为负距平，80年代中期之后为正距平[17–18]。

从图3可以看出，1951–2013年出现ENSO暖事件共20次（图3A），ENSO冷事件出现13次（图3B），ENSO冷暖事件时期韶关市平均月降雨侵蚀力为35.44MJ·mm/(hm2·h·a)。其中，暖事件时期平均月降雨侵蚀力为36.75 MJ·mm/(hm2·h·a)，冷事件时期的33.88 MJ·mm/(hm2·h·a)，虽然暖事件降雨侵蚀力高于冷事件时期，但各次冷事件时期的降雨侵蚀力波动较小，而暖事件时期波动较大。韶关市降雨侵蚀力在非ENSO冷暖事件时期较大，而在ENSO冷暖事件时的降雨侵蚀力相对较小，特别是在ENSO冷事件的降雨侵蚀力。

韶关市降雨侵蚀力与赤道太平洋中东部SST距平值呈现极显著相关关系（P<0.01），降雨侵蚀力随着SST距平值的增加呈现出先增加后减少的趋势。韶关市降雨侵蚀力与SOI的存在显著相关（P<0.05），降雨侵蚀力随着SOI的增加而逐渐降低。降雨侵蚀力随着MEI的增大而逐渐增加（P<0.01），两者呈现极显著的正相关关系，降雨侵蚀力与MEI的相关性强于SST距平值和SOI。

利用周伏建等学者的月降雨侵蚀力公式计算韶关市1951–2013年降雨侵蚀力，虽然适用于降水丰富的南方低山丘陵地区，但对于日降雨侵蚀力、小时降雨侵蚀力、不同雨强的降雨侵蚀力均未涉猎，而极端降雨也受全球气候变化的影响，在以后的研究中应考虑不同降雨侵蚀力公式计算结果与ENSO的关系，以全面系统反映全球气候变化对降雨侵蚀力的影响。

 

图3  1951–2013年ENSO冷暖事件及降雨侵蚀力
（a为ENSO暖事件，b为ENSO冷事件）

5  讨论和总结

本数据集基于韶关市1951–2013年月降雨量数据，利用月降雨侵蚀力公式，计算韶关市月降雨侵蚀力，并以ENSO特征值数据为基础，分析与降雨侵蚀力的相关关系。该数据

集表明1951–2013年韶关市降雨侵蚀力总体呈现略微上升趋势，降雨侵蚀力的年际变化与月际变化均较大。ENSO暖事件的月降雨侵蚀力高于ENSO冷事件时期的33.88MJ·mm/ (hm2·h·a)，韶关市降雨侵蚀力随SST距平值的增加呈现出先增加后减少的趋势；随着SOI的增加而逐渐降低；随着MEI的增大而逐渐增加。

本数据集分析ENSO事件对韶关市降雨侵蚀力产生的影响提供数据支持，可以全面评估ENSO对韶关市降雨侵蚀力的影响，但ENSO对降雨侵蚀力的影响采用相关性分析，不足以阐述其影响机制，降雨侵蚀力除受降雨量的影响之外，降雨强度、降雨历时等也对降雨侵蚀力产生重要的影响，未考虑影响降雨侵蚀力的所有因素，在后续的研究中将考虑不同降雨强度、降雨历时的降雨侵蚀力的变化，并分析ENSO对其影响。该数据集对于类似地区的长时间尺度的月降雨侵蚀力的计算及与全球气候变化的关系提供基础数据及方法参考。

参考文献

[1]       Panagos, P., Ballabio, C., Borrelli, P., et al. Rainfall erosivity in Europe [J]. Science of the Total Environment, 2015, 511: 801–814.

[2]       Vrieling, A., Hoedjes, J. C. B. van der Velde, M. Towards large-scale monitoring of soil erosion in Africa: Accounting for the dynamics of rainfall erosivity [J]. Global and Planetary Change, 2014, 115(4): 33–43.

[3]       赵平伟, 郭萍. 1980–2013年滇西北地区降雨侵蚀力变化特征[J]. 地理科学, 2015, 35(10): 1306–1311.

[4]       Wischmeier, W. H., Smith, D. D. Predicting Rainfall Erosion Losses: A Guide to Conservation Planning [M]. US Department of Agriculture, Science and Education Administration, Agriculture Research, Agriculture Handbook, 1978, No.537.

[5]       Renard, K. G., Freidmund, J. R. Using monthly precipitation data to estimate the R-factor in the RUSLE [J]. Journal of Hydrology, 1994, 157(4): 287–306.

[6]       Yu, B. F., Rosewell,. C J. A robust of the R-factor for the universal soil loss equatio [J]. Transaction of the American Society of Agricultural Engineers, 1996, 39(2): 559–561.

[7]       章文波, 谢云, 刘宝元. 利用日雨量计算降雨侵蚀力的方法研究[J]. 地理科学, 2002, 22(6): 705–711

[8]       周伏建, 陈明华, 林福兴等. 福建省降雨侵蚀力指标R值[J]. 水土保持学报, 1995, 9(1): 13–18.

[9]       黄炎和, 卢程隆, 郑添发等. 闽东南降雨侵蚀力指标R值的研究[J]. 水土保持学报, 1992, 6(4): 25–30.

[10]    Yu, B. F. Rainfall erosivity and its estimation for Australia’s tropics [J]. Australian Journal of Soil Research, 1998, 36(1): 143–166.

[11]    Richardson, C. W., Foster, G. R., Wright, D. A. Estimation of erosion index from daily rainfall amount [J]. Transactions of the American Society of Agricultural Engineers, 1983, 26(1): 153–160.

[12]    Loureiro, N. D. S., Coutinho, M. D. A. A new procedure to estimate the RUSLE EI30 index, based on monthly rainfall data and applied to the Algarve region, Portugal [J]. Journal of Hydrology, 2001, 250(1): 12–18.

[13]    Chen, S. F., Zha, X. Effects of the ENSO on rainfall erosivity in the Fujian Province of southeast China [J]. Science of the Total Environment, 2018, 621: 1378–1388.

[14]    Haylock, M. R., Peterson, T. C., Alves, L. M., et al. Trends in total and extreme South American rainfall in 1960–2000 and links with sea surface temperature [J]. Journal of Climate, 2006, 19(8): 1490–1512.

[15]    Bradfield, L. The strength of El Niño and the spatial extent of tropical drought [J]. Geophysical research letters, 2004, 31(21): 1–4.

[16]    Mason, S. J., Goddard, L. Probabilistic precipitation anomalies associated with ENSO [J]. Bulletin of the American meteorological society, 2001, 82(4): 619–638.

[17]    陈世发. ENSO对韶关市1951–2013年降雨侵蚀力影响研究[J]. 地理科学, 2016, 36(10): 1573–1580.

[18]    陈世发. ENSO对广东省韶关市年降雨侵蚀力影响数据集(1951–2013) [DB/OL]. 全球变化科学研究数据出版系统, 2018. DOI: 10.3974/geodb.2018.06.02.V1.

[19]    全球变化科学研究数据出版系统. 全球变化科学研究数据共享政策[OL]. DOI: 10.3974/dp.policy.2014. 05 (2017年更新).