基于GPM 数据的肃南地区降雨侵蚀力计算

黄进平

（甘肃省陇南市宕昌县水务局，甘肃 陇南 748500）

降雨侵蚀力是引起区域土壤侵蚀、土地退化、生态破坏的重要驱动因素，同时是地表过程模拟、产流聚沙的重要参数。准确评估降雨侵蚀力，对预测气象地质灾害、土壤流失和优化区域水土保持综合治理具有积极意义[1]。通用土壤流失方程(universal soil loss equation) 首次明确了降雨侵蚀力的含义并给出了计算公式，在此基础上我国水土保持专家章文波等结合侵蚀小区实验与全国气象站点观测数据提出了适宜我国的降雨侵蚀力模型[2]。但由于受气象站“时点”监测模式影响以及空间连续性气象资料缺失，导致该模型在空间分布式应用中可靠性不高。为此，国内外学者提出基于气象观测卫星的降雨侵蚀力降尺度方法。例如，Hongfen 等[3]利用2012 年～2015 年的TRAM 卫星资料结合Kriging 方法反演中国地区降雨侵蚀力空间分布特征。Pandey 等[4]则基于TRMM-3B42 V7 产品建立降雨强度- 侵蚀力关系模型，并成功绘制卡尔纳利河流域侵蚀力系数分布图。曾珍等[5]利用TRMM 数据结合地理加权回归降尺度模型提取2005 年～2013 年四川盆地100 m 分辨率的降雨侵蚀力信息。这些研究将以站点或粗糙集形式呈现的降雨量和降雨侵蚀力的信息推向精细尺度，为小区域地区的气象灾害预警和生态地质调查提供了详实资料。鉴于此，本文以肃南地区为案例，运用随机森林回归原理结合GPM卫星资料建立区域降雨侵蚀力降尺度模型。

1 研究区概况

肃南地处西北河西走廊中段向祁连山北麓过度地带，总面积2.38 万km2，见图1。区域为高山、荒漠、台垣、平原折叠地貌类型，地势自西南向东北倾斜，高程介于697 m～5263 m 之间。自祁连山麓发源有密集河流，形成石羊河、黑河、疏勒河等主要河流，流域面积达2.15 万km2，径流量达43 亿m3。由于地处内陆，加上地势高峻引起的垂直效应，导致区域形成高山半干旱性气候，在局部低地为温带大陆性气候，气候特征为冬季寒冷漫长、夏季短促凉爽、空气干燥而温差大。

图1 研究区位置和DEM 分布

2 研究方法

2.1 气象观测资料

本研究从从国家气象信息中心数据网站搜集到研究区内6 个气象站点（红湾寺、康乐、马蹄、皇城、祁丰、大河）的2019 逐日降雨资料。依次为验证数据，用以验证区域降雨侵蚀力计算精度。

2.2 GPM 气象卫星数据

本研究以全球降水测量计划（GPM，Global Precipitation Measurement Mission）为研究数据基础。GPM数据是是由美国国家航天局（NASA）在（Tropical Rainfall Measurement Mission，TRMM）遥感系列卫星基础上实施的新一代高分辨率全球降水实时观测计划，其提供了“ear-ly-run”、“late-run”以及“final-run”3 种级别的产品，空间分辨率最优可达0.1°（10 km），时间分辨率最小为15 min。本研究从美国国家航天局网站（pmm.nasa.gov/data-access/downloads/gpm）下载IMERG 系列产品，其数据示例见图2。

图2 研究区GPM 数据产品示例（2 月份降雨量）

2.3 GPM 数据降尺度处理

鉴于GPM最优尺度的降水反演数据依然不能满足小区域范围的降雨量空间精细特征描述，因此采用降尺度方法，将其从0.1°的栅格分辨率降低为100 m。研究经验表明，降雨量分布与海陆位置、下垫面特征密切相关。因此参照文献[4]的研究，以经度（x）、纬度（y）、DEM、坡度（SLO）、坡向（ASP）为解释变量，以GPM格点值为目标变量，进而构建二者之间的关系模式并实现尺度下降。其中x、y 值利用ArcGIS平台的几何计算工具得到，ASP、SLO 则从全球STRMDEM数据集（https://lta.cr.usgs.gov）中提取。降尺度算法核心在于回归模型，本研究采用随机森林（Random Forest，RF） 方法构建降尺度模型。随机森林是Breiman 等[8]提出的集成多棵决策树（Decision tree）模型而形成的融合算法。该算法借助随机子空间和自助聚集理论，运用bootstrap 方法从全部特征变量属性中进行随机等概率地放回抽样，对每个bootstrap 样本构建决策树，通过打分寻找得分最高结果作为分类或回归的结果[6]。

2.4 降雨侵蚀力计算

降雨侵蚀力表征降雨动能对地表击打、破坏力，其与降雨强度有密切关系。由于难以获取广域范围准确的降雨强度数据，故而一般采用经验公式法计算侵蚀力。本文采用国内通用的章文波公式[2]，公式如下：

式中：Ryear为年降雨侵蚀力值，MJ·mm/（hm2·h·a）；Rhalfmonth为半月时段的降雨侵蚀力值，MJ·mm/（hm2·h·a）；Pk为半月内第k天的侵蚀雨量（日降水量大于12 mm，否则以0 计算）；m 为半月时段的天数，每个月的前15 天为第一个半月时段，其余部分为第二个半月时段，将全年划分为24 个半月时段；Pd12为侵蚀降雨阈值，一般取值为12 mm；Ry12为日降水量大于12 mm 的年平均降水量，mm。

2.5 精确性评估

以研究区6 个实测气象站点数据为验证集，以决定系数（R2）、均方根误差（RMSE）和林氏一致性相关系数（LCCC）作为准确性评价指标。

3 结果与分析

3.1 协变量因子空间分布特征

协变量是GPM 降雨数据降尺度过程中重要的依赖变量，其空间特征对降尺度模型精度有重要影响。由图1 和图3 的地形因子可知，该区域地形复杂、坡度起伏大。利用ArcGIS 的Band Collection Statistics 工具统计100 m 像素水平上区域协变量的统计特征，可知协变量的变异性分别为SLO（19.50%）＜ASP（20.69%）＜DEM(23.54%)。

图3 研究区坡度和坡向空间分布

3.2 肃南地区降雨侵蚀力空间分布

将GPM逐日降水资料进行合成后得到区域年降雨量分布栅格图（图3），可知研究区降水量介于69.7 mm～526.3 mm 之间，呈现自南向北减少的分布特征，然而粗糙的栅格像素无法精细呈现其细节变化。利用随机森林降尺度模型得到区域100 m 像素水平上降水量空间分布（图4）。结果显示器降水量分布范围为54.6 mm～508.2 mm 之间，与原始GPM资料相比二者值域区间相差不大，并且精确保留了其空间趋势特征。

图4 研究区100 m 像素水平上降水量空间分布

图5 直观呈现肃南地区降雨侵蚀力空间特征。区域降雨侵蚀力介于48.24 MJ·mm/（hm2·h·a）～187.56 MJ·mm/（hm2·h·a），栅格平均值为108.55 MJ·mm/（hm2·h·a），变异性为32.61%，呈现弱变异，表明区域降雨侵蚀力差异性不大。综合来看，研究区降雨侵蚀力空间分布与降雨量分布特征一致，呈现自南向北减少格局。

图5 基于GPM 数据的研究区降雨量合成结果与降尺度结果

3.3 肃南地区降雨量和降雨侵蚀力计算精度评价

将利用研究区6 个气象站点的降雨观测资料计算的年降雨量与降雨侵蚀力对GPM降尺度得到的结果进行验证，其结果见图6。由图6 可知，就降雨量而言，GPM降尺度值与实际值的R2达0.83，MAE 为35.17 mm，RMSE 为51.02，LCCC 为0.96。就降雨侵蚀力而言，实际值与GPM值之间的R2为0.95，MAE 为9.95，RMSE 为35.17，LCCC 为0.98。说明基于GPM反演的区域降水量具有较高的精度，且降雨侵蚀力具有可靠性。

图6 基于降雨量和降雨侵蚀力验证结果

4 结论

利用GPM气象卫星观测资料结合随机森林降尺度算法得到肃南地区2019 年降雨量100m 栅格尺度的数据，在此基础上求得区域降雨侵蚀力。独立验证显示，GPM反演值与实际值具有较高的一致性，误差在可接受范围内。该方法规避了传统方法基于点位测站无法准确呈现空间精细信息的弊端，实现了粗尺度向细尺度的精确拓展，可为地表水文模拟提供可行的技术参考。