考虑日内降雨变异性的气候变化下基于降雨分解的未来降雨侵蚀力(R-factor)概率估计

《International Soil and Water Conservation Research》：Probabilistic estimation of future rainfall erosivity using rainfall disaggregation considering intra-day rainfall variability under climate change

　　

降雨引起的土壤侵蚀造成严重社会经济挑战，包括养分流失、农业生产力下降以及河流和水库水质恶化。在韩国，山地地形和频繁强降雨提高了侵蚀敏感性，因此可靠评估气候变化下未来土壤侵蚀尤为重要。在通用土壤流失方程（Universal Soil Loss Equation, USLE）框架内，降雨侵蚀力因子（rainfall erosivity factor, R-factor）是关键参数，因其直接反映降雨强度和频率。然而，未来R-factor预测较为困难，因为其估计需要长期15 min或更细分辨率降雨数据，而气候预估通常仅以日尺度提供。为解决这一局限，本研究开发了降雨分解模型，将共享社会经济路径（Shared Socioeconomic Pathway, SSP）情景下的日降雨转换为15 min降雨序列，并在考虑日内降雨变异性所致不确定性的情况下估计未来R-factor。评估了微正则乘法随机级联（Microcanonical Multiplicative Random Cascade, MRC）、修正Bartlett–Lewis矩形脉冲（Modified Bartlett–Lewis Rectangular Pulse, MBLRP）、片段法（Method of Fragments, MoF）以及混合分解模型再现降雨特征和降雨侵蚀力的能力。其中，MoF总体表现最佳，被选为最优方法。利用MoF，通过对不同未来时期、SSP情景和气候模型进行100次重复分解，概率估计未来R-factor。结果表明未来R-factor总体增加，且在远期SSP5-8.5情景下增幅最大。本研究通过从日气候预估重构次日内降雨结构，并显式考虑分解引起的不确定性，为未来R-factor评估提供了物理上更一致的框架。

该研究关注气候变化下降雨侵蚀风险。降雨引起的土壤侵蚀会导致土壤肥力下降、养分流失、土壤结构退化、农田生产力降低，并通过下游泥沙输移扰动水生态系统、扩散非点源污染物并恶化河流水质。韩国70%以上为山地，温带季风气候下约50–60%年降水集中于夏季，且超过80 mm/day强降雨频率增加，使其易受降雨侵蚀。气候变化不仅改变降雨总量，还改变降雨强度、频率、季节内分布和极端事件特征；在此背景下，未来土壤侵蚀和降雨侵蚀力定量评估仍相对有限。尤其降雨侵蚀力因子（rainfall erosivity factor, R-factor）依赖15 min或更细分辨率降雨，而未来气候预估多为日尺度；基于日、月或年降水的回归方法难以显式重现事件内时间集中、间歇和精细结构，且多为站点或区域经验关系。因此，研究人员将共享社会经济路径（Shared Socioeconomic Pathway, SSP）情景下未来日降雨分解为15 min序列，估计未来R-factor，并同时考虑气候变化外部不确定性和分解过程内在变异性。

关键技术方法不超过250字：研究人员以韩国60个自动综合观测系统（Automated Synoptic Observing System, ASOS）站为样本队列，采用韩国气象厅2000—2024年1 min和日降雨，将1 min聚合为15 min参考数据；2000—2014年用于参数估计和样本库构建，2015—2024年用于评估。构建微正则乘法随机级联（Microcanonical Multiplicative Random Cascade, MRC）、修正Bartlett–Lewis矩形脉冲（Modified Bartlett–Lewis Rectangular Pulse, MBLRP）、片段法（Method of Fragments, MoF）及MBLRP-MRC、MoF-MRC混合模型，将日降雨分解为15 min序列；按USLE/RUSLE定义识别侵蚀性事件并计算事件动能与最大30 min降雨强度（I₃₀）之积EI₃₀及年R-factor。未来采用农村发展局（Rural Development Administration, RDA）国家标准化气候变化情景，来源为CMIP6的18个全球气候模型（Global Climate Model, GCM）和四种SSP，并经统计降尺度与偏差校正；选取CanESM5、CNRM-ESM2-1和MPI-ESM1-2-HR，未来时期为近期2026—2050、中期2051—2075、远期2076—2100，进行100次分解，并用Kriging制作等侵蚀力地图。

3.1 降雨分解性能评估
3.1.1 不同分解方法的分解降雨特征：研究人员对2015—2024年历史日降雨进行100次分解，在Seoul（108）站比较15 min降雨深度经验累积分布函数（empirical cumulative distribution function, ECDF）、湿期历时ECDF和自相关函数（autocorrelation function, ACF）。MoF在三个指标上总体最接近观测，ACF偏差最小；MRC倾向生成更强短时降雨和更短湿期，并低估ACF；MBLRP优于MRC，但在高强度和时间相关方面仍有限；MoF因直接重采样观测15 min片段，能较好保留强度分布、间歇和短期相关结构。

3.1.2 不同分解方法的侵蚀性降雨事件特征：按事件间隔小于6 h归并、总雨量≥12.7 mm或15 min内≥6.25 mm定义侵蚀性事件，比较最大15 min降雨、最大60 min雨强、间歇性、事件雨量、历时和集中度等。MoF各指标最接近观测，MoF-MRC次之；MRC明显高估最大15 min和60 min降雨、间歇性和集中度；MBLRP低估15 min峰值但60 min峰值偏大。再现侵蚀性事件结构排序约为MoF > MoF-MRC > MBLRP ≈ MBLRP-MRC > MRC。

3.1.3 不同分解方法降雨侵蚀力因子估算预测性能：Seoul 2015—2024观测参考R-factor为6,603 MJ-mm/ha-h-yr。MRC高估最大，MBLRP唯一倾向低估，两混合模型略高，MoF均值和median最接近观测。进一步在60个ASOS站以2000—2014年构建碎片库、分解2015—2024日降雨，模拟与观测R-factor高度相关（R² = 0.96，RMSE = 1,025 MJ-mm/ha-h-yr），PBIAS = +12.2%，说明MoF站点表现可代表全国，因此被选为未来估计模型。

3.2 未来降雨侵蚀力因子估算：Seoul未来投影显示年降水和≥80 mm/day重雨日增加，远期SSP5最大，I₃₀分布右移。GCM历史基线评估中，CanESM5、CNRM-ESM2-1、MPI-ESM1-2-HR均高估基准R-factor（13,200、11,059、11,714 MJ-mm/ha-h-yr，PBIAS分别为+52.0%、+27.3%、+34.9%），但处于观测年际变率的0.4–0.7 SD内，故未来R-factor主要解释为相对变化。未来概率密度曲线整体右移，远期比近期明显，SSP5最大；曲线宽度体现分解内在变异，远期SSP5下情景中心差异常大于宽度，外部不确定性更主导。GCM间，CanESM5和CNRM-ESM2-1在远期情景差异大且SSP5最右，MPI-ESM1-2-HR较温和。历史等侵蚀力图显示Seoul（108）、Seosan（129）、Uiseong（278）、Namhae（295）历史R-factor分别为8,672、7,628、3,836、12,056 MJ-mm/ha-h-yr；未来代表性站点分布右移，Namhae和Seoul明显，Uiseong也增加。基于CNRM-ESM2-1的全国等侵蚀力地图用100次分解中位数和Kriging制作：历史全国平均R-factor为6,778 MJ-mm/ha-h-yr，站点范围3,644–12,260；近期SSP1、SSP2、SSP5约为9,822、9,931、9,611；中期约为11,016、11,265、11,232；远期分别约为9,869、10,328、15,192，其中SSP5范围7,398–24,716。空间格局总体保持，但高侵蚀区随时期和情景扩展，SSP5下中央和西部内陆也扩展。

讨论部分总结：研究人员指出，近期变化率空间异质性大且内在不确定性高，远期多数地区变化率增大而内在不确定性降低。机制上，近期中小事件多、可选碎片样式多，事件内峰值和间歇差异使同一日雨量下R-factor方差较大；远期尤其SSP5下大事件更频繁，上分位碎片较相似，降低分解方差。韩国东南部岭南地区远期仍显示较高内在不确定性，可能与历史大暴雨样本不足或上分位事件碎片间歇和分散较高有关。气候预估不确定性来自内部变率、GCM和排放情景，降水受内部变率影响强；R-factor直接受次日内结构和短时极端控制，分解引入的不确定性在以往未来侵蚀力研究中很少量化。近期内分解不确定性较大，远期内情景和GCM差异超过该内在不确定性，因此未来评估应联合考虑。研究还指出，MoF重采样历史日内碎片，假设日内结构（历时、时间集中、间歇、峰值强度）与过去可比；若未来更集中或超过历史范围，R-factor可能被保守估计甚至低估。框架仅考虑两个混合模型且未优化碎片选择；未来可用遗传算法、k近邻、条件变量和非平稳碎片选择等。Kriging插值在稀疏站点和复杂地形下存在不确定性，未来可用回归克里金、引入高程等辅助信息，或直接对RDA 1-km网格日降雨进行分解。该框架相对月或年降水回归的优势是：从日气候预估重构15 min序列，按USLE/RUSLE形式以事件动能和I₃₀计算R-factor；不依赖本地校准回归，可跨站应用；可解析侵蚀性事件和日内结构，从而量化分解内在不确定性，并可与GCM和情景外部不确定性结合。

结论部分翻译：本研究通过时间分解将SSP情景日降雨生成15 min降雨序列，从而估计未来降雨侵蚀力，使未来R-factor可按物理一致方式估计，并显式量化日内降雨微结构引起的内在不确定性。研究人员在韩国60个ASOS站比较了MRC、MBLRP、MoF、MBLRP-MRC和MoF-MRC五种分解模型。在测试模型中，MoF最好再现基本降雨特征和侵蚀性降雨事件结构，并给出最接近观测的年均R-factor；MRC高估峰值降雨和间歇性，MBLRP低估短时峰值。基于MoF，全国平均R-factor由历史6,778 MJ-mm/ha-h-yr预计增至近期约9,600–9,900、中期约11,000–11,300，远期SSP5达15,192 MJ-mm/ha-h-yr；历史上集中于南部海岸及南部和西部内陆的高侵蚀区随时期和情景推进明显扩展。不确定性分析表明，近期许多站点变化较小但内在不确定性较大，远期多数地区增幅较大且不确定性较低。本研究主要贡献在于，在仅有未来日降雨数据的条件下，采用显式反映降雨事件内时间结构的分解方法估计R-factor，而非依赖简单回归方程或经验转换公式。特别是，以往研究多关注日降雨R-factor估计方程、单一分解方法或未来平均变化评估，而本研究在统一框架下比较多个代表性降雨分解模型，识别最优模型，并评估未来降雨侵蚀力空间分布变化及分解过程引入的内在不确定性。未来纳入多GCM集合和更丰富分解结构的研究，可进一步增强未来R-factor预估可靠性并支持区域土壤侵蚀管理。