当前位置：首页 > news >正文

基于RWEQ模型的2000-2025年中国逐年1000米分辨率潜在风力侵蚀数据集

news 2026/8/15 0:16:24

摘要

本数据集基于修正风蚀方程模型（RWEQ）生成，空间分辨率为1000米，时间跨度为2000年至2025年，逐年提供了中国区域潜在风力侵蚀量的空间分布信息。数据生产主要利用了同期遥感影像、气象、土壤、地形及土地利用等数据作为模型输入，在统一框架下进行模拟计算。数据生产过程经过了严格的质控措施，包括输入数据一致性检查、模型参数本地化验证以及与实地观测数据的交叉验证，确保了数据产品的可靠性与可比性。本数据集具有中等分辨率与长时间序列的特点，能够有效刻画潜在风蚀风险的区域分异与年际动态，对于评估生态系统本底脆弱性、指导风蚀防治规划、支撑区域可持续发展政策制定具有重要的科学价值与应用意义。

关键词：RWEQ模型；潜在风力侵蚀；1000米分辨率；长时间序列

引言

土壤风蚀是导致土地退化、生态环境恶化和全球性沙尘暴灾害的关键过程，对其潜在风险进行精准监测与定量评估是环境变化研究与可持续发展决策中的重要课题。潜在风力侵蚀量（Potential Wind Erosion）是指在无植被覆盖、无地表粗糙度影响等理想条件下，由气候与土壤属性决定的侵蚀量，它反映了区域风蚀的本底脆弱性，是区分人为调控效应与自然气候因素影响的重要指标。传统的地面观测方法虽精度较高，但受限于点状测量，难以实现大范围、连续性的风蚀空间格局与动态评估。随着对地观测技术的发展，基于过程模型与多源遥感数据的分布式模拟，已成为区域乃至全球尺度风蚀研究的核心手段。

修正风蚀方程（RWEQ）模型作为国际上广泛应用的经验模型之一，通过集成气象、土壤、地形等多因子，能够有效地模拟并估算潜在风蚀量。近年来，随着国产高分系列卫星、Landsat系列卫星等遥感数据产品的日益丰富，以及计算能力的提升，生成高时空分辨率、长时间序列的风蚀数据集已成为可能，这为深刻理解潜在风蚀过程的时空演变规律及其对气候变化和人类活动的响应提供了数据基础。

本工作旨在基于RWEQ模型，集成多源数据，生产一套2000-2025年中国区域1000米分辨率的逐年潜在风力侵蚀量数据集。该数据集延续并发展了前期研究在模型本地化参数校准与验证方面的工作，致力于解决高分辨率潜在风蚀产品长期缺失的问题。本数据集不仅可为风蚀防治区划、生态工程本底评估、国土空间规划等提供精准的数据支撑，其高分辨率特性也使其在区域脆弱性评价、模型对比与同化等方面具有巨大的潜在重用价值。

1数据采集和处理方法

1.1数据采集方法

1.1.1土壤数据

本研究所使用的土壤理化性质数据，包括黏粒含量、粉粒含量、砂粒含量、有机碳含量及碳酸钙（CaCO₃）含量，均提取自世界土壤数据库（Harmonized World Soil Database, HWSD）。该数据库由联合国粮农组织（FAO）与国际应用系统分析研究所（IIASA）等机构共同开发与维护，其栅格数据产品提供了全球范围内标准化的土壤属性空间分布信息，是评估土壤资源与功能的权威基础数据源之一。

1.1.2DEM数据

DEM数据是来自美国国家航空航天局（NASA）与日本经济产业省（METI）联合发布的STER GDEM V3，该数据以WGS84/EGM96大地水准面为参考。空间分辨率为0.00027777778°（约30米），垂直精度为20米，水平精度为30米（精度信息来源于USGS网站）。

1.1.3FVC数据

数据采集主要依靠GEE（Google Earth Engine）平台，通过调用MOD13A1数据集中的NDVI波段进行FVC的计算。

1.1.4气象数据

风速数据来源于GEE（Google Earth Engine）平台上的ERA5小时数据。

1.1.5PET数据

Thornthwaite方法求算蒸散量是以月平均温度为主要依据，并考虑纬度因子（日照长度）建立的经验公式。

1.2 数据处理

1.2.1 气象因子（WF）

本数据通过python3.11编写代码使用GDAL，numpy等计算，统一投影为WGS_1984_Albers，分辨率1000m，计算后的气象因子（WF）的1000m分辨率数据。

气象因子的计算方法如下:

式中：WF为气象因子（kg/m）；Wf为多年平均风力因子（（m/s）3）；ρ为空气密度（kg/m3），本数据采用海平面平均密度1.225kg/m3；g为重力加速度（m/s2），本数据采用9.8m/s2；SW为多年平均土壤湿润度因子；SD为雪盖因子。

风力因子（Wf）的计算方法如下：

式中：u2为日平均监测风速（m·s-1）；ut为临界起沙风速（m·s-1），本数据采用5m·s-1；Nd为一年中风速大于5m/s的天数；N为一年总天数。

本数据中Wf依靠GEE（Google Earth Engine）平台，使用ERA5小时数据求得日平均数据，并通过公式计算获得，原始分辨率11132米，通过GEE导出1000米分辨率的TIFF影像。

土壤湿润度因子（SW）的计算方法如下：

式中：ETp为潜在蒸散发量（mm·d-1）；R为年降雨量（mm）；I为年灌溉量（mm）；Rd为年降雨或灌溉天数（mm）；N为年总天数（天）。

其中ETp的计算使用了Thornthwaite公式，Thornthwaite方法求算蒸散量是以月平均温度为主要依据，并考虑纬度因子（日照长度）建立的经验公式，需要输入的因子少，计算方法简单，公式如下:

式中：PET为潜在蒸散量，此处是指月的潜在蒸散量，单位为毫米每月（mm/月）；Ti为月的平均气温，单位为摄氏度（℃）；H为年热量指数；A为常数。

各月热量指数Hi计算公式如下：

年热量指数H计算公式如下：

常数A计算公式如下：

A = 6.75×10-7H3- 7.71×10-5H2+ 1.792×10-2H + 0.49

当月平均气温T≤0℃时，月热量指数H=0，潜在蒸散量PET = 0[mm/月]。

雪盖因子（SD）的计算方法如下：

SD = 1 - P

式中：P为积雪覆盖天数与总天数的比值。

1.2.2 土壤可蚀因子（EF）

本数据通过ARCGIS10.6软件，使用栅格计算器工具计算。其中sa、si、cl、OM数据的原始分辨率均为90m，使用重采样获得1000m分辨率数据；Caco3数据分辨率为1000m。

土壤可蚀因子（EF）的计算方法如下：

式中：EF为土壤可蚀因子；sa为土壤粗砂含量（%）；si为土壤粉砂含量（%）；cl为土壤黏粒含量（%）；OM为土壤有机质含量（%）；Caco3为碳酸钙含量（%），可不予考虑。

1.2.3 土壤结皮因子（SCF）

本数据通过ARCGIS10.6软件，使用栅格计算器工具计算。

土壤结皮因子（SCF）的计算方法如下：

式中所需数据同上。

1.2.4 地表粗糙度因子（K’）

本数据通过ARCGIS10.6软件，使用栅格计算器工具计算。

地表粗糙度因子K’的计算方法如下：

K’=cosα

式中：K’为地表粗糙度因子；α为地形坡度，由DEM数据计算得到。

1.2.5 潜在风力侵蚀量（SL）

本数据集核心变量为潜在风力侵蚀量（单位：t·km⁻²·a⁻¹），基于RWEQ模型计算，而非防风固沙量。潜在侵蚀量表达式为：

式中：SL潜为潜在风力侵蚀量（单位：t·km-2·a-1）；QMAX为最大转移量（单位：kg/m）；z为最大风蚀出现距离（单位：m），本数据中取值为50m；

2数据样本描述

本数据集包含26个年份的数据，按年份分为34个省的数据，每个省的一年数据为一个压缩包，其内存放着该省对应年份的TIFF数据，命名格式为年份+省份，例如2004云南.tif。数据分辨率为1000米，投影采用WGS_1984_Albers。

3数据质量控制和评估

本数据使用了一些插值数据和90m分辨率的土壤数据，其余未强调插值获得或分辨率的数据均为1000m原生数据。其中由于90m分辨率的土壤数据覆盖不全的原因，在我国边界轮廓会存在一定的数据缺失。

4数据价值

本数据集的核心价值在于，它首次提供了覆盖中国全境、长达26年（2000–2025年）且空间分辨率达1000米的逐年实际风力侵蚀量栅格产品，相较于以往粗分辨率数据集，能够更清晰地刻画风蚀强度的区域分异特征，有效支撑从流域到地市级别的土壤流失定量评估。数据直接输出实际风蚀模数（SL），省去了用户二次换算的步骤，便于快速投入沙尘暴源区动态识别、三北防护林等重大生态工程的防风效益量化、区域土地退化趋势分析以及县级行政单元的环境管理决策。同时，所有模型因子均基于公开遥感与再分析数据，处理流程在GEE和Python环境下透明可复现，为后续模型比对与版本更新提供了便利，使得本数据集不仅是基础研究的重要输入，也是政策制定和业务化监测中具有实操性的工具。