2023, Vol. 35 
(2: 华中农业大学资源与环境学院, 武汉 430070)
(3: 江西省土壤侵蚀与防治重点实验室, 南昌 330029)
(2: College of Resources and Environment, Huazhong Agricultural University, Wuhan 430070, P.R. China)
(3: Key Laboratory of Soil Erosion and Prevention in Jiangxi Province, Nanchang 330029, P.R. China)
气候变化在21世纪变得更加剧烈，极端降雨事件也变得更加普遍[1]。极端降雨事件能够极大地压缩地貌变化的时间成本，导致洪水中泥沙含量升高、径流系数变大[2]，对经济社会和生态环境等造成巨大的威胁[3]。南方红壤区年降雨量大，是全国平均降雨水平的1.9~2.8倍，且4 9月易形成极端降雨，导致该地区降雨侵蚀力远大于其他地区[4]。南方红壤区土壤类型以红壤土为主，其抗侵蚀能力较差[5]，已成为我国水力侵蚀最严重的地区之一[4]。位于南方红壤区的赣江上游濂江流域降雨季节分布不均匀，汛期(4 9月)易发生极端降雨[6]，是洪涝灾害频发区[7]。濂江流域极端降雨较为频繁，与南方红壤区极端降雨分布具有较好一致性[5]。同时，赣江为鄱阳湖水系第一大河，其上游濂江流域的土壤类型和全流域水蚀状况也与南方红壤区基本一致。因此，综合濂江流域与南方红壤区的降雨分布及土壤类型等特征，选取濂江流域开展极端降雨对径流量和输沙量的影响研究，具有较强的典型性和代表性。揭示极端降雨在濂江流域水沙变化中的作用，对厘清南方红壤区流域水土流失的降雨敏感程度具有重要意义，可以为未来南方红壤区流域管理和区域可持续发展提供参考。
极端降雨一般是指特定时间的降雨量大于正常水平，当前对极端降雨事件的考虑并不是基于不同持续时间的完整降雨事件，而大都是通过日降雨量来定义[8]。已有学者提出应当从事件角度出发研究极端降雨[8]，但尚未说明方法的适用范围并形成完整的规范。因此，极端降雨的确定必须基于阈值，选择合适的阈值是开展极端降雨相关研究的关键前提[9-10]。
极端降雨是引起流域径流和输沙变化的重要因素。降雨是水土流失发生的首要驱动条件，而极端降雨以大雨量、高雨强的特征加大了侵蚀产沙的发生强度[11]。极端降雨对土壤的打击程度更强，伴随着径流形成与发展，泥沙的搬移速度也将加快[12]。同时，极端降雨会调节径流量的年内分布易形成大洪水[13]，也将激化河流的输沙进程[12, 14-15]。极端降雨对径流和输沙的影响还存在差异，已有研究表明，输沙量更易与极端降雨产生响应[16-18]。尽管极端降雨对生态环境的威胁已经被广泛讨论，但其对流域水沙变化的影响机制研究仍需完善。
前期降雨和降雨事件等因素都会影响到径流量的变化[13]。前期降雨主要是通过增加土壤湿度为径流积累量变的过程，而降雨事件则是径流发生质变的推手，这个推力的大小本质上取决于降雨事件的强弱[19]。径流量的变化也势必会波及到输沙量，对水沙关系产生作用[20]。不同时期[21]和降雨类型[11, 22]下，降雨特征参数对径流和输沙的影响会出现差异。除上述因素外，人类活动对径流、输沙的影响也十分巨大，如水库建设能有效地拦沙蓄水[22]，而不同的土地利用方式(如园地规模化开发)会对侵蚀造成不同的影响[23]。尽管先前的研究者能够分别关注到极端降雨和人类活动对流域水沙变化的影响，但两者影响下的水沙变化研究仍有待深入。
因此，本文研究极端降雨对我国南方红壤区典型流域水沙变化的影响，阐明极端降雨影响流域水沙的变化特征，厘清极端降雨在不同水沙情景下的作用效果，为流域综合治理与有效管理提供理论依据，助力区域生态环境高质量发展。
1 数据与方法 1.1 研究区概况濂江是我国南方红壤区鄱阳湖流域赣江上游贡水左岸一级支流，发源于江西省赣州市安远县欣山镇，流域面积2339 km2，涉及江西赣州市安远、会昌、于都三县，主河道长133 km[24]。该流域属亚热带季风气候区，四季分明，降水丰沛，多年平均气温18.7℃；年均水面蒸发量1090 mm，年均径流量19.2亿m3，年均悬移质输沙量25.9万t。流域内地形大多为低山丘陵，海拔在209~1083 m之间，落差较大；地处华南地层区，赣中南褶隆，寻乌－瑞金深断裂横穿境内。流域内的土壤类型主要为红壤，林地主要为马尾松和杉树，经济林主要为脐橙和柑橘。濂江流域位于我国水土流失严重的南方红壤区，属于国家水土流失重点预防区[24]。濂江上游设有羊信江水文站，控制面积为568 km2，本研究将其界定为濂江上游流域。
1.2 数据来源濂江流域内有6个雨量站(黄屋、上山教、屋背岗、兴地、江头、龙头)和1个水文站(羊信江水文站)。本文共收集了1984 2020年6个雨量站日降雨数据，以及羊信江水文站同期逐日降雨、径流和输沙量数据。数据均来源于江西省水文监测中心，翔实可靠。各雨量站和水文站地理位置如图 1所示。
|
图 1 濂江上游流域的区位及水文站和雨量站的分布(研究区内河流为空间分析结果) Fig.1 The location of Upper Lianjiang Basin and the distribution of hydrological stations and rainfall stations (Rivers in the study area as a result of spatial analysis) |
对濂江流域内7个站点降雨数据使用泰森多边形法计算得到流域平均降雨数据并进行筛选。由于濂江流域蒸散发量较大，而国际气象组织认为小于1 mm的降雨无法维持土壤湿润，故选取大于1 mm的日降雨数据汇总结果作为流域降雨量[25]。使用日降雨量超过阈值的方法划定极端降雨，根据参考文献[2]，本文将第95百分位值的日降雨量认定为极端降雨的发生阈值[2, 26]。在流域日平均降雨量的基础上计算发生阈值，得到濂江流域极端降雨的划分阈值为23.55 mm。日降雨量超过阈值为极端降雨，其余则为普通降雨。当出现极端降雨意味着流域水土流失的可能性或强度增大。
极端降雨事件一般是指在一定时间范围内出现较少的小概率降雨事件[8, 27]。最小事件间隔时间(MIT)被认为是划分降雨事件的最常见标准，MIT的取值范围为15 min~1 d[28]，本文取MIT为1 d，对分离出的普通降雨极端降雨进行事件尺度的合并。极端降雨事件必须保证事件内每天的降雨量均大于划分阈值(23.55 mm)，而普通降雨事件仅需满足降雨不间断。文中初始径流量和初始输沙量是指降雨事件发生当天的径流量和输沙量值。降雨事件发挥效能具有滞后性，本文认定一次降雨事件所产生的总径流量和总输沙量为降雨事件发生时到结束之后3 d的累计值[29]。前期降雨量是指降雨事件发生之前的累积降雨量[30]，本文中使用前5天累积降雨量探究前期降雨量对径流与输沙的影响。年均极端降雨或普通降雨强度(Ii)计算方式如下：
| $ I_i=\frac{r_i}{d_i} $ | (1) |
式中：i为年份，ri为第i年某类降雨(极端降雨或普通降雨)总降雨量，di为第i年该类降雨(极端降雨或普通降雨)的降雨天数。
1.4 Pettitt检验Pettitt分析方法是在1979年被Pettitt AN提出的非参数检验方法[31]，该检验是用Mann-Whitney的统计量Ut, N来检验同一个总体的两个样本x1, x2, …, xN和xt+1, …, xN。统计量Ut, N的公式为：
| $ U_{t, N}=U_{t-1, N}+\sum\limits_{j=1}^N \operatorname{sgn}\left(x_i-x_j\right) $ | (2) |
| $ \operatorname{sgn}(x)= \begin{cases}1, & x>0 \\ 0, & x=0 \\ -1, & x < 0\end{cases} $ | (3) |
式中：t=2，3，…，N; xi, xj为将要进行检验的随机变量; t为检验样本对应的时刻; N为样本容量。Ut, N为该检验统计第一样本里的数据超过第二样本数据的个数累积值。Pettitt检验的零假设为没有突变点。其统计量KN如下：
| $ K_N=\operatorname{Max}_{1 \leqslant t \leqslant N}\left|U_{t, N}\right| $ | (4) |
统计量KN的显著性P由下述公式计算：
| $ P \cong 2 \exp \left[-6\left(K_t^2\right) /\left(N^3+N^2\right)\right] $ | (5) |
若P<0.05，则存在显著变化点，也就可以依据突变点t将时间序列分为两部分。
2 结果与分析 2.1 濂江上游流域极端降雨特征基于百分位法进行极端降雨统计，结果如表 1所示。从表 1可以看出，濂江上游流域1984 2020年间共有4844 d发生降雨。其中：688 d为极端降雨，占总降雨天数的14.1 %；4156 d为普通降雨，占总降雨天数的85.80 %。极端降雨和普通降雨的多年平均降雨量、降雨天数和降雨强度分别为743.00 mm、19 d/a、39.88 mm/d和811.21 mm、114 d/a、7.16 mm/d。此外，年极端降雨量、极端降雨天数和极端降雨雨强的变化范围分别为264.36~1384.99 mm、7~32 d和31.04~48.64 mm/d，普通降雨量、普通降雨天数和普通降雨雨强的变化范围分别为621.03~1127.89 mm、87~157 d和6.30~8.21 mm/d。极端降雨的多年平均降雨量虽然小于普通降雨，但两者相差不大；降雨天数表现为极端降雨明显少于普通降雨；而降雨强度正好相反，表现为极端降雨远大于普通降雨。这说明极端降雨具有低频次、高雨强的显著特征。
|
表 1 濂江上游流域不同降雨类型统计特征 Tab. 1 Statistical characteristics of different rainfall types in Upper Lianjiang Basin |
基于事件角度解析流域水沙变化可以清晰对比极端和普通降雨的差异。在多年的时间跨度内，某些降雨事件可能呈现出持续性的特征，即表现为多日连续性的降雨，而非单日降雨。基于MIT法对降雨天数进行归并后，结果显示流域内37年间共有2622场次降雨事件。其中：547场次为极端降雨事件，占总降雨场次的20.86 %；2075场次为普通降雨事件，占总降雨场次的79.14 %。
如图 2所示，当地汛期(4 9月)多年平均出现极端降雨14 d，主汛期(4 6月)多年平均出现极端降雨9 d，而非汛期多年平均出现极端降雨5 d；汛期多年平均极端降雨量为551.44 mm，主汛期多年平均极端降雨量为351.77 mm，非汛期多年平均极端降雨量191.56 mm。总之，濂江流域汛期尤其是主汛期更容易出现极端降雨。
|
图 2 濂江上游流域年极端降雨天数(a)和极端降雨量(b)的年内分配 实线代表中位数，叉号代表平均值，方框的上下边界是75 % 和25 % 分位数，方框上下的线帽代表 90 % 和10 % 分位数，横线上方的点为异常值 Fig.2 Annual variation of extreme rainfall days (a) and extreme rainfall (b) in Upper Lianjiang River Basin The solid line represents the median, the cross represents the mean, the upper and lower boundaries of the box are 75 % and 25 % quartiles, the whiskers above and below the box represent 90 % and 10 % quartiles, and the dots above the horizontal line are outliers |
濂江上游流域径流量和输沙量的年内分布规律与极端降雨量相似，汛期(4 9月)尤其是主汛期(4 6月)径流量和输沙量表现得格外显著，其中径流量和输沙量在6月份出现最大值；而在非汛期，尤其是10 12月的径流量和输沙量明显下降(图 3)。濂江上游流域1984 2020年年径流量和年输沙量的变化特征为；年径流量呈微弱递减趋势，而年输沙量呈递增趋势，线性趋势系数分别为-0.78和4.59，5年滑动平均值在均值附近波动；年径流量和年输沙量的变化并不完全一致，但是在2000年后两者的变化范围都有所增加，而且出现明显的最大值(图 3)。
|
图 3 濂江上游径流量和输沙量的年际变化(a、b)、突变点(c、d)和年内分布(e、f) 其中e和f中的实线代表中位数，叉号代表平均值，方框的上下边界是75 % 和25 % 的分位数，方框上下的线帽代表 90 % 和10 % 的分位数，横线上方的点为异常值 Fig.3 Interannual variation (a, b), mutation point (c, d) and annual distribution (e, f) of runoff and sediment in Upper Lianjiang River Where the solid line in e and f represents the median, the cross represents the mean, the upper and lower boundaries of the box are the 75 % and 25 % quartiles, the line caps above and below the box represent the 90 % and 10 % quartiles, and the dots above the horizontal line are outliers |
为研究不同输沙阶段的水沙变化特征，更好地剖析输沙量变化的原因，本文使用Pettitt检验对濂江流域37年的径流量、输沙量进行突变识别，发现径流量和输沙量的突变点分别在1997年和1995年(图 3)。因径流为输沙变化的驱动因素，故选取1995年作为划分节点进行统计，结果如表 2所示。从表 2可以看出，突变前1984 1995年多年极端降雨对应的平均径流量为209.21×106 m3，变化范围为40.06×106~382.32×106 m3；突变后1996 2020年多年极端降雨对应的平均径流量为165.23×106 m3，变化范围为49.64×106~443.70×106 m3。突变前1984 1995年多年极端降雨对应的平均输沙量为3.65×104 t，变化范围为0.45×104~7.14×104 t；突变后1996 2020年多年极端降雨对应的平均输沙量为12.80×104t，变化范围为0.74×104~61.74×104 t。可见，突变后1996 2020年径流量和输沙量的最大值都有较大程度的提高，变异性更强，但总体上呈现出“径流减少，泥沙增多”的趋势。
|
|
表 2 不同时期极端降雨量及其产生的径流和输沙量和三者分别占全部降雨量、径流量和输沙量的比例 Tab. 2 Extreme rainfall and runoff and sediment transport in different periods and account for the proportion of total rainfall, total runoff and total sediment respectively |
图 3显示径流量和输沙量的年内分布明显具有一致性，且都集中于汛期(4 9月)。进一步分析不同时期极端降雨情景下降雨、径流和输沙量的占比可知(表 2)，总体上极端降雨情景下产生的降雨、径流和输沙量分别占总降雨、径流和输沙的45.95 %，39.98 % 和86.29 %。在不同时期极端降雨情景下产生的降雨、径流和输沙量略有不同，1984 1995年间三者的占比分别为44.73 %、43.42 % 和87.79 %，而1996 2020年间则分别为46.53 %、38.33 % 和85.58 %。但3种时期的统计结果均表明极端降雨对输沙量的贡献率大于其对径流量的贡献率、相比于1984 1995年，1996 2020年极端降雨所产生的径流量和输沙量占比有缩小趋势，分别表现为从前期的43.42 %、87.79 % 下降为后期的38.33 %、85.55 %。
2.3 极端降雨对濂江流域水沙变化的影响事件尺度下降雨量、径流量和输沙量的指标内容如表 3，Spearman相关性结果如图 4。从图 4可以看出，不同类别的指标之间均存在正相关关系；BP5与TR的相关性强于RF与TR的相关性，RF与TS的相关性强于BP5与TS的相关性。极端降雨情景下RF与TR和TS的相关系数为0.494和0.380，分别大于普通降雨情景下RF与TR和TS的相关系数0.234和0.094；极端降雨情景下BP5与TR和TS的相关系数为0.524和0.276，分别大于普通降雨情景下BP5与TR和TS的相关系数0.263和0.086。也就是说，极端降雨事件与场次径流量和输沙量的关系更紧密。
|
|
表 3 事件尺度下水沙指标的标签和内容 Tab. 3 Event scale labels and contents of sediment indicators |
|
图 4 极端和普通降雨事件与场次径流、输沙量的相关性分析 下三角为散点图，对角线表示对应数据的分布状况，上三角表示相关系数及相关性水平，Corr为全部降雨事件下对应指标的相关性水平及相关系数；ER为极端降雨事件，GR为普通降雨事件；*代表P<0.05，**代表P<0.01，***代表P<0.001 Fig.4 Correlation analysis of extreme andnormal rainfall events with runoff and sediment The lower triangle area shows the scatter plots, the diagonal line indicates the distribution status of the corresponding data; and the upper triangle area indicates the correlation coefficient and the level of correlation, Corr is for all rainfall events, ER is for extreme rainfall events, GR is for normal rainfall events * represents P<0.05, ** represents P<0.01, *** represents P<0.001 |
通过对2622场次降雨事件中的降雨量(RF)和前期降雨量(BP5)与场次径流量(TR)和场次输沙量(TS)进行拟合，得到表 4所示的回归方程。该方程通过F检验，且P<0.001，即RF和BP5能够正向影响TR和TS。此外，可以利用回归方程分析不同时期和降雨情景下RF和BP5对TR和TS的影响程度。相比普通降雨事件，极端降雨事件的RF和BP5与场次径流的R2更大，在1984 1995年为0.38(普通降雨为0.14)，在1996 2020年为0.30(0.10)；极端降雨事件的RF和BP5与场次输沙的R2也要大于普通降雨事件，具体在1984 1995年为0.33(0.03)，在1996 2020年为0.17(0.03)(表 4)。从表 4还可以看出，极端降雨事件中RF为场次径流、场次输沙的主要影响因素，1984 1995年标准化系数为0.54、0.57，1996 2020年分别为0.44、0.39，而普通降雨事件中场次径流和场次输沙总体上受BP5影响更多。
|
|
表 4 极端和普通降雨事件下径流量和输沙量的标准化回归系数 Tab. 4 Standardized regression coefficients of runoff and sediment transport under extreme and ordinary rainfall events |
极端降雨是一种破坏性较大的降雨，对流域生态环境具有更大的威胁性。南方红壤区降雨季节分布极其明显，径流、输沙在降雨时期表现得也十分突出。已有学者注意到雨季极端降雨增加的问题，并将极端降雨的增加与径流、输沙联系起来[32]。我国南方降雨多、河道密集，围绕南方红壤区展开极端降雨对径流和输沙变化的研究格外重要。通过分离极端降雨和普通降雨，发现37年间极端降雨情景下的降雨量、径流量和输沙量分别占全部降雨量、径流量和输沙量的45.95 %、39.98 % 和86.29 % (表 2)，即极端降雨对输沙量的贡献率大于径流量。这一研究结果在国内外也被广泛认同，如Duan等在鄱阳湖水系燕沟流域的研究中发现极端降雨的径流系数和土壤流失量分别是普通降雨的2.8倍和11.1倍[11]，段剑等在赣江的一级支流梅江流域的研究中发现大雨量、短历时的降雨产生的径流和侵蚀量最多占总径流和侵蚀量的比例分别是69.58 % 和91.84 % [33]，宋月君等在赣中吉泰盆地老虎山流域马尾松林的研究中发现大雨以上降雨类型的径流系数和单位面积侵蚀量占比分别为56.09 % 和61.20 % [34]，以上研究区与本文研究区都位于南方红壤区的鄱阳湖水系，且都是通过不同降雨类型对比体现出极端降雨对径流量和输沙量的异同影响，最终结果与本研究呈现相同趋势。降雨是侵蚀发生的主要驱动因素[35]，而大雨强的极端降雨对地表的打击程度更强，也就会产生更严重的水土流失。极端降雨大幅增加降雨势能，导致土壤侵蚀剧增，同时极端降雨增加的坡面产流进一步加剧了表土冲刷，导致坡面产沙增多；坡面产流增加导致坡面携沙能力增强，增加了侵蚀泥沙入河的概率，而坡面产流增加导致的河川径流增加，又进一步增大了河流的输沙能力。在多重影响下，极端降雨显著增加了河流输沙，且其对输沙的影响远大于对径流的影响。
3.2 人类活动对流域径流量和输沙量变化的影响Du等的研究中都发现径流量和输沙量的突变年份具有一致性[36]，而濂江上游流域径流量和输沙量却不同步。输沙量的突变年份(1995年)早于径流量(1997年)，可能与人类活动(如园地扩张)对径流量和输沙量的影响有所不同有关。相比于1984 1995年，1996 2020年径流量有所减少但输沙量出现大幅增加，即径流量和输沙量在年际变化上呈相反趋势(图 4)。如表 4所示，普通和极端降雨事件中，降雨对径流量和输沙量的回归模型中的R2较小(最大值为0.38)，即回归模型对径流量和输沙量的解释程度较低[37]，说明濂江上游流域降雨对径流、输沙量增加的作用有限，较大部分的水沙变化是受到人类活动的影响。
濂江上游流域所在的安远县从1995年开始进行大规模园地开发，流域内园地面积由1996年的48.82 km2增加到顶峰时期2014年的192.52 km2(图 5)，建设用地面积在此期间也由1990年的6.24 km2增长至2020年的12.33 km2，林地由482.73 km2减少至439.11 km2。受人类活动影响，1996 2020年濂江流域年输沙量出现显著增加的状态(图 3)，多年平均输沙量为12.80×104 t，远大于1984 1995的多年平均输沙量3.65×104 t(表 2)。Niu等在对全球柑橘园的综述中也表明柑橘园的快速扩张加速了土壤侵蚀[38]，Taguas等也认为山区或丘陵的果园是流域输沙量的主要来源[39]。总之，园地扩张是濂江上游流域1996 2020年间“径流减少，泥沙增多”的重要原因。这是因为，地表覆被状况[40]改变了原有水沙运移规律，地表覆被对降雨的截流削减汇入江河湖泊的水量，直接减少降雨对地表的打击和冲刷，使得水沙源头被扼制。
|
图 5 濂江上游流域果园空间分布及面积变化情况 Fig.5 Spatial distribution and area changes of orchards in Upper Lianjiang Basin |
气候变暖、极端事件频发已经是一种共识，而径流、输沙变化对极端降雨的响应十分敏感，这势必会影响径流量和输沙量演化的进程和方向[32]。对不同时期的径流、输沙展开研究能更好地表达极端降雨对南方红壤区径流、输沙变化的影响。
在濂江上游流域，1984 1995年内极端降雨量占总降雨量和总径流量的比例分别为44.73 % 和43.42 % (表 2)，相差不大。1996 2020年内极端降雨量占总降雨量和总径流量的比例分别为46.53 % 和38.33 % (表 2)，相较于1984 1995年，极端降雨量占总降雨量的比例有所上升而径流量占总径流的比例有所下降。与普通降雨事件相比，极端降雨事件对径流量和输沙量的解释度(R2)更高，极端降雨事件中RF是影响水沙变化的主要因素，BP5发挥的作用有所下降；普通降雨则与极端降雨相反(表 4)。普通降雨的多年平均雨强较低(表 1)，难以对表层土壤发生强烈侵蚀，而前期降雨能够增加土壤湿度，增加侵蚀发生的可能性[41]。如表 4所示，与普通降雨相比，极端降雨情景下BP5对TR和TS的标准化回归系数在1996 2020年略有增加，分别为0.36(普通降雨为0.26)和0.17(普通降雨为0.16)。前期降雨对径流量和输沙量产生显著影响，是因为前期降雨储存在土壤中增加土壤湿度，超过土壤容纳水量后能形成地表径流，能明显影响径流产量[42]。而对于输沙过程来讲，径流将降雨击溅破碎的土壤颗粒搬移进入河流，在运输土壤颗粒的过程中也在冲刷土壤[20]。此外，相比于1984 1995年，1996 2020年极端降雨情景下，前期降雨量对径流量和输沙量的作用程度略有增加，标准化回归系数均有所上升，分别为0.36(1984 1995年为0.33)和0.17(1984 1995年为0.12)，即“径流减少，泥沙增多”的时期，前期降雨对径流量和输沙量的作用更明显。
4 结论本文基于长时间序列水文数据，分析了1984 2020年南方红壤区鄱阳湖水系赣江上游濂江流域的径流量和输沙量变化特征及影响因素，得出以下结论：
1) 在研究期内，极端降雨对输沙量的贡献率达85 % 以上，说明发生极端降雨事件的时期是流域泥沙输出的关键时期，而极端降雨对径流量的贡献弱于输沙量，贡献率达38 % 以上。
2) 濂江上游流域年径流量从1984 1995年到1996 2020年出现明显的下降趋势，而年输沙量从1984 1995年到1996 2020年却处于增加趋势。相比于1984 1995年期间，1996 2020年期间极端降雨所产生的径流量和输沙量占比有缩小趋势。
3) 极端降雨情景下降雨量是影响径流量和输沙量的主要因子，而普通降雨情景下则受到前期降雨量的影响更多。但相比于1984 1995年，1996 2020年极端降雨情景下前期降雨量对径流量和输沙量的标准化回归系数均有所上升，即前期降雨量对“径流减少，泥沙增多”时期径流量和输沙量的影响更加明显。
| [1] |
Ummenhofer CC, Sen Gupta A, England MH et al. How did ocean warming affect Australian rainfall extremes during the 2010/2011 La Niña event?. Geophysical Research Letters, 2015, 42(22): 9942-9951. DOI:10.1002/2015gl065948 |
| [2] |
Fang NF, Shi ZH, Yue BJ et al. The characteristics of extreme erosion events in a small mountainous watershed. PLoS One, 2013, 8(10): e76610. DOI:10.1371/journal.pone.0076610 |
| [3] |
Bezak N, Sraj M, Mikos M. Copula-based IDF curves and empirical rainfall thresholds for flash floods and rainfall-induced landslides. Journal of Hydrology, 2016, 541: 272-284. DOI:10.1016/j.jhydrol.2016.02.058 |
| [4] |
Liang Y, Li DC, Lu XX et al. Soil erosion changes over the past five decades in the red soil region of Southern China. Journal of Mountain Science, 2010, 7(1): 92-99. DOI:10.1007/s11629-010-1052-0 |
| [5] |
Wen TF, Zhang FP, Hu JM et al. Spatiotemporal variation of rainfall erosivity during the period 1958-2014 in Ganjiang River Basin. Research of Soil and Water Conservation, 2020, 27(1): 7-14, 20. [温天福, 张范平, 胡建民等. 1958 2014年赣江流域降雨侵蚀力时空变化特征. 水土保持研究, 2020, 27(1): 7-14, 20.] |
| [6] |
Huang JG, Liu HY. Precipitation characteristics of Gongshui Basin in the primary source of Ganjiang Basin. Research of Soil and Water Conservation, 2020, 27(3): 91-100. [黄建刚, 刘惠英. 赣江主源贡水流域1957 2016年降雨特性. 水土保持研究, 2020, 27(3): 91-100.] |
| [7] |
Zhang Q, Sun P, Jiang T. Changing properties causes and impacts of extreme streamflow in Lake Poyang basin, China. J Lake Sci, 2011, 23(3): 445-453. [张强, 孙鹏, 江涛. 鄱阳湖流域水文极值演变特征、成因与影响. 湖泊科学, 2011, 23(3): 445-453. DOI:10.18307/2011.0319] |
| [8] |
Yin CY, Wang JY, Yu X et al. Definition of extreme rainfall events and design of rainfall based on the Copula function. Water Resources Management, 2022, 36(10): 3759-3778. DOI:10.1007/s11269-022-03229-7 |
| [9] |
Agilan V, Umamahesh NV, Mujumdar PP. Influence of threshold selection in modeling peaks over threshold based nonstationary extreme rainfall series. Journal of Hydrology, 2021, 593: 125625. DOI:10.1016/j.jhydrol.2020.125625 |
| [10] |
Thibaud E, Mutzner R, Davison AC. Threshold modeling of extreme spatial rainfall. Water Resources Research, 2013, 49(8): 4633-4644. DOI:10.1002/wrcr.20329 |
| [11] |
Duan J, Liu YJ, Yang J et al. Role of groundcover management in controlling soil erosion under extreme rainfall in citrus orchards of Southern China. Journal of Hydrology, 2020, 582: 124290. DOI:10.1016/j.jhydrol.2019.124290 |
| [12] |
Bennett B, Leonard M, Deng Y et al. An empirical investigation into the effect of antecedent precipitation on flood volume. Journal of Hydrology, 2018, 567: 435-445. DOI:10.1016/j.jhydrol.2018.10.025 |
| [13] |
Wasko C, Nathan R, Stein L et al. Evidence of shorter more extreme rainfalls and increased flood variability under climate change. Journal of Hydrology, 2021, 603: 126994. DOI:10.1016/j.jhydrol.2021.126994 |
| [14] |
Du J, Cheng LL, Zhang Q. Spatiotemporal variability and trends in the hydrology of the Xiang River Basin, China: Extreme precipitation and streamflow. Arabian Journal of Geosciences, 2019, 12(18): 1-12. DOI:10.1007/s12517-019-4731-3 |
| [15] |
Ran QH, Zong XY, Ye S et al. Dominant mechanism for annual maximum flood and sediment events generation in the Yellow River Basin. CATENA, 2020, 187: 104376. DOI:10.1016/j.catena.2019.104376 |
| [16] |
Hung C, Lin GW, Kuo HL et al. Impact of an extreme typhoon event on subsequent sediment discharges and Rainfall-Driven Landslides in affected mountainous regions of Taiwan. Geofluids, 2018, 1-11. DOI:10.1155/2018/8126518 |
| [17] |
Liang Y, Jiao JY, Tang BZ et al. Response of runoff and soil erosion to erosive rainstorm events and vegetation restoration on abandoned slope farmland in the Loess Plateau region, China. Journal of Hydrology, 2020, 584: 124694. DOI:10.1016/j.jhydrol.2020.124694 |
| [18] |
Zhao Y, Cao WH, Hu CH et al. Analysis of changes in characteristics of flood and sediment yield in typical basins of the Yellow River under extreme rainfall events. CATENA, 2019, 177: 31-40. DOI:10.1016/j.catena.2019.02.001 |
| [19] |
Cea L, Fraga I. Incorporating antecedent moisture conditions and intraevent variability of rainfall on flood frequency analysis in poorly gauged basins. Water Resources Research, 2018, 54(11): 8774-8791. DOI:10.1029/2018wr023194 |
| [20] |
Shi ZH, Song CQ. Water erosion processes: A historical review. Journal of Soil and Water Conservation,, 2016, 30(5): 1-10. [史志华, 宋长青. 土壤水蚀过程研究回顾. 水土保持学报, 2016, 30(5): 1-10. DOI:10.13870/j.cnki.stbcxb.2016.05.001] |
| [21] |
Nie XF, Zheng HJ, Tu AG et al. Long-term soil and water conservation in red soil region of Southern China significantly reduced riverine sediment load: A case study of Pingjiang River in the upper reaches of Ganjiang River, Lake Poyang Basin. J Lake Sci, 2021, 33(3): 935-946. [聂小飞, 郑海金, 涂安国等. 南方红壤区长期水土流失综合治理显著减少河流输沙——以鄱阳湖流域赣江上游平江为例. 湖泊科学, 2021, 33(3): 935-946. DOI:10.18307/2021.0326] |
| [22] |
Hu HC, Wen JE, Peng ZY et al. High-frequency monitoring of the occurrence of preferential flow on hillslopes and its relationship with rainfall features, soil moisture and landscape. Hydrological Sciences Journal, 2019, 64(11): 1385-1396. DOI:10.1080/02626667.2019.1638513 |
| [23] |
Liao KT, Hu JM, Song YJ et al. Effects of vegetation landscape patterns on runoff and sediment in red soil hilly region of southern China. Journal of Soil and Water Conservation,, 2019, 33(3): 36-42, 50. [廖凯涛, 胡建民, 宋月君等. 南方红壤丘陵区流域植被景观格局变化及水沙响应关系. 水土保持学报, 2019, 33(3): 36-42, 50.] |
| [24] |
江西省水利厅. 江西河湖大典. 武汉: 长江出版社, 2010.
|
| [25] |
Seleshi Y, Zanke U. Recent changes in rainfall and rainy days in Ethiopia. International Journal of Climatology, 2004, 24(8): 973-983. DOI:10.1002/joc.1052 |
| [26] |
Wang DB, Hagen SC, Alizad K. Climate change impact and uncertainty analysis of extreme rainfall events in the Apalachicola River Basin, Florida. Journal of Hydrology, 2013, 480: 125-135. DOI:10.1016/j.jhydrol.2012.12.015 |
| [27] |
Wei W, Chen LD, Fu BJ et al. Extreme rainfall events and their effects on runoff and sediment yield in the loess hilly area. Arid Land Geography, 2007, 30(6): 896-901. [卫伟, 陈利顶, 傅伯杰等. 黄土丘陵沟壑区极端降雨事件及其对径流泥沙的影响. 干旱区地理, 2007, 30(6): 896-901.] |
| [28] |
Ignaccolo M, De Michele C. A point based Eulerian definition of rain event based on statistical properties of inter drop time intervals: An application to Chilbolton data. Advances in Water Resources, 2010, 33(8): 933-941. DOI:10.1016/j.advwatres.2010.04.002 |
| [29] |
Marttila H, Kløve B. Dynamics of erosion and suspended sediment transport from drained peatland forestry. Journal of Hydrology, 2010, 388(3/4): 414-425. DOI:10.1016/j.jhydrol.2010.05.026 |
| [30] |
Römkens MJM, Helming K, Prasad SN. Soil erosion under different rainfall intensities, surface roughness, and soil water regimes. CATENA, 2002, 46(2/3): 103-123. DOI:10.1016/S0341-8162(01)00161-8 |
| [31] |
Pettitt AN. A non-parametric approach to the change-point problem. Applied Statistics, 1979, 28(2): 126. DOI:10.2307/2346729 |
| [32] |
Duan J, Liu YJ, Tang CJ et al. Efficacy of orchard terrace measures to minimize water erosion caused by extreme rainfall in the hilly region of China: Long-term continuous in situ observations. Journal of Environmental Management, 2021, 278: 111537. DOI:10.1016/j.jenvman.2020.111537 |
| [33] |
Duan J, Wang LY, Xiao SS. Runoff and sediment control effects of typical soil and water conservation patterns in red sandstone erosion region. Journal of Water Resources and Water Engineering, 2018, 29(6): 227-233. [段剑, 王凌云, 肖胜生. 红砂岩侵蚀区典型水土流失治理模式减流减沙效应. 水资源与水工程学报, 2018, 29(6): 227-233. DOI:10.11705/j.issn.1672-643X.2018.06.35] |
| [34] |
Song YJ, Huang YH, Yang J et al. The characteristics of soil and water loss in Pinus massoniana forest in red soil region of Jiangxi Province and the effect of soil and water conservation. Journal of Arid Land Resources and Environment, 2018, 32(4): 119-125. [宋月君, 黄炎和, 杨洁等. 赣中第四纪红壤区马尾松林下水土流失特征及防治成效分析. 干旱区资源与环境, 2018, 32(4): 119-125.] |
| [35] |
Panagos P, Ballabio C, Borrelli P et al. Rainfall erosivity in Europe. Science of the Total Environment, 2015, 511: 801-814. DOI:10.1016/j.scitotenv.2015.01.008 |
| [36] |
Du M, Mu XM, Zhao GJ et al. Changes in runoff and sediment load and potential causes in the Malian River Basin on the loess plateau. Sustainability, 2021, 13(2): 443. DOI:10.3390/su13020443 |
| [37] |
Zhou C, Feng YD, Xiao KX et al. Research on water requirement in northeast area based on multiple linear regression model. Mathematics in Practice and Theory,, 2014, 44(1): 118-123. [周晨, 冯宇东, 肖匡心等. 基于多元线性回归模型的东北地区需水量分析. 数学的实践与认识, 2014, 44(1): 118-123. DOI:10.3969/j.issn.1000-0984.2014.01.016] |
| [38] |
Niu YH, Wang L, Wan XG et al. A systematic review of soil erosion in citrus orchards worldwide. CATENA, 2021, 206: 105558. DOI:10.1016/j.catena.2021.105558 |
| [39] |
Taguas EV, Moral C, Ayuso JL et al. Modeling the spatial distribution of water erosion within a Spanish olive orchard microcatchment using the SEDD model. Geomorphology, 2011, 133(1/2): 47-56. DOI:10.1016/j.geomorph.2011.06.018 |
| [40] |
Guo H, Jiang T. Trend analysis of flood peak/dry season flowrate in Poyang Lake Basin. Journal of Natural Disasters, 2008, 17(3): 75-80. [郭华, 姜彤. 鄱阳湖流域洪峰流量和枯水流量变化趋势分析. 自然灾害学报, 2008, 17(3): 75-80. DOI:10.3969/j.issn.1004-4574.2008.03.013] |
| [41] |
Zhai XY, Guo L, Liu RH et al. Impact assessment of antecedent soil moisture conditions and rainfall variability on flash flood warning index at catchment scale. Geographical Research, 2019, 38(12): 2957-2965. [翟晓燕, 郭良, 刘荣华等. 前期土壤湿度和降雨对小流域山洪预警指标的影响评估. 地理研究, 2019, 38(12): 2957-2965. DOI:10.11821/dlyj020181338] |
| [42] |
Li XY, Xie ZK, Yan XK. Runoff characteristics of artificial catchment materials for rainwater harvesting in the semiarid regions of China. Agricultural Water Management, 2004, 65(3): 211-224. DOI:10.1016/j.agwat.2003.09.003 |