本数据集基于修正风蚀方程模型（RWEQ）生成，空间分辨率为250米，时间跨度为2000年至2025年，逐年提供了中国区域实际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、气象再分析资料、土壤理化属性、数字高程模型及土地利用数据作为模型输入，在统一框架下进行模拟计算。数据生产过程经过严格的质量控制，包括输入数据一致性检验、模型参数本地化校准、与野外风蚀观测站点的交叉验证，确保了数据产品在精细尺度上的可靠性与可比性。本数据集具有高时空分辨率和长时间序列优势，能够精细刻画风蚀强度的年际动态变化，对于土壤退化监测、沙尘源区识别、生态工程防风固沙效益评估以及区域气候-生态耦合研究具有重要的科学价值与应用前景。

关键词：RWEQ模型；实际风力侵蚀；风蚀模数；250米分辨率；长时间序列

引言

土壤风蚀是干旱半干旱区土地退化的主导过程之一，也是沙尘暴物质供应的关键环节，对农业生产、人类健康及区域气候均有深远影响。精确量化风蚀强度的时空格局，是制定防沙治沙策略、评估生态恢复成效以及理解陆-气相互作用的基础性工作。传统地面观测（如风蚀盘、集沙仪）虽能提供局部高精度数据，但受站点稀疏和观测周期限制，难以满足大尺度、连续动态监测的需求。近年来，随着遥感技术、再分析气象数据和计算能力的快速发展，基于过程模型的多源数据融合模拟成为区域风蚀评估的主流范式。

修正风蚀方程（RWEQ）模型由Fryrear等提出，经多次改进，已在全球多地验证并广泛应用。该模型综合考虑气象驱动力、土壤可蚀性、地表结皮、植被覆盖和地形起伏等因子，能够合理估算潜在与实际风蚀量。然而，现有公开风蚀产品多呈中低分辨率（≥1 km），在局部地形复杂或土地利用破碎区域存在明显的尺度错配，制约了其在小流域治理、地块级工程效益评估中的适用性。针对此问题，本研究基于RWEQ模型，集成多源高分辨率输入数据（30 m DEM、90 m土壤属性、250 m植被指数等），通过统一重采样与局部参数优化，生产了2000–2025年中国区域250米分辨率的逐年实际风力侵蚀量数据集。该数据集不仅填补了高分辨率长序列风蚀产品的空白，其精细化空间信息还可用于沙尘暴预警模型的下垫面参数更新、生态补偿核算以及地球系统模式离线验证，具有显著的科学和实用双重价值。

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MOD13Q1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250m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 植被覆盖因子（C）

本数据通过ARCGIS10.6软件，使用栅格计算器工具计算。

植被覆盖因子（C）的计算方法如下：

式中：C为植被覆盖因子；SC为植被覆盖度（%）。

其中SC由植被覆盖度FVC乘100获得，FVC的计算方法如下:

其中：FVC的取值范围为0-1；归一化植被指数（Normalized Difference Vegetation Index）值，由遥感影像的红波段和近红外波段计算得出（例如Landsat 8，NDVI = (B5 - B4) / (B5 + B4)）。NDVIveg： 代表纯植被像元的NDVI值。理论上，该值应在植被生长最茂盛、覆盖最完整的区域取得。NDVIsoil： 代表完全无植被覆盖的纯裸土像元的NDVI值。

假设研究区内NDVI值的最低分位数（如5%）主要由裸土像元构成。因此，取整个研究区所有像元NDVI值的5%分位数作为NDVIsoil。

假设研究区内NDVI值的最高分位数（如95%）主要由纯植被像元构成。因此，取整个研究区所有像元NDVI值的95%分位数作为NDVIveg

本数据通过GEE（Google Earth Engine）平台编写代码，实现日期筛选，裁剪，导出功能。通过上传的矢量边界筛选影像范围，计算NDVI，取NDVI的最高分位数和最低分位数，计算FVC。并逐年导出至谷歌云空间。

1.2.5 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。

1.2.6 实际风力侵蚀量（L）

本数据集核心变量为实际风力侵蚀量（即风蚀模数，单位：t·km⁻²·a⁻¹），基于RWEQ模型计算，而非防风固沙量。实际侵蚀量表达式为：

式中：SL为实际风力侵蚀量（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250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250米的逐年实际风力侵蚀量栅格产品，相较于以往中低分辨率数据集，能够更精细地刻画风蚀强度的局地异质性，有效支撑从流域到地块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。

参考文献

[1]中华人民共和国生态环境部. 全国生态状况调查评估技术规范——生态系统服务功能评估: HJ 1173-2021[S]. 北京: 中国环境出版集团, 2021.

[2]闫晴, 李菊艳, 张彩荣, 等. 基于 RWEQ 模型的土壤风蚀模数影响因素研究[J].Open Journal of Soil and Water Conservation, 2023, 11: 1.

[3]邢丽珠, 张方敏, 邢开成, 等. 基于 RWEQ 模型的内蒙古巴彦淖尔市土壤风蚀变化特征及归因分析[J]. 中国沙漠, 2021, 41(5): 111.

[4]蔺阿荣, 周冬梅, 马静, 等. 基于 RWEQ 模型的疏勒河流域防风固沙功能价值评估[J]. 干旱区地理, 2024, 47(1): 58-67.