氣候變化影響下1980–2014年中國西部乾旱區生態碳庫及碳源匯動態空間數據集

氣候變化影響下1980–2014年中國西部乾旱區生態碳庫及碳源匯動態空間數據集
作者：方霞　張弛　張耀南　康建芳
2018年8月30日

本作品收錄於《中國科學數據》

方霞, 張弛, 張耀南, 康建芳. 氣候變化影響下1980–2014年中國西部乾旱區生態碳庫及碳源匯動態空間數據集[J/OL]. 中國科學數據, 2018, 3(3). (2018-08-28). DOI: 10.11922/csdata.2018.0039.zh.

摘要&關鍵詞

摘要：乾旱區是對氣候變化最敏感的陸地生態系統之一，生態系統碳庫動態是區域碳源、碳匯特徵最直觀的表現，乾旱區生態系統有機碳庫的估算及其動態研究在區域乃至全球尺度的碳循環研究中都具有重要的科學意義。研究區大致空間範圍為30°N–50°N、70°E–110°E，包括中國新疆、甘肅西北部以及內蒙的西南部。本文收集了MERRA、ERA-Interim和CFSR三套氣象數據驅動乾旱區生態系統模型AEM得到的1980–2014年中國乾旱區碳庫分布數據（空間分辨率50 km×50 km），並和現有文獻資料對數據質量進行了分析和評估。本數據集可作為中國乾旱區碳庫變化的調查資料，為該區域生態系統研究提供基礎數據支撐。本數據集服務於絲綢之路經濟帶建設的國家需求，對社會經濟穩定和可持續發展具有重要的現實意義。

關鍵詞：乾旱；碳庫；AEM模型

Abstract & Keywords

Abstract: Arid region is known for its terrestrial ecosystems highly sensitive to climate change. The dynamics of ecosystem carbon pools most intuitively reflect regional carbon source/sink characteristics. Studies on the estimation and dynamics of organic carbon pools in arid region ecosystems have important scientific implications for carbon cycle studies at both regional and global scales. The approximate spatial range of the study area is 30°N–50°N and 70°E–110°E, covering Xinjiang, northwest Gansu, and southwest Inner Mongolia of China. This paper collects the distributional data of carbon stocks in China's arid regions from 1980 to 2014 (spatial resolution: 50km), obtained from the arid ecosystem model (AEM) based on three sets of meteorological data – MERRA, ERA-Interim, and CFSR. The data obtained are then validated against data from existing literature. This datasets can be used as survey data to understand the changes of carbon stocks in the arid regions of China, providing basic data support for regional ecosystem studies. It also serves national needs in the construction of the Silk Road Economic Belt and has important practical significance for socioeconomic stability and sustainable development.

Keywords: arid; carbon stock; arid ecosystem model (AEM)

數據庫（集）基本信息簡介

數據集名稱	氣候變化影響下1980–2014年中國西部乾旱區生態碳庫及碳源匯動態空間數據集
數據作者	方霞、張弛、張耀南、康建芳
數據通信作者	張弛（zc@ms.xjb.ac.cn）
數據時間範圍	1980–2014年
地理區域	30°N–50°N，70°E–110°E
空間分辨率	50 km×50 km
數據量	22.01 MB
數據格式	柵格
數據服務系統網址	http://www.sciencedb.cn/dataSet/handle/617
基金項目	國家科技基礎條件平台項目（Y719H71006）；中國科學院信息化專項（XXH13506）
數據集組成	本數據集由3部分組成：1. MERRA數據集驅動AEM模型模擬得到的中國乾旱區1980–2014年碳庫分布柵格圖；2. ERA-Interim數據集驅動AEM模型模擬得到的中國乾旱區1980–2014年碳庫分布柵格圖；3. CFSR數據集驅動AEM模型模擬得到的中國乾旱區1980–2014年碳庫分布柵格圖。

Dataset Profile

Title	Dynamic spatial datasets of ecological carbon pools and carbon sources and sinks in arid regions of western China under the impact of climate change from 1980 to 2014
Data authors	Fang Xia, Zhang Chi, Zhang Yaonan, Kang Jianfang
Data corresponding author	Zhang Chi (zc@ms.xjb.ac.cn）
Time range	From 1980 to 2014
Geographical scope	30°N–50°N, 70°E–110°E
Spatial resolution	50 km×50 km
Data volume	22.01MB
Data format	Grid
Data service system	http://www.sciencedb.cn/dataSet/handle/617
Source(s) of funding	National Science and Technology Infrastructure Platform project (Y719H71006), Chinese Academy of Sciences Informatization Special Project (XXH13506)
Dataset composition	The MERRA dataset drives the AEM model to simulate the distribution of carbon stocks in China's arid region from 1980 to 2014; The ERA-Interim dataset drives the AEM model to simulate the distribution of carbon stocks in China's arid region from 1980 to 2014; The CFSR dataset drives the AEM model to simulate the distribution of carbon stocks in China's arid region from 1980 to 2014.

引 言

乾旱區水資源匱乏、生態脆弱，對氣候變化敏感^[1]。碳循環作為地球系統中伴隨各種物質循環和能量流動的複雜過程，它的動態變化可以對生態系統產生重大影響^[2]。陸地生態系統碳循環是全球變化研究中的重心。因此，乾旱與半乾旱生態系統有機碳庫估算及其動態研究在區域乃至全球尺度的碳循環研究中都具有重要的科學意義^[3]。

生態系統模型是模擬和預測區域以及全球尺度陸地碳儲量的有用工具^[4][5][6]。但是目前在中國碳庫研究中所採用的主流生態模型，如Biome-BGC^[7]、CENTURY^[8]、LPJ^[9]、OCHIDEE^[10]、CEVSA^[11]等大多無法反映溫帶荒漠植被特殊的生理生態過程，過度簡化了植被結構和根–水相互作用過程^[12][13][14]，難以對乾旱–半乾旱生態系統進行準確模擬，因此不能滿足溫帶荒漠特殊生態過程和植物適應性的研究需求。而乾旱區生態系統模型，如PALS^[15]，不能模擬深根植被獲取地下水資源的過程^[16]。因此，Zhang^[17]研發了乾旱區生態系統模型AEM（Arid Ecosystem Model），增強了乾旱區特殊的生理生態過程（高根冠比，垂直根分布水分吸收模式等），可以模擬溫帶荒漠植被的結構和功能以及生態系統碳水循環的複雜相互作用。

本研究利用乾旱區特有的生態系統模型AEM，以中國乾旱區為研究區，包括中國新疆、甘肅北部以及內蒙古西北部，分別用MERRA、ERA-Interim和CFSR三套再分析氣象數據驅動乾旱區生態系統模型AEM，模擬得到中國乾旱區碳庫分布數據集。

1 數據採集和處理方法

1.1 數據來源與預處理

AEM的驅動數據集如表1所示，包括氣象數據集（日最高氣溫℃、日最低氣溫℃、日平均氣溫℃、降水mm/day、短波輻射W·m−2/day、相對濕度%），地形數據（高程、坡向和坡度），土壤質地（粉砂、粘土和砂土），植被功能類型圖，CO2濃度等。模型輸入數據的時間分辨率為日尺度，輸出數據的時間分辨率為年尺度。

表1 AEM模型驅動數據集列表

序號	名稱	時間	來源
1	MERRA	1980–2014年	NASA
2	ERA-Interim	1980–2014年	美國國家環境預報中心
3	CFSR	1980–2014年	歐洲中尺度天氣預測中心
4	高程，坡度，坡向	2008年	ASTER全球高程數據集
5	中國乾旱半乾旱區植被圖	2007年	中國植被圖
6	中國乾旱半乾旱區土壤圖	2008年	世界和諧土壤數據庫v1.2

氣象數據的處理首先將下載的1980–2014年中國乾旱區氣象的NetCDF（Network Common Data Format）文件使用Python腳本轉換成柵格格式，再利用CDO（Climate Data Operators）工具和Python腳本將下載的小時數據整合為天數據，再求相對濕度，接下來使用AML語言對數據進行檢查，重投影, 數據掩膜，將數據轉成bin格式，最後將每年的數據整合成一個文件，作為最終的模型輸入數據。

模型所需土壤數據來自version 1.2全球土壤數據集^[18]，數據的空間分辨率為1 km×1 km。對數據進行重採樣後得到50 km×50 km空間分辨率的數據，使其與其他輸入數據的空間分辨率保持一致。

地形數據包括坡度、坡向、高程等數據，高程數據來源於ASTER（Advanced Space-borne Thermal Emission and Reflection Radiometer）30 m全球高程數據集^[19]。下載的數據利用ArcGIS表面分析工具生成坡度和坡向的空間分布圖。然後聚合或重新採樣到50 km×50 km的空間分辨率。

中國乾旱區植被功能類型圖是模型輸入的基礎數據集，決定着模型輸入輸出的植被分布格局，是模型輸入數據中重要的一部分。將中國乾旱區植被功能類型分為針葉林、闊葉林（其中新疆的闊葉林為胡楊林）、草地、梭梭（非深根灌木）、檉柳（深根灌木）、農田、高山草甸。中國乾旱區植被功能類型圖來自於1∶100萬的中國植被圖^[20]。CO2濃度數據源自於美國Mauna Loa觀測台觀測的全球年平均濃度數據（http://co2now.org）。

1.2 數據處理步驟

1.2.1 AEM模型

AEM是一個基於過程的生態系統模型，模型集成了乾旱區植被特殊生理生態過程，包括深根荒漠灌木根系吸水過程、深根效應和耐旱功能型植被高效光合效率機理過程等，主要用來模擬乾旱區生態系統的碳和水過程，以研究氣候變化對中國乾旱區碳儲量的影響^[17]。AEM耦合了碳–氮–水循環，包括生物物理模塊、植被生理模塊、土壤物理、生物地球化學模塊和植被動態模塊。相比其他通用生態系統模型，AEM針對乾旱區特殊生理生態過程。AEM以氣象、土壤、地形、植被分布、大氣成分、土地管理等數據為驅動因子，在日尺度上估算植被和土壤的碳氮水通量和蓄積量變化，可以用於研究氣候變化對乾旱區生態系統結構（葉面積、生物量等）和功能（淨初級生產力、蒸散等）的影響^[17]。

1.2.2 中國乾旱區碳庫模擬流程

首先，收集並整理中國乾旱區氣象、土壤、地形、植被功能類型等數據，將不同來源的數據都統一為50 km×50 km的空間分辨率；其次，針對研究區的主要植被功能類型，優化AEM模型的關鍵生理生態參數，對模型在中國乾旱區應用的模擬精度開展全面驗證和調試；基於多源或最優氣候驅動和生理生態參數資料，模擬評估中國乾旱區有機碳庫，並分析其時空動態特徵。中國乾旱區碳庫模擬流程如圖1所示。

圖片

圖1 中國乾旱區碳庫模擬流程示意圖

2 數據樣本描述

由MERRA、ERA-Interim和CFSR三套氣象數據驅動乾旱區生態系統模型AEM得到1980–2014年中國乾旱區碳庫分布柵格圖，空間分辨率均是50 km×50 km，地理坐標係為WGS1984。數據結果展示如圖2。

圖片

圖片

圖片

圖2 1980–2014年中國乾旱區碳庫分布圖

3 數據質量評估

3.1 模型評估數據收集

由於實測數據的缺乏，本研究採用文獻中的實測數據對模擬結果進行驗證。選擇符合研究區情況的文獻數據，比較模型與文獻中同一區域，相同氣候條件下植被碳（VEGC）和土壤有機碳（SOC）密度數據，驗證所用VEGC、SOC站點信息和參考文獻如表2和表3所示。

表2 VEGC站點信息和參考文獻

序號	經度	緯度	實測VEGC (gC/m'2')	模擬VEGC (MERRA) (gC/m'2')	模擬VEGC (ERA-Inteim) (gC/m'2')	模擬VEGC (CFSR) (gC/m'2')	來源
1	85.82	44.28	917.89	1026.76	842.75	673.06	[21]
2	81.49	40.65	244.39	53.86	85.69	480.22	[22]
3	80.17	41.13	828.76	751.88	1072.77	961.53	[23]
4	86.22	45.18	813.72	1026.76	842.75	673.06	[24]
5	99.61	39.63	827.9	682.94	625.37	718.24	[25]
6	80.37	40.64	1009.2	943.86	1157.00	984.32	[26]
7	86.05	45.32	844.71	630.84	1944.83	1230.75	[27]
8	85	42.2	175	199.50	165.29	209.43	[28]
9	85.4	42.5	93.14	113.12	96.57	164.55	[28]
10	83.9	41.3	27.22	55.03	82.80	513.63	[28]
11	84.1	41.4	37.3	23.79	27.91	585.18	[28]
12	84.5	41.8	71.43	38.45	63.88	154.81	[28]
13	83.6	41.1	5.59	41.02	24.73	510.21	[28]
14	85.8	44	410	1026.76	842.75	673.06	[29]
15	81	45	220	275.33	391.38	638.33	[29]
16	87	48.1	280	157.36	542.24	293.63	[29]
17	81.9	43.4	560	695.90	1567.82	594.13	[29]
18	82.2	43.9	570	471.40	536.25	928.83	[29]
19	83.6	45.8	390	126.13	229.33	154.13	[29]
20	81.4	43.1	810	1194.83	2329.33	1116.56	[29]
21	81.3	41.9	450	559.53	767.75	201.77	[29]
22	86	32.1	90	84.71	268.61	101.84	[29]
24	87.2	43.5	580	1028.15	1428.01	1048.11	[29]
25	82.4	32.3	60	207.47	96.41	127.95	[29]
26	82.6	32.5	80	207.47	96.41	127.95	[29]

表3 SOC站點信息和參考文獻

序號	經度	緯度	實測SOC (gC/m'2')	模擬SOC(MERRA) (gC/m'2')	模擬SOC(ERA-Interim) (gC/m'2')	模擬SOC(CFSR) (gC/m'2')	來源
1	85.8	44	8870	6842.69	9644.87	6044.91	[30]
2	85.4	44	11590	10171.82	14671.49	11480.52	[30]
3	83.2	43.4	8540	5556.24	8052.45	7342.49	[30]
4	82.2	43.4	9760	7837.53	9404.76	6074.04	[30]
5	81.7	43.2	10930	9457.23	23024.06	6888.27	[30]
6	84.1	46.2	8930	5954.50	4327.67	8715.23	[30]
7	87.8	47.7	2180	1056.99	6824.62	4299.94	[30]
8	84.8	44.1	5840	7646.92	11173.41	8389.09	[30]
9	83.5	43.4	20580	19548.78	32228.84	17056.05	[30]
10	81.4	43.1	14330	12911.46	13448.20	8978.67	[30]
11	82.2	43.9	12660	11987.41	8446.10	7421.48	[30]
12	81.2	44.5	19570	14392.56	15571.85	12564.21	[30]
13	81.3	44.7	9550	6809.52	7248.46	8378.96	[30]
14	87.2	43.5	6170	8046.39	6535.90	5220.68	[30]
15	86.5	43.8	16580	15794.65	25445.70	15095.93	[30]
16	85.3	44	12270	10171.82	14671.49	11480.52	[30]
17	90.3	43.8	5770	3961.02	3100.18	6254.89	[30]
18	81	44.4	9850	11987.41	8446.10	7421.48	[30]
19	84.4	43.2	17820	9564.86	16123.34	8679.00	[30]
20	84.4	43.2	18750	10171.82	14671.49	11480.52	[30]
21	81.1	43.2	14400	12911.46	13448.20	8978.67	[30]

3.2 數據質量評估

通過與實測站點數據相比較，AEM模擬結果同站點觀測數據較一致。三套數據中，MERRA的模擬效果較好，VEGC和SOC模擬的線性相關係數R²均大於0.65，ERA-Interim次之，而CFSR模擬效果與前兩套數據相比較差（圖3、圖4）。

圖片

圖片

圖片

圖3 VEGC模擬與驗證

圖片

圖片

圖片

圖4 SOC模擬與驗證

3.3 多年中國乾旱區碳庫分布模擬結果評估

三套數據的模擬結果都顯示1980–2014年間甘肅嘉峪關以南以及新疆北部地區的碳儲量較高，特別是北疆的阿勒泰山以及天山區域，這些區域水量充沛，自然條件優越，植被長勢好，這與劉衛國^[21]和李超凡^[22]的研究結果非常相似。

4 數據價值

本文利用乾旱區生態系統模型AEM模擬了1980–2014年中國乾旱區碳庫的分布情況。分別使用MERRA、ERA-Interim和CFSR三套再分析氣象數據驅動乾旱區生態系統模型AEM，對模型參數進行優化，與文獻中的實測數據進行比較，最終獲得三套數據的中國乾旱區碳庫的分布情況。

中國乾旱區碳庫分布數據為該區域生態系統研究提供基礎數據，也可作為全球氣候變化背景下，中國乾旱區碳庫變化的參考數據。在多年中國乾旱區碳庫分布數據基礎上，結合氣候、生態等數據綜合分析，對該地區生態環境可持續發展有着重要意義。

5 數據使用方法和建議

1980–2014年中國乾旱區碳庫分布數據集保存為柵格格式。ArcGIS可支持本數據集的讀取和操作，也可使用Python等計算機語言對數據進行批處理操作。

致 謝

感謝NASA提供的MERRA氣象再分析數據、美國國家環境預報中心提供的CFSR氣象再分析數據、歐洲中尺度天氣預測中心提供的ERA-Interim氣象再分析數據。美國Mauna Loa觀測台觀測提供的全球年平均CO2濃度數據。

參考文獻

1. DAI A G. Drought under global warming: a review[J]. Wiley Interdisciplinary Reviews-Climate Change, 2011, 2(1): 45-65. DOI:10.1002/wcc.81.
2. 陶波, 葛全勝, 李克讓, 等. 陸地生態系統碳循環研究進展[J]. 地理研究, 2001, 20(5): 564-575.
3. SCHIMEL D S. Drylands in the earth system[J]. Science, 2010, 327(5964): 418-419.
4. FANG X, ZHANG C, WANG Q, et al. Isolating and Quantifying the Effects of Climate and CO2 Changes (1980–2014) on the Net Primary Productivity in Arid and Semiarid China[J]. Forests, 2017, 8(3): 60.
5. YU G R, ZHU X J, FU Y L, et al. Spatial patterns and climate drivers of carbon fluxes in terrestrial ecosystems of China[J]. Global Change Biology, 2013, 19(3): 798-810.
6. PIAO S, CIAIS P, LOMAS M, et al. Contribution of climate change and rising CO2 to terrestrial carbon balance in East Asia: a multi-model analysis[J]. Global and Planetary Change, 2011, 75(3): 133-142.
7. PARTON W J, STEWART J W B, COLE C V. Dynamics of C, N, P and S in grassland soils: a model[J]. Biogeochemistry, 1988, 5(1):109-131.
8. RUNNING S W, COUGHLAN J C. A general model of forest ecosystem processes for regional applications I. Hydrologic balance, canopy gas exchange and primary production processes[J]. Ecological Modelling, 1988, 42(2):125-154.
9. PRENTICE I C, CRAMER W, HARRISON S P, et al. A global biome model based on plant physiology and dominance, soil properties and climate[J]. J Biogeogr, 1992, 19:117-134.
10. KRINNER G, VIOVY N, DE NOBLET-DUCOUDRÉ N, et al. A dynamic global vegetation model for studies of the coupled atmosphere- biosphere system[J]. Global Biogeochemical Cycles, 2005, 19: GB1015. DOI: 10.1029/2003GB002199.
11. CAO M, PRINCE S D, LI K, et al. Response of terrestrial carbon uptake to climate interannual variability in China[J]. Global Change Biology, 2003, 9(4): 536-546.
12. ZHANG C, REN W. Complex Climatic and CO2 Controls on Net Primary Productivity of Temperate Dryland Ecosystems over Central Asia during 1980 – 2014[J]. Journal of Geophysical Research, 2017, 122: 2356-2374.
13. ZENG X, ZENG X, BARLAGE M. Growing temperate shrubs over arid and semiarid regions in the Community Land Model–Dynamic Global Vegetation Model[J]. Global Biogeochemical Cycles, 2008, 22: GB3003. DOI:10.1029/2007GB003014.
14. YANG R, FRIEDL M A, NI W. Parameterization of shortwave radiation fluxes for nonuniform vegetation canopies in land surface models[J]. J. Geophys. Res., 2001, 106: 14275-14286.
15. REYNOLDS J F, KEMP P R, TENHUNEN J D. Effects of Long-Term Rainfall Variability on Evapotranspiration and Soil Water Distribution in the Chihuahuan Desert: A Modeling Analysis[J]. Plant Ecology, 2000, 150(1-2):145-159.
16. LAI C T, KATUL G. The dynamic role of root-water uptake in coupling potential to actual transpiration[J]. Advances in Water Resources, 2000, 23(4): 427-439.
17. ^ ^{17.0 17.1 17.2} ZHANG C, LI C F, LUO G P, et al. Modeling plant structure and its impacts on carbon and water cycles of the Central Asian arid ecosystem in the context of climate change[J]. Ecological Modelling, 2013, 267: 158-179.
18. NACHTERGAELE F, VAN VELTHUIZEN H, VERELST L, et al. Harmonized world soil database v 1.2[DB/OL]. Food and Agriculture Organization of the United Nations, 2008.
19. NASA, METI. ASTER GDEM Readme File-ASTER GDEM Version 1[EB/OL]. 2009. [2018-06-19]. http://www.ersdac.or.jp/GDEM/E/image/ASTER%20GDEM%20Readme_Ev1.0.pdf.
20. 張新時. 中國植被及其地理格局:中華人民共和國植被圖（1:1 000 000）說明書[M]. 北京: 地質出版社, 2007.
21. 劉衛國. 新疆陸地生態系統淨初級生產力和碳時空變化研究[D]. 烏魯木齊: 新疆大學, 2007.
22. 李超凡. 基於乾旱區生態系統模型的亞洲中部生態系統有機碳儲量估算及其對氣候變化響應的研究[D]. 北京: 中國科學院大學, 2015.

數據引用格式

方霞, 張弛, 張耀南, 康建芳. 氣候變化影響下1980–2014年中國西部乾旱區生態碳庫及碳源匯動態空間數據集[DB/OL]. Science Data Bank, 2018. (2018-06-19). DOI: 10.11922/sciencedb.617.