2006–2015年中国大气无机氮干沉降时空格局数据集

2006–2015年中国大气无机氮干沉降时空格局数据集
作者:贾彦龙 王秋凤 朱剑兴 陈智 何念鹏 于贵瑞
2020年1月2日
本作品收錄於《中国科学数据
贾彦龙, 王秋凤, 朱剑兴, 等. 2006–2015年中国大气无机氮干沉降时空格局数据集[J/OL]. 中国科学数据, 2019. (2020-01-02). DOI: 10.11922/csdata.2019.0078.zh.


摘要&关键词 编辑

摘要:干沉降是大气氮沉降的重要组分,对陆地生态系统的结构和功能有重要影响。由于干沉降组分复杂、观测技术难度大,我国干沉降观测的站点少、时间短,如何获取精度高、时间序列长的干沉降空间格局数据是评估干沉降对我国生态系统影响的关键。本研究基于干沉降的站点观测数据和NO2、NH3遥感柱浓度数据,分别建立了评估不同形态干沉降的遥感统计模型,生成了2006–2010年、2011–2015年2个时期中国无机氮干沉降通量的空间格局数据集,包括颗粒态NH4+ 、NO3- 、气态NO2、HNO3、NH3和总干沉降通量6个指标,空间分辨率为10 km×10 km,数据格式为tiff。本数据集是第一个基于地面实测数据生成的中国大气氮干沉降可公开共享数据集,可为中国大气氮沉降的生态效应和环境效应评估提供数据基础,也可为我国的氮素管理政策提供理论支持。

关键词:中国;干沉降;遥感模型;时空格局

Abstract & Keywords 编辑

Abstract: Dry deposition is an important component of atmospheric nitrogen (N) deposition, which has considerable effects on construction and functions of ecosystems. Because of the complexity of dry deposition and the difficulty of observation technologies, there were few monitoring stations in short-term for dry deposition observation in China. Therefore, how to get a spatial pattern dataset with high resolution and long-term for dry deposition is key to evaluate their ecological effects on ecosystems to China. Based on the ground monitoring data of dry deposition and remote sensing data of NO2 and NH3, we constructed remote sensing statistical models for different species of dry deposition, then the spatial dataset of dry deposition during 2006–2010 and 2011–2015 in China was generated. The dataset includes particulate NH4+ , NO3- , gaseous NO2, HNO3, NH3, and total dry N deposition, with spatial resolution of 10 km×10 km in tiff format. This dataset is the first open dry N deposition based on ground monitoring data in China, which can provide basic data for assessing their ecological and environmental effects and support the policy-making for N management.

Keywords:  China; dry deposition; remote sensing model; spatial and temporal pattern

数据库(集)基本信息简介 编辑

数据库(集)名称 2006–2015年中国大气无机氮干沉降时空格局数据集
数据作者 贾彦龙、王秋凤、朱剑兴、陈智、何念鹏、于贵瑞
数据通信作者 于贵瑞(yugr@igsnrr.ac.cn)
数据时间范围 20062015年
地理区域 中国大陆区域
空间分辨率 10000 m
数据量 27.0 MB
数据格式 *.tiff
数据服务系统网址 http://www.cnern.org.cn/data/meta?id=40575 http://www.sciencedb.cn/dataSet/handle/921
基金项目 河北省自然科学基金(C2018204096);国家自然科学基金项目(31700377);中国科学院战略性先导科技专项(XDA19020302);国家重点研发计划(2016YFA0600104)。
数据库(集)组成 数据集共包括6个指标:NH4+ ,大气颗粒态铵干沉降;NO3- ,大气颗粒态硝干沉降;NO2,气态二氧化氮干沉降;HNO3,气态硝酸气干沉降;NH3,气态氨气干沉降;Total dry N,为总干沉降,即5种类型干沉降之和。 数据集包括12个数据文件,分别为不同时期各形态干沉降空间格局数据,命名规则为XXX_d_YYYY_YYYY.tiff,其中XXX代表氮沉降的种类,d代表干沉降,YYYY_YYYY代表时间段。例如:HNO3_d_2006_2010.tiff是2006–2010年中国大气HNO3干沉降空间格局数据。

Dataset Profile 编辑

Title A spatial and temporal dataset of atmospheric inorganic nitrogen dry deposition in China (20062015)
Data corresponding author Yu Guirui (yugr@igsnrr.ac.cn)
Data authors Jia Yanlong, Wang Qiufeng, Zhu Jianxing, Chen Zhi, He Nianpeng, Yu Guirui
Time range 2006 – 2015
Geographical scope Mainland China
Spatial resolution 10000 m
Data volume 27 MB
Data format *.tiff
Data service system <http://www.cnern.org.cn/data/meta?id=40575> <http://www.sciencedb.cn/dataSet/handle/921>
Sources of funding Provincial Science Foundation of Hebei (C2018204096); National Natural Science Foundation of China (31700377); Strategic Priority Research Program of the Chinese Academy of Sciences (XDA19020302); National Key Research and Development Program of China (2016YFA0600104).
Dataset composition The dataset includes 12 files indicating the spatial patterns of gaseous NO2, HNO3, NH3, particulate NH4+ , NO3- , and total dry N deposition during 20062010 and 2011–2015 in China. Each data document is recorded as XXX_d_YYYY_YYYY.tiff, where XXX_d and YYYY_YYYY denote the type of dry N deposition and the study period, respectively. For example, HNO3_d_2006_2010.tiff records the spatial pattern of dry gaseous HNO3 deposition flux in China during 2006–2010.


引 言 编辑

大气氮沉降是指大气气态和颗粒态含氮物质沉降到地表的过程,通过降水发生的为湿沉降,在没有降水时通过重力、湍流等作用发生的是干沉降[1]。干沉降是大气氮沉降的重要组分,其在氮沉降中所占比例约为30%–70%,存在区域差异和动态变化[2]。干沉降中的氮素可通过叶片的气孔进入植物或沉降到土壤,对生态系统的养分吸收、氮循环、温室气体平衡等过程有重要影响,而且,干沉降也是一种大气污染的指示指标,对人类健康、动植物生存、工农业生产等产生影响。因此,获取大气氮干沉降的时空格局数据是评估其生态效应和环境效应的关键。

中国是全球大气氮沉降的三大热点区之一[3],以前对于我国氮沉降的站点监测和空间评估主要集中在湿沉降[4][5][6]。相比大气氮湿沉降,干沉降组分更加复杂,其无机态的形式主要有气态的NO2、HNO3、NH3和颗粒态的NH4+ 、NO3- ,这给干沉降的监测带来了很大的难度,因此站点尺度的干沉降观测在我国非常少,这也为评估我国干沉降的空间格局带来了挑战。在干沉降空间格局评估上,大气化学传输模型是一种主要方法,但是其模拟结果具有较大的不确定性[2]。近年来,NO2和NH3遥感柱浓度数据先后释放,其具有空间分辨率高、覆盖区域广、时间连续性的特点,如何利用该数据评估大气氮干沉降的时空格局成为目前亟待解决的问题。

在本研究中,我们基于文献收集的大气氮干沉降站点数据,结合NO2和NH3遥感柱浓度数据,建立了评估大气氮干沉降遥感统计模型,生产了2006–2015年(5年一期,共2期)中国大气无机氮干沉降的空间格局数据集,指标包括气态的NO2、HNO3、NH3和颗粒态的NH4+ 、NO3- 。本数据集的公开共享可为中国大气氮沉降的生态效应和环境效应评估提供数据基础,也可为我国的氮素管理政策提供理论支持。

1 数据采集和处理方法 编辑

在本研究中,中国大气无机氮干沉降时空格局数据集的生成是基于地面观测数据和遥感数据建立的遥感统计模型,因此,数据集的生产流程包括干沉降站点监测数据收集、遥感数据收集、遥感建模方法、干沉降速率数据处理和干沉降通量空间格局生成5个部分,主要流程见图1。

1.1 干沉降站点观测数据收集 编辑

本研究中,中国大气无机氮干沉降站点数据来自中国农业大学建立的氮沉降观测网络数据(43个站点)[7][8],数据指标包括颗粒态NH4+ 、NO3- ,气态NO2、HNO3、NH3的年均浓度和年通量数据。由于干沉降观测方法难度较大,我国的干沉降数据一直较少,而该网络是目前我国观测较为系统、方法统一、覆盖面广的干沉降观测网络,因此,本研究使用该网络数据作为建立遥感统计模型的站点数据。


图片

图1 中国大气无机氮干沉降空间格局生成主要流程示意图


1.2 遥感数据收集和处理 编辑

本研究利用的NO2遥感数据来源于对流层排放监测网络服务中心(TEMIS, www.temis.nl)发布的OMI探测器NO2对流层垂直柱浓度数据。我们下载了2006–2015年NO2柱浓度的月尺度数据产品,数据空间分辨率为0.125°,数据单位为1015 molec./cm2,数据格式为ESRI grid。NO2柱浓度的年均值由其月均值算术平均得到。

NH3遥感数据来自于Infrared Atmospheric Sounding Interferometer (IASI)。该卫星2006年10月发射,2008年开始有NH3柱浓度数据产品发布。我们从ESPRI Data Centre下载了2008–2015年的NH3柱浓度数据,数据单位为1015 molec./cm2,应用MATLAB软件将原始数据产品处理为ESRI grid格式的NH3柱浓度年均值数据,数据空间分辨率为0.25°。具体方法详见本研究团队的前期论文[9]

1.3 大气氮化物地面浓度的评估 编辑

根据氮排放、转化、沉降的过程,本研究团队基于大气氮化物地面浓度和NO2、NH3遥感柱浓度数据分别建立了估算颗粒态NH4+ 、NO3- 和气态NO2、HNO3、NH3地面浓度的遥感统计模型[9]。利用该模型和NO2、NH3遥感柱浓度数据,我们得到了2006–2015年5年一期共2个时期中国颗粒态NH4+ 、NO3- 和气态NO2、HNO3、NH3地面浓度的空间分布图,空间分辨率为10 km×10 km。需要说明的是,由于从2008年才有NH3遥感柱浓度数据,且2010年数据有缺失,因此2006–2010年颗粒态NH4+ 和气态NH3地面浓度的空间格局数据由2008、2009年两年的数据平均计算得出。

1.4 干沉降速率数据收集和处理 编辑

研究表明,土地利用类型是影响干沉降速率最主要的因素[10]。我们收集了不同土地类型下颗粒态NH4+ 、NO3- 和气态NO2、HNO3、NH3的沉降速率,土地利用类型涵盖了森林、草地、农田、城市、灌木、湿地、荒漠、水域等,并将干沉降速率按照土地利用类型进行平均,得到了各种土地利用类型五种氮化物的沉降速率的均值[11]。然后,结合中国的土地利用分布图(来自Globcover[12]),得到了5种氮化物沉降速率的中国分布图。

1.5 大气氮干沉降通量的评估 编辑

基于推算法(Inferential method),干沉降通量(Fdry )可以表达为氮化物的地面浓度(C)与其沉降速率(Vd )的乘积:

图片 (1)

与其他形态干沉降不同,气态的NH3在以干沉降方式向下沉降的同时,地表的下垫面也同时会以挥发的形式向上排放NH3[13] ,这种过程被称为NH3干沉降的补偿作用。因此,有别于其他4种氮化物,NH3的干沉降通量的计算公式为:

图片 (2)

其中,C0 表示NH3的补偿点浓度(即当空气中的NH3浓度超过补偿点时才发生净的NH3向下沉降)。各种生态系统类型的C0 值从文献中得到[14][15]

根据公式(1)和(2),我们通过氮化物的地面浓度与沉降速率来计算了2006–2015年5年一期共2个时期中国颗粒态NH4+ 、NO3- 和气态NO2、HNO3、NH3干沉降通量的空间分布图。

2 数据样本描述 编辑

2.1 命名格式 编辑

中国大气无机氮干沉降时空格局数据集的命名规则为:XXX_d_YYYY_YYYY.tiff,其中XXX代表氮沉降的种类,d代表干沉降,YYYY_YYYY代表时间段。例如,HNO3_d_2006_2010.tiff是2006–2010年中国大气HNO3干沉降空间格局数据。

2.2 数据样本 编辑

本数据集包括2006–2010年、2011–2015年2个时期中国颗粒态NH4+ 、NO3- 、气态HNO3、NO2、NH3和总干沉降通量的空间格局分布图,共12个文件。图2为2011-2015年中国颗粒态NH4+ 、NO3- ,气态NO2、HNO3、NH3和总干沉降通量空间格局图的数据展示,颜色由绿到红代表干沉降通量由低到高,白色区域代表无数据区域。


图片

图2 2011–2015年中国大气无机氮干沉降通量空间格局图(数据不包括我国台湾省和南海诸岛)A:NO2;B:HNO3;C:NO3-;D:NH4+;E:NH3;F:总干氮沉降。单位Kg N ha-1 yr-1。审图号:GS(2018)4935号。


3 数据质量控制和评估 编辑

本研究中国干沉降空间格局的生成是基于实测站点的遥感统计模型完成。为了保证结果的可靠性,需要对评估结果进行验证,但是我国干沉降站点观测数据很少,因此我们利用中国农业大学的氮沉降观测网络数据对干沉降结果进行了交叉验证。评价指标包括R2、RMSE、回归系数、p值(图3)。验证结果表明,基于本研究遥感统计模型的结果能够较好地表达中国大气氮干沉降的空间格局分布趋势。但是,仍然存在一些不确定性因素会影响对干沉降通量的评估结果。这些不确定性因素的主要来源有以下几个方面:(1)NO2遥感柱浓度产品。探测器对流层遥感柱NO2浓度反演的误差来源主要是大气质量因子(AMF)的计算,而AMF的不确定性为10%–40%[16]。(2)地面观测站数据。中国农业大学的氮沉降观测网络是目前国内比较系统的观测网络,但由于干沉降观测技术难度较大,其观测也会存在一定误差。(3)干沉降速率的评估。干沉降速率的评估主要来自模型模拟的结果,也存在较大的不确定性[17]。鉴于此,我国应加强对大气氮干沉降的联网观测,增加观测点数量、分布的均匀性和长期性,以减少对干沉降空间评估的None不确定性。


图片

图3 干沉降空间格局评估结果的交叉验证a:NO2干沉降; b:HNO3干沉降;c:NO3-干沉降;d:NH3干沉降;e:NH4+干沉降。单位:kg N ha-1 yr-1。


4 数据使用方法和建议 编辑

本数据集在ArcGIS环境下制作生成,格式为tiff,可在支持以上格式的可视化地理信息系统软件中查看和使用。需要注意的是,本数据集适用于对我国干沉降生态效应和环境效应的时空格局评估,但对于单站点的评估可能会存在一定的误差。

致 谢 编辑

感谢氮沉降观测者和NO2、NH3遥感柱浓度观测分析者的辛勤付出和为科学进步的无私奉献!

参考文献 编辑

  1. SEINFELD J H & PANDIS S N. Atmospheric Chemistry and Physics: From Air Pollution to Climate Change, 2nd Edition[M]. Hoboken, John Wiley & Sons, Inc, 2006.
  2. ^ 2.0 2.1 VET R, ARTZ R S, CAROU S, et al. A global assessment of precipitation chemistry and deposition of sulfur, nitrogen, sea salt, base cations, organic acids, acidity and pH, and phosphorus. Atmospheric Environment, 2014, 93: 3-100.
  3. DENTENER F, DREVET J, LAMARQUE F, et al. Nitrogen and sulfur deposition on regional and global scales: A multimodel evaluation[J/OL]. Global Biogeochemical Cycles, 2006, 20. Doi:10.1029/2005 gb002672.
  4. 贾彦龙, 王秋凤, 朱剑兴, 等. 1996–2015年中国大气无机氮湿沉降空间格局数据集[J/OL]. 中国科学数据, 2019, 4(1). DOI: 10.11922/csdata.2018.0031.zh.
  5. JIA Y L, YU G R, HE N P, et al. Spatial and decadal variations in inorganic nitrogen wet deposition in China induced by human activity[J/OL]. Scientific Reports, 2014, 4. DOI: 10.1038/srep03763.
  6. LIU X J, ZHANG Y, HAN W X, et al. Enhanced nitrogen deposition over China[J]. Nature, 2013, 494: 459-462.
  7. XU W, ZHANG L, LIU X J. A database of atmospheric nitrogen concentration and deposition from the nationwide monitoring network in China[J/OL]. Scientific Data, 2019, 6. DOI: doi.org/10.1038/s41597-019-0061-2.
  8. XU W, LUO X S, PAN Y P, et al. Quantifying atmospheric nitrogen deposition through a nationwide monitoring network across China[J]. Atmospheric Chemistry and Physics, 2015, 15: 12345-12360.
  9. ^ 9.0 9.1 YU G R, JIA Y L, HE N P, et al. Stabilization of atmospheric nitrogen deposition in China over the past decade[J]. Nature Geoscience, 2019, 12: 424-429.
  10. ZHANG L, BROOK J R & VET R. A revised parameterization for gaseous dry deposition in air-quality models [J]. Atmospheric Chemistry Physics, 2003, 3: 2067-2082.
  11. JIA Y L, YU G R, GAO Y N, et al. Global inorganic nitrogen dry deposition inferred from ground- and space-based measurements[J/OL]. Scientific Reports, 2016, 6: 19810. DOI: 10.1038/srep19810.
  12. ARINO O, RAMOS J, KALOGIROU V, et al. GlobCover 2009[C]. ESA Living Planet Symposium, Bergen, Norway, 2010.
  13. SUTTON M A, BURKHARDT J K, GUERIN D, et al. Development of resistance models to describe measurements of bi-directional ammonia surface–atmosphere exchange[J]. Atmospheric Environment, 1998, 32: 473-480.
  14. SHEN J L, TANG A H, LIU X J, et al. High concentrations and dry deposition of reactive nitrogen species at two sites in the North China Plain[J]. Environment Pollution, 2009, 157: 3106-3113.
  15. ZHANG L, WRIGHT L P & ASMAN W A H. Bi-directional air-surface exchange of atmospheric ammonia: A review of measurements and a development of a big-leaf model for applications in regional-scale air-quality models[J]. Journal of Geophysical Research, 2010, 115. DOI: 10.1029/2009JD013589.
  16. BOERSMA K F, ESKES H J, VEEFKIND J P, et al. Near-real time retrieval of tropospheric NO2 from OMI[J]. Atmospheric Chemistry Physics, 2007, 7: 2103-2118.
  17. FLECHARD C R, NEMITZ E, SMITH R I, et al. Dry deposition of reactive nitrogen to European ecosystems: a comparison of inferential models across the NitroEurope network[J]. Atmospheric Chemistry Physics, 2011, 11: 2703-2728.

数据引用格式 编辑

贾彦龙, 王秋凤, 朱剑兴, 等. 2006–2015年中国大气无机氮干沉降时空格局数据集[DB/OL]. Science Data Bank, 2019. (2019-12-18). DOI: 10.11922/sciencedb.921.


 

本作品在“知识共享-署名 4.0 国际”协议下发表。

Public domainPublic domainfalsefalse