气候变化影响下1980–2014年中国西部干旱区生态碳库及碳源汇动态空间数据集

气候变化影响下1980–2014年中国西部干旱区生态碳库及碳源汇动态空间数据集
作者：方霞　张弛　张耀南　康建芳
2018年8月30日

本作品收录于《中国科学数据》

方霞, 张弛, 张耀南, 康建芳. 气候变化影响下1980–2014年中国西部干旱区生态碳库及碳源汇动态空间数据集[J/OL]. 中国科学数据, 2018, 3(3). (2018-08-28). DOI: 10.11922/csdata.2018.0039.zh.

摘要&关键词

摘要：干旱区是对气候变化最敏感的陆地生态系统之一，生态系统碳库动态是区域碳源、碳汇特征最直观的表现，干旱区生态系统有机碳库的估算及其动态研究在区域乃至全球尺度的碳循环研究中都具有重要的科学意义。研究区大致空间范围为30°N–50°N、70°E–110°E，包括中国新疆、甘肃西北部以及内蒙的西南部。本文收集了MERRA、ERA-Interim和CFSR三套气象数据驱动干旱区生态系统模型AEM得到的1980–2014年中国干旱区碳库分布数据（空间分辨率50 km×50 km），并和现有文献资料对数据质量进行了分析和评估。本数据集可作为中国干旱区碳库变化的调查资料，为该区域生态系统研究提供基础数据支撑。本数据集服务于丝绸之路经济带建设的国家需求，对社会经济稳定和可持续发展具有重要的现实意义。

关键词：干旱；碳库；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)

数据库（集）基本信息简介

数据集名称	气候变化影响下1980–2014年中国西部干旱区生态碳库及碳源汇动态空间数据集
数据作者	方霞、张弛、张耀南、康建芳
数据通信作者	张弛（zc@ms.xjb.ac.cn）
数据时间范围	1980–2014年
地理区域	30°N–50°N，70°E–110°E
空间分辨率	50 km×50 km
数据量	22.01 MB
数据格式	栅格
数据服务系统网址	http://www.sciencedb.cn/dataSet/handle/617
基金项目	国家科技基础条件平台项目（Y719H71006）；中国科学院信息化专项（XXH13506）
数据集组成	本数据集由3部分组成：1. MERRA数据集驱动AEM模型模拟得到的中国干旱区1980–2014年碳库分布栅格图；2. ERA-Interim数据集驱动AEM模型模拟得到的中国干旱区1980–2014年碳库分布栅格图；3. CFSR数据集驱动AEM模型模拟得到的中国干旱区1980–2014年碳库分布栅格图。

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

干旱区水资源匮乏、生态脆弱，对气候变化敏感^[1]。碳循环作为地球系统中伴随各种物质循环和能量流动的复杂过程，它的动态变化可以对生态系统产生重大影响^[2]。陆地生态系统碳循环是全球变化研究中的重心。因此，干旱与半干旱生态系统有机碳库估算及其动态研究在区域乃至全球尺度的碳循环研究中都具有重要的科学意义^[3]。

生态系统模型是模拟和预测区域以及全球尺度陆地碳储量的有用工具^[4][5][6]。但是目前在中国碳库研究中所采用的主流生态模型，如Biome-BGC^[7]、CENTURY^[8]、LPJ^[9]、OCHIDEE^[10]、CEVSA^[11]等大多无法反映温带荒漠植被特殊的生理生态过程，过度简化了植被结构和根–水相互作用过程^[12][13][14]，难以对干旱–半干旱生态系统进行准确模拟，因此不能满足温带荒漠特殊生态过程和植物适应性的研究需求。而干旱区生态系统模型，如PALS^[15]，不能模拟深根植被获取地下水资源的过程^[16]。因此，Zhang^[17]研发了干旱区生态系统模型AEM（Arid Ecosystem Model），增强了干旱区特殊的生理生态过程（高根冠比，垂直根分布水分吸收模式等），可以模拟温带荒漠植被的结构和功能以及生态系统碳水循环的复杂相互作用。

本研究利用干旱区特有的生态系统模型AEM，以中国干旱区为研究区，包括中国新疆、甘肃北部以及内蒙古西北部，分别用MERRA、ERA-Interim和CFSR三套再分析气象数据驱动干旱区生态系统模型AEM，模拟得到中国干旱区碳库分布数据集。

1 数据采集和处理方法

1.1 数据来源与预处理

AEM的驱动数据集如表1所示，包括气象数据集（日最高气温℃、日最低气温℃、日平均气温℃、降水mm/day、短波辐射W·m−2/day、相对湿度%），地形数据（高程、坡向和坡度），土壤质地（粉砂、粘土和砂土），植被功能类型图，CO2浓度等。模型输入数据的时间分辨率为日尺度，输出数据的时间分辨率为年尺度。

表1 AEM模型驱动数据集列表

序号	名称	时间	来源
1	MERRA	1980–2014年	NASA
2	ERA-Interim	1980–2014年	美国国家环境预报中心
3	CFSR	1980–2014年	欧洲中尺度天气预测中心
4	高程，坡度，坡向	2008年	ASTER全球高程数据集
5	中国干旱半干旱区植被图	2007年	中国植被图
6	中国干旱半干旱区土壤图	2008年	世界和谐土壤数据库v1.2

气象数据的处理首先将下载的1980–2014年中国干旱区气象的NetCDF（Network Common Data Format）文件使用Python脚本转换成栅格格式，再利用CDO（Climate Data Operators）工具和Python脚本将下载的小时数据整合为天数据，再求相对湿度，接下来使用AML语言对数据进行检查，重投影, 数据掩膜，将数据转成bin格式，最后将每年的数据整合成一个文件，作为最终的模型输入数据。

模型所需土壤数据来自version 1.2全球土壤数据集^[18]，数据的空间分辨率为1 km×1 km。对数据进行重采样后得到50 km×50 km空间分辨率的数据，使其与其他输入数据的空间分辨率保持一致。

地形数据包括坡度、坡向、高程等数据，高程数据来源于ASTER（Advanced Space-borne Thermal Emission and Reflection Radiometer）30 m全球高程数据集^[19]。下载的数据利用ArcGIS表面分析工具生成坡度和坡向的空间分布图。然后聚合或重新采样到50 km×50 km的空间分辨率。

中国干旱区植被功能类型图是模型输入的基础数据集，决定着模型输入输出的植被分布格局，是模型输入数据中重要的一部分。将中国干旱区植被功能类型分为针叶林、阔叶林（其中新疆的阔叶林为胡杨林）、草地、梭梭（非深根灌木）、柽柳（深根灌木）、农田、高山草甸。中国干旱区植被功能类型图来自于1∶100万的中国植被图^[20]。CO2浓度数据源自于美国Mauna Loa观测台观测的全球年平均浓度数据（http://co2now.org）。

1.2 数据处理步骤

1.2.1 AEM模型

AEM是一个基于过程的生态系统模型，模型集成了干旱区植被特殊生理生态过程，包括深根荒漠灌木根系吸水过程、深根效应和耐旱功能型植被高效光合效率机理过程等，主要用来模拟干旱区生态系统的碳和水过程，以研究气候变化对中国干旱区碳储量的影响^[17]。AEM耦合了碳–氮–水循环，包括生物物理模块、植被生理模块、土壤物理、生物地球化学模块和植被动态模块。相比其他通用生态系统模型，AEM针对干旱区特殊生理生态过程。AEM以气象、土壤、地形、植被分布、大气成分、土地管理等数据为驱动因子，在日尺度上估算植被和土壤的碳氮水通量和蓄积量变化，可以用于研究气候变化对干旱区生态系统结构（叶面积、生物量等）和功能（净初级生产力、蒸散等）的影响^[17]。

1.2.2 中国干旱区碳库模拟流程

首先，收集并整理中国干旱区气象、土壤、地形、植被功能类型等数据，将不同来源的数据都统一为50 km×50 km的空间分辨率；其次，针对研究区的主要植被功能类型，优化AEM模型的关键生理生态参数，对模型在中国干旱区应用的模拟精度开展全面验证和调试；基于多源或最优气候驱动和生理生态参数资料，模拟评估中国干旱区有机碳库，并分析其时空动态特征。中国干旱区碳库模拟流程如图1所示。

图片

图1 中国干旱区碳库模拟流程示意图

2 数据样本描述

由MERRA、ERA-Interim和CFSR三套气象数据驱动干旱区生态系统模型AEM得到1980–2014年中国干旱区碳库分布栅格图，空间分辨率均是50 km×50 km，地理坐标系为WGS1984。数据结果展示如图2。

图片

图片

图片

图2 1980–2014年中国干旱区碳库分布图

3 数据质量评估

3.1 模型评估数据收集

由于实测数据的缺乏，本研究采用文献中的实测数据对模拟结果进行验证。选择符合研究区情况的文献数据，比较模型与文献中同一区域，相同气候条件下植被碳（VEGC）和土壤有机碳（SOC）密度数据，验证所用VEGC、SOC站点信息和参考文献如表2和表3所示。

表2 VEGC站点信息和参考文献

序号	经度	纬度	实测VEGC (gC/m'2')	模拟VEGC (MERRA) (gC/m'2')	模拟VEGC (ERA-Inteim) (gC/m'2')	模拟VEGC (CFSR) (gC/m'2')	来源
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站点信息和参考文献

序号	经度	纬度	实测SOC (gC/m'2')	模拟SOC(MERRA) (gC/m'2')	模拟SOC(ERA-Interim) (gC/m'2')	模拟SOC(CFSR) (gC/m'2')	来源
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 数据质量评估

通过与实测站点数据相比较，AEM模拟结果同站点观测数据较一致。三套数据中，MERRA的模拟效果较好，VEGC和SOC模拟的线性相关系数R²均大于0.65，ERA-Interim次之，而CFSR模拟效果与前两套数据相比较差（图3、图4）。

图片

图片

图片

图3 VEGC模拟与验证

图片

图片

图片

图4 SOC模拟与验证

3.3 多年中国干旱区碳库分布模拟结果评估

三套数据的模拟结果都显示1980–2014年间甘肃嘉峪关以南以及新疆北部地区的碳储量较高，特别是北疆的阿勒泰山以及天山区域，这些区域水量充沛，自然条件优越，植被长势好，这与刘卫国^[21]和李超凡^[22]的研究结果非常相似。

4 数据价值

本文利用干旱区生态系统模型AEM模拟了1980–2014年中国干旱区碳库的分布情况。分别使用MERRA、ERA-Interim和CFSR三套再分析气象数据驱动干旱区生态系统模型AEM，对模型参数进行优化，与文献中的实测数据进行比较，最终获得三套数据的中国干旱区碳库的分布情况。

中国干旱区碳库分布数据为该区域生态系统研究提供基础数据，也可作为全球气候变化背景下，中国干旱区碳库变化的参考数据。在多年中国干旱区碳库分布数据基础上，结合气候、生态等数据综合分析，对该地区生态环境可持续发展有着重要意义。

5 数据使用方法和建议

1980–2014年中国干旱区碳库分布数据集保存为栅格格式。ArcGIS可支持本数据集的读取和操作，也可使用Python等计算机语言对数据进行批处理操作。

致 谢

感谢NASA提供的MERRA气象再分析数据、美国国家环境预报中心提供的CFSR气象再分析数据、欧洲中尺度天气预测中心提供的ERA-Interim气象再分析数据。美国Mauna Loa观测台观测提供的全球年平均CO2浓度数据。

参考文献

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, 葛全胜, 李克让, 等. 陆地生态系统碳循环研究进展[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. 张新时. 中国植被及其地理格局:中华人民共和国植被图（1:1 000 000）说明书[M]. 北京: 地质出版社, 2007.
21. 刘卫国. 新疆陆地生态系统净初级生产力和碳时空变化研究[D]. 乌鲁木齐: 新疆大学, 2007.
22. 李超凡. 基于干旱区生态系统模型的亚洲中部生态系统有机碳储量估算及其对气候变化响应的研究[D]. 北京: 中国科学院大学, 2015.

数据引用格式

方霞, 张弛, 张耀南, 康建芳. 气候变化影响下1980–2014年中国西部干旱区生态碳库及碳源汇动态空间数据集[DB/OL]. Science Data Bank, 2018. (2018-06-19). DOI: 10.11922/sciencedb.617.