北京师范大学张朝团队发布中国小麦和玉米旱地1 km逐日土壤水分数据产品(1993-2018年)
- :北师大张朝团队
- :2023-02-03
近日,北京师范大学国家安全与应急管理学院粮食安全研究与教育团队(负责人:张朝教授)通过国家生态科学数据中心生态网络云平台(http://www.nesdc.org.cn)发布了1993-2018年中国主要农作物旱地1km逐日土壤水分数据集(ChinaCropSM1 km), 按作物类型(小麦、玉米)和土壤深度(0-250px、10-500px)分成4个子集,用户可在线访问获取数据。相关研究成果以“ChinaCropSM1 km: a fine 1 km daily soil moisture dataset for dryland wheat and maize across China during 1993–2018 ”为题发表在ESSD 期刊。
土壤水分与干旱和洪水密切相关,进而影响农业生产。因此,高分辨率的土壤水分信息对于提高作物产量预测和干旱影响评估至关重要。以往的土壤水分模拟并未考虑灌溉等农业管理活动,特别是在中国这样有广泛灌溉面积的国家;此外,区域的农业管理需要进一步提高土壤水分产品的空间和时间分辨率。
研究团队搜集了全国农业气象站长期观测的玉米和小麦旱田土壤水分数据,将全国划分为不同的农业研究区,然后结合各农业种植区的不同作物的平均物候期和土层深度(0-250px,10-500px)对比相应的灌溉阈值设计了灌溉模块,形成了土壤水分预测的灌溉因子;再利用各项气象要素、土壤特性、遥感信息、地理空间信息等环境要素构建随机森林模型,并统一各项模型输入要素分辨率(1km),最终模拟生成了1993-2018年中国主要农作物旱地1km逐日土壤水分数据集(ChinaCropSM1 km,图2)。
图1 数据集生产流程及灌溉模块设计
图2 ChinaCropSM1 km示例数据(小麦,0-250px,1993150)
研究团队将通过随机森林模型预测的土壤水分与站点实测土壤水分观测进行比对,两者表现出良好的一致性(图3),其无偏均方根误差( ubRMSE )为0.028-0.037,偏差为−0.0011-0.0009,R为0.925-0.944。与没有灌溉模块的模型相比,本研究通过灌溉模块设计提升了土壤水分的预测精度,R2值增加了 6.8%–9.7%,RMSE 值减少了 16%–23%;研究发现影响土壤水分预测的主要因素为灌溉,前10天累计降雨量和田间持水量。
图3 预测的土壤水分和实际观测记录对比
ChinaCropSM 1km的时空分辨率和精度明显优于全球目前土壤水分产品(图4、5),例如全球遥感地表土壤水分数据集(RSSSM)和欧洲航天局(ESA)气候变化倡议(CCI)土壤水分数据集。
图4 不同土壤水分产品之间的时空精度比较
图5 土壤水分原位观测数据和不同产品之间的时间序列比较
相比常规的土壤水分降尺度反演,本数据集在生产过程中基于田间观测站点数据作为训练样本,实现了由点到面的空间制图;并充分考虑了农业灌溉对土壤水分的影响,首次根据作物类型、作物物候期、土层深度结合灌溉阈值设计了灌溉模块,提升了土壤水分预测精度。
该项研究工作和数据制备得到了国家重点研发计划项目(2020YFA0608201)、国家自然科学基金(41977405)等项目的资助。
论文信息:
Cheng, F., Zhang, Z., Zhuang, H., Han, J., Luo, Y., Cao, J., Zhang, L., Zhang, J., Xu, J., and Tao, F.: ChinaCropSM1 km: a fine 1 km daily soil moisture dataset for dryland wheat and maize across China during 1993–2018, Earth Syst. Sci. Data, 15, 395–409, https://doi.org/10.5194/essd-15-395-2023, 2023.
数据链接:
1993-2018年中国主要农作物旱地1km逐日土壤水分数据集
截至目前,张朝教授研究团队已在生态网络云平台发布全球粮食作物分布、物候等农情信息专题数据产品11个,欢迎访问团队数据发布主页获取相关数据(点击这里)。