<button id="yg2go"><code id="yg2go"></code></button>
  •  <cite id="yg2go"></cite>
  • <abbr id="yg2go"><dl id="yg2go"></dl></abbr>
    

  • 亚洲欧美日韩精品久久久,夜色福利一区二区三区,视频日韩p影院永久免费,成人免费视频国产
    




    
    
            
    
                
            
    
    
    

    

    

    
    
        
    
            
    
                
    


                    

                    
    
                        
    

                        
                        中國通量觀測研究網(wǎng)絡（ChinaFLUX）20周年專刊
                        

                        

                            II 區(qū)論文（已發(fā)表）
                        

                        
                            ?
                            
                                版本

                                

    
        ZH2
    



                            
                        

                        
                            
                                
                                    Vol 8 (2)
                                        
    
                                        2023
                                    
                                

                            
                        

                    
    
                        
    







                        

                        

                        
    
                                下載
                                    
                        
    
                    
    
                    
    
                    
    


                    
    
                        
      
                            
      • 
                            
      • 






















                        
    
                    
    


                    
                    
                    
                    

                    
                        
    2000–2020年中國陸地生態(tài)系統(tǒng)年總初級生產(chǎn)力數(shù)據(jù)集
    A dataset of annual gross primary productivity in China’s terrestrial ecosystems during 2000-2020
    ?>>
                    
    ：
                        2023
                        -
                        01
                        -
                        13
    ：
                        2023
                        -
                        04
                        -
                        26
    ：
                        2023
                        -
                        02
                        -
                        03
    ：
                        2023
                            -
                            05
                        -
                        12
    

                    


                    
    
                        
    

                    
    

                    
    

                        
                            

                        
                        8996

                        
                            

                        
                        261

                        
                            

                        
                        0

                    
    
                    
    


                    

                        
    


                            
                                
    摘要&關鍵詞
    摘要：陸地生態(tài)系統(tǒng)年總初級生產(chǎn)力（AGPP）是糧食生產(chǎn)和陸地生態(tài)系統(tǒng)固碳的基礎。分析AGPP的時空變化可以為保障區(qū)域糧食安全和減緩氣候變化趨勢提供理論依據(jù)，但需以準確評估區(qū)域AGPP為基礎。基于ChinaFLUX的長期聯(lián)網(wǎng)觀測數(shù)據(jù)和公開的數(shù)據(jù)集，本研究構建了中國陸地生態(tài)系統(tǒng)AGPP數(shù)據(jù)集，并結合生物、氣候和土壤因素，利用隨機森林回歸樹通過模擬單位葉面積的AGPP構建了中國AGPP評估模型，生成了2000–2020年中國陸地生態(tài)系統(tǒng)AGPP數(shù)據(jù)，空間分辨率為30 arcsecond，數(shù)據(jù)格式為tiff。本數(shù)據(jù)可以為模型模擬提供驗證數(shù)據(jù)，也可以為區(qū)域生產(chǎn)力、生態(tài)質量、陸地碳匯評估及管理提供數(shù)據(jù)支撐。
    關鍵詞：中國；陸地生態(tài)系統(tǒng)總初級生產(chǎn)力；隨機森林回歸樹模型；時空格局
    Abstract & Keywords
    Abstract:?The annual gross primary productivity (AGPP) is the basis of food production and carbon sequestration in terrestrial ecosystems. An accurate assessment of regional AGPP can provide a theoretical basis for analyzing the spatiotemporal variation of AGPP and ensuring regional food security and mitigating climate change trends. Based on Chinese Flux Observation and Research Network (ChinaFLUX) measurements and public datasets, we produced a dataset of annual gross primary productivity over China’s terrestrial ecosystems was constructed. In combination with biological, climatic, and soil factors, we used the random forest regression tree to construct the assessment model of China AGPP by simulating the AGPP of unit leaf area. The dataset of annual gross primary productivity over China’s terrestrial ecosystems during 2000-2020 was generated with a spatial resolution of 30arcsecond and a data format of tiff. The dataset can provide validation data for model simulation, as well as data support for regional productivity, ecological quality, and assessment and management of terrestrial carbon sinks.
    Keywords:?China;?annual gross primary productivity of terrestrial ecosystem;?random forest regression tree model;?spatiotemporal variation
    數(shù)據(jù)庫（集）基本信息簡介
    數(shù)據(jù)庫（集）名稱2000-2020年中國陸地生態(tài)系統(tǒng)年總初級生產(chǎn)力數(shù)據(jù)集
    數(shù)據(jù)通信作者朱先進（xianjin1985@163.com）；陳智（chenz@igsnrr.ac.cn）
    數(shù)據(jù)作者范仁雪，朱先進，陳智，于貴瑞，張維康，韓朗，王秋鳳，陳世蘋，劉紹民，王輝民，閆俊華，譚俊磊，張法偉，趙風華，李英年，張一平，石培禮，朱教君，吳家兵，趙仲輝，郝彥賓，沙麗清，張玉翠，姜世成，顧峰雪，吳志祥，張揚建，周莉，唐亞坤，賈丙瑞，李玉強，宋清海，董剛，高艷紅，蔣正德，孫聃，王建林，何其華，李新虎，王飛，魏文學，鄧正苗，郝翔翔，李彥，劉曉利，章熙鋒，朱治林
    數(shù)據(jù)時間范圍2000–2020年
    地理區(qū)域中國
    空間分辨率30 arcsecond
    數(shù)據(jù)量4.30 GB
    數(shù)據(jù)格式.xlsx, *.tiff
    數(shù)據(jù)服務系統(tǒng)網(wǎng)址https://doi.org/10.57760/sciencedb.o00119.00077
    基金項目國家自然科學基金（32071585，32071586）
    數(shù)據(jù)庫（集）組成數(shù)據(jù)集包括站點觀測AGPP數(shù)據(jù)和區(qū)域AGPP數(shù)據(jù)，共22個文件，站點觀測AGPP數(shù)據(jù)為站點觀測結果，包括872行20列，166個站點，872個站點年，5種生態(tài)系統(tǒng)類型等（具體信息見表1）；區(qū)域AGPP為21個數(shù)據(jù)文件，為逐年AGPP空間分布結果。
    Dataset Profile
    TitleA dataset of annual gross primary productivity over China’s terrestrial ecosystems during 2000-2020
    Data corresponding authorZHU Xianjin(xianjin1985@163.com), CHEN Zhi(chenz@igsnrr.ac.cn)
    Data author(s)FAN Renxue, ZHU Xianjin, CHEN Zhi, YU Gurui, ZHANG Weikang, HAN Lang, WANG Qiufeng, CHEN Shiping, LIU Shaomin, WANG Huimin, YAN Junhua, TAN Junlei, ZHANG Fawei, ZHAO Fenghua, LI Yingnian, ZHANG Yiping, SHI Peili, ZHU Jiaojun, WU Jiabing, ZHAO Zhonghui, HAO Yanbin, SHA Liqing, ZHANG Yucui, JIANG Shicheng, GU Fengxue, WU Zhixiang, ZHANG Yangjian, ZHOU Li, TANG Yakun, JIA Bingrui, LI Yuqiang, SONG  Qinghai, Dong Gang, GAO Yanhong, JIANG Zhengde, SUN Dan, WANG Jianlin, HE Qihua, LI Xinhu, WANG Fei, WEI Wenxue, DENG Zhengmiao, HAO Xiangxiang, LI Yan, LIU Xiaoli, ZHANG Xifeng, ZHU Zhilin
    Time range2000–2020
    Geographical scopeChina
    Spatial resolution30 arcsecond
    Data volume4.30 GB
    Data format.xlsx, *.tiff
    Data service systemhttps://doi.org/10.57760/sciencedb.o00119.00077
    Source(s) of fundingNational Natural Science Foundation of China (32071585, 32071586)
    Dataset compositionThe dataset consists of 22 subsets in total, including site observation AGPP data and regional AGPP data. The site observation AGPP is the observation result of the site, including 872 rows and 20 columns, 166 sites, 872 site years, 5 ecosystem types, etc. (See Table 1 for the details). The regional AGPP contains 21 data files, which is the spatial distribution result of AGPP year by year.
    

                                
    引  言                                                           
    年總初級生產(chǎn)力（AGPP）是一年內通過植被光合作用固定的有機物總量，是形成糧食產(chǎn)量和陸地生態(tài)系統(tǒng)碳匯的基礎[1]。分析AGPP的時空變化可以明確糧食產(chǎn)量及陸地碳匯的時空分布，對于保障糧食安全和緩解氣候變化起到至關重要的作用[2]，而對AGPP時空變化的分析需要以準確評估區(qū)域AGPP為基礎。
    現(xiàn)有區(qū)域AGPP評估結果存在不確定性需要拓展新的區(qū)域評估方法。已有大量研究基于過程模型[3-4]或者機器學習語言[5-7]模擬短時間（半小時、日尺度、8天尺度及月尺度）的總初級生產(chǎn)力累加得到區(qū)域AGPP結果，實現(xiàn)區(qū)域AGPP評估，但該方法存在參數(shù)異質性[8]、GPP環(huán)境響應異質性[9]等局限。基于經(jīng)典統(tǒng)計學，Zhu等人[10]利用年均氣溫（MAT）和年總降水量（MAP）將站點AGPP直接擴展至區(qū)域水平，但復雜的AGPP空間變異規(guī)律很難采用有限的環(huán)境變量通過多元回歸關系來完全模擬[10]。因而，需要以站點觀測AGPP為基礎，通過站點AGPP向區(qū)域的擴展以評估區(qū)域AGPP，降低AGPP數(shù)據(jù)的不確定性。
    本數(shù)據(jù)集基于ChinaFLUX長期聯(lián)網(wǎng)觀測數(shù)據(jù)及公開數(shù)據(jù)獲得AGPP觀測數(shù)據(jù)集，結合氣候土壤生物柵格數(shù)據(jù)獲得各生態(tài)系統(tǒng)的對應輔助數(shù)據(jù)，構建得到AGPP原始觀測數(shù)據(jù)集。同時，基于隨機森林回歸樹，整合氣候土壤生物因素，并通過模擬單位葉面積的AGPP（PAGPP）實現(xiàn)站點AGPP向區(qū)域的擴展，生成2000–2020年中國陸地生態(tài)系統(tǒng)AGPP數(shù)據(jù)集。隨機森林回歸樹是機器學習算法的一種，通過隨機抽取樣本和特征，建立多棵相互不關聯(lián)的決策樹，通過并行的方式獲得預測結果。每棵決策樹都能通過抽取的樣本和特征得出一個預測結果，通過綜合所有樹的結果取平均值，得到整個森林的回歸預測結果。本數(shù)據(jù)集涵蓋最新時間跨度，與各類產(chǎn)品在空間以及時間變化上的一致性較高為分析中國陸地生態(tài)系統(tǒng)AGPP時空變化、評估陸地碳收支提供數(shù)據(jù)支撐。
    1
                        ?
                    數(shù)據(jù)采集和處理方法
    本數(shù)據(jù)集涵蓋站點觀測數(shù)據(jù)的收集及區(qū)域AGPP的評估兩個過程。站點觀測數(shù)據(jù)的收集涉及觀測AGPP的收集和相關氣候土壤生物要素的獲取。基于觀測AGPP，通過評估不同擴展手段、變量組合及擴展途徑的差異，擴展站點AGPP至區(qū)域水平，實現(xiàn)AGPP的區(qū)域評估，主要流程見圖1。


    圖1
                    ?
                中國陸地生態(tài)系統(tǒng)總初級生產(chǎn)力時空格局生成主要流程示意圖
    Figure 1 Schematic diagram of the main process of generating spatio-temporal pattern of annual gross primary productivity of terrestrial ecosystems in China
    1.1
                        ?
                    站點觀測數(shù)據(jù)收集
    站點觀測AGPP源于ChinaFLUX觀測數(shù)據(jù)及公開數(shù)據(jù)。
    自2002年以來，ChinaFLUX已在62個生態(tài)系統(tǒng)陸續(xù)開展渦度相關觀測，積累了332個站點年的原始觀測結果。基于ChinaFLUX原始觀測數(shù)據(jù)，利用ChinaFLUX通用數(shù)據(jù)處理流程對數(shù)據(jù)質量進行控制和插補[11]，獲得各站點年ChinaFLUX觀測數(shù)據(jù)的AGPP值。
    公開數(shù)據(jù)包括兩部分：文獻數(shù)據(jù)和通量網(wǎng)絡公開共享數(shù)據(jù)。以“渦度相關”或“eddy covariance”為關鍵詞，本研究自中國知網(wǎng)（CNKI）和Web of Science檢索中國區(qū)域渦度相關觀測的中英文文獻。對于搜索到的條目，本數(shù)據(jù)集逐篇篩選包含AGPP觀測數(shù)值的文獻進行提取，具體篩選標準包括：（1）文獻報道的結果為渦度相關直接觀測的AGPP數(shù)值，排除部分文獻使用模型模擬報道的結果；（2）具有一年以上（含一年）連續(xù)觀測數(shù)據(jù)；（3）有總初級生產(chǎn)力年累積量或所有月份月總量的數(shù)值報道[12]。經(jīng)過篩選，本數(shù)據(jù)集逐篇提取各文獻報道的站點信息（包括經(jīng)緯度、海拔、氣候要素、觀測年份），并以年為單位記錄各AGPP的觀測數(shù)值。除了文獻數(shù)據(jù)，本數(shù)據(jù)集同步查詢了已有通量觀測研究網(wǎng)絡如FLUXNET、ChinaFLUX共享的公開數(shù)據(jù)，進一步補充觀測數(shù)據(jù)集。公開數(shù)據(jù)共包括128個生態(tài)系統(tǒng)，540個站點年。
    同時，為了避免同一站點同一觀測年份出現(xiàn)多個數(shù)據(jù)源的重復數(shù)據(jù)（如ChinaFLUX數(shù)據(jù)共享與文獻數(shù)據(jù)均有某一站點某一年的觀測），如果某一站點擁有多個數(shù)據(jù)源的數(shù)值，本研究選用ChinaFLUX使用統(tǒng)一數(shù)據(jù)處理流程所得結果。基于文獻搜索和數(shù)據(jù)整編，共獲得166個站點，641個站點年，跨越2002–2020年的AGPP數(shù)據(jù)。
    輔助數(shù)據(jù)是基于觀測AGPP進行尺度擴展的重要工具，但文獻數(shù)據(jù)及通量觀測網(wǎng)絡公開數(shù)據(jù)提供輔助數(shù)據(jù)的一致性也存在差異，如文獻收集的MAT和MAP與站點觀測值的相關系數(shù)分別為0.95和0.88，而海拔可以達到0.99。因此，本研究基于觀測數(shù)據(jù)的地理信息提取相應氣候土壤生物輔助數(shù)據(jù)。氣候要素包括6個變量，分別為：年均氣溫（MAT）、年總降水量（MAP）、年總光合有效輻射（PAR）、年總潛在蒸散（PET）、年均飽和水汽壓差（VPD）、年均CO2密度（ρc,yr                              ）。土壤要素包括3個變量：土壤年均濕度（SM）、土壤有機碳含量（SOC）、土壤總氮含量（STN）。生物要素包括2個變量：年均葉面積指數(shù)（LAI）和年最大葉面積指數(shù)（MLAI）。
    各站點年的MAT、MAP及飽和水汽壓差（VPD）數(shù)據(jù)源自英國氣候研究組織（CRU）的長時間序列結果[13]。基于CRU的0.5°空間分辨率的逐月氣溫、降水量、水氣壓數(shù)據(jù)，結合世界氣象組織(www.worldclim.org)的各月長期平均氣溫、降水量和水氣壓結果，本研究利用Delta空間降尺度方法生成中國區(qū)域1 km空間分辨率的數(shù)據(jù)產(chǎn)品[14]。
    基于氣候研究組織（Climate Research Unit, CRU）的長時間序列逐月潛在蒸散（PET）數(shù)據(jù)，利用通過樣條插值法將0.5°空間分辨率的逐月PET至30 arcsecond（約1 km），進而求算得到各年PET。
    年總光合有效輻射（PAR）數(shù)據(jù)采用全球陸地表面衛(wèi)星數(shù)據(jù)產(chǎn)品（Global Land Surface Satellite, GLASS）的數(shù)據(jù)（0.05°）。基于GLASS的逐日PAR數(shù)據(jù)[15-16]累加得到年PAR值，并使用樣條插值方法插值到30 arcsecond（約1 km）。
    本研究利用全球陸地表面衛(wèi)星（global land surface satellite, GLASS）產(chǎn)品提取8天尺度的吸收光合有效輻射所占比例（FAPAR）和逐日的光合有效輻射，并基于8天尺度的FAPAR及逐日PAR計算得到該年的APAR數(shù)據(jù)，并使用樣條插值方法插值到30arcsecond（約1 km）。
    年均CO2密度（ρc,yr                              ）則基于大氣CO2濃度（bc                              ）、CO2摩爾質量（44 g mol-1）和當前狀態(tài)的氣體摩爾體積（V）計算而得到，其中大氣CO2濃度采用Mauna Roa的觀測值來替代，當前狀態(tài)的氣體摩爾體積采用理想氣體狀態(tài)方程結合當?shù)貧鈮骸AT計算而得到。當?shù)貧鈮簞t利用年均氣溫和當?shù)睾０尾捎脡焊吖接嬎愣玫?sup>[17]。
    本研究利用空間分辨率為0.05°、時間分辨率為年的微波遙感反演的2002–2018年中國土壤水分降尺度數(shù)據(jù)集[18]，表征觀測年份的土壤濕度，并使用樣條插值方法插值到30 arcsecond（約1 km）。
    基于全球土壤數(shù)據(jù)庫（Global Soil Dataset for use in Earth System Models, GSDE）的表層5 cm深的土壤有機碳和土壤總氮密度及土壤容重數(shù)據(jù)，計算得到各站點的表層土壤有機碳（gC m-2）和全氮含量（gN m-2）[19]。
    年均葉面積指數(shù)（LAI）和最大葉面積指數(shù)（MLAI）基于空間分辨率為1 km的MODIS數(shù)據(jù)計算而獲取。本研究利用經(jīng)過驗證的8天尺度MODIS數(shù)據(jù)[20] (http://globalchange.bnu.edu.cn/research/lai)計算各像元的年均LAI及年內LAI最大值（MLAI）。
    1.2
                        ?
                    區(qū)域AGPP評估
    區(qū)域AGPP評估涉及站點AGPP向區(qū)域水平的擴展，涉及擴展工具、擴展變量及擴展途徑的選擇。比較6種擴展工具（多元線性回歸、偏最小二乘回歸、BP人工神經(jīng)網(wǎng)絡、支持向量機、隨機森林回歸樹和增強回歸樹）的模擬效果，已有研究發(fā)現(xiàn)隨機森林回歸樹是最佳擴展工具[21]；比較4種變量組合（光溫水、氣候變量、氣候+土壤變量、氣候+土壤+生物變量）的模擬效果，已有研究發(fā)現(xiàn)氣候+土壤+生物變量是實現(xiàn)站點AGPP擴展至區(qū)域水平的最優(yōu)變量組合[21]；比較4種擴展途徑（直接擴展AGPP、擴展單位葉面積的AGPP、擴展光能利用率、擴展單位葉面積的光能利用率）的模擬效果，已有研究發(fā)現(xiàn)擴展單位葉面積的AGPP是實現(xiàn)站點AGPP擴展至區(qū)域水平的最優(yōu)擴展途徑。
    本研究將641個站點年隨機劃分為訓練集（70%）和測試集（30%），分別用于訓練和測試映射方案。所有的制圖工具都顯著地反映了觀測到的AGPP變化( p < 0.01)，但它們的預測性能存在明顯差異，這在訓練集和測試集中均有發(fā)現(xiàn)。機器學習優(yōu)于經(jīng)典統(tǒng)計方法，其中隨機森林回歸樹的預測性能最好。在訓練集中經(jīng)典統(tǒng)計方法僅解釋了觀測到的AGPP變化的60 %；機器學習算法預測AGPP解釋的百分比則增加到78%以上；其中BP人工神經(jīng)網(wǎng)絡預測AGPP的表現(xiàn)最差，占觀測AGPP變化的78%，支持向量機和增強回歸樹預測的AGPP分別占觀測AGPP變化的96%和89%，隨機森林回歸樹在繪制AGPP方面表現(xiàn)最佳，R2為97%，RMSE為116.18 gC m-2 yr-1。在測試集中經(jīng)典統(tǒng)計方法僅解釋了71%觀測到的AGPP變化；機器學習算法優(yōu)于經(jīng)典統(tǒng)計方法，表現(xiàn)為解釋力的增強；BP人工神經(jīng)網(wǎng)絡解釋了觀測AGPP變化的82%，而支持向量機和增強回歸樹預測AGPP的解釋率分別提高到85%和79%；隨機森林回歸樹在繪制AGPP方面表現(xiàn)最佳，R2為85%，RMSE為272.91 gC m-2 yr-1。因此，基于站點觀測數(shù)據(jù)集，本研究利用隨機森林回歸樹結合氣候、土壤和生物數(shù)據(jù)構建站點向區(qū)域擴展的單位葉面積AGPP（PAGPP）模型，結合LAI實現(xiàn)站點向區(qū)域水平的AGPP擴展，并用前述（1.1站點觀測數(shù)據(jù)收集）區(qū)域氣候土壤生物數(shù)據(jù)生成本數(shù)據(jù)集中的區(qū)域AGPP，完成區(qū)域AGPP評估。
    2
                        ?
                    數(shù)據(jù)樣本描述
    2.1
                        ?
                    命名格式
    本數(shù)據(jù)集包括22個文件，即1個.xlsx電子表格文件和21個.tiff柵格文件。電子表格文件存儲站點觀測的AGPP數(shù)據(jù)及提取的氣候土壤生物輔助數(shù)據(jù)，命名為中國陸地生態(tài)系統(tǒng)站點觀測年總初級生產(chǎn)力數(shù)據(jù)集.xlsx。21個.tiff柵格文件是2000–2020年逐年AGPP空間分布數(shù)據(jù)，命名規(guī)則為AGPP_20XX.tiff，其中XX代表不同的年份。例如：AGPP_2000.tiff是2000年中國陸地生態(tài)系統(tǒng)的總初級生產(chǎn)力空間格局數(shù)據(jù)。
    2.2
                        ?
                    數(shù)據(jù)樣本
    本數(shù)據(jù)集包括1個站點觀測的AGPP數(shù)據(jù)集及21個區(qū)域AGPP數(shù)據(jù)。站點觀測的AGPP數(shù)據(jù)集共有166個站點872個站點年觀測結果，由20列組成，包括站點名稱、生態(tài)系統(tǒng)類型、觀測年份、AGPP數(shù)值、氣候土壤生物變量、參考文獻等。各列的具體含義及實例參見表1。
    表1
                    ?
                站點觀測AGPP數(shù)據(jù)集的組成
    序號列名單位示例
    1站點順序—1
    2站點名稱—尖峰嶺森林
    3生態(tài)系統(tǒng)類型—森林
    4緯度°N18.73
    5經(jīng)度°E108.89
    6觀測年份年2006
    7AGPPgC m-2 yr-11919
    8MAT℃20.84
    9MAPmm yr-11183.66
    10PARMJ m-2 yr-12842.79
    11PETmm yr-11256.89
    12VPDkPa0.53
    13ρc,yrmgCO2m-3715.04
    14SMm3 m-30.56
    15SOCgC m-21841.67
    16STNgN m-2133.38
    17LAIm2 m-24.04
    18MLAIm2 m-26.20
    19重復標志(1為重復)—0
    20參考文獻—CHEN H, LU W, YAN G, et al. Typhoons exert significant but differential impacts on net ecosystem carbon exchange of subtropical mangrove forests in China. Biogeosciences, 2014，11(19)，5323-5333.
    重復標志：為了避免同一站點同一觀測年份擁有多個數(shù)據(jù)源的AGPP數(shù)據(jù)，參照以下標準進行篩選：1）如果同時有ChinaFLUX處理數(shù)據(jù)和文獻數(shù)據(jù)，使用ChinaFLUX處理數(shù)據(jù)作為觀測AGPP；2）如果有多個文獻數(shù)據(jù)源，使用最新文獻數(shù)據(jù)作為觀測AGPP。與最終應用AGPP相同站點年的其他數(shù)據(jù)源數(shù)據(jù)，標記為重復數(shù)據(jù)，用標記符號1來表示。數(shù)據(jù)使用中如遇其他問題，可詳細參考本研究組先前發(fā)表的論文：ZHU X J, YU G R, CHEN Z, et al. Mapping Chinese annual gross primary productivity with eddy covariance measurements and machine learning[J]. Science of the Total Environment, 2023, 857: 159390. DOI: 10.1016/j.scitotenv.2022.159390.
    21個區(qū)域AGPP數(shù)據(jù)表征2000–2020年中國陸地生態(tài)系統(tǒng)AGPP數(shù)據(jù)，每一年為一個文件，文件采用WGS-84坐標系，共4320行7560列，緯度范圍為18°N~54°N，經(jīng)度范圍為73°E~136°E，空間分辨率為30 arcsecond（約1 km）。
    3
                        ?
                    數(shù)據(jù)質量控制和評估
    本數(shù)據(jù)集數(shù)據(jù)質量控制和評估體現(xiàn)在站點觀測數(shù)據(jù)集和區(qū)域AGPP數(shù)據(jù)兩個方面。
    站點觀測數(shù)據(jù)集涵蓋ChinaFLUX長期觀測數(shù)據(jù)和公開數(shù)據(jù)，其數(shù)據(jù)質量控制方法也有所差異。ChinaFLUX長期觀測數(shù)據(jù)是依托各臺站長期觀測結果使用ChinaFLUX通用數(shù)據(jù)處理流程進行數(shù)據(jù)質量控制與插補，而ChinaFLUX通用數(shù)據(jù)處理流程已經(jīng)得到國內外一致認可，故ChinaFLUX長期觀測數(shù)據(jù)具有較高的數(shù)據(jù)可信度。公開數(shù)據(jù)主要包括文獻發(fā)表數(shù)據(jù)及各通量網(wǎng)絡公開共享數(shù)據(jù)。文獻發(fā)表結果已經(jīng)經(jīng)過同行評議，其數(shù)據(jù)質量也有較高可信度。通量網(wǎng)絡公開共享數(shù)據(jù)則采用公認的數(shù)據(jù)處理方法對數(shù)據(jù)質量進行控制，故也有較高可信度。
    區(qū)域AGPP數(shù)據(jù)是基于站點觀測數(shù)據(jù)集利用隨機森林回歸樹所生成，其質量控制與評估體現(xiàn)在模型構建與生成數(shù)據(jù)評估兩個方面。基于站點觀測結果，我們前期研究發(fā)現(xiàn)，基于隨機森林回歸樹模擬PAGPP可以解釋訓練集97%的觀測AGPP時空變異，對測試集觀測AGPP時空變異的解釋比例也達到85%，體現(xiàn)出所構建的模型對觀測數(shù)據(jù)具有較高的重現(xiàn)度。在生成數(shù)據(jù)評估方面，我們比較了本數(shù)據(jù)與已有AGPP數(shù)據(jù)產(chǎn)品（GLASS的光能利用率結果、數(shù)據(jù)驅動的FLUXCOM結果及過程模型的北美碳計劃結果）在空間變化、時間變化及總量上的一致性。結果發(fā)現(xiàn)，在空間分布方面，本數(shù)據(jù)結果與各類產(chǎn)品的空間一致性均較高，與各產(chǎn)品的回歸斜率近似于1，但與數(shù)據(jù)驅動結果（FLUXCOM）的一致性最高，R2高于0.95；在時間變化方面，本數(shù)據(jù)結果與GLASS及北美碳計劃結果具有較大差異，但與數(shù)據(jù)驅動結果具有較高一致性，回歸斜率近似于1，R2達到0.6；在總量方面，本數(shù)據(jù)結果生成的AGPP總量約為7.03±0.45 PgC yr-1，與數(shù)據(jù)驅動結果及GLASS結果具有較高一致性，也落于各模型結果的范圍內，同時略高于部分文獻結果，但主要與本項目所得結果涵蓋最新的時間跨度且AGPP年際呈增加趨勢有關[21]。因此，本研究中區(qū)域AGPP數(shù)據(jù)具有較高可信度。
    4
                        ?
                    數(shù)據(jù)使用方法和建議
    本數(shù)據(jù)集收錄了站點觀測的AGPP數(shù)據(jù)及基于站點觀測結果所生成的區(qū)域AGPP數(shù)據(jù)，站點觀測數(shù)據(jù)可以為模型模擬提供驗證數(shù)據(jù)，并為分析AGPP時空變化規(guī)律提供數(shù)據(jù)基礎。區(qū)域AGPP數(shù)據(jù)可以為區(qū)域生產(chǎn)力及生態(tài)質量、陸地碳匯等評估提供數(shù)據(jù)支撐。但本研究中的關鍵變量在獲取方法上均存在些許不足，因此本數(shù)據(jù)集仍存在一定的不確定性，主要包括以下三部分：
    （1）站點觀測數(shù)據(jù)的氣候土壤生物輔助數(shù)據(jù)可能存在一定的不確定性。本數(shù)據(jù)集中，站點輔助數(shù)據(jù)是基于站點經(jīng)緯度信息自區(qū)域柵格數(shù)據(jù)中提取所得，目的是使不同站點的輔助數(shù)據(jù)具有一致的來源，但區(qū)域柵格數(shù)據(jù)本身具有一定的不確定性，故導致站點觀測數(shù)據(jù)的氣候土壤生物輔助數(shù)據(jù)存在一定的不確定性。
    （2）區(qū)域AGPP數(shù)據(jù)適用于中國陸地生態(tài)系統(tǒng)AGPP時空格局的評估，盡管該數(shù)據(jù)可以解釋測試集85%的AGPP時空變化，但其對于單一站點可能會存在一定誤差。
    （3）區(qū)域AGPP數(shù)據(jù)的年際變化可能存在一定的不確定性。本數(shù)據(jù)使用所有年份觀測結果生成隨機森林回歸樹模型，故對區(qū)域AGPP年際變異的重現(xiàn)性相對較弱，這也在本數(shù)據(jù)與已有數(shù)據(jù)產(chǎn)品在時間變化一致性評估時有所體現(xiàn)[21]。因此，在使用本數(shù)據(jù)分析AGPP年際變化時，本數(shù)據(jù)的年際變化趨勢可能與站點觀測結果有一定的偏差。
    數(shù)據(jù)使用中如遇其他問題，可詳細參考本研究組先前發(fā)表的論文：ZHU X J, YU G R, CHEN Z, et al. Mapping Chinese annual gross primary productivity with eddy covariance measurements and machine learning[J]. Science of the Total Environment, 2023, 857: 159390. DOI: 10.1016/j.scitotenv.2022.159390.
    本數(shù)據(jù)集由國家生態(tài)科學數(shù)據(jù)存儲庫（https://ecodb.scidb.cn/）提供數(shù)據(jù)服務。
    致  謝                                                           
    感謝ChinaFLUX的長期聯(lián)網(wǎng)觀測聯(lián)盟和公開的數(shù)據(jù)集發(fā)表作者以及各位為碳通量研究做出貢獻的科研人員，感謝大家的辛勤付出以及為科學進步做出的貢獻。
    [1]
    STEFFEN W, NOBLE I, et al. The terrestrial carbon cycle: implications for the Kyoto protocol[J]. Science, 1998, 280(5368): 1393–1394. DOI: 10.1126/science.280.5368.1393.
    +?CSCD?·?Baidu Scholar
    [2]
    STUART CHAPIN F III, MATSON P A, MOONEY H A. Principles of Terrestrial Ecosystem Ecology[M]. New York, NY: Springer New York, 2002. DOI: 10.1007/b97397.
    +?CSCD?·?Baidu Scholar
    [3]
    LI Z Q, YU G R, XIAO X M, et al. Modeling gross primary production of alpine ecosystems in the Tibetan Plateau using MODIS images and climate data[J]. Remote Sensing of Environment, 2007, 107(3): 510–519. DOI: 10.1016/j.rse.2006.10.003.
    +?CSCD?·?Baidu Scholar
    [4]
    ANAV A, FRIEDLINGSTEIN P, BEER C, et al. Spatiotemporal patterns of terrestrial gross primary production: a review[J]. Reviews of Geophysics, 2015, 53(3): 785–818. DOI: 10.1002/2015rg000483.
    +?CSCD?·?Baidu Scholar
    [5]
    XIAO J F, ZHUANG Q L, LAW B E, et al. A continuous measure of gross primary production for the conterminous United States derived from MODIS and AmeriFlux data[J]. Remote Sensing of Environment, 2010, 114(3): 576–591. DOI: 10.1016/j.rse.2009.10.013.
    +?CSCD?·?Baidu Scholar
    [6]
    YAO Y T, LI Z J, WANG T, et al. A new estimation of China’s net ecosystem productivity based on eddy covariance measurements and a model tree ensemble approach[J]. Agricultural and Forest Meteorology, 2018, 253/254: 84–93. DOI: 10.1016/j.agrformet.2018.02.007.
    +?CSCD?·?Baidu Scholar
    [7]
    YAO Y T, WANG X H, LI Y, et al. Spatiotemporal pattern of gross primary productivity and its covariation with climate in China over the last thirty years[J]. Global Change Biology, 2018, 24(1): 184–196. DOI: 10.1111/gcb.13830.
    +?CSCD?·?Baidu Scholar
    [8]
    GARBULSKY M F, PE?UELAS J, PAPALE D, et al. Patterns and controls of the variability of radiation use efficiency and primary productivity across terrestrial ecosystems[J]. Global Ecology and Biogeography, 2010, 19(2): 253–267. DOI: 10.1111/j.1466-8238.2009.00504.x.
    +?CSCD?·?Baidu Scholar
    [9]
    GUO Q, HU Z M, LI S G, et al. Contrasting responses of gross primary productivity to precipitation events in a water-limited and a temperature-limited grassland ecosystem[J]. Agricultural and Forest Meteorology, 2015, 214/215: 169–177. DOI: 10.1016/j.agrformet.2015.08.251.
    +?CSCD?·?Baidu Scholar
    [10]
    ZHU X J, YU G R, HE H L, et al. Geographical statistical assessments of carbon fluxes in terrestrial ecosystems of China: results from upscaling network observations[J]. Global and Planetary Change, 2014, 118: 52–61. DOI: 10.1016/j.gloplacha.2014.04.003.
    +?CSCD?·?Baidu Scholar
    [11]
    YU G R, WEN X F, SUN X M, et al. Overview of ChinaFLUX and evaluation of its eddy covariance measurement[J]. Agricultural and Forest Meteorology, 2006, 137(3/4): 125–137. DOI: 10.1016/j.agrformet.2006.02.011.
    +?CSCD?·?Baidu Scholar
    [12]
    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. DOI: 10.1111/gcb.12079.
    +?CSCD?·?Baidu Scholar
    [13]
    HARRIS I, OSBORN T J, JONES P, et al. Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset[J]. Scientific Data, 2020, 7(1): 109. DOI: 10.1038/s41597-020-0453-3.
    +?CSCD?·?Baidu Scholar
    [14]
    PENG S Z, DING Y X, LIU W Z, et al. 1 km monthly temperature and precipitation dataset for China from 1901 to 2017[J]. Earth System Science Data, 2019, 11(4): 1931–1946. DOI: 10.5194/essd-11-1931-2019.
    +?CSCD?·?Baidu Scholar
    [15]
    CHENG J, LIANG S L. Estimating the broadband longwave emissivity of global bare soil from the MODIS shortwave albedo product[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(2): 614–634. DOI: 10.1002/2013jd020689.
    +?CSCD?·?Baidu Scholar
    [16]
    CHENG J, LIANG S L, VERHOEF W, et al. Estimating the hemispherical broadband longwave emissivity of global vegetated surfaces using a radiative transfer model[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(2): 905–917. DOI: 10.1109/TGRS.2015.2469535.
    +?CSCD?·?Baidu Scholar
    [17]
    ZHU X J, YU G R, WANG Q F, et al. Approaches of climate factors affecting the spatial variation of annual gross primary productivity among terrestrial ecosystems in China[J]. Ecological Indicators, 2016, 62: 174–181. DOI: 10.1016/j.ecolind.2015.11.028.
    +?CSCD?·?Baidu Scholar
    [18]
    MENG X J, MAO K B, MENG F, et al. A fine-resolution soil moisture dataset for China in 2002-2018[J]. Earth System Science Data, 2021, 13(7): 3239–3261. DOI: 10.5194/essd-13-3239-2021.
    +?CSCD?·?Baidu Scholar
    [19]
    SHANGGUAN W, DAI Y J, DUAN Q Y, et al. A global soil data set for earth system modeling[J]. Journal of Advances in Modeling Earth Systems, 2014, 6(1): 249–263. DOI: 10.1002/2013ms000293.
    +?CSCD?·?Baidu Scholar
    [20]
    YUAN H, DAI Y J, XIAO Z Q, et al. Reprocessing the MODIS Leaf Area Index products for land surface and climate modelling[J]. Remote Sensing of Environment, 2011, 115(5): 1171–1187. DOI: 10.1016/j.rse.2011.01.001.
    +?CSCD?·?Baidu Scholar
    [21]
    ZHU X J, YU G R, CHEN Z, et al. Mapping Chinese annual gross primary productivity with eddy covariance measurements and machine learning[J]. Science of the Total Environment, 2023, 857: 159390. DOI: 10.1016/j.scitotenv.2022.159390.
    +?CSCD?·?Baidu Scholar
    數(shù)據(jù)引用格式
    范仁雪, 朱先進, 陳智, 等. 2000–2020年中國陸地生態(tài)系統(tǒng)年總初級生產(chǎn)力數(shù)據(jù)集[DS/OL]. Science Data Bank, 2023. (2023-02-22). DOI: 10.57760/sciencedb.o00119.00077.
    


                            
                            
    
                                    
                                    
    
                                        稿件與作者信息
                                        
                                            
                                        
                                        
                                            
                                        
                                    
    
                                    
    
                                        
                                            
    論文引用格式
    范仁雪, 朱先進, 陳智, 等. 2000–2020年中國陸地生態(tài)系統(tǒng)年總初級生產(chǎn)力數(shù)據(jù)集[J/OL]. 中國科學數(shù)據(jù), 2023, 8(2). (2023-05-12). DOI: 10.11922/11-6035.csd.2023.0037.zh.
    范仁雪
    FAN Renxue
    數(shù)據(jù)匯編，論文撰寫。 
    （1994—），女，在讀碩士，全球變化生態(tài)學。 
    朱先進
    ZHU Xianjin
    數(shù)據(jù)處理，論文撰寫 ，方法指導。 
    xianjin1985@163.com
    （1985—），男，博士，副教授，全球變化生態(tài)學。 
    陳智
    CHEN Zhi
    數(shù)據(jù)調查。 
    chenz@igsnrr.ac.cn
    （1986—），女，博士，副研究員，主要研究方向為全球變化與碳循環(huán)。 
    于貴瑞
    YU Guirui
    總體方案設計。 
    （1959—），男，博士，研究員，研究方向為生態(tài)系統(tǒng)生態(tài)學、全球變化與碳氮水循環(huán)。 
    張維康
    ZHANG Weikang
    數(shù)據(jù)收集。 
    （1990—），女，博士，主要研究方向為全球變化與碳循環(huán)。 
    韓朗
    HAN Lang
    數(shù)據(jù)收集。 
    （1994—），女，博士，主要研究方向為全球變化與碳循環(huán)。 
    王秋鳳
    WANG Qiufeng
    方法指導。 
    （1973—），女，博士，研究員，研究方向為全球變化與碳氮水循環(huán)。 
    陳世蘋
    CHEN Shiping
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    劉紹民
    LIU Shaomin
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。
    數(shù)據(jù)生產(chǎn)者 
    王輝民
    WANG Huimin
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    閆俊華
    YAN Junhua
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    譚俊磊
    TAN Junlei
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    張法偉
    ZHANG Fawei
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    趙風華
    ZHAO Fenghua
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    李英年
    LI Yingnian
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    張一平
    ZHANG Yiping
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    石培禮
    SHI Peili
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    朱教君
    ZHU Jiaojun
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    吳家兵
    WU Jiabing
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    趙仲輝
    ZHAO Zhonghui
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    郝彥賓
    HAO Yanbin
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    沙麗清
    SHA Liqing
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    張玉翠
    ZHANG Yucui
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    姜世成
    JIANG Shicheng
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    顧峰雪
    GU Fengxue
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    吳志祥
    WU Zhixiang
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    張揚建
    ZHANG Yangjian
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    周莉
    ZHOU Li
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    唐亞坤
    TANG Yakun
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    賈丙瑞
    JIA Bingrui
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    李玉強
    LI Yuqiang
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    宋清海
    SONG Qinghai
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    董剛
    DONG Gang
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    高艷紅
    GAO Yanhong
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    蔣正德
    JIANG Zhengde
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    孫聃
    SUN Dan
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    王建林
    WANG Jianlin
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    何其華
    HE Qihua
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    李新虎
    LI Xinhu
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    王飛
    WANG Fei
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    魏文學
    WEI Wenxue
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    鄧正苗
    DENG Zhengmiao
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    郝翔翔
    HAO Xiangxiang
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    李彥
    LI Yan
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    劉曉利
    LIU Xiaoli
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    章熙鋒
    ZHANG Xifeng
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    朱治林
    ZHU Zhilin
    各臺站數(shù)據(jù)的監(jiān)測和質量控制。 
    數(shù)據(jù)生產(chǎn)者 
    國家自然科學基金（32071585，32071586） 
    National Natural Science Foundation of China (32071585, 32071586) 
    

                                        


                                        
    

    
    
    出版歷史
    
    
    

        
           
     I區(qū)發(fā)布時間：2023年2月3日
            （
            版本ZH1）
    
        

        
            
    
            II區(qū)出版時間：2023年5月12日
            （
            版本ZH2）
    
        

        

    
        

        

        


        
        

        

        

        

        

    
    

    



                                        
                                    
    


                                
    


                        
    

                    
                
    

            
    
            
        
    
    
    


    
    
    
    
    
        
    
        
        
    參考文獻列表中查看
    
    
    
    
    
    
        
    
    
    

    
    
    
    
    
    
        
    
            
    
                
    
                    
                    
    中國科學數(shù)據(jù)
    
                    
    csdata
    
                    
                
    
                
    
                    
    
                        


                    
    
                    
      
                        

                        
      
                        
    • 
                            
                                
      --
      
                            
                        
      •