美国多部门土地利用与覆盖基础地图开发以支持人类与地球系统模型研究

《Scientific Data》：United States multi-sector land use and land cover base maps to support human and Earth system models

为解决现有土地利用和覆盖变化（LULCC）模型在多部门动态（MSD）框架下兼容性差、空间分辨率不足等问题，研究人员开发了美国本土多部门土地利用与覆盖基础地图，得出了高分辨率（30米）且与GCAM、CLM和LUH2兼容的标准化土地分类系统，为区域级地球系统模型研究提供了重要支持

　　地球系统模型（ESM）在模拟陆地-大气相互作用及全球生物地球化学循环时，需要准确的当前和未来土地利用与覆盖变化（LULCC）动态数据。然而，现有的社区土地模型（CLM）和土地利用协调2（LUH2）产品在与多部门动态（MSD）模型框架结合时，存在空间分辨率不匹配、分类系统不兼容等问题，导致不确定性增加和误差传播。为解决这些问题，美国贝勒大学的研究人员开发了一套美国本土多部门土地利用与覆盖基础地图，旨在为区域级研究提供一个与多种MSD框架兼容、高分辨率（30米）且基于实证观测的标准化LULCC系统。该研究发表在《Scientific Data》上，为区域地球系统模型研究提供了重要支持。

研究背景与问题

地球系统模型（ESM）是研究全球气候变化及其对生态系统影响的重要工具。其中，土地利用和覆盖变化（LULCC）是影响陆地-大气相互作用的关键因素之一。现有的CLM和LUH2模型虽然被广泛应用于全球和区域尺度研究，但在与多部门动态（MSD）模型结合时，存在诸多问题。例如，CLM基于79种不同的“植物功能类型”（PFTs），而LUH2依赖于12种“状态”，GCAM则使用39种“土地覆盖类型”（GLTs），这些分类系统之间缺乏兼容性。此外，CLM和LUH2的空间分辨率（分别为0.05°和0.25°）对于区域尺度的高分辨率水文和生物地球化学过程建模来说过于粗糙。因此，开发一套高分辨率、标准化且与多种MSD框架兼容的土地利用与覆盖基础地图显得尤为重要。

研究方法

研究人员采用了以下关键技术方法：

1. 高分辨率数据集成：利用美国地质调查局国家土地覆盖数据集（NLCD）和美国农业部作物数据层（CDL）等高分辨率（30米）实证数据，作为基础地图开发的主要数据源。
2. 土地分类系统开发：通过对比NLCD、CDL与GCAM、LUH2、CLM的土地分类系统，开发了一套包含259个类别的多部门动态（MSD）土地分类系统，并能够将其重新组织以匹配GCAM、LUH2和CLM的分类需求。
3. 空间信息融合：结合灌溉数据、土地管理数据（如保护区域数据PADUS3）和气候区域数据等，对土地利用和覆盖类型进行细化和区分，例如区分灌溉与雨养作物、管理与未管理土地等。
4. 模型验证与比较：将开发的MSD基础地图与现有的CLM和LUH2产品进行空间比较，评估其在土地分类和空间分布上的关联性和准确性。

研究结果

土地分类系统开发

研究人员成功开发了一套包含259个土地利用与覆盖类别的MSD基础地图，覆盖美国本土多个观测年份（2008、2011、2013、2016和2019年）。该系统不仅能够支持GCAM、CLM和LUH2的分类需求，还具有灵活性，可以根据不同模型框架的要求进行类别重组。

模型比较与验证

通过与CLM和LUH2的比较，研究人员发现：

• MSD与CLM之间的关联性较弱，例如在森林土地分类中，MSD的森林类与CLM的森林PFTs之间仅有41%的关联性。
• MSD与LUH2之间的关联性稍强，但在某些土地类型（如管理牧场和城市土地）上仍存在显著差异。例如，LUH2中管理牧场与MSD的管理牧场类之间的关联性仅为12%。
• 在空间异质性方面，MSD与LUH2和CLM之间的均方误差（MSE）在不同地区表现出显著差异，特别是在农业密集区和城市中心附近，这反映了现有模型在土地利用和覆盖分类上的不确定性。

结论与讨论

该研究开发的MSD基础地图为美国本土的土地利用与覆盖变化研究提供了一个高分辨率、标准化且与多种MSD框架兼容的工具。通过与现有模型（如CLM和LUH2）的比较，研究人员揭示了现有模型在土地分类和空间分布上的局限性，并展示了MSD地图在提高土地利用和覆盖分类准确性方面的潜力。这一成果不仅有助于改进区域级地球系统模型的精度，还为未来土地利用变化对生态系统和气候变化影响的研究提供了重要的数据支持。此外，该研究强调了开发标准化、高分辨率土地利用与覆盖数据集的重要性，这对于理解和预测人类活动对地球系统的影响具有深远意义。