1.5°C气候目标下全球1公里分辨率土地系统变化模拟与数据集构建

为评估气候承诺对全球土地系统的级联效应，北京师范大学研究团队整合GCAM模型、Globeland30和Land-N2N模型，构建了2100年1公里分辨率土地系统地图（含30种类型），验证模型kappa系数达83.14%。该数据集填补了SSPs/RCPs框架外气候政策驱动土地变化模拟的空白，为《巴黎协定》目标下的土地管理提供高精度支撑。

　　

随着《巴黎协定》将全球温控目标设定为1.5°C，各国气候承诺（NDCs）的实施对土地系统产生深远影响。然而，现有土地变化预测产品均基于共享社会经济路径（SSPs）和典型浓度路径（RCPs），缺乏针对气候承诺情景的精细化模拟。更关键的是，传统土地利用/覆被分类（如Cropland、Forest）无法反映局部密度差异，而土地系统（Land System）通过整合密度等级（如高/中/低密度耕地）能更精准刻画人地关系。这种数据缺口严重制约了气候政策对陆地生态系统碳储量等影响的评估。

北京师范大学地表过程与资源生态国家重点实验室联合韩国科学技术院等机构，在《Scientific Data》发表研究，首次构建了1公里分辨率全球土地系统数据集（2010-2100）。研究创新性地将全球变化分析模型（GCAM）与Land-N2N模型耦合，模拟了基线情景和1.5°C气候情景下的土地系统变化。通过引入随机森林算法优化局部适宜性计算，改进竞争优势迭代机制，使模型在235个流域的平均kappa系数达83.14%，显著优于传统CLUMondo模型。

关键技术方法包括：1）基于Globeland30的30米数据，通过33×33滑动窗口上采样构建990米土地系统图（含10类主导类型×3种密度等级）；2）利用GCAM生成2100年耕地、森林等4类需求；3）采用Land-N2N模型建立土地系统与需求的多对多供应关系，避免GCAM校准；4）通过自然断点法划分密度阈值（如耕地低密度=19.8%-65.8%）；5）使用kappa系数和变化探测指数（FoM）验证模型精度。

研究结果
背景与摘要
研究指出土地部门减排对实现1.5°C目标贡献显著，但现有NDCs仍不足够。通过整合GCAM的流域尺度需求与Land-N2N的空间分配能力，解决了SSPs/RCPs框架与气候承诺脱节的问题。

数据与方法
创新点在于建立密度分级系统（如高密度森林占比>87.9%），并通过供应容量计算实现GCAM需求与1公里栅格的匹配。静态驱动因子（65个）涵盖土壤、气候等8大类，采用随机森林回归构建局部适宜性。

数据记录
发布2010/2020基准年及2100年两种情景（基线/1.5°C）的1公里土地系统图（GeoTIFF格式），包含27种类型（如低密度人造表面=21）。基线情景下3°C升温概率达20%，而1.5°C情景通过8%年脱碳率最终控温。

技术验证
Land-N2N在30类系统模拟中FoM达8.48%（10类系统达16.94%），显著优于原CLUMondo模型（如新几内亚海岸FoM从2.17%提升至10.34%）。验证发现排除未变化样本会降低精度（表S3）。

使用说明
数据集突出三大优势：1）首套气候承诺驱动的土地系统图；2）密度分级提供管理弹性（如耕地扩张可通过提升现有耕地密度实现）；3）1公里分辨率支持碳储量评估。但需注意GCAM假设城市面积不变，故不适用于城市扩张研究。

结论与意义
研究发现1.5°C情景下16%低密度湿地和28%低密度永久冰雪将转型，而基线情景导致29%低密度冰雪消失。通过高密度森林增加（16%中密度耕地转高密度森林）等变化，证实气候承诺能显著改变土地格局。该数据集为调整NDCs提供定量依据，其"需求-供应"多对多关系框架为土地系统建模树立新范式。尤其值得注意的是，研究揭示土地系统密度维度（如高密度草地）对实现气候目标的调控作用，这是传统土地利用分类无法捕捉的关键机制。