中国8种暖温带木本植物展叶及开花始期数据集（1963–2015）
戴君虎1,2*，朱梦瑶1,2，王焕炯1，陶泽兴1，胡植1,2，董晓宇3
1. 中国科学院地理科学与资源研究所中国科学院陆地表层格局与模拟重点实验室，北京 100101；
2. 中国科学院大学，北京 100049；3. 长安大学地球科学与资源学院，西安
710054
摘 要：植物物候是评估全球变化影响，研究生态系统结构和功能以及发展气候和陆面模式的重要基础。本文提取中国物候观测网1963–2015年白蜡、垂柳、刺槐、合欢、桑树、榆树、杏树和紫荆等8种木本植物的展叶始期和开花始期数据，通过Unified、UniChill和时空耦合三种物候模型构建，相应参数值估计和模型检验的春季物候格网数据研发方法，研发了过去50年上述物种在其分布区展叶始期和开花始期的0.5°×0.5°格网数据。数据验证结果表明展叶始期的平均模拟误差约为5–9天，开花始期平均误差约为5–12天。本数据集的组成包括：（1）头文件，内含物种物候期和分布范围格网的头文件信息；（2）物种物候期，内含每个物种展叶始期和开花始期1963–2015年的逐年文件；（3）物种分布范围，内含每个物种的实际分布范围格网。数据集由3个数据文件夹及1,713个数据文件组成，数据存储为.txt，GEOTIFF和ArcGIS ASCII格式，数据量压缩前74.5 MB（压缩后8.84 MB）。
关键词：暖温带；木本植物；春季物候；展叶始期；开花始期
DOI: 10.3974/geodp.2019.04.03
1 前言
植物物候是指植物受环境（包括气候、水文、土壤等）影响而出现的以年为准周期的自然季节现象[1]。植物物候与环境因子之间存在密切相互作用，对气候变化高度敏感，已成为记录和评估全球变化对生态系统影响的重要指标[2]。近几十年来，北半球春季温度升高已经导致了植物春季物候的显著提前，并进一步对陆地生态系统碳、水循环及养分平衡产生了实质影响[3]。因此，植物物候数据对于指示全球变化影响、研究生态系统结构和功能、以及发展气候和路面模式等方面有重要应用价值和意义。本文作者曾基于中国物候观测网（简称物候网）长期观测资料研制并出版过个别物种的春季物候格网数据[4]。之后，团队主要依托物候网的地面人工观测，在中国物候时空格局变化及归因等方面均取得具有较大国内外影响的成果[5–6]。选择分布范围较广的代表性物种，生产多物种格网数据产品，进一步在更大范围直观展现中国木本植物春季物候的时空变化特征，能够更好地发挥物候数据在全球变化及资源环境领域中的作用。由于中国物候数据产品也是地面监测数据汇聚与共享的重要部分，因此，团队研发了《中国典型暖温带落叶阔叶木本植物春季物候时间序列格网数据集》。该数据集包含1963–2015年中国8种典型暖温带落叶阔叶木本植物的春季物候期（展叶始期和开花始期）格网数据，在中国区域内实现了站点物候到区域物候的尺度转换。
2 数据集元数据简介
《中国典型暖温带落叶阔叶木本植物春季物候时间序列格网数据集》[7]的名称、作者、地理区域、数据年代、时间分辨率、空间分辨率、数据集组成、数据出版与共享服务平台、数据共享政策等信息见表1。
表1 《中国典型暖温带落叶阔叶木本植物春季物候时间序列格网数据集》元数据简表
|
条 目 |
描 述 |
|||
|
数据集名称 |
中国典型暖温带落叶阔叶木本植物春季物候时间序列格网数据集 |
|||
|
数据集短名 |
SpringPhenologyWTZChina |
|||
|
作者信息 |
戴君虎, 中国科学院地理科学与资源研究所,
daijh@igsnrr.ac.cn 朱梦瑶AAA-7619-2019,
中国科学院地理科学与资源研究所,
zhumy.16b@igsnrr.ac.cn 王焕炯AAA-7674-2019,
中国科学院地理科学与资源研究所,
wanghj@igsnrr.ac.cn 陶泽兴AAA-7688-2019,
中国科学院地理科学与资源研究所, taozx.12s@igsnrr.ac.cn 胡植AAE-4801-2019,
中国科学院地理科学与资源研究所,
huz.18b@igsnrr.ac.cn 董晓宇AAF-9268-2019,
长安大学,
dongxy@igsnrr.ac.cn |
|||
|
地理区域 |
中国：18°N–54°N，72°E–136°E |
时间分辨率 天 |
|
|
|
空间分辨率 |
地理经纬度0.5° |
数据年代 1963–2015 |
||
|
数据格式 |
txt、GEOTIFF和ArcGIS ASCII |
数据量 |
74.5 MB（压缩后8.84
MB） |
|
|
数据集组成 |
数据集由头文件、物种物候期、物种分布范围3部分文件组成 物候期：展叶始期、开花始期 物种：白蜡、垂柳、刺槐、合欢、桑树、榆树、杏树和紫荆 |
|||
|
基金项目 |
中华人民共和国科学技术部（2018YFA0606102）；中国科学院（XDA19020303）；国家自然科学基金（41771056） |
|||
|
数据计算环境 |
MATLAB，中国科学院地理科学与资源研究所所内平台 ArcGIS，中国科学院地理科学与资源研究所所内平台 |
|||
|
出版与共享服务平台 |
全球变化科学研究数据出版系统 http://www.geodoi.ac.cn |
|||
|
地址 |
北京市朝阳区大屯路甲11号100101，中国科学院地理科学与资源研究所 |
|||
|
数据共享政策 |
全球变化科学研究数据出版系统的“数据”包括元数据（中英文）、实体数据（中英文）和通过《全球变化数据学报》（中英文）发表的数据论文。其共享政策如下：（1）“数据”以最便利的方式通过互联网系统免费向全社会开放，用户免费浏览、免费下载；（2）最终用户使用“数据”需要按照引用格式在参考文献或适当的位置标注数据来源；（3）增值服务用户或以任何形式散发和传播（包括通过计算机服务器）“数据”的用户需要与《全球变化数据学报》（中英文）编辑部签署书面协议，获得许可；（4）摘取“数据”中的部分记录创作新数据的作者需要遵循10%引用原则，即从本数据集中摘取的数据记录少于新数据集总记录量的10%，同时需要对摘取的数据记录标注数据来源[8] |
|||
|
数据和论文检索系统 |
DOI，DCI，CSCD，WDS/ISC，GEOSS，China GEOSS |
|||
3 数据研发方法
3.1 基础数据汇集
地面观测物候数据取自中国物候观测网（China Phenological
Observation Network）1963–2015年观测记录的8种木本植物展叶始期和开花始期数据，包括白蜡（Fraxinus chinensis）、垂柳（Salix babylonica）、刺槐（Robinia pseudoacacia）、合欢（Albizia julibrissin）、桑树（Morus
alba）、榆树（Ulmus pumila）、杏树（Armeniaca vulgaris）和紫荆（Cercis
chinensis）。上述植物均为中国广布的暖温带落叶阔叶林典型物种[9]，具有很好的代表性。本研究的气象数据来源于中国气象数据网（data.cma.cn）“中国地面气候资料日值数据集（V3.0）”中对应站点和时段的日平均气温数据，用于物候模型的参数化；从“中国地面气温日值0.5°×0.5°格点数据集（V2.0）”中得到格网日平均气温，用于物候期模拟和尺度拓展。
3.2 算法原理
春季物候格网数据研发方法包括物候模型构建，参数值估计和模型检验三个步骤[10]。在Unichill模型[11]的基础上，本文新增了Unified模型[11]和一种基于春暖模型（Spring Warming，SW）的时空耦合模型（Temporal-Spatial Coupling，TSC）[12]，以提高物候期的模拟精度。根据三个春季物候模型交叉检验均方根误差（RMSE）最小原则选取最优物候模型来模拟各物种过去50年展叶始期和开花始期的时空格局[13]。
（1）Unified模型：考虑芽开放过程中的休眠期和静止期两个阶段，包含9个参数：a、b、c、d、e、w、k、C*和tc。其中，参数a、b和c决定冷激单元对气温的响应函数（式1）；参数d和e决定驱动单元对气温的响应函数（式2）；参数t0是冷激开始累积的时间，决定了冷激单元累计和的阈值C*（式3）；参数w、k和tc决定了驱动单元累积和的阈值F*（式4）。达到阈值的时间tb就是展叶或开花的日期。
(1)
(2)
(3)
(4)
（2）UniChill模型：是Unified模型的简化形式，包含7个参数：a、b、c、d、e、C*和F*。在Unified模型的基础上，UniChill模型将驱动单元开始的时间t1固定为前一年的9月1日，并假设每年春季物候开始所需的驱动单元累积和F*固定不变。
（3）时空耦合模型：在SW模型[14]（式5–6）基础上建立的。模型用冬季平均气温来反映积温阈值的差异[15]（式7），包含6个参数：Tb1、F*、t0、a、b和f。其中，Rf
(xt)是驱动单元，xt是第t天的日平均气温（℃），Tb1是临界温度（℃）；F*是积温累积的阈值，不同站点的积温阈值Fi由站点i冬季（前一年12月到2月）平均气温`TWI（℃）和参数a、b、f决定；t0是驱动单元开始累积的时间，达到F*的时间y就是展叶或开花的日期。
(6)
(7)
3.3 技术路线
本数据集研发的主要步骤包括：获取中国物候观测网45个站点1963–2015年上述8种木本植物的地面物候观测数据；利用物种物候期时空混合样本以及对应站点年的气温数据建立3种春季物候模型并通过模拟退火算法（Simulated Annealing，SA）[16]进行参数值估计；比较3种模型内部检验及交叉检验的拟合优度（R2）和均方根误差（RMSE），选择物种最优物候模型；利用0.5°×0.5°空间分辨率的格点气温数据以及现状物种分布数据进行模拟和尺度扩展，形成0.5°×0.5°中国8种木本植物春季物候期格网数据，技术路线如图1所示。
图1 中国8种木本植物春季物候格网数据研发技术路线图
4 数据结果与验证
4.1 数据集组成
《中国典型暖温带落叶阔叶木本植物春季物候时间序列格网数据集》由头文件、物种物候期和物种分布范围三部分文件组成，数据集组成文件的命名方式、数据描述、数据格式、文件个数及数据量等信息见表2。
（1）头文件：内含物种物候期和物种分布范围格网数据的头文件信息。
（2）物种物候期：由“展叶始期”和“开花始期”2个物候期文件夹组成，每个物候期文件夹内含8个物种子文件夹，物种子文件夹内有2种格式1963–2015年共106个逐年物候期文件。数据文件以ArcGIS ASCII 及GEOTIFF格式存储，在每一个ArcGIS
ASCII物候期文件之前拷贝格网数据头文件后，可在ArcMap中利用“ASCII
to Raster”工具转化为可视化的GRID格式。
（3）物种分布范围：内含每个物种实际分布范围[8]，分布范围外物候期数据用户需将其掩膜掉。数据文件以ArcGIS ASCII 及GEOTIFF格式存储，拷贝头文件后亦可在ArcMap中转化为可视化的GRID格式。
表2 《中国典型暖温带落叶阔叶木本植物春季物候时间序列格网数据集》组成文件简表
|
组成文件 |
命名方式 |
数据描述 |
数据格式 |
文件数（个） |
数据量 |
|
头文件 |
Headfile.txt |
第一行：格网数据列数64 第二行：格网数据行数36 第三行：格网左下角经度72°E 第四行：格网左下角纬度18°N 第五行：格网空间分辨率0.5° 第六行：空值为999 |
TXT |
1 |
1 KB |
|
物候期 |
物候期_物种_年 |
物候期以日序（DOY）表示 空值为999 投影方式为WGS84地理投影 |
ArcGIS ASCII |
848 848 |
73.8 MB |
|
分布范围 |
Spatial_物种 |
有分布的地方值为1 无分布的地方值为999 投影方式为WGS84地理投影 |
ArcGIS ASCII |
8 8 |
0.7 MB |
4.2 数据结果
（1）展叶始期数据
采用上述方法步骤，计算出各物种1963–2015年平均展叶始期，其分布如图2所示。从空间分布格局看，各物种展叶始期均有明显的纬度分异和海拔分异规律，呈现出南早北晚、东早西晚的分布特征。时间分布上，在研究的8种木本植物中，最早展叶物种是杏树（图2g），之后依次是垂柳、刺槐、榆树、白蜡、桑树和紫荆，最晚展叶的是合欢（图2d）。时间序列趋势分析表明，1963–2015年各物种展叶始期总体呈提前趋势（表3），平均每10年提前0.9–3.4天。其中83.1%–99.7%的栅格展叶始期提前，22.0%–79.8%显著提前。
（2）开花始期数据
类似地，计算出1963–2015年8种植物平均开花始期，模拟结果如图3所示。从空间分布格局上看，各物种开花始期的纬度分异现象没有展叶始期明显。合欢（图3d）和紫荆（图3h）的开花始期在空间上差异较小，而其他物种开花始期表现出较为明显差异。时间分布上，同一地区不同物种开花始期的先后次序也有所差异。最早开花的物种是榆树（图3f）和杏树（图3g），之后依次是垂柳、白蜡、桑树和紫荆，刺槐和合欢开花最晚。开花始期的时间变化趋势（表3）表明过去50年中国8种木本植物的开花始期也呈现提前趋势，平均每10年提前0.7–3.3天。其中77.1%–97.7%栅格开花始期提前，32.5%–79.7%显著提前。
图2
1963–2015年中国8种典型暖温带落叶阔叶木本植物平均展叶始期
注：本图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2019)1831号的标准地图制作，底图无修改，下同。
图3 1963–2015年中国8种典型暖温带落叶阔叶木本植物平均开花始期
表3 1963–2015年中国典型暖温带落叶阔叶木本植物春季物候时间变化趋势统计
|
物候期 |
物种 |
平均变化趋势 |
提前（%） |
推迟（%） |
显著提前（%） |
显著推迟（%） |
|
展叶 |
白蜡 |
–1.0 |
90.3 |
9.7 |
43.7 |
0.5 |
|
垂柳 |
–1.1 |
93.3 |
6.7 |
48.0 |
2.6 |
|
|
刺槐 |
–1.1 |
94.1 |
5.9 |
62.4 |
0.4 |
|
|
合欢 |
–3.3 |
99.7 |
0.3 |
66.6 |
0.0 |
|
|
桑树 |
–0.9 |
86.6 |
13.4 |
43.6 |
0.3 |
|
|
榆树 |
–3.4 |
97.5 |
2.5 |
79.8 |
0.3 |
|
|
杏树 |
–1.4 |
98.1 |
1.9 |
64.3 |
0.0 |
|
|
紫荆 |
–0.6 |
83.1 |
16.9 |
22.0 |
2.4 |
|
|
开花 |
白蜡 |
–1.2 |
77.1 |
22.9 |
37.1 |
0.4 |
|
垂柳 |
–0.7 |
78.8 |
21.2 |
44.2 |
6.5 |
|
|
刺槐 |
–3.3 |
97.7 |
2.3 |
79.7 |
0.3 |
|
|
合欢 |
–1.1 |
96.2 |
3.8 |
64.8 |
1.5 |
|
|
桑树 |
–1.7 |
94.7 |
5.3 |
58.5 |
0.4 |
|
|
榆树 |
–1.8 |
94.4 |
5.6 |
65.1 |
0.8 |
|
|
杏树 |
–1.0 |
89.2 |
10.8 |
47.7 |
1.1 |
|
|
紫荆 |
–0.8 |
89.3 |
10.7 |
32.5 |
0.7 |
4.3 数据结果验证
（1）展叶始期结果验证
采用内部验证和交叉验证方法验证了展叶始期数据的可靠性（图4）。从模型内部验证结果来看，三种物候模型拟合效果均较好，除合欢（R2=0.47，0.51，0.45）和紫荆（R2=0.51，0.59，0.53）外其他物种三种模型R2均在0.81以上。相对而言，UniChill模型对大多数物种展叶始期的拟合结果最好，RMSE为5.07–9.90天；时空耦合模型对垂柳和刺槐的拟合结果最好，RMSE为5.27–8.36天；而Unified模型对所有物种拟合效果相对较差。从交叉验证结果看，UniChill和时空耦合模型对大多数物种展叶始期的模拟效果很相近，除合欢（R2=0.46，0.50）和紫荆（R2=0.60，0.64）外，其他物种R2达到0.84–0.91，RMSE为5.09–11.04天；Unified模型的模拟效果相对较差，RMSE为5.30–12.56天。总体而言，交叉验证结果显示各物种展叶始期最优物候模型的模拟误差在5.09–8.97天之间。
（2）开花始期结果验证
类似地进行了开花始期结果验证。内部验证结果显示8种木本植物的拟合效果差别较大（图5）。除合欢（R2=0.45）外，最优模型拟合平均R2为0.68–0.92。其中，UniChill模型对大多数物种开花始期的拟合精度最高，RMSE为5.05–11.34天；而时空耦合模型对垂柳和刺槐的拟合精度优于其他模型，RMSE为5.26–13.48天。交叉检验结果显示不同模型的模拟效果差别较大，UniChill模型对半数物种开花始期的模拟精度更高，RMSE为4.78–8.38天；TSC模型更适用于垂柳和刺槐，而Unified模型对白蜡和合欢更好。交叉验证结果显示最优物候模型对各物种开花始期的模拟结果次于展叶始期，误差在4.78–12.35天之间。
图4 三种物候模型对各物种展叶始期模拟结果的内部验证和交叉验证
图5 三种物候模型对各物种开花始期模拟结果的内部验证和交叉验证
注：圆圈、十字和三角分别代表Unified、UniChill和时空耦合模型的模拟结果。实线是观测值和预测值的线性回归拟合曲线。符号后和括号中的数字分别表示模型的R2和RMSE。RMSE最小值表示最优物候模型的模拟结果。
5 讨论和总结
本文利用中国物候观测网的地面物候观测数据和三种常见的春季物候模型，研制了中国典型暖温带落叶阔叶木本植物春季物候格网数据集。数据集包含8种典型暖温带落叶阔叶木本植物的展叶始期和开花始期格网数据，数据年代为1963–2015年时间分辨率为天，空间分辨率为0.5°。其中，各物种展叶始期平均模拟误差约为5–9天，开花始期平均误差约为5–12天。该数据集表征了中国近50年植物物候的时空格局，可为全球变化、生态、自然资源、环境、旅游和人类健康等研究领域提供基础数据。
作者分工：戴君虎负责总体设计；胡植、董晓宇采集和处理原始物候数据；王焕炯、陶泽兴设计模型算法；朱梦瑶、胡植进行数据验证；朱梦瑶、戴君虎撰写了数据论文。
参考文献
[1]
Lieth, H.
Phenology and Seasonality Modeling [J]. Ecological Studies, 1974,
120(6): 461.
[2]
Richardson,
A. D., Keenan, T. F., Migliavacca, M., et al. Climate change, phenology,
and phenological control of vegetation feedbacks to the climate system [J]. Agricultural
and Forest Meteorology, 2013, 169: 156-173.
[3]
Piao, S. L.,
Liu, Q., Chen, A. P., et al. Plant phenology and global climate change:
current progresses and challenges [J]. Global Change Biology, 2019, 25:
1922–1940.
[4]
葛全胜,
戴君虎, 王焕炯. 1952–2007年中国白蜡树春季物候格网数据[DB/OL]. 全球变化科学研究数据出版系统, 2014. DOI: 10.3974/geodb.2014.01.09.V1.
[5]
Ge, Q. S.,
Wang, H. J., Rutishauser, T., et al.
Phenological response to climate change in China: a meta- analysis [J]. Global
Change Biology, 2015, 21(1): 265-274.
[6]
Dai, J. H.,
Wang, H. J., Ge, Q. S. The spatial pattern of leaf phenology and its response
to climate change in China [J]. International Journal of Biometeorology,
2014, 58(4): 521–528.
[7]
戴君虎,
朱梦瑶, 王焕炯等. 中国典型暖温带木本植物展叶和开花始期历年格网数据集[DB/OL]. 全球变化科学研究数据出版系统, 2019. DOI: 10.3974/geodb.2019.06.04.V1.
[8]
全球变化科学研究数据出版系统. 全球变化科学研究数据共享政策[OL]. DOI: 10.3974/dp.policy. 2014.05
(2017年更新).
[9]
方精云,
王志恒, 唐志尧. 中国木本植物分布图集[M]. 北京: 高等教育出版社, 2009.
[10]
Wang, H.
J., Dai, J. H., Ge, Q. S. The spatiotemporal characteristics of spring
phenophase changes of Fraxinus chinensis in China from 1952 to 2007 [J]. Science
China-Earth Sciences, 2012, 55(6): 991–1000.
[11]
Chuine, I.
A unified model for budburst of trees [J]. Journal of Theoretical Biology,
2000, 207(3): 337–347.
[12]
Ge, Q. S.,
Wang, H. J., Dai, J. H. Simulating changes in the leaf unfolding time of 20
plant species in China over the twenty-first century [J]. International
Journal of Biometeorology, 2014, 58(4): 473–484.
[13]
陶泽兴.
中国五种广布树种物候变化影响下的分布范围模拟[D].
北京: 中国科学院地理科学与资源研究所, 2018.
[14]
Hunter, A.
F., Lechowicz, M. J. Predicting the timing of budburst in temperate trees [J]. Journal
of Applied Ecology, 1992, 29(3): 597–604.
[15]
Wang, H.
J., Ge, Q. S., Rutishauser, T., et al.
Parameterization of temperature sensitivity of spring phenology and its
application in explaining diverse phenological responses to temperature change
[J]. Scientific Reports, 2015, 5(1): 8833.
[16]
Chuine, I.,
Cour, P., Rousseau, D. D. Fitting models predicting dates of flowering of temperate-zone
trees using simulated annealing [J]. Plant Cell and Environment, 1998,
21(5): 455–466.