数据集(库)目录

出版期刊|区域分类

数据详情

2030年四川省土地-生态-经济系统及碳储量预测数据集


高怡凡1宋长青2黄佳芮2王元慧2叶思菁2高培超*1,2
1 地表过程与资源生态国家重点实验室(北京师范大学),北京 1008752 北京师范大学地理学部地理数据与应用分析中心,北京 100875

DOI:10.3974/geodb.2024.11.04.V1

出版时间:2024年11月

网页浏览次数:49       数据下载次数:1      
数据下载量:1.84 MB      数据DOI引用次数:

关键词:

土地系统数据,CLUMondo,碳储量评估,四川省

摘要:

作者在顾及土地利用强度和生态-经济权衡情景基础上,基于2010、2020年信息,应用CLUMondo模型预测四川省2030年的土地系统变化,并估算了四川省2030年的碳储量。该数据集内容包括:(1)四川省2010年、2020年土地系统数据栅格数据,以及9种情景下的2030年土地系统预测栅格数据;(2)9种情景下预测的2030年四川省碳储量;(3)碳密度。土地系统栅格数据的空间分辨率为1 km。数据集存储为.tif和.xlsx格式,由18个数据文件组成,数据量为51.4 MB(压缩为1个文件,1.84 MB)。基于该数据集的关联论文发表于《生态学报》2024年44卷9期。

基金项目:

国家自然科学基金(42230106,42271418),地表过程与资源生态国家重点实验室(2022-ZD-04,2023-WT-02)

数据引用方式:

高怡凡, 宋长青, 黄佳芮, 王元慧, 叶思菁, 高培超*. 2030年四川省土地-生态-经济系统及碳储量预测数据集[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2024. https://doi.org/10.3974/geodb.2024.11.04.V1.

参考文献:

[1] Schleussner, C. F., Rogelj, J., Schaeffer, M., et al. Science and policy characteristics of the Paris Agreement temperature goal [J]. Nature Climate Change, 2016, 6(9): 827-835. DOI: 10.1038/nclimate3096.
     [2] Meinshausen, M., Lewis, J., McGlade, C., et al. Realization of Paris Agreement pledges may limit warming just below 2 °C [J]. Nature, 2022, 604(7905): 304-309. DOI: 10.1038/s41586-022-04553-z.
     [3] 高培超, 宋长青. 评《气候经济与人类未来》[J]. 经济地理, 2021, 41(10): 41.
     [4] Mallapaty, S. How China could be carbon neutral by mid-century [J]. Nature, 2020, 586(7830): 482-484. DOI: 10.1038/d41586-020-02927-9
     [5] Brovkin, V., Sitch S., Von Bloh, W., et al. Role of land cover changes for atmospheric CO2 increase and climate change during the last 150 years [J]. Global Change Biology, 2004, 10(8): 1253-1266. DOI: 10.1111/j.1365-2486.2004.00812.x.
     [6] 胡峻嶍, 黄访, 铁烈华等. 四川省森林植被固碳经济价值动态[J]. 生态学报, 2019, 39(1): 158-163. DOI:10.5846/stxb201809292123.
     [7] 黄从德, 张健, 杨万勤等. 四川省森林植被碳储量的空间分异特征[J]. 生态学报, 2009, 29(9): 5115-5121.
     [8] Chen, J., Ban, Y. F., Li, S. N. Open access to Earth land-cover map [J]. Nature, 2014, 514(7523): 434-434. DOI: 10.1038/514434c.
     [9] Chen, J., Chen J., Liao, A. P., et al. Global land cover mapping at 30 m resolution: A POK-based operational approach [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 103: 7-27. DOI: 10.1016/j.isprsjprs.2014.09.002.
     [10] 中华人民共和国统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2020.
     [11] Poggio, L., de Sousa, L. M., Batjes, N. H., et al. SoilGrids 2.0: producing soil information for the globe with quantified spatial uncertainty [J]. Soil, 2021, 7(1): 217-240. DOI: 10.5194/soil-7-217-2021.
     [12] Spawn, S. A., Sullivan, C. C., Lark, T. J., et al. Harmonized global maps of above and belowground biomass carbon density in the year 2010 [J]. Scientific Data, 2020, 7(1): 1-22. DOI: 10.1038/s41597-020-0444-4.
     [13] Van Asselen, S., Verburg, P. H. A land system representation for global assessments and land‐use modeling [J]. Global Change Biology, 2012, 18(10): 3125-3148. DOI: 10.1111/j.1365-2486.2012.02759.x.
     [14] Gao, P. C., Gao, Y. F., Ou, Y., et al. Fulfilling global climate pledges can lead to major increase in forest land on Tibetan Plateau [J]. iScience, 2023, 26(4). DOI: 10.1016/j.isci.2023.106364.
     [15] Jin, X. L., Jiang, P. H., Ma, D. X., et al. Land system evolution of Qinghai-Tibetan Plateau under various development strategies [J]. Applied Geography, 2019, 104: 1-9. DOI: 10.1016/j.apgeog.2019.01.007.
     [16] 谢高地, 张彩霞, 张雷明等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254. DOI: 10.11849/zrzyxb.2015.08.001.
     [17] van Asselen, S., Verburg, P. H. Land cover change or land‐use intensification: simulating land system change with a global‐scale land change model [J]. Global change biology, 2013, 19(12): 3648-3667. DOI: 10.1111/gcb.12331.
     [18] Domingo, D., Palka, G., Hersperger, A. M. Effect of zoning plans on urban land-use change: A multi-scenario simulation for supporting sustainable urban growth [J]. Sustainable Cities and Society, 2021, 69: 102833. DOI: 10.1016/j.scs.2021.102833.
     [19] Malek, Ž., Verburg, P. H., Geijzendorffer, I. R., et al. Global change effects on land management in the Mediterranean region [J]. Global Environmental Change, 2018, 50: 238-254. DOI: 10.1016/j.gloenvcha.2018.04.007.
     [20] Wang, Y., van Vliet, J., Pu, L. J., et al. Modeling different urban change trajectories and their trade-offs with food production in Jiangsu Province, China [J]. Computers, Environment and Urban Systems, 2019, 77: 101355. DOI: 10.1016/j.compenvurbsys.2019.101355.
     [21] Van Vliet, J., Verburg, P. H. A short presentation of CLUMondo [M] // Geomatic approaches for modeling land change scenarios. Springer. 2018: 485-492.
     [22] Gao, P. C., Gao, Y. F., Zhang, X. D., et al. CLUMondo-BNU for simulating land system changes based on many-to-many demand–supply relationships with adaptive conversion orders [J]. Scientific Reports, 2023, 13(1): 5559. DOI: 10.1038/s41598-023-31001-3.
     [23] 高怡凡, 宋长青, 王元慧等. 顾及土地利用强度和生态-经济权衡的四川省陆地生态系统碳储量预测与热点分析[J]. 生态学报, 2024, 44(9): 1-12. DOI: 10.20103/j.stxb.202211113250.
     [24] 邵壮, 陈然, 赵晶等. 基于FLUS与InVEST模型的北京市生态系统碳储量时空演变与预测[J]. 生态学报, 2022, 42(23): 1-14. DOI: 10.5846/stxb202201100094.
     [25] van Vliet, J., Bregt, A. K., Hagen-Zanker, A. Revisiting Kappa to account for change in the accuracy assessment of land-use change models [J]. Ecological modelling, 2011, 222(8): 1367-1375. DOI: 10.1016/j.ecolmodel.2011.01.017.
     [26] Zhang, T. Y., Cheng, C. X., Wu, X. D. Mapping the spatial heterogeneity of global land use and land cover from 2020 to 2100 at a 1 km resolution [J]. Scientific Data, 2023, 10(1): 748. DOI: 10.1038/s41597-023-02637-7.
     [27] 张经度, 梅志雄, 吕佳慧等. 纳入空间自相关的 FLUS 模型在土地利用变化多情景模拟中的应用[J]. 地球信息科学学报, 2020, 22(3): 531-542. DOI:10.12082/dqxxkx.2020.190359.
     [28] 王鹤, 曾永年. 城市扩展极限学习机模型[J]. 测绘学报, 2018, 47(12): 1680-1690. DOI: 10.11947/j.AGCS.2018.20170586.
     

数据下载:

序号 数据名 数据大小 操作
1 LandSystem&CarbonStorage.rar 1887.40KB
主办单位
中国科学院地理科学与资源研究所    中国地理学会
协办单位
CODATA发展中国家任务组    肯尼亚JKUAT大学    数字化林超地理博物馆