• 摘要

2005～2014年CERN野外台站气象观测场土壤含水量数据集

唐新斋¹，袁国富^1,2，朱治林^1,2*，张心昱^1,2，孙晓敏^1,2，常学向³，戴冠华⁴，杜娟⁵，傅伟⁶，官有军⁷，郭永平⁸，何其华⁹，何永涛¹⁰，黄苛¹¹，姜峻¹²，蒋正德¹³，李猛¹⁴，李伟¹⁵，李小丽¹⁶，李晓欣¹⁷，李新虎¹⁸，李玉成¹⁹，李玉强²⁰，鲁志云²¹，苏宏新²²，孙聃²³，唐建维²⁴，汪树超²⁵，王吉顺²⁶，王书伟²⁷，徐文婷²⁸，杨风亭²⁹，尹春梅³⁰，张法伟³¹，张加双³²，张倩媚³³，张志山³⁴，章熙锋³⁵，赵岩³⁶

1. 中国科学院地理科学与资源研究所，中国科学院生态系统网络观测与模拟重点实验室，CERN水分分中心，北京 100101；

2. 中国科学院大学，资源与环境学院，北京 100049；

注：其他作者的单位信息见“数据库（集）基本信息简介”

* 联系人（Email: zhuzl@igsnrr.ac.cn）

摘要：土壤水分是影响陆地–大气边界层能量和物质传输的重要因子。土壤水分含量是中国生态系统研究网络（CERN）陆地生态系统水环境长期定位观测的重要指标。截至2014年，CERN全国范围内包括农田、森林、草地、荒漠与湿地等生态类型的34个陆地生态系统台站，依据陆地水环境观测规范、质量保证与质量控制规范，设立观测样地，并开展土壤含水量的长期定位观测与数据汇交及质控工作。CERN水分分中心选取了这34个台站2005～2014年气象观测场的土壤含水量长期监测数据，通过进一步统一规范数据格式，形成了全国范围内较长时间序列的公开共享数据集，为土壤含水量时空动态的遥感反演、模型估算验证提供地面实测数据支撑。

关键词：陆地生态系统；气象观测场；土壤含水量；台站；CERN

A soil moisture dataset observed in weather sites of CERN (2005 – 2014)

Tang Xinzhai¹, Yuan Guofu^1,2, Zhu Zhilin^1,2*, Zhang Xinyu^1,2, Sun Xiaomin^1,2, Chang Xuexiang³, Dai Guanhua⁴, Du Juan⁵, Fu Wei⁶, Guan Youjun⁷, Guo Yongping⁸, He Qihua⁹, He Yongtao¹⁰, Huang Ke¹¹, Jiang Jun¹², Jiang Zhengde¹³, Li Meng¹⁴, Li Wei ¹⁵, Li Xiaoli¹⁶, Li Xiaoxin¹⁷, Li Xinhu¹⁸, Li Yucheng¹⁹, Li Yuqiang²⁰, Lu Zhiyun²¹, Su Hongxin²², Sun Dan²³, Tang Jianwei²⁴, Wang Shuchao²⁵, Wang Jishun²⁶, Wang Shuwei²⁷, Xu Wenting²⁸, Yang Fengting²⁹, Yin Chunmei³⁰, Zhang Fawei³¹, Zhang Jiaquan³², Zhang Qianmei³³, Zhang Zhishan³⁴, Zhang Xifeng³⁵, Zhao yan³⁶

1. CERN Sub-Center of Hydrology, Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, P. R. China;

2. Colleague of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, P. R. China;

Note: Please find other authors' information in the Dataset Profile.

*Email: zhuzl@igsnrr.ac.cn

Abstract: Soil moisture is an important variable that influences land-atmosphere interactions by modifying energy and water fluxes in the boundary layer. It is one of the most important variables long-term monitored by Chinese Ecosystem Research Network (CERN). The soil moisture in-situ monitoring instruments have been set up in CERN’s 34 stations of various terrestrial ecosystems according to the CERN’s protocols of observation and quality control. The dataset contains soil moisture documented in weather sites from the 34 stations across China, during 2005 - 2014. The raw data have been processed through basic quality control approaches and general format translation. This time-series dataset can provide a general profile of, and spatial and temporal dynamics of soil moisture over China since 2005. It can also be used for calibrating and validating of remote sensing retrieval or model simulation.

Keywords: terrestrial ecosystem; weather sites; soil moisture; field station; CERN

数据库（集）基本信息简介

引 言

土壤水分是影响陆地–大气边界层能量和物质传输的重要因子。作为陆地水循环的重要组成部分，土壤水分与降水响应、地表蒸散直接相关^[1-2]，对陆地碳、氮循环有重要的影响^[3-4]；土壤水分通过对地表反照率的影响，改变了地气界面的潜热和显热分配，从而参与了能量循环^[5-6]。

长期定位观测是中国生态系统研究网络（CERN）的三大基本任务之一。土壤水分含量是研究土壤水分状况和动态的基础指标，是CERN陆地生态系统水环境长期定位观测的重要指标之一^[7-8]。CERN台站按照陆地生态系统水环境观测规范要求，设置观测样地、观测层次及观测频度。在观测仪器方面，CERN最初一批台站的土壤含水量观测仪器统一为中子水分仪，但由于新台站的加入及原有台站中部分中子水分仪出现老化等原因，部分台站的数据采用其他类型的仪器（如TDR土壤水分仪）观测。

CERN从20世纪80年代开始筹建以来，水分分中心作为CERN水环境长期监测的专业分中心，一直致力于CERN水环境长期定位监测数据的规范化及质量控制工作^[9]。本数据集汇集了CERN 34个农田、森林、草地、荒漠与湿地等典型陆地生态系统台站（空间分布见图1）的2005～2014年气象观测场土壤含水量观测数据。本文将介绍这些数据的有关情况，为用户更好地使用这些数据提供基础信息。

图1 野外台站分布示意图

1 数据采集和处理方法

1.1 观测样地设置

CERN长期观测场地由各台站依据典型区域–观测场–观测样地的基本原则^[8]（图2）设立。土壤含水量观测样地内的设置参见图3。通常在每个土壤含水量观测样地内，设置2～4个重复观测剖面，每个观测剖面设置若干观测层次。观测层次设置上，通常要求1 m以内，每10 cm一个间隔；1 m及以上，每20 cm一个间隔；视各台站实际情况可做适当调整。

图2  CERN长期观测样地设置基本原则

图3  土壤含水量观测样地示意图

CERN气象观测场，按照CERN大气环境监测规范设立，并根据CERN水环境监测规范设置相应的土壤含水量观测样地，用于监测自然状态下的土壤含水量变化。通常每个台站根据自身需要设置1～2个气象观测场，本数据集所发布土壤含水量数据均为各台站气象观测场内自然状态下的观测序列。

1.2 观测仪器

台站长期定位观测土壤含水量的主要仪器为中子仪，包括北京超能科技公司生产的CNC系列中子仪和江苏省农科院生产的MD520系列中子仪。但是随着新台站的不断加入，原有中子仪的老化以及环保等相关问题，部分台站逐步更换了其他类型的土壤含水量观测仪器。2007～2014年各台站土壤含水量观测仪器使用及变更情况参见表1，2005～2006年仪器使用状况因历史原因缺失。

表1 土壤含水量观测仪器统计（2007～2014年）

注：“-”表示无观测仪器记录，原因分别是阿克苏站、环江站及神农架站于2007～2008年加入CERN，自2008年开始汇交数据；海北站由于仪器故障，未能汇交2014年土壤含水量数据。

1.3 数据获取与整理

土壤含水量多为人工观测。CERN水环境观测规范要求^[8]，农田站观测频度为5天一次，雨后加测；其他类型生态站（包括森林、草地、荒漠、湿地等）观测频度为5～15天一次。

观测数据获取后，由各台站按照CERN规范要求统一录入土壤水分含量报表，每年定期向CERN水分分中心上报，由CERN水分分中心负责汇总、质控，并录入数据库，再统一向CERN综合中心汇交。

2 数据样本描述

本数据集包括台站代码–名称索引信息、土壤含水量数据和基于样地的土壤含水量观测数据统计概况3个部分。

台站代码–名称索引信息表，参见表2。

表2 台站代码–名称索引信息表

土壤含水量数据，包括CERN的34个陆地生态系统台站2005～2014年气象观测场的分层次土壤含水量观测序列，观测频度5～15天。土壤含水量数据为表格型数据，其具体内容及各字段涵义参见表3。

表3 土壤含水量数据字段及含义

图4显示了安塞站川地气象观测场土壤含水量采样地（剖面代码：ASAQX01CTS_01_01）60 cm和80 cm两个观测层次2006～2009年的土壤含水量观测序列。

图4 安塞站川地气象观测场土壤含水量观测序列

（剖面：ASAQX01CTS_01_01，2006～2009年）

基于样地的土壤含水量观测数据统计概况，是对2005～2014年CERN台站气象观测场土壤含数量数据观测情况的基本统计，包括各台站气象观测场土壤含水量观测剖面数、观测层次列表、样地延续度及平均观测频度。关于样地延续度、平均观测频度的描述，参见本文“数据质量控制和评估”部分。

表4 基于样地的土壤含水量观测数据统计概况示例及说明

3 数据质量控制和评估

CERN长期定位观测有严格的质量保证与质量控制规范，长期观测数据从前期的方法、操作规程到后期的数据采集、录入到入库共享，须经过台站–分中心–综合中心三级质控体系和流程检验（图5）^[8]。

图5 CERN长期定位观测数据质控流程

CERN水分分中心负责水环境长期观测数据的汇总、审核及数据产品挖掘工作。CERN土壤含水量数据此前多为人工观测方式完成，采用统一定制的EXCEL报表进行数据录入与上报。在数据录入过程中，CERN水分分中心又引入了枚举标准化、校验自动化等计算机手段，辅助台站开展前端质控工作^[10]。

土壤含水量数据按年度在CERN水分分中心汇总后，开展数据的完整性、准确性和一致性检验与评估。完整性检验主要指标包括观测频度、观测样地数量、数据缺失程度、元数据信息；一致性主要是场地一致性、方法一致性、单位与精度一致性检验，以保证土壤含水量数据的长期连续性、可比性；在准确性检验方面，综合运用阈值法、过程趋势法、对比法及统计等方法，检测、剔除土壤含水量时间序列中的异常值^[10]。

本数据集涵盖CERN全国34个典型陆地生态系统生态站2005～2014年气象观测场的土壤含水量观测数据，共涉及38个样地、98个剖面，总数据量达44万余条。为了更好地衡量数据集整体质量，我们定义了2个指标，样地延续度和平均观测频度，对样地土壤含水量观测的连续性和长期性进行度量。

1. 样地延续度

定义样地延续度为C_s，衡量土壤含水量长期定位观测的持续性。

其中，y_es表示数据集时间范围内样地结束观测年度；y_ss表示数据集时间范围内样地开始观测的年度；y_d表示数据集结束年度，即2014年。

针对本数据集的统计结果显示，样地观测延续度大于0.8的样地为34个，占比89.5％。

2. 样地平均观测频度

定义样地平均观测频度为f_s。

其中，count(y)表示数据集时间范围内（2005～2014年）有效观测年度数；f_y表示某年度该样地的平均观测频度，若该年度无有效观测数据，则f_y为0。

根据CERN水环境观测规范，土壤含水量数据，农田站观测频度要求为5天（雨后加测），其他类型生态站（包括森林、草地、荒漠、湿地等）观测频度要求为5～15天。针对本数据集的统计结果显示，92％以上的样地的监测频度在5～10天之间。

关于本数据集中所涉样地的延续度及平均观测频度等统计信息，也包含在本数据集中，供用户在使用数据时参考。

4 结 语

本数据集已在CERN综合中心数据资源服务网站（http://www.cnern.org.cn）发布，用户登录系统后，点击数据资源栏目，选择“数据论文数据”，即可进入数据下载页面。也可登录Science Data Bank（http://www.sciencedb.cn/dataSet/handle/313）访问相关信息。

本数据集可应用于气候、生态、农业生产、水资源管理等相关领域。使用过程中，也可考虑选取典型区域、典型陆地生态系统开展多台站数据联网研究，配合CERN长期定位监测的大气、生物数据，为水文过程模型或遥感反演提供地面实测验证。在数据使用过程中，需要注意台站观测仪器设备更换导致的土壤含水量数据连续可比性问题；同时也要注意由于天气、仪器故障等原因导致的个别数据时间上甚至层次上不连续的问题。

随着观测技术的不断进步及环保、故障等因素，在CERN长期定位观测中，以中子仪为主要代表的土壤含水量人工观测模式，正在逐步向自动采集–在线传输–实时质控/预警的自动化模式转变。在中国科学院2013年、2016年两期野外观测网络修缮购置专项推动下，CERN水分分中心正在推进实施整体层面上的土壤含水量观测仪器的统一更新换代，进一步加强数据质量控制，构建一个未来5～10年稳定运行的土壤温湿盐联网观测系统，服务于全国范围内的区域联网观测、研究与示范。

作者分工职责

唐新斋（1976—），男，山东威海人，硕士，工程师，主要从事为生态数据与信息的集成与共享。主要承担工作：CERN水环境长期监测数据的整理、质控及信息化建设。

袁国富（1971—），男，湖北洪湖人，博士，副研究员，主要从事生态水文与农业气象研究。主要承担工作：CERN水环境长期定位观测整体规划与组织实施。

朱治林（1963—），男，湖北荆门人，学士，副研究员，主要从事生态系统通量观测和数据分析处理。主要承担工作：CERN水环境长期定位观测数据质量控制。

张心昱（1973—），女，辽宁桓仁人，博士，副研究员，主要从事地球环境化学方面研究。主要承担工作：CERN水环境长期定位观测数据质量控制。

孙晓敏（1957—），男，河北涉县人，学士，研究员，主要从事地表通量观测技术和实验方法的研究。主要承担工作：CERN水环境长期定位观测技术指导。

此外，白永飞、包维楷、曹广民、曹敏、常学向、陈欣、陈云明、程一松、崔清国、戴冠华、邓晓保、丁维新、杜娟、付智勇、傅伟、傅心赣、巩合德、官有军、郭小伟、郭永平、韩晓增、何其华、何永涛、胡顺军、黄苛、黄振英、姜峻、姜晔、蒋正德、兰中东、李够霞、李猛、李伟、李向义、李小丽、李晓明、李晓欣、李新虎、李新荣、李玉成、李玉霖、李玉强、林静慧、林永标、刘文兆、刘晓利、刘勇刚、刘玉洪、娄金勇、鲁志云、路永正、马健、孟 泽、欧阳竹、潘艳霞、桑卫国、沙丽清、申卫军、沈彦俊、宋长春、苏宏新、孙波、孙聃、孙维、唐家良、唐建维、汪树超、汪思龙、王安志、王根绪、王辉民、王吉顺、王晶苑、王克林、王书伟、王 溪 、魏文学、谢宗强、徐文婷 、颜晓元、杨风亭、杨阳、尹春梅、曾凡江、张法伟、张加双、张倩媚、张秀永、张扬建、张一平、张志山、章熙锋、赵常明、赵成义、赵文智、赵学勇、赵岩、郑立臣、郑兴波、周国逸、朱波等人主要承担各台站土壤含水量数据观测、整理、初级质控及上报。

参考文献

[1] Pal J, Eltahir E. Pathways relating soil moisture conditions to future summer rainfall within a model of the land-atmosphere system[J]. Journal of Climate, 2001, 14: 1227–1242.

[2] Hohenegger C, Brockhaus P, Bretherton C, et al. The soil moisture–precipitation feedback in simulations with explicit and parameterized convection[J]. Journal of Climate, 2009, 22(19): 5003–5020.

[3] Fierer N, Schimel J. Effects of drying–rewetting frequency on soil carbon and nitrogen transformations[J]. Soil Biology & Biochemistry, 2002, 34(6): 777–787.

[4] Granier A, Reichstein M, BréDa N, et al. Evidence for soil water control on carbon and water dynamics in European forests during the extremely dry year: 2003[J]. Agricultural & Forest Meteorology, 2007, 143(1–2): 123–145.

[5] Teuling A, Seneviratne S. Contrasting spectral changes limit albedo impact on land-atmosphere coupling during the 2003 European heat wave[J]. Geophysical Research Letters, 2008, 35(3): 144–151.

[6] Basara J, Crawford K. Linear relationships between root-zone soil moisture and atmospheric processes in the planetary boundary layer[J]. Journal of Geophysical Research Atmospheres. 2002, 107: 1–18.

[7] 邵明安, 王全九, 黄明斌. 土壤物理学[M]. 北京: 高等教育出版社，2006.

[8] 袁国富, 唐登银, 孙晓敏, 等. 陆地生态系统水环境观测规范[M]. 北京: 中国环境科学出版社, 2007.

[9] 孙晓敏, 袁国富, 朱治林, 等. 生态水文过程观测与模拟的发展与展望[J]. 地理科学进展, 2010, 29(11): 1293–1300.

[10] 袁国富, 张心昱, 唐新斋, 等. 陆地生态系统水环境观测质量保证与质量控制[M]. 北京: 中国环境科学出版社, 2012.

引用数据

(1) 中国生态系统研究网络. 2005～2014年CERN野外台站气象观测场土壤含水量数据集[DB/OL]. Science Data Bank, 2016. DOI: 10.11922/sciencedb.313.

引文格式：唐新斋, 袁国富, 朱治林, 等. 2005～2014年CERN野外台站气象观测场土壤含水量数据集[J/OL]. 中国科学数据, 2017. DOI: 10.11922/csdata.170.2016.0101.