1961～2014年中国光合有效辐射重构数据集 中华文库

摘要：光合有效辐射是生态学、农学以及气候学等学科研究中的一个关键因子。它是揭示相关物质与能量交换过程的基本生理变量；作为一种重要的气候资源，它在光合作用潜力、潜在的产量和作物生长模拟研究，土壤碳的固定模拟研究中扮演着不可缺少的角色。在创建本数据集时，首先根据“混合模型”，利用中国气象局常规观测数据模拟得到地面总辐射历史数据，然后由晴空指数（Ks）、太阳高度角和日照时数建立的光合有效辐射估算模块重构我国724个观测站日光合有效辐射数据。本数据集的时间范围为1961～2014年。

关键词：中国；光合有效辐射；混合模型；重构；晴空指数

Abstract: Photosynthetically active radiation (PAR) plays important roles in ecology, agriculture and climatology research. It is a fundamental physiological variable that influences the mass-energy.exchange processes. As an important climatic resource, PAR provides indispensable data for calculating the potential photosynthesis, potential yield, crop growth and carbon cycle. In this study, we used in-situ measured data from the Chinese Ecology Research Network to develop a model for estimating PAR under all-sky conditions. The “hybrid model” was used to calculate historical solar radiation based on routine observations by China Meteorological Administration. The solar radiation data were then applied with the PAR estimation model built upon clearness index, solar elevation angle and sunshine durations to obtain the historical daily PAR data at 724 routine stations from 1961 to 2014.

Keywords: China; photosynthetically active radiation; hybrid model; reconstruction; clear sky index

光合有效辐射（Photosynthetically Active Radiation，PAR）是指能被植物叶绿素吸收进行光合作用的那部分太阳辐射，波段范围在400～700 nm。它是植物形成干物质的能量来源，是描述植被对光合有效辐射能量吸收能力的指标，是揭示相关的物质与能量交换过程的基本生理变量^[1]。光合有效辐射作为一种重要的气候资源，是光合潜力、潜在的产量和作物生长模拟研究以及土壤碳的固定模拟研究中不可缺少的基础数据。另一方面，光合有效辐射还是陆地生态系统和海洋生态系统碳循环的核心因素之一，它的精确测量有助于修正净生产率（NPP）和CO2源汇研究模型，使各种模式更贴近实际地–气系统的变化规律^[2] 。光合有效辐射时空分布的监测是通过模式精确估算我国生态系统碳收支的基础。因此，光合有效辐射研究在生态学、农学以及气候研究中都具有重要的意义和价值。

1984年我国开始通过差值法研究光合有效辐射，1997年开始采用直接观测法对光合有效辐射进行观测研究，得到一些地区光合有效辐射变化规律^[3][4]，并且利用总辐射和光合有效辐射的主要影响因子，得到了适用于不同区域的光合有效辐射经验估算模型^[5][6]。目前关于光合有效辐射的研究仍较分散，已建立的经验模型具有较好的区域代表性，但是在拓展应用时仍需要借助总辐射与光合有效辐射的同步观测，因而大尺度的光合有效辐射观测以及估算方法都还有待深入。

中国生态系统研究网络（CERN）长期全面监测我国生态环境变化，通过对水、土、气及生物的综合研究为我国生态环境重大问题的研究提供全国范围的基础数据和理论支持。其气象辐射观测系统是我国第一个国家尺度的、采用直接观测方式进行光合有效辐射连续观测的地基观测网，它由分布在我国8种典型生态类型（农田、森林、城市、草地、湖泊、荒漠、湿地、海湾）的44个野外观测站组成。从2004年开始观测，其中5个站点观测时间较短，因此本数据集只采用了具有长时间观测数据的39个站点。其数据反映了我国光合有效辐射的时空演变规律^[7][8]，但是也存在空间分辨率不足、时间尺度较短的问题。为了获得更高时空分辨率的光合有效辐射数据，我们利用阳坤提出并发展的“混合模型”^[9][10]，结合中国气象局（CMA）常规观测数据、CERN的PAR和总辐射观测数据、气溶胶光学厚度（AOD）、臭氧柱总量以及天文辐射数据，重构得到光合有效辐射数据集。按照气候特征及行政区划，参考Shen等人的文献^[11]，将中国分成了8个区域，分别是东北地区（NEC）、华北地区（NCP）、中北地区（NC）、西北地区（NWC）、青藏高原地区（TP）、西南地区（SWC）、东南地区（SEC）、东部地区（EC）。图1是CMA和CERN的站点分布图，以及光合有效辐射重构模块的区域划分图，黑色实线为区域分界线。

图1 CMA和CERN站点分布及光合有效辐射重构模块的区域划分图

CERN从2004年开始对生态监测网络中所有的气象辐射观测系统进行全面升级改造，之后所有传感器都符合WMO标准，精密度和稳定性高，可获得高质量的辐射观测数据。我们首先根据“混合模型”，利用CMA常规观测数据（如日照时数、气压、温度和相对湿度），MODIS的AOD数据和NASA/GSFC的O3数据模拟得到724个站点的地面总辐射历史数据；然后利用CERN 39个站总辐射观测数据以及大气层顶天文辐射数据得到晴空指数，由39个站点PAR观测数据、晴空指数、太阳高度角和日照时数完成PAR模块参数化方案及验证，最后使用该方案重构得到CMA的724个观测站日光合有效辐射数据。图2为数据集生成技术路线图，简要描述了数据集的生成过程。

图2 数据集生成技术路线图

阳坤研发的“混合模型”是一个半物理半经验模型，既实现了Ångström模型计算的简便性，又包含了辐射传输过程中的物理过程。具体思路为：晴空时，太阳辐射穿过大气时因受到瑞利散射、臭氧吸收、气溶胶吸收和散射、水汽吸收以及均一混合气体吸收而衰减，这5种衰减作用对应的透过率分别表示为 解析失败 (语法错误): {\displaystyle {\tau }_{r}、{\tau }_{oz}、{\tau }_{a}、{\tau }_{w}、{\tau }_{g}} 。太阳直接辐射透过率和散射辐射透过率分别表示为 ${\displaystyle {\tau }_{b}}$  、 ${\displaystyle {\tau }_{d}}$  ，计算方法见公式（1）和（2）。 ${\displaystyle {\tau }_{b}={\tau }_{r}{\tau }_{oz}{\tau }_{a}{\tau }_{w}{\tau }_{g}}$ (1)解析失败 (转换错误。服务器（“https://wikimedia.org/api/rest_”）报告：“Cannot get mml. upstream connect error or disconnect/reset before headers. reset reason: connection termination”): {\displaystyle {\tau }_{d}=0.5{\text{ }}\left[{\tau }_{oz}{\tau }_{g}{\tau }_{w}\left(1-{\tau }_{a}{\tau }_{r}\right)\right]} (2) 以上公式中的5种透过率可通过地面气压、大气可降水量、臭氧层厚度以及Ångström大气浑浊度β计算获得，具体计算过程可参见Yang^[9]等人的研究。由公式（3）可获得晴空大气状况下到达地面的太阳辐射日值${\displaystyle {R}_{clear}}$  ， ${\displaystyle {t}_{1}}$  和 ${\displaystyle {t}_{2}}$  分别为日出和日落时刻，${\displaystyle {R}_{0}}$  是大气层顶的天文辐射。 ${\displaystyle {R}_{clear}={\int }_{{t}_{1}}^{{t}_{2}}\left({\tau }_{b}+{\tau }_{d}\right){R}_{0}dt}$ (3) 有云时，云的透过率 ${\displaystyle {\tau }_{c}}$  可以通过日照时数得到，其参数化方案如公式（4）。其中，n为日照时数，${\displaystyle {N}_{s}}$  为最大可能日照时数，即晴空大气条件下到达地面的太阳直接辐射超过120 W·m-2的日照时数。此条件下，到达地面的太阳辐射日值${\displaystyle {R}_{s}}$  计算见公式（5）。 ${\displaystyle {\tau }_{c}=0.2505+1.1468n/{N}_{s}-0.3974{\left(n/{N}_{s}\right)}^{2}}$ (4)${\displaystyle {R}_{s}={\tau }_{c}\cdot {R}_{clear}}$ (5) 由于光合有效辐射与总辐射的变化规律基本一致，因此有学者用晴空指数${\displaystyle {K}_{s}}$  和太阳高度角建立了光合有效辐射参数化估算模型，晴空指数的计算见公式（6）。 ${\displaystyle {K}_{s}={R}_{s}/{R}_{0}}$ (6) 许多研究表明，不同${\displaystyle {K}_{s}}$  范围内，光合有效辐射随太阳高度角正弦值（${\displaystyle \mu }$  )变化关系可以用幂函数的形式表示，见公式（7）。 ${\displaystyle {PAR}_{m}}$ 为${\displaystyle \mu }$  等于单位太阳高度角正弦值时的光合有效辐射值， ${\displaystyle e}$  为光合有效辐射值随太阳高度角正弦值的变化程度。而 ${\displaystyle {PAR}_{m}}$  与 ${\displaystyle {K}_{s}}$  存在如公式（8）的关系。a、b、c、d为拟合参数。 解析失败 (语法错误): {\displaystyle PAR=PA{R}_{m}×{\mu }^{e} } (7)解析失败 (语法错误): {\displaystyle PA{R}_{m}=a+b×{K}_{s}+c×{K}_{s}^{2}+d×{K}_{s}^{3} } (8) 通过拟合计算得到光合有效辐射值日累计值 ${\displaystyle {PAR}_{daily}}$ ，估算方法见公式（9）。其中 ${\displaystyle {\overline {{K}_{s}}}}$  为地面总辐射日累计值和天文辐射日累计值的比值， ${\displaystyle {\overline {\mu }}}$  为每天日出到日落太阳天顶角余弦值的均值， ${\displaystyle {t}_{d}}$  为日照时数。A、B、C、D、E这5个参数可以通过拟合获取。它们与地理位置和气候类型相关，因而各个区域的参数有所不同。 解析失败 (语法错误): {\displaystyle PA{R}_{daily}=\left(A+B×\overline{{K}_{s}}+C×{\overline{{K}_{s}}}^{2}+D×{\overline{{K}_{s}}}^{3}\right)×{\overline{\mu }}^{E}×{t}_{d} } (9)

我国8个区域的光合有效辐射重构的参数化方案如表1所示。

表1 8个区域光合有效辐射估算参数化方程

2.1 数据内容描述

光合有效辐射数据集文件的文档内容描述遵循以下规则：

“中国光合有效辐射重构数据集（1961–2014）.rar”由724个站点的光合有效辐射重构值文本文件和一个站点信息excel文件构成，文本文件名为“*.txt”，其中*代表站点编号。文本内各列分别代表年、月、日、光合有效辐射值，单位为（mol/(m2·d)），excel文件内各列分别代表站号、经度和纬度。

2.2 数据样本描述

以中国气象局北京市54511站点的数据为例，光合有效辐射重构值的数据样本如表2，4列分别代表年、月、日和光合有效辐射值。图3为北京市54511站2014年光合有效辐射年变化图，图4则为2014年我国的光合有效辐射空间分布图。

表2 2014年6月北京市54511站重构光合有效辐射值

图3 2014年北京市54511站光合有效辐射日总量年变化图

图4 2014年我国光合有效辐射空间分布图（单位：mol/(m2·d)）

为了验证重构的光合有效辐射数据的精确度，采用CERN的39个站点光合有效辐射观测数据，时间跨度2005～2014年，与CMA最临近站点的重构数据比较。以CMA站点的重构数据为X轴，CERN站点的观测数据为Y轴，将二者进行线性拟合，拟合结果如表3所示，分别以斜率（S）、截距（I）、显著性检验值（P）以及平均偏差（MBE）来表征光合有效辐射估算公式的精度。平均偏差的定义见公式（10）。其中，${\displaystyle {E}_{i}}$  、${\displaystyle {M}_{i}}$ 分别是为第 ${\displaystyle i}$ 个样本的计算值和观测值， ${\displaystyle {M}_{ave}}$  是所有样本观测值的平均值， ${\displaystyle N}$  为观测值的样本数。 ${\displaystyle MBE\left(\%\right)={\frac {100}{{M}_{ave}}}\left({\frac {\sum _{i=1}^{i=N}\left({E}_{i}-{M}_{i}\right)}{N}}\right)}$ (10)

表3 重构光合有效辐射值与临近站观测值的对比

如表3所示，39个站点的线性拟合的斜率值都在1附近变化，只有西双版纳和海北站低于0.8，以及茂县、神农架和太湖站斜率值高于1.2；除了三亚的截距为8.004以外，其余站点的截距都在8以下；所有站点P都小于0.01，表明所有拟合结果都通过了99％的显著性检验；平均偏差都为负，说明估算值偏低，除了太湖站和茂县站以外，平均偏差都低于25％。站点位置及下垫面会对总辐射和PAR的观测数据造成影响，尤其CERN的太湖站下垫面为湖面，茂县站位于半山，海拔高度为1826 m，使得这两个站总辐射和PAR观测值偏高，这是造成太湖与58358站、茂县与56188站的PAR观测值与重构值MBE较大的原因。以上统计结果表明，本数据集的精度是可靠的。

光合有效辐射对于定量估算光合作用和探索生物利用太阳能等重大理论问题都有十分重要的作用，尤其有助于提高全球生态系统的碳估算精度，并为科学发展农业提供理论基础。本数据集包含了光合有效辐射长期的时空变化，可用于我国气候资源评估等领域。光合有效辐射也能够对气候预测模式中的辐射过程物理参数化方案的改进和完善提供支持。此外，本数据集单位统一为mol/(m2 d)，用户在使用时应注意数据单位。

唐利琴（1992—）女，四川人，硕士，研究方向为大气辐射。主要承担工作：论文撰写。

刘慧（1989—）女，山西人，博士，研究方向为大气辐射与遥感。主要承担工作：数据整理。

胡波（1974—）男，云南人，博士，研究方向为大气辐射。主要承担工作：数据质量控制。

肖天贵（1962—）男，四川人，博士，研究方向为气候变化与气候模拟。主要承担工作：数据质量控制。

刘广仁（1950—）男，北京人，本科，研究方向为通信工程。主要承担工作：数据质量控制。

王跃思（1960—）男，北京人，博士，研究方向为大气化学。主要承担工作：观测网络设计。

史莹莹（1990—）女，河南人，硕士，研究方向为大气气溶胶光学特性。主要承担工作：数据整理。

感谢中国生态系统研究网络（CERN）提供的光合有效辐射值观测数据，以及中国气象局（CMA）提供的总辐射数据和常规气象观测数据。最后还要感谢MODIS团队提供的AOD数据和NASA/GSFC臭氧处理团队提供的臭氧数据。

刘慧, 唐利琴, 胡波, 等. 1961～2014年中国光合有效辐射重构数据集[DB/OL]. Science Data Bank, 2017. DOI: 10.11922/sciencedb.400.

1. ↑ 董泰峰, 蒙继华. 光合有效辐射（PAR）估算的研究进展[J]. 地理科学进展, 2011, 30(9): 1125–1134.
2. ↑ Miskolczi F, Aro T, Iziomon M, et al. Surface Radiative Fluxes in Sub-Sahel Africa[J]. Journal of Applied Meteorology, 2010, 36(5): 521–530.
3. ↑ 朱旭东, 何洪林. 近50年中国光合有效辐射的时空变化特征[J]. 地理学报, 2010, 65(3): 270–280.
4. ↑ 彰宪洲, 周允华. 青藏高原4月–10月光合有效量子值的气候学计算[J]. 地理学报, 1997, 52(4): 361–365.
5. ↑ Wang L, Wei G. Measurement and estimation of photosynthetically active radiation from 1961 to 2011 in Central China[J]. Applied Energy, 2013, 111(4): 1010–1017.
6. ↑ 李韧, 季国良. 青藏高原北部光合有效辐射的观测研究[J]. 太阳能学报, 2007, 28(3)：241–247.
7. ↑ 胡波. 中国紫外与光合有效辐射的联网观测及其时空分布特征研究[D]. 北京: 中国科学院研究生院（大气物理研究所）, 2005.
8. ↑ Hu B, Liu H, Wang Y. Investigation of the variability of photosynthetically active radiation in the Tibetan Plateau, China[J]. Renewable & Sustainable Energy Reviews, 2016, 55(2): 240–248.
9. ^ ^{9.0 9.1} Yang K, Koike T, Ye B. Improving estimation of hourly, daily, and monthly solar radiation by importing global data sets[J]. Agricultural & Forest Meteorology, 2006, 137(1-2): 43–55.
10. ↑ Yang K, Huang G, Tamai N. A hybrid model for estimating global solar radiation[J]. Solar Energy, 2001, 70(1): 13–22.
11. ↑ Shen X, Liu B, Li G, et al. Spatiotemporal change of diurnal temperature range and its relationship with sunshine duration and precipitation in China[J/OL]. J. Geophys. Res. Atmos. 2014, 119: 13,163–13,179. DOI: 10.1002/2014JD022326.