全球水稻分布长期数据集GloRice(I)的构建及其在农业可持续性与气候变化研究中的应用价值

编辑推荐：为解决全球水稻分布数据时间跨度短、覆盖不全的问题，中山大学等机构研究人员整合M3、SPAM和GAEZ等多源数据，开发了1961-2021年5弧分钟分辨率的全球水稻收获面积(GloRice-hvst)与物理面积(GloRice-phsc)网格数据集。通过融合国家/次国家级统计与遥感数据，验证显示其与FAOSTAT和区域高分辨率产品高度吻合（R2>0.8），为农业温室气体排放模型（如CH4）和土地资源管理提供关键输入。

　　

论文解读

水稻作为全球半数人口的主粮，其种植不仅关乎粮食安全，更是环境问题的焦点——占农业甲烷(CH₄)排放的22%，且需消耗7840亿立方米年耗水量。然而，现有全球水稻分布数据集如M3、SPAM和GAEZ仅覆盖特定年份，且因数据来源和方法差异导致结果不一致，严重制约了长期农业生态评估。例如，非洲水稻扩张的动态、中国双季稻的时空变化等关键信息长期缺失。这一空白使得气候变化模型和可持续农业政策的制定缺乏可靠数据支撑。

针对这一挑战，中山大学大气科学学院联合中国科学院大气物理研究所的研究团队开发了GloRice(I)数据集，首次以5弧分钟分辨率呈现1961-2021年全球水稻收获与物理面积的时空变化。研究通过整合三类基础数据：2000年基准图（融合M3/SPAM/GAEZ的极值）、FAOSTAT国家统计及中印省级数据，并引入多熟制指数(MCI)校正物理面积，最终构建包含GloRice-2000hvst（最大/最小/扩展/密集四类分布）、GloRice-hvst（年际收获面积）和GloRice-phsc（年际物理面积）的完整数据库。论文发表于《Scientific Data》，为区域至全球尺度的农业与环境研究提供了里程碑式工具。

关键技术方法
研究采用多源数据融合技术：1) 基于网格最大值/最小值/均值算法生成2000年基准图；2) 利用FAOSTAT和中印省级统计（1980-2021）线性分配年际数据；3) 通过亚洲水稻产量4km数据集和官方季节数据计算MCI，将收获面积转换为物理面积；4) 使用马修斯相关系数(MCC)和均方根误差(RMSE)验证数据精度。

研究结果
GloRice-2000hvst的构建与验证
通过对比M3、SPAM和GAEZ的2000年数据，发现三者重叠网格（占全球水稻面积88%）具有高度一致性。生成的扩展图(GloRice-2000hvst-Ex)覆盖62万网格，总面积1.52亿公顷（误差-1.5%），密集图(GloRice-2000hvst-In)聚焦48万高密度网格，误差仅+4.4%，为后续年际分析奠定基础。

年际收获面积动态(GloRice-hvst)
中国黑龙江的案例凸显数据优势：官方统计显示该省2020年水稻面积387万公顷，而遥感产品高估至500万公顷，GloRice-hvst精准捕捉政策驱动的种植扩张（2003-2014年增长3倍）。南亚验证中，印度各邦R²达0.96，但孟加拉国因MODIS数据偏差需结合统计局数据校正。

物理面积与多熟制校正(GloRice-phsc)
基于MCI的物理面积计算揭示亚洲多熟制主导现象：中国南方双季稻区MCI达1.8，而非洲单季种植假设使物理面积与收获面积等同。与HYDE数据集对比显示，GloRice-phsc更准确反映亚洲快速增长趋势（图7），尤其在东南亚20m分辨率验证中R²稳定在0.8以上。

结论与意义
GloRice(I)首次实现61年全球水稻网格化制图，其创新性体现在：1) 通过极值映射量化不确定性，如2000年最大/最小图相差2.77倍；2) 整合次国家级数据提升精度，如中国省级统计将R²从0.7提升至0.88；3) MCI动态校准解决物理面积低估问题。该数据集已应用于CH₄MOD模型等研究，未来可通过融入Sentinel-1等遥感数据进一步优化时空分辨率。作为开放平台，GloRice将持续更新水稻水管理模式等变量，推动农业-气候协同治理的精准决策。