DOI: https://doi.org/10.5194/essd-18-3415-2026
تاريخ النشر: 2026-05-20
المؤلف: Eric G. Booth وآخرون
الموضوع الرئيسي: الاستشعار عن بعد واستخدام الأراضي
نظرة عامة
تقدم البحث مجموعة بيانات ري المغذيات الأرضية المتناغمة (HLNID)، وهي مجموعة بيانات شاملة للولايات المتحدة المتجاورة (CONUS) تمتد من عام 1938 إلى 2020. تدمج هذه المجموعة مصادر مختلفة موجودة، بما في ذلك تعداد الزراعة (CoA)، ونماذج تغيير الأراضي مثل FORE-SCE، ومنتجات الاستشعار عن بعد مثل قاعدة بيانات تغطية الأراضي الوطنية (NLCD) وطبقة بيانات الأراضي الزراعية (CDL). توفر HLNID بيانات سنوية عن استخدام الأراضي وتغطية الأراضي (LULC)، وتحديداً أنواع المحاصيل، ومدخلات المغذيات من الأسمدة والسماد (النيتروجين والفوسفور)، ومدى الري، كاشفة عن اتجاهات كبيرة مثل زيادة زراعة الذرة وفول الصويا في السهول الكبرى الشمالية وتركيز إنتاج السماد في بعض المناطق.
تتضمن المنهجية المستخدمة لإنشاء HLNID تحديد مناطق الطلب لكل فئة تغطية أراضي بناءً على مجموعات البيانات التاريخية وتخصيص مدخلات المغذيات مكانيًا وفقًا لطلب المحاصيل. تسلط مجموعة البيانات الضوء على الزيادات الكبيرة في استخدام الأسمدة، وخاصة النيتروجين والفوسفور، في المناطق ذات الطلب الزراعي العالي، بينما كانت تركيزات مغذيات السماد أكثر تركيزًا. بالإضافة إلى ذلك، توسع الري بشكل كبير، خاصة في المناطق الغربية شبه الجافة وبوابة ميسيسيبي. تعتبر HLNID موردًا حيويًا لتحليل التغيرات التاريخية في المحركات البشرية الرئيسية التي تؤثر على وظائف النظام البيئي وديناميات المناظر الطبيعية عبر CONUS.
مقدمة
تؤكد المقدمة على أهمية مجموعات البيانات التاريخية المتعلقة بالمياه والتربة ووظائف النظام البيئي لتقييم التغيرات في خدمات النظام البيئي وإبلاغ النماذج البيوفيزيائية المعتمدة على العمليات. لقد أدى النمو الأسي لمجموعات البيانات الجغرافية العامة، الذي يسهل من خلال التقدم في نظم المعلومات الجغرافية وتقنيات الاستشعار عن بعد، إلى تعزيز القدرة على تحليل هذه المحركات. ومع ذلك، فإن تجميع وتنسيق هذه المجموعات، التي تختلف في الدقة المكانية والزمانية والموضوعية، يمثل تحديات يمكن أن تؤثر على فائدتها في البحث والنمذجة.
لقد أثرت المحركات الرئيسية مثل استخدام الأراضي وتغطية الأراضي، وتطبيقات المغذيات، وممارسات الري بشكل كبير على النظم البيئية الأرضية والمائية عبر الولايات المتحدة المتجاورة (CONUS). لقد أثرت هذه التغيرات بشكل ملحوظ على المواطن للأنواع المهددة بالانقراض، وميزانيات المياه الإقليمية، وجودة المياه السطحية والجوفية، خاصة على مدار القرن الماضي بسبب الممارسات الزراعية المكثفة واستخدام الأسمدة الاصطناعية. تتطلب الإرث الطويل الأمد لهذه المحركات فهمًا شاملاً للعوامل البيوفيزيائية التاريخية لنمذجة السيناريوهات المستقبلية بشكل فعال وإدارة الموارد البيئية. وبالتالي، فإن مجموعات البيانات المتسقة والطويلة الأمد ضرورية لتخطيط السيناريوهات وأنشطة إدارة البيئة.
طرق
توضح قسم “الطرق” الأساليب التجريبية والتحليلية المستخدمة في الدراسة. تتناول تصميم التجارب، بما في ذلك اختيار المشاركين، والإجراءات المحددة المتبعة، والأدوات أو الأجهزة المستخدمة لجمع البيانات. كما يتم وصف التحليلات الإحصائية التي تم إجراؤها لتفسير النتائج، مع تسليط الضوء على التقنيات المستخدمة لضمان صحة وموثوقية النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات عن أي نماذج رياضية أو معادلات تم تطبيقها خلال التحليل، فضلاً عن المعايير المستخدمة لتقييم النتائج. توفر هذه النظرة الشاملة إمكانية تكرار الدراسة وتقدم رؤى حول صرامة المنهجيات المستخدمة.
مناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على التقدم الكبير في تطوير مجموعات بيانات استخدام الأراضي وتغطية الأراضي (LULC) عبر الولايات المتحدة المتجاورة (CONUS) على مدار العقدين الماضيين. أدى دمج الاستشعار عن بعد عبر الأقمار الصناعية مع الجردات طويلة الأجل ونماذج تغيير الأراضي إلى تحسين المنهجيات، مثل النهج الأخير للتعلم العميق من المسح الجيولوجي الأمريكي (USGS) لتقدير تغطية الأراضي السنوية منذ عام 1985. تعزز هذه الطريقة الدقة مع تقليل التناقضات، باستخدام مجموعة بيانات بدقة 30 م تتضمن صور متعددة الطيف وجردات قائمة على الأرض، بما في ذلك تعداد الزراعة التابع لوزارة الزراعة الأمريكية (USDA). يعتبر تعداد الزراعة مدخلًا حيويًا، حيث يوفر تقديرات موثوقة لاستخدام الأراضي الزراعية، على الرغم من أن له قيودًا في رسم خرائط أنواع المحاصيل المحددة.
بالإضافة إلى ذلك، تناقش الورقة تطوير مجموعة بيانات ري المغذيات الأرضية المتناغمة (HLNID)، التي تعالج القيود السابقة من خلال تجميع مجموعات البيانات الموجودة لإنشاء رؤية شاملة لـ LULC ومدخلات المغذيات ومدى الري. تستخدم هذه المجموعة إطار عمل تنسيق متناغم يحافظ على تقديرات على مستوى المقاطعة بينما يخصص مكانيًا بيانات تغطية الأراضي والمغذيات بناءً على الطلب التاريخي. تشير النتائج إلى انخفاض في الأراضي الزراعية من 1938 إلى 2020، مع تحولات ملحوظة في أنواع تغطية الأراضي، وخاصة انخفاض المراعي/المدى. تؤكد البحث على التحديات المستمرة في تنسيق مصادر البيانات طويلة الأجل المتباينة لضمان تمثيل دقيق لتاريخ LULC وديناميات المغذيات.
القيود
تعتبر قيود البيانات التاريخية لاستخدام الأراضي وتغطية الأراضي (LULC) ومجموعات البيانات الزراعية مهمة لنمذجة نتائج النظام البيئي مثل إنتاج المحاصيل وديناميات المغذيات. بينما تُعترف مجموعات البيانات مثل تعداد الزراعة (CoA) بدقتها في تمثيل استخدام الأراضي الزراعية في الولايات المتحدة المتجاورة (CONUS)، إلا أنها ليست خالية من عدم اليقين، خاصة فيما يتعلق بأخطاء شكل الاستجابة وتعديلات التصنيف الخاطئ. إن الاعتماد على مجموعات البيانات التاريخية، مثل FORE-SCE لفترة 1938-1984، يقدم عدم يقين إضافي بسبب التناقضات في مسوحات استخدام الأراضي والخوارزميات المستخدمة للتخصيص المكاني. علاوة على ذلك، تعتبر مجموعات البيانات المعاصرة مثل قاعدة بيانات تغطية الأراضي الوطنية (NLCD) وطبقة بيانات الأراضي الزراعية (CDL) أفضل في تصنيف أنواع تغطية الأراضي السائدة لكنها تواجه صعوبة مع الفئات الأقل شيوعًا، مما يؤدي إلى تحيزات محتملة في مخرجات النماذج.
تقدم المنهجية المستخدمة في مجموعة بيانات استخدام الأراضي المدعومة بالمغذيات (HLNID) أيضًا تحديات، خاصة في متطلباتها لقيم فئوية واحدة لـ LULC داخل خلايا شبكة النموذج. يمكن أن يؤدي هذا النهج إلى تشويه تركيبة LULC عند إعادة قياس مجموعات البيانات، مما يعقد الحفاظ على تمثيلات دقيقة لمساحة الأراضي. بالإضافة إلى ذلك، يمكن أن تؤدي الافتراضات المتعلقة بثبات نسب المحاصيل إلى الأسمدة والتوزيع المكاني للمغذيات إلى عدم دقة، خاصة في المناطق ذات الممارسات الزراعية المتغيرة. يجب أن تعالج الإصدارات المستقبلية من HLNID هذه القيود من خلال دمج مجموعات بيانات ومنهجيات جديدة، بما في ذلك تلك التي تلتقط التباين المكاني في تطبيق المغذيات وممارسات الري، لتعزيز فائدة مجموعة البيانات لإدارة النظام البيئي والبحث.
DOI: https://doi.org/10.5194/essd-18-3415-2026
Publication Date: 2026-05-20
Author(s): Eric G. Booth et al.
Primary Topic: Remote Sensing and Land Use
Overview
The research presents the Harmonized Land Nutrient Irrigation Dataset (HLNID), a comprehensive dataset for the conterminous United States (CONUS) that spans from 1938 to 2020. This dataset integrates various existing sources, including the Census of Agriculture (CoA), land change models like FORE-SCE, and remote sensing products such as the National Land Cover Database (NLCD) and Cropland Data Layer (CDL). The HLNID provides annual data on land use-land cover (LULC), specifically crop types, nutrient inputs from fertilizers and manure (nitrogen and phosphorus), and irrigation extent, revealing significant trends such as the rise of corn and soybean cultivation in the northern Great Plains and the concentration of manure production in certain regions.
The methodology employed to create the HLNID involves defining demand areas for each land cover class based on historical datasets and spatially allocating nutrient inputs according to crop demand. The dataset highlights substantial increases in fertilizer use, particularly nitrogen and phosphorus, in regions with high agricultural demand, while manure nutrient concentrations were more localized. Additionally, irrigation expanded significantly, especially in semi-arid western regions and the Mississippi Portal. The HLNID serves as a vital resource for analyzing historical changes in key anthropogenic drivers affecting ecosystem functioning and landscape dynamics across the CONUS.
Introduction
The introduction emphasizes the significance of historical datasets related to water, soil, and ecosystem functioning for evaluating changes in ecosystem services and informing process-based biophysical models. The exponential growth of public geospatial datasets, facilitated by advancements in geographic information systems and remote sensing technologies, has enhanced the ability to analyze these drivers. However, the synthesis and harmonization of these datasets, which vary in spatial, temporal, and thematic resolutions, present challenges that can affect their utility in research and modeling.
Key drivers such as land use-land cover, nutrient applications, and irrigation practices have significantly influenced terrestrial and aquatic ecosystems across the conterminous United States (CONUS). These changes have notably impacted habitats for endangered species, regional water budgets, and the quality of surface and groundwater, particularly over the past century due to intensified agricultural practices and the use of synthetic fertilizers. The long-term legacies of these drivers necessitate a comprehensive understanding of historical biophysical factors to effectively model future scenarios and manage environmental resources. Thus, consistent and long-term datasets are crucial for scenario planning and environmental management activities.
Methods
The “Methods” section outlines the experimental and analytical approaches employed in the study. It details the design of the experiments, including the selection of participants, the specific procedures followed, and the tools or instruments utilized for data collection. Statistical analyses performed to interpret the results are also described, highlighting the techniques used to ensure the validity and reliability of the findings.
Additionally, the section may include information on any mathematical models or equations applied during the analysis, as well as the criteria for evaluating the outcomes. This comprehensive overview allows for the replication of the study and provides insight into the rigor of the methodologies employed.
Discussion
The discussion section of the research paper highlights significant advancements in the development of historical land use-land cover (LULC) datasets across the conterminous United States (CONUS) over the past two decades. The integration of satellite remote sensing with long-term inventories and land change models has led to improved methodologies, such as the U.S. Geological Survey’s (USGS) recent deep learning approach for estimating annual land cover since 1985. This method enhances accuracy while minimizing inconsistencies, utilizing a 30 m resolution dataset that incorporates multi-spectral imagery and ground-based inventories, including the U.S. Department of Agriculture’s (USDA) Census of Agriculture (CoA). The CoA serves as a critical input, providing reliable estimates of agricultural land use, although it has limitations in mapping specific crop types.
Additionally, the paper discusses the development of the Harmonized Land Nutrient Irrigation Dataset (HLNID), which addresses previous limitations by synthesizing existing datasets to create a comprehensive view of LULC, nutrient inputs, and irrigation extent. This dataset employs a harmonized synthesis framework that preserves county-scale estimates while spatially allocating land cover and nutrient data based on historical demand. The findings indicate a decline in agricultural land from 1938 to 2020, with notable shifts in land cover types, particularly a decrease in pasture/range. The research underscores the ongoing challenges in harmonizing disparate long-term data sources to ensure accurate historical LULC representation and nutrient dynamics.
Limitations
The limitations of historical land use, land cover (LULC), and agricultural datasets are significant for modeling ecosystem outcomes such as crop yield and nutrient dynamics. While datasets like the CoA are recognized for their accuracy in representing agricultural land use in the contiguous United States (CONUS), they are not without uncertainties, particularly regarding response form errors and misclassification adjustments. The reliance on historical datasets, such as the FORE-SCE for the 1938-1984 period, introduces additional uncertainties due to inconsistencies in land use surveys and the algorithms used for spatial allocation. Furthermore, contemporary datasets like the National Land Cover Database (NLCD) and Cropland Data Layer (CDL) are better at classifying dominant land cover types but struggle with less prevalent categories, leading to potential biases in model outputs.
The methodology employed in the High-Resolution Land Use and Nutrient Input Dataset (HLNID) also presents challenges, particularly in its requirement for single categorical values for LULC within model grid cells. This approach can distort LULC composition when rescaling datasets, complicating the preservation of accurate land area representations. Additionally, assumptions made regarding the constancy of crop-to-fertilizer ratios and the spatial uniformity of nutrient allocation can lead to inaccuracies, especially in regions with variable agricultural practices. Future iterations of the HLNID must address these limitations by incorporating new datasets and methodologies, including those that capture spatial heterogeneity in nutrient application and irrigation practices, to enhance the dataset’s utility for ecosystem management and research.