《Scientific Data》：A Community Dataset for Large-Scale River Nitrogen Modeling in the United States
编辑推荐：
为解决大规模水质预测，特别是营养盐预测因缺乏可比性数据集而滞后的问题，研究人员开发了美国本土的“集成流域属性与氮素数据(IWAND-Nitrogen)”社区数据集。该数据集整合了574,767条硝酸盐记录、93个流域属性、8种氮输入强迫和11种气候强迫，旨在作为社区基准，推动从模型开发到流域及国家尺度新认知的进程。
水环境领域的“天气预报”——水文与水质预测——近年来呈现出一种不平衡的发展态势。得益于CAMELS (Catchment Attributes and Meteorology for Large-Sample Studies) 等即用型基准数据集，对水量的预测研究一日千里，发展迅速。然而，当我们将目光投向更为复杂的水质，尤其是对生态系统和人类健康有重大影响的营养盐（如氮、磷）时，预测的步伐却显得迟缓而沉重。这种滞后并非源于科学家的努力不足，而更多是受制于基础数据的匮乏。现有的水质数据集普遍面临四大“短板”：一是对受人类活动深刻影响的河流系统代表性不足，二是缺乏关键的营养盐输入数据，三是相关的流域元数据不完整，四是监测站点稀疏、覆盖不足。这些数据鸿沟，犹如一道无形的壁垒，阻碍了研究人员开发、验证和比较能够在大尺度（从流域到国家）上准确预测水质变化的模型，也限制了我们深入理解人类活动与流域生物地球化学过程互作机制的能力。
为了填补这一空白，推动大规模水质预测研究从模型开发走向实际应用与新认知，一个名为IWAND-Nitrogen (Integrated Watershed Attributes and Nutrient Data for Nitrogen) 的社区数据集应运而生。这项发表在《Scientific Data》上的研究，旨在为美国本土提供一个专门针对河流氮素（以硝酸盐为核心指标）建模的综合性基准数据集。该研究的核心成果，是构建并发布了IWAND-Nitrogen数据集，它不仅大幅扩展了已有数据集（如CAMELS-Chem）的时空覆盖范围，还特别加强了对人为活动强度梯度的代表性，力求成为推动流域氮素循环与水质预测研究的关键基础设施。
研究人员开展这项研究，主要运用了数据集成与标准化处理的方法。核心工作是从美国地质调查局的国家水质信息网络等公共数据源，系统收集和筛选了1980年至2023年间，覆盖美国本土1877个水文测站（每个站点至少有200次测量）的574,767条硝酸盐浓度记录。这些数据随后与93个描述流域地形、土壤、植被、地质和土地覆盖等特征的流域属性，以及8种反映不同来源（如化肥施用、大气沉降、点源排放）的流域尺度氮输入强迫（包括流域平均和网格化数据），和11种气候强迫（如降水、温度）进行了时空对齐与标准化关联，最终构建出统一、可比的IWAND-Nitrogen数据集。
研究结果
1. 数据集内容与结构
研究人员构建的IWAND-Nitrogen数据集包含了三个核心组成部分。通过集成多源数据，该数据集最终将1877个合格流域的长期水质监测记录与全面的环境驱动因子关联起来，形成了结构化的数据集合，为模型开发提供了“一站式”数据支持。
2. 时空覆盖与数据密度
在空间上，IWAND-Nitrogen包含了1877个流域，每个流域的硝酸盐记录中位数达到了272个样本，四分位距为231-346，这保证了每个站点都有足够的数据密度用于建模分析。在时间上，数据集覆盖了从1980年至2023年的长期序列，使得研究长期趋势和年际变化成为可能。高密度的监测数据是其相较于以往稀疏数据集的一大优势。
3. 与现有基准（CAMELS-Chem）的比较
相较于已有的CAMELS-Chem基准数据集，IWAND-Nitrogen在多个维度上进行了补充和扩展。它显著增加了纳入的流域数量、大幅提升了每个站点的样本数量（数据密度），并整合了更全面、更细化的氮输入强迫数据（包括网格化数据）。更重要的是，IWAND-Nitrogen在选择流域时，有意识地增强了沿人类活动强度梯度的代表性，从而能更好地捕捉和解析人为因素对河流氮素动态的影响。
4. 数据集的潜在应用场景
研究人员指出，IWAND-Nitrogen数据集的设计使其能够支持广泛的研究应用。它可以作为基准，用于开发和测试预测河流硝酸盐浓度的机器学习与过程模型；可以用于探究气候、土地利用和人为氮输入等因素对水质的影响；可以支持从流域到大陆尺度的跨尺度分析与比较研究；并且可以作为教学和培训的优质数据资源。
研究结论与讨论
本研究的核心结论是成功构建了一个面向美国本土、以硝酸盐为核心的大尺度河流氮素建模社区数据集——IWAND-Nitrogen。该数据集通过系统整合高密度的长期水质监测数据、全面的流域属性、详细的氮输入强迫以及气候数据，有效应对了现有水质数据集在人类活动系统代表性、营养盐输入数据、流域元数据完整性和监测覆盖密度方面的四大局限。
其重要意义在于，IWAND-Nitrogen旨在成为一个公共的、标准化的“社区基准”。它填补了当前大规模水质预测研究领域关键数据基础设施的空白，有望像CAMELS数据集推动水文预测研究一样，加速水质预测模型（特别是针对营养盐的模型）的开发、验证与比较进程。通过提供一致、可比的数据基础，该数据集将帮助研究人员从模型开发的技术层面，更多地转向对流域生物地球化学过程机制的理解，以及从局部流域到国家尺度的综合认知提升。最终，这项研究为更科学地评估和管理水资源、预测环境变化对水质的影响，以及制定针对性的污染控制策略提供了强有力的数据工具和科学基础。
