This paper describes a rain‐event driven, process‐oriented simulation model, DNDC, for the evolution of nitrous oxide (N 2 O), carbon dioxide (CO 2 ), and dinitrogen (N 2 ) from agricultural soils. The model consists of three submodels: thermal‐hydraulic, decomposition, and denitrification. Basic climate data drive the model to produce dynamic soil temperature and moisture profiles and shifts of aerobic‐anaerobic conditions. Additional input data include soil texture and biochemical properties as well as agricultural practices. Between rainfall events the decomposition of organic matter and other oxidation reactions (including nitrification) dominate, and the levels of total organic carbon, soluble carbon, and nitrate change continuously. During rainfall events, denitrification dominates and produces N 2 O and N 2 . Daily emissions of N 2 O and N 2 are computed during each rainfall event and cumulative emissions of the gases are determined by including nitrification N 2 O emissions as well. Sensitivity analyses reveal that rainfall patterns strongly influence N 2 O emissions from soils but that soluble carbon and nitrate can be limiting factors for N 2 O evolution during denitrification. During a year sensitivity simulation, variations in temperature, precipitation, organic C, clay content, and pH had significant effects on denitrification rates and N 2 O emissions. The responses of DNDC to changes of external parameters are consistent with field and experimental results reported in the literature.

In preparation for the fifth Assessment Report (AR5) of the Intergovernmental Panel on Climate Change (IPCC), the international community is developing new advanced Earth System Models (ESMs) to assess the combined effects of human activities (e.g. land use and fossil fuel emissions) on the carbon-climate system. In addition, four Representative Concentration Pathway (RCP) scenarios of the future (2005–2100) are being provided by four Integrated Assessment Model (IAM) teams to be used as input to the ESMs for future carbon-climate projections (Moss et al. 2010). The diversity of approaches and requirements among IAMs and ESMs for tracking land-use change, along with the dependence of model projections on land-use history, presents a challenge for effectively passing data between these communities and for smoothly transitioning from the historical estimates to future projections. Here, a harmonized set of land-use scenarios are presented that smoothly connects historical reconstructions of land use with future projections, in the format required by ESMs. The land-use harmonization strategy estimates fractional land-use patterns and underlying land-use transitions annually for the time period 1500–2100 at 0.5° × 0.5° resolution. Inputs include new gridded historical maps of crop and pasture data from HYDE 3.1 for 1500–2005, updated estimates of historical national wood harvest and of shifting cultivation, and future information on crop, pasture, and wood harvest from the IAM implementations of the RCPs for the period 2005–2100. The computational method integrates these multiple data sources, while minimizing differences at the transition between the historical reconstruction ending conditions and IAM initial conditions, and working to preserve the future changes depicted by the IAMs at the grid cell level. This study for the first time harmonizes land-use history data together with future scenario information from multiple IAMs into a single consistent, spatially gridded, set of land-use change scenarios for studies of human impacts on the past, present, and future Earth system.

Nine soil organic models were evaluated using twelve datasets from seven long-term experiments. Datasets represented three different land-uses (grassland, arable cropping and woodland) and a range of climatic conditions within the temperate region. Different treatments (inorganic fertilizer, organic manures and different rotations) at the same site allowed the effects of differing land management to be explored. Model simulations were evaluated against the measured data and the performance of the models was compared both qualitatively and quantitatively. Not all models were able to simulate all datasets; only four attempted all. No one model performed better than all others across all datasets. The performance of each model in simulating each dataset is discussed. A comparison of the overall performance of models across all datasets reveals that the model errors of one group of models (RothC, CANDY, DNDC, CENTURY, DAISY and NCSOIL) did not differ significantly from each other. Another group (SOMM, ITE and Verberne) did not differ significantly from each other but showed significantly larger model errors than did models in the first group. Possible reasons for differences in model performance are discussed in detail.

Information on the area and spatial distribution of paddy rice fields is needed for trace gas emission estimates, management of water resources, and food security. Paddy rice fields are characterized by an initial period of flooding and transplanting, during which period open canopy (a mixture of surface water and rice crops) exists. The Moderate Resolution Imaging Spectroradiometer (MODIS) sensor onboard the NASA EOS Terra satellite has visible, near infrared and shortwave infrared bands; and therefore, a number of vegetation indices can be calculated, including Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI) and Land Surface Water Index (LSWI) that is sensitive to leaf water and soil moisture. In this study, we developed a paddy rice mapping algorithm that uses time series of three vegetation indices (LSWI, EVI, and NDVI) derived from MODIS images to identify that initial period of flooding and transplanting in paddy rice fields, based on the sensitivity of LSWI to the increased surface moisture during the period of flooding and rice transplanting. We ran the algorithm to map paddy rice fields in 13 provinces of southern China, using the 8-day composite MODIS Surface Reflectance products (500-m spatial resolution) in 2002. The resultant MODIS-derived paddy rice map was evaluated, using the National Land Cover Dataset (1:100,000 scale) derived from analysis of Landsat ETM+ images in 1999/2000. There were reasonable agreements in area estimates of paddy rice fields between the MODIS-derived map and the Landsat-based dataset at the provincial and county levels. The results of this study indicated that the MODIS-based paddy rice mapping algorithm could potentially be applied at large spatial scales to monitor paddy rice agriculture on a timely and frequent basis.

In this paper, we developed a new geospatial database of paddy rice agriculture for 13 countries in South and Southeast Asia. These countries have ∼ 30% of the world population and ∼ 2/3 of the total rice land area in the world. We used 8-day composite images (500-m spatial resolution) in 2002 from the Moderate Resolution Imaging Spectroradiometer (MODIS) sensor onboard the NASA EOS Terra satellite. Paddy rice fields are characterized by an initial period of flooding and transplanting, during which period a mixture of surface water and rice seedlings exists. We applied a paddy rice mapping algorithm that uses a time series of MODIS-derived vegetation indices to identify the initial period of flooding and transplanting in paddy rice fields, based on the increased surface moisture. The resultant MODIS-derived paddy rice map was compared to national agricultural statistical data at national and subnational levels. Area estimates of paddy rice were highly correlated at the national level and positively correlated at the subnational levels, although the agreement at the national level was much stronger. Discrepancies in rice area between the MODIS-derived and statistical datasets in some countries can be largely attributed to: (1) the statistical dataset is a sown area estimate (includes multiple cropping practices); (2) failure of the 500-m resolution MODIS-based algorithm in identifying small patches of paddy rice fields, primarily in areas where topography restricts field sizes; and (3) contamination by cloud. While further testing is needed, these results demonstrate the potential of the MODIS-based algorithm to generate updated datasets of paddy rice agriculture on a timely basis. The resultant geospatial database on the area and spatial distribution of paddy rice is useful for irrigation, food security, and trace gas emission estimates in those countries.

Abstract. Human land use activities have resulted in large changes to the biogeochemical and biophysical properties of the Earth's surface, with consequences for climate and other ecosystem services. In the future, land use activities are likely to expand and/or intensify further to meet growing demands for food, fiber, and energy. As part of the World Climate Research Program Coupled Model Intercomparison Project (CMIP6), the international community has developed the next generation of advanced Earth system models (ESMs) to estimate the combined effects of human activities (e.g., land use and fossil fuel emissions) on the carbon–climate system. A new set of historical data based on the History of the Global Environment database (HYDE), and multiple alternative scenarios of the future (2015–2100) from Integrated Assessment Model (IAM) teams, is required as input for these models. With most ESM simulations for CMIP6 now completed, it is important to document the land use patterns used by those simulations. Here we present results from the Land-Use Harmonization 2 (LUH2) project, which smoothly connects updated historical reconstructions of land use with eight new future projections in the format required for ESMs. The harmonization strategy estimates the fractional land use patterns, underlying land use transitions, key agricultural management information, and resulting secondary lands annually, while minimizing the differences between the end of the historical reconstruction and IAM initial conditions and preserving changes depicted by the IAMs in the future. The new approach builds on a similar effort from CMIP5 and is now provided at higher resolution (0.25∘×0.25∘) over a longer time domain (850–2100, with extensions to 2300) with more detail (including multiple crop and pasture types and associated management practices) using more input datasets (including Landsat remote sensing data) and updated algorithms (wood harvest and shifting cultivation); it is assessed via a new diagnostic package. The new LUH2 products contain > 50 times the information content of the datasets used in CMIP5 and are designed to enable new and improved estimates of the combined effects of land use on the global carbon–climate system.

The surface urban heat island (SUHI), which represents the difference of land surface temperature (LST) in urban relativity to neighboring non-urban surfaces, is usually measured using satellite LST data. Over the last few decades, advancements of remote sensing along with spatial science have considerably increased the number and quality of SUHI studies that form the major body of the urban heat island (UHI) literature. This paper provides a systematic review of satellite-based SUHI studies, from their origin in 1972 to the present. We find an exponentially increasing trend of SUHI research since 2005, with clear preferences for geographic areas, time of day, seasons, research foci, and platforms/sensors. The most frequently studied region and time period of research are China and summer daytime, respectively. Nearly two-thirds of the studies focus on the SUHI/LST variability at a local scale. The Landsat Thematic Mapper (TM)/Enhanced Thematic Mapper (ETM+)/Thermal Infrared Sensor (TIRS) and Terra/Aqua Moderate Resolution Imaging Spectroradiometer (MODIS) are the two most commonly-used satellite sensors and account for about 78% of the total publications. We systematically reviewed the main satellite/sensors, methods, key findings, and challenges of the SUHI research. Previous studies confirm that the large spatial (local to global scales) and temporal (diurnal, seasonal, and inter-annual) variations of SUHI are contributed by a variety of factors such as impervious surface area, vegetation cover, landscape structure, albedo, and climate. However, applications of SUHI research are largely impeded by a series of data and methodological limitations. Lastly, we propose key potential directions and opportunities for future efforts. Besides improving the quality and quantity of LST data, more attention should be focused on understudied regions/cities, methods to examine SUHI intensity, inter-annual variability and long-term trends of SUHI, scaling issues of SUHI, the relationship between surface and subsurface UHIs, and the integration of remote sensing with field observations and numeric modeling.

Abstract To accurately assess the impacts of human land use on the Earth system, information is needed on the current and historical patterns of land‐use activities. Previous global studies have focused on developing reconstructions of the spatial patterns of agriculture. Here, we provide the first global gridded estimates of the underlying land conversions (land‐use transitions), wood harvesting, and resulting secondary lands annually, for the period 1700–2000. Using data‐based historical cases, our results suggest that 42–68% of the land surface was impacted by land‐use activities (crop, pasture, wood harvest) during this period, some multiple times. Secondary land area increased 10–44 × 10 6 km 2 ; about half of this was forested. Wood harvest and shifting cultivation generated 70–90% of the secondary land by 2000; permanent abandonment and relocation of agricultural land accounted for the rest. This study provides important new estimates of globally gridded land‐use activities for studies attempting to assess the consequences of anthropogenic changes to the Earth's surface over time.

Abstract. In Paris, France, December 2015, the Conference of the Parties (COP) to the United Nations Framework Convention on Climate Change (UNFCCC) invited the Intergovernmental Panel on Climate Change (IPCC) to provide a special report in 2018 on the impacts of global warming of 1.5 °C above pre-industrial levels and related global greenhouse gas emission pathways. In Nairobi, Kenya, April 2016, the IPCC panel accepted the invitation. Here we describe the response devised within the Inter-Sectoral Impact Model Intercomparison Project (ISIMIP) to provide tailored, cross-sectorally consistent impact projections to broaden the scientific basis for the report. The simulation protocol is designed to allow for (1) separation of the impacts of historical warming starting from pre-industrial conditions from impacts of other drivers such as historical land-use changes (based on pre-industrial and historical impact model simulations); (2) quantification of the impacts of additional warming up to 1.5 °C, including a potential overshoot and long-term impacts up to 2299, and comparison to higher levels of global mean temperature change (based on the low-emissions Representative Concentration Pathway RCP2.6 and a no-mitigation pathway RCP6.0) with socio-economic conditions fixed at 2005 levels; and (3) assessment of the climate effects based on the same climate scenarios while accounting for simultaneous changes in socio-economic conditions following the middle-of-the-road Shared Socioeconomic Pathway (SSP2, Fricko et al., 2016) and in particular differential bioenergy requirements associated with the transformation of the energy system to comply with RCP2.6 compared to RCP6.0. With the aim of providing the scientific basis for an aggregation of impacts across sectors and analysis of cross-sectoral interactions that may dampen or amplify sectoral impacts, the protocol is designed to facilitate consistent impact projections from a range of impact models across different sectors (global and regional hydrology, lakes, global crops, global vegetation, regional forests, global and regional marine ecosystems and fisheries, global and regional coastal infrastructure, energy supply and demand, temperature-related mortality, and global terrestrial biodiversity).

Simulations of nitrous oxide (N 2 O) and carbon dioxide (CO 2 ) emissions from soils were carried out with a rain‐event model of nitrogen and carbon cycling processes in soils (Li et al., this issue). Model simulations were compared with five field studies: a 1‐month denitrification study of a fertilized grassland in England; a 2‐month study of N 2 O emissions from a native and fertilized grassland in Colorado; a 1‐year study of N 2 O emissions from agricultural fields on drained, organic soils in Florida; a 1‐year study of CO 2 emissions from a grassland in Germany; and a 1‐year study of CO 2 emissions from a cultivated agricultural site in Missouri. The trends and magnitude of simulated N 2 O (or N 2 O + N 2 ) and CO 2 emissions were consistent with the results obtained in field experiments. The successful simulation of nitrous oxide and carbon dioxide emissions from the wide range of soil types studied indicates that the model, DNDC, will be a useful tool for studying linkages among climate, land use, soil‐atmosphere interactions, and trace gas fluxes.