我校環(huán)境學院張繼權教授環(huán)境/災害風險綜合評價與安全協(xié)同防控團隊在利用衛(wèi)星遙感指標估算植被蒸散方面取得重要研究進展。本研究提出一種新的植被蒸散的估算模型，模型基于NIRvP（近紅外反射率指數(shù)NIRv與光合有效輻射PAR的乘積），采用隨機森林方法實現(xiàn)潛在蒸散（ETo）和實際蒸散（ET）的估算，獲得0.05°分辨率的中國ETo以及美國和歐洲的ET。該成果以“NIRvP在估算蒸散量方面的潛力”為題，發(fā)表于遙感領域國際頂級期刊《Remote Sensing of Environment》；第一作者為博士研究生查爾斯，通訊作者為環(huán)境學院張繼權教授。
研究背景 | Background
蒸散（ET）是指通過土壤蒸發(fā)和植物蒸騰作用損失到大氣中的水總量。蒸散是水循環(huán)的關鍵組成部分，在水、能量和碳水化合物的循環(huán)中起著重要作用。相應地，作物參考蒸散量（ETo）與ET作為植物需水量的重要指標，對農業(yè)生產和水資源管理至關重要。ETo或者ET的準確估算可以幫助農業(yè)合理安排水資源，從而提高農田水資源利用效率，適應區(qū)域和季節(jié)性需求變化。同時，可靠的ETo或ET數(shù)據(jù)對于準確模擬全球水循環(huán)和氣候模型至關重要。由于地面觀測站數(shù)量和分布的限制，準確估算區(qū)域尺度或全球ETo和ET一直是一個挑戰(zhàn)。
最近開發(fā)的近紅外反射指數(shù)（NIRv）已被證明與植被光合作用密切相關，并且還具有估算總初級生產力（GPP）的潛力。NIRv和光合有效輻射（PAR）的乘積NIRvP已被證明是植被光合作用的更穩(wěn)健指標，并且通過比較，NIRvP和GPP之間的關系可能優(yōu)于日光誘導葉綠素熒光（SIF）。此外，植被光合作用、代謝過程、氣孔導度和蒸騰作用在一定程度上是耦合的。因此，這些新開發(fā)的指數(shù)在估算ET或ETo方面也具有很大的潛力。因此，比較和識別更有利的遙感指標對于準確的ET或ETo估算具有重要意義。
基于上述幾點，本研究的主要目標是：（1）比較不同衛(wèi)星衍生的SIF（主要來自OCO-2和TROPOMI等更高分辨率傳感器）、NIRv和NIRvP在估算ET或ETo方面的能力;（2）使用最佳指數(shù)逐像元估算中國ETo和歐洲和美國ET，并與現(xiàn)有產品進行精度對比;（3）揭示影響最優(yōu)估算指數(shù)與ET或ETo之間關系的因素。本研究的理論意義在于通過比較和驗證不同指標估算ET的有效性，為估算植被蒸散量提供更準確、更可靠的方法。為全球范圍內的水文循環(huán)、生態(tài)系統(tǒng)監(jiān)測和水資源管理提供更可靠的數(shù)據(jù)支持。在實踐中，它對農業(yè)灌溉、水資源規(guī)劃和環(huán)境管理具有重要價值，有助于優(yōu)化農業(yè)生產，提高水資源利用效率，為環(huán)境保護和可持續(xù)發(fā)展提供科學依據(jù)。
研究方法 | Methodology
本研究根據(jù)菲克定律和最佳氣孔行為模型，結合植被光合作用指標和氣象參數(shù)，開發(fā)了一個半經驗模型ETo(ET) = f (NIRvP × VPD0.5)。利用地面觀測的氣象站點數(shù)據(jù)分別基于Penman-Monteith方程和Priestly-Taylor方程計算參考作物蒸散ETo-PT和ETo-PT作為ETo真值。選擇中國作為研究區(qū)，對比SIF、NIRv和NIRvP與ETo-PT和ETo-PT的線性和非線性關系（機器學習模型包括：嶺回歸Ridge，支持向量機SVR和隨機森林RF）；利用FLUX NET數(shù)據(jù)集的潛熱通量（LE）數(shù)據(jù)，根據(jù)潛熱通量轉換公式得到FLUX ET作為ET真值，選擇美國和歐洲作為研究區(qū)，對比SIF、NIRv和NIRvP與FLUX ET的線性和非線性關系；再利用最優(yōu)估算指標與輔助指標，基于隨機森林模型，我們精準估算了中國的ETo和美國及歐洲的ET。
本研究的主要貢獻是：
（1）根據(jù)研究結果，NIRvP在估算ETo和ET方面表現(xiàn)良好，其性能可能優(yōu)于SIF。
（2）本研究所提出的模型更簡單，使用的參數(shù)更少。對比具有更復雜模型的傳統(tǒng)方法，本研究提出的方法減少了計算成本和提高精度。
圖1 技術路線
核心結論 | Results
相比各種SIF和NIRv，NIRvP與ETo-PM和ET的線性關系更強。同時，經過VPD0.5的縮放，NIRvP與ETo-PM的線性關系得到增強。非線性關系上，基于性能最佳的RF的結果表明，NIRvP×VPD0.5擬合的ETo仍然具有最高的R2；NIRvP和VPD0.5擬合ET也具有最高的R2。
圖2 各指標逐站點擬合ETo-PM的R2的空間分布
圖3 基于RF模型利用各指標逐站點擬合ETo-PM的R2的空間分布
圖4 基于三個機器學習模型，各種指標擬合ETo-PM的R2和NRMSE
圖5 各種指標與FLUX ET之間的線性關系比較
圖6 基于三個機器學習模型，對各指標對觀測ET擬合R2和重要性評價
由于影響蒸散的因素多種多樣，僅使用植被遙感數(shù)據(jù)估算蒸散可能還不夠。這里介紹一些除植被遙感指標外的輔助指標，以進一步估算蒸散量。我們共選擇了7個輔助指標（包括降水PRE、氣壓PRS、溫度TEM、短波輻射SRD、光合有效輻射PAR、相對濕度RH和土壤濕度SM）作為特征變量來輔助估算ETo和ET。通過對比不同輔助指標組合的估算精度，我們確定了最佳的輔助指標：TEM和PAR，實現(xiàn)了擬合精度R2高達0.9368。此外，通過累積組合，我們也確定了估算ET的最佳特征指標：PRS、PAR和SM，實現(xiàn)了擬合精度R2高達0.7824。
圖7 基于NIRvP和不同的輔助指標組合估算的ETo（a）和ET（b）R2的對比
我們分別對比了基于NIRvP×VPD0.5估算的ETo、ERA5 PET、GLEAM PET、MODIS PET與ETo-PM.的精度，結果表明，根據(jù)NIRvP ×VPD0.5估算的ETo的精度高于其他三種產品。我們又對比了使用NIRvP 估算的ETNIRvP、BESS ET、ERA5 ET、GLEAM ET、MODIS ET與FLUX ET的精度，結果表明，對比其他產品，ETNIRvP與FLUX ET具有最高的R2。這說明NIRvP在估算ETo和ET方面具有巨大潛力。因此，我們有理由認為NIRvP作為植被光合活性的另一個指標，具有估算大尺度ETo和ET的潛力。
圖8 根據(jù)NIRvP × VPD0.5估算ETo與其他三種PET產品的精度比較
圖9 根據(jù)NIRvP估算ET與其他四種ET產品的精度比較
該研究得到了國家“十四五”重點研發(fā)項目、國家自然科學基金區(qū)域創(chuàng)新發(fā)展聯(lián)合基金（重點項目）、國際 (區(qū)域) 合作與交流項目、吉林省重大科技計劃項目等項目的支持。
文章引用格式 | Reference：
Ersi, C., Sudu, B., Song, Z., Bao, Y., Wei, S., Zhang, J. et al. (2024). The potential of NIRvP in estimating evapotranspiration. Remote Sensing of Environment, 315, 114405.
論文鏈接 | Link：
https://doi.org/10.1016/j.rse.2024.114405
