非洲地区空间参考蒸散量数据集的比较与验证

《Hydrological Sciences Journal》：Comparison and validation of spatial reference evapotranspiration datasets over Africa

参考蒸散发数据集在非洲的适用性评估显示，高分辨率（如MSG、Bristol）在温带和热带气候区表现更优，R2和RMSE指标更接近地面观测值，但干旱区（Bw/BS）所有数据集均存在较大偏差（平均+36%），主要受气象输入数据质量（占比60-70%）和模型参数化（30-40%）影响。建议优先采用高分辨率数据并加强干旱区站点覆盖与输入数据校正。

　　
该研究针对非洲地区参考蒸散发（ET?）空间数据集的适用性展开系统性评估，旨在为水资源管理和农业规划提供可靠数据支持。研究选取了包括MSG、Bristol、AQUASTAT、WAPORv2/v3等在内的8个国际公开ET?数据集，通过对比165个地面气象站点的观测数据（2018-2022年），揭示了不同数据集在气候分异和空间分辨率上的性能差异。

### 一、研究背景与意义
非洲作为全球蒸散发需求最高的大陆之一，传统气象观测站点密度显著低于世界气象组织标准。现有研究显示，在撒哈拉以南非洲，约78%的行政区缺乏符合WMO标准的气象站点（Dinku, 2019）。这导致依赖站点观测的传统ET?估算方法难以满足大范围需求。空间化ET?数据集虽能填补观测空白，但其精度受输入气象数据质量、模型参数化方式及分辨率等多因素影响。该研究通过多维度验证，为选择最优数据集提供科学依据。

### 二、研究方法创新
1. **多源数据融合验证**：采用站点数据与8个空间数据集的逐日对比，创新性地引入气象要素输入差异分析（如GEOS5与ERA5的辐射参数对比），发现输入数据贡献率高达60-70%（方差分解结果）。
2. **气候分异验证**：基于柯本-克伦拜气候分类，将非洲划分为热带（Aw）、半干旱（Bw/BS）、温带（Cs/Cw）等气候单元，发现数据集性能存在显著气候适应性差异。
3. **海拔梯度分析**：将站点按海拔分为0-500m、500-1000m等五类，揭示高海拔地区数据集性能普遍优于低海拔区域（尤其是RMSE指标）。
4. **点-格协同验证**：开发双验证机制，既保持传统点格匹配验证法，又引入基于距离加权的空间插值法，结果显示两种方法对高分辨率数据集（如MSG）的评估结果差异小于5%。

### 三、关键研究发现
1. **分辨率与精度悖论**：高分辨率数据集（如MSG 5km、Bristol 10km）在多数气候区表现更优，但存在例外。例如WAPORv2（20km）在热带草原气候区（Aw）的R2值（0.71）显著高于同气候区的Bristol（0.58），揭示分辨率并非唯一决定因素。
2. **气候特异性表现**：
- **温带与热带气候（Cs/Cw, Aw）**：MSG数据集在R2（0.65-0.75）、RMSE（0.8-1.2mm/d）等指标上表现最优，尤其适合计算作物需水量等需要绝对精度（Bias≤0.2mm/d）的应用场景。
- **半干旱气候（Bw/BS）**：所有数据集均存在系统性偏差（+0.5-+1.0mm/d），其中FEWSNET的R2值（0.42）最低，但Bw区3个站点显示FEWSNET相对误差（RBias）最小（12.7%），提示局部适应性优化可能。
3. **输入数据主导性**：方差分析显示，气象输入数据差异是导致ET?估算偏差（Bias）和均方根误差（RMSE）的主要因素（贡献率60-70%）。例如，GEOS5与ERA5在风速和辐射数据上的差异导致ET?年际均值相差达105mm。
4. **模型参数化影响**：在海拔＞1000m区域，模型参数化差异对误差的贡献率升至40-50%。例如，AQUASTAT与WAPORv3在相同输入数据下，因长波辐射参数化方式不同，年ET?均值差异达32mm。

### 四、核心结论与建议
1. **数据集适用性分级**：
- **高精度需求场景**（如作物需水量计算）：推荐MSG（ Bias=-0.3±0.5mm/d，RMSE=0.9mm/d）和AQUASTAT（ Bias=+0.5±0.3mm/d）
- **短期监测需求**（如灌溉调度）：WAPORv2因R2值达0.71且能捕捉季节波动，更适合动态应用
- **特殊气候区**：Bw区建议采用FEWSNET（RBias=12.7%）并辅以本地校正

2. **数据改进方向**：
- **站点网络优化**：重点加密半干旱区（Bw/BS）及高海拔农业区（＞1500m）的TAHMO监测站
- **输入数据校正**：建议在GEOS5等基础数据中集成本地化辐射订正（如Roussink公式改进版）
- **混合模型开发**：采用WAPORv2的辐射数据与Bristol的湿度校正参数组合，可提升整体精度

3. **验证方法优化**：
- 引入空间插值补偿机制，将单点验证扩展为3×3km网格内的加权平均验证
- 开发气候-海拔联合验证框架，发现半干旱区（Bw）在海拔800-1200m时性能拐点，需针对性参数调整

### 五、实际应用启示
1. **灌溉管理**：在尼罗河三角洲（Bw气候）等高灌溉强度区域，建议采用FEWSNET数据（RBias=12.7%）配合土壤湿度监测进行动态校正。
2. **水资源规划**：东部非洲咖啡种植带（Cs气候）推荐使用AQUASTAT数据（R2=0.83），其高海拔特性（平均1500m）与WAPORv3的参数化改进可降低10-15%的年ET?估算误差。
3. **灾害预警**：在热带草原气候区（Aw），MSG数据集的暴雨期ET?超调率达+25%，需结合Landsat NDVI指数进行阈值校准。

### 六、研究局限性
1. **站点覆盖偏差**：现有TAHMO站点中，64%位于Aw气候区（占非洲总面积27.8%），Bw区仅3个站点，导致干旱区结论置信度较低（p<0.05水平下需至少8个独立站点验证）。
2. **数据缺失处理**：27.8%的观测数据缺失可能影响低分辨率数据集（如FEWSNET）的统计显著性，建议采用多重插补法（MICE）进行缺失值填补。
3. **模型简化影响**：未考虑植被覆盖动态变化（如雨季作物系数提升），未来可集成MODIS植被指数进行参数动态修正。

该研究为非洲ET?数据应用提供了分级指南，特别强调在半干旱区需结合本地订正。建议后续研究采用Sentinel-2时空分辨率数据优化模型输入，并开发基于机器学习的区域适配参数化模块，以提升跨气候区的适用性。对于当前数据使用者，可依据气候类型选择主数据集（Aw区MSG、Cs区AQUASTAT），在BS/Bw区优先验证3个以上本地站点后再应用空间数据。