利用光学-微波闪烁技术验证摩洛哥橄榄园的热量平衡模型

《Agricultural Water Management》：Use of optical-microwave scintillometry to validate a thermal energy balance model for an olive orchard in Morocco

　　J. Ezzahar|A. Chehbouni|H. Bargauche|M. Kharrou|J. El Farkh|S. Er-Raki|S. Khabba|B. Ait Hssaine|O. Hartogensis
摩洛哥萨菲市卡迪阿亚德大学（ENSA）

**摘要**
本研究探讨了光学-微波闪烁仪（OMS）在量化潜热通量（LE）方面的性能，并评估了其在验证土壤-植物-大气和遥感蒸散（SPARSE）模型中的有效性，该模型基于LANDSAT卫星数据。研究在摩洛哥中部的Agdal橄榄园进行，覆盖了2022年5月至2023年5月的整个年度周期。在第一阶段，将OMS测得的潜热通量与涡度协方差（EC）测量结果进行了比较。比较显示两者有合理的一致性，决定系数（R2）为0.77，均方根误差（RMSE）为26.31 W m?2。差异主要归因于空间范围的差异，因为OMS测量的通量范围远大于EC。在第二阶段，使用SPARSE模型（基于LANDSAT-8/9数据，并根据OMS和EC的空间范围进行加权）估算的潜热通量与观测值进行了对比。模型表现良好，R2值分别为0.83（EC）和0.71（OMS），RMSE分别为28.5 W m?2和23.65 W m?2。然而，当将输入数据在整个Agdal区域内聚合而不进行空间加权时，EC的模型性能显著下降（R2=0.53，RMSE=40.16 W m?2），而基于OMS的验证结果仍然稳定，表明其在较大尺度上捕捉平均通量的能力更强。这些发现突显了OMS作为测量大尺度潜热通量的有力工具，并支持将其作为大尺度模型评估的更可靠基准。

**1. 引言**
准确估算蒸散（ET）对于理解地表能量通量、水分平衡、碳循环以及水资源的有效管理至关重要（Fisher等人，2017年）。作为陆地水循环的第二大组成部分，ET将超过60%的降水重新释放到大气中，在干旱和半干旱地区这一比例超过90%，因为这些地区的大气需求高且水资源稀缺，从而加剧了蒸发损失（Gao等人，2018年）。ET还在地表能量平衡中起着关键作用，占陆地表面吸收的太阳能的一半以上（Trenberth等人，2009年）。特别是在灌溉农业景观中，随着气候变化、干旱和水资源利用加剧，对空间连续ET制图的需求日益紧迫，这导致地下水位显著下降（Amazirh等人，2024年；Rafik等人，2023年；Hssaisoune等人，2020年；Ait Brahim等人，2016年）。基于卫星的遥感ET（RS-ET）提供一种可扩展且成本效益高的替代方案，能够在不同生态系统中进行景观级监测（Xiao等人，2024年；Volk等人，2024年；Li等人，2017年；Ma等人，2018年；Senay等人，2013年；Bhattarai等人，2019年；Anderson等人，2011年；Tang等人，2024年；Sun等人，2025年；Wang等人，2025年）。由于卫星无法直接测量ET，RS-ET方法依赖于从遥感变量推断ET的模型。在这方面，已经开发了多种基于RS的ET模型，每种模型都基于不同的物理原理和假设。其中，基于温度的模型利用热红外遥感获取的地表温度（LST）来估算感热通量，从而通过地表能量平衡的残差来确定ET（Norman等人，1995年；Bastiaanssen等人，1998年；Su，2002年；Allen等人，2007年；Bastiaanssen等人，2005年；Tang和Li，2017a年；Elfarkh等人，2020年；Ait Hssaine等人，2020年；Elfarkh等人，2022年；Barguache等人，2025年）。另一种方法是这些模型从蒸发分数中推导ET，蒸发分数代表可用能量在潜热通量和感热通量之间的分配（Tang等人，2010年；Li等人，2019年；Tang等人，2022年）。基于传导率的ET模型通常依赖于Penman–Monteith（P-M）方程，结合短波遥感数据来估算叶片或冠层的蒸腾传导率（Chen和Liu，2020年）。此外，基于土壤湿度的模型，如那些整合微波遥感的模型，通过评估地表水分可用性间接估算ET（Feng等人，2023年；Tian等人，2021年）。尽管这些模型在方法上有所不同，但它们都依赖于一系列假设和参数化，这可能会引入ET估算的不确定性。因此，对RS-ET产品进行严格的验证是确保其准确性和可靠性的关键（Sriwongsitanon等人，2020年）。

验证RS-ET产品仍然是一个重大挑战，主要是因为涉及的空间尺度较大。例如，卫星像素的粗糙分辨率和较大的景观单元使得与现场测量的比较变得复杂。涡度协方差（EC）系统常被用作ET的地面参考测量，但由于其相对较小的空间范围，限制了它们在较大尺度上进行直接验证的能力（Elfarkh等人，2020年）。一种可能的方法是部署一个斑块级EC系统网络，并将其测量结果汇总以近似公里级的通量。然而，除了EC设备的高成本外，通量测量点的空间密度通常不足以捕捉地表通量的异质性，从而在放大EC通量数据时产生潜在偏差（Wang等人，2016年；Li等人，2018年；Li等人，2021年）。这些限制突显了需要替代方法来有效填补尺度差距，以实现更具代表性和准确性的通量测量，以验证RS-ET产品。

在这项研究中，我们将探索在摩洛哥中部半干旱地区使用光学-微波闪烁仪（OMS）这一先进的地面遥感技术来验证RS-ET产品。闪烁仪系统包括一个发射电磁波束的发射器（通常在光学或微波光谱范围内）和一个接收器，该接收器检测由热和水分沿仪器路径的湍流运动引起的强度波动。强度波动被转换为折射率结构参数的度量，基于湍流和波传播理论（Wang等人，1978年；Lüdi等人，2005年）。然后使用该参数来推导温度和湿度结构参数（Hill等人，1980年），这些参数用于通过相似性理论计算热量和水蒸气通量（Green等人，2001年；Meijninger等人，2002年；Meijninger等人，2006年；Ezzahar和Chehbouni，2009年）。OMS系统由两个闪烁仪组成，一个使用光学信号，另一个使用微波信号（Green等人，2001年）。光学信号主要响应由感热通量驱动的温度变化，而微波信号对温度和水蒸气波动都敏感（Andreas，1989年）。与EC系统相比，OMS具有多个优势，特别是由于其较大的空间范围，通常在10到100平方公里之间。这种更广泛的覆盖范围使OMS能够捕捉异质表面的通量，发射器和接收器位于研究区域的边缘（Lobos-Roco等人，2022年；Meijninger等人，2002年；Meijninger等人，2006年；Isabelle等人，2020年）。这种设置在很大程度上是有利的，因为闪烁仪对路径中央部分的波动最为敏感，而EC系统通常位于测量区域的中心（Ezzahar等人，2007年）。2014年商用微波闪烁仪的引入（Liu和Xu，2018年；Mashchwitz和Hartogensis，2015年）扩展了OMS在各种表面类型上的应用范围，包括植被区域（Zhang等人，2021年；Isabelle等人，2020年；Zheng等人，2023年；Aguirre等人，2022年）和开放水域环境（Lobos-Roco等人，2022年；Pierre等人，2022年）。正如Zheng等人（2023年）所报告的，大多数研究发现，使用OMS计算的感热通量与EC测量的通量非常接近，线性回归斜率介于0.82到1.02之间（Yee等人，2015年；Isabelle等人，2020年；Zhang等人，2021年）。相反，OMS得到的潜热通量通常高于EC得到的潜热通量。比较OMS和EC的线性回归斜率范围为1.11到4.44（Yee等人，2015年；Isabelle等人，2020年；Zhang等人，2021年），这可以归因于OMS和EC系统之间的空间范围差异以及EC方法本身的能量不平衡。为了说明后者问题，Zheng等人（2023年）的一项最新研究表明，虽然OMS系统在均匀表面的能量平衡闭合比率与EC系统相似，但在异质表面上高出了26%。尽管取得了这些进展，但在不同的气候、植被（高大且稀疏）和土壤湿度条件下，仍需进一步验证OMS。因此，这项研究的核心问题是：OMS是否能够在半干旱环境中为验证RS-ET提供比EC更准确和更具代表性的通量测量？

为了解决这个问题，我们将使用土壤-植物-大气和遥感蒸散（SPARSE）模型，该模型是基于双源能量平衡（TSEB）模型（Norman等人，1995年）扩展的温度模型，来估算RS-ET（Boulet等人，2015年；Elfarkh等人，2022年；Saadi等人，2018年）。与原始的TSEB模型使用Priestley–Taylor方法不同，SPARSE模型采用了Penman–Monteith公式，改善了半干旱条件下的ET估算（Colaizzi等人，2012年）。SPARSE模型使用两种不同的配置：“斑块”和“层”。在“斑块”配置中，土壤和冠层源相邻放置，允许土壤直接与冠层上方的空气相互作用。相比之下，“层”配置使用电阻网络将土壤和植被的热源与主要参考水平关联起来。该网络通过一个共同的空气动力水平进行运作，可以概念化为一系列电气分支。到目前为止，只有少数研究（Saadi等人，2018年；Elfarkh等人，2022年）使用单独的光学闪烁仪评估了SPARSE模型在稀疏和异质冠层上的通量测量结果。这些研究报道了从可用能量残差得到的潜热通量（LE）与闪烁仪测量的感热通量（H）以及SPARSE模拟的LE之间存在显著差异。这些差异主要归因于能量平衡闭合的不确定性，突显了单独使用光学闪烁仪的局限性。为了克服这一问题，我们将充分利用OMS的功能，它能够同时直接获取感热和潜热通量，从而减少对能量平衡残差方法的依赖，并提高异质表面上通量分割的准确性。

我们的研究在马拉喀什市附近的Agdal橄榄园进行，持续时间为一年（2022年5月至2023年5月），作为ASSIWAT和FIRMA项目的一部分。我们使用基于LANDSAT数据的SPARSE模型来估算Agdal景观单元的ET，并将模型与EC和OMS系统的通量测量结果进行验证。最初，将在EC和OMS系统的各自空间范围内进行验证，以评估模型在局部尺度上的性能。随后，我们将评估在整个Agdal景观单元上EC和OMS衍生的通量与RS-ET估算结果的一致性，从而全面评估SPARSE模型在异质地形上的准确性。

本文的结构如下：第2节描述了实验设置、用于数据收集的仪器以及方法论方法。第3节介绍了在OMS和EC系统空间范围内以及整个Agdal范围内对SPARSE模型预测的评估。第4节总结了主要发现和意义。

**2. 数据、SPARSE模型和方法概述**
**2.1. 现场数据**
2022年5月，作为ASSIWAT和FIRMA项目的一部分，在摩洛哥马拉喀什市东南部（31°36′N，07°59′W）的275公顷Agdal橄榄园内设置了一个实验。该地区的气候特征为半干旱地中海型气候。大部分降水发生在冬季和春季，通常从11月初持续到4月底。年平均降水量在175至250毫米之间。该地区的空气非常干燥，平均湿度约为56%。此外，潜在的蒸发率也很高，估计每年约为1600毫米，远远超过了当地的年降水量。该地区的土壤主要为沙质粘土。如图1所示，黄色框标出了实验研究区域的边界。我们场地里的橄榄树平均高度为6米，橄榄树的密度约为每公顷225株。大多数树木的年龄约为220年，在某些区域还种植了新的橄榄树。需要注意的是，这些橄榄树最初采用传统的漫灌方式进行灌溉，后来随着2008年启动的“绿色摩洛哥”计划，灌溉方法改为滴灌。在实验田的中心位置，13米的高度上安装了一个IRGASON系统（见图1）。该系统包括一个中红外吸收气体分析仪和一个三维声学风速计。气体分析仪用于测量二氧化碳和水蒸气的绝对浓度，而声学风速计则记录风的各个分量。CR1000数据记录器以20赫兹的频率采集原始数据。然后使用“Easyflux”涡度协方差处理软件（https://www.campbellsci.com/easyflux-pc）离线计算半小时的通量。这个免费软件通过以下方法处理高频时间序列数据来计算通量：（1）根据声学风速计和气体分析仪的诊断代码、信号强度以及测量输出范围阈值进行去噪和过滤；（2）应用坐标旋转，可以选择双旋转方法或平面拟合方法（Wilczak等人，2001年）；（3）通过滞后H2O和CO2测量值与声学风速值来最大化H2O通量（Horst和Lenschow，2009年）；（4）应用Moncrieff等人（2004年）的低频校正；（5）应用Moncrieff等人（1997年）、Massman（2000年）或Horst（1997年）的高频校正；（6）根据Van Dijk等人（2004年）的方法校正湿度对温度的影响；（7）应用Webb等人（1980年）的方法校正空气密度波动。除了标准的数据处理步骤外，还遵循Liu等人（2011年）和Liu与Xu（2018年）的方法实施了四项质量控制程序，以确保EC通量的可靠性：（i）在传感器出现故障时（包括降雨事件、维护期间和停电时）丢弃数据；（ii）如果30分钟的原始记录不完整，则排除这些数据；（iii）在湍流较弱的时期拒绝数据，以摩擦速度作为判断标准；（iv）评估能量平衡。

在IRGASON塔的附近，安装了一组标准气象仪器，使用HygroVUE10探针（Vaisala）测量空气温度和湿度，使用CNR4（Kipp & Zonen）在9.23米的高度测量净辐射，以及使用土壤热通量板（HFP01，Campbell Scientific Ltd.）在5厘米和10厘米深度测量土壤热通量。在5厘米深度，策略性地安装了三个通量板以捕捉空间变化：一个位于两排树木之间，另一个位于两棵单独的树木之间，第三个位于两个灌溉滴头之间。这三个测量值的平均值被计算出来，并用于能量平衡分析，以代表表面土壤热通量。

此外，还设置了一个光学/微波闪烁仪（OMS），其光线在田间交叉，接收器位于东北角，发射器位于西南角（见图1）。OMS由一个工作在1.86毫米波长的RPG-MWSC-160闪烁仪（Radiometer Physics GmbH）和一个工作在850纳米波长的Extra-Large闪烁仪（XLAS MkI，Kipp & Zonen）组成。发射器安装在三脚架上，高度为13米，而接收器则位于一个13米高的塔上。OMS的光学路径长度约为1.2公里。OMS系统以1千赫的频率同时记录两种波长的强度波动时间序列。记录的信号与综合气象站（风速和空气温度）的辅助观测数据一起使用MWSC软件（RPG，2018年）在线计算湍流动感（HOMS）和潜热（LEOMS）通量。推导湍流通量的理论基础见附录A.1。数据处理遵循Lüdi等人（2005年）的方法。首先，计算了微波和光学闪烁仪信号的方差及其协方差。然后，利用这些测量值通过折射率结构参数来表征湍流场。接着，通过折射率结构参数（Cn,opt2, Cn,mw2, Cn,OMS）进一步表征湍流场的温度和湿度。最后，使用Lüdi等人（2005年）提出的双色方法从折射率结构参数中推导出温度和湿度结构参数（CT2和Cq2）。最后，将得到的温度和湿度结构参数与气象站的观测数据结合，并应用Monin–Obukhov相似性理论（MOST）通过迭代方案实时推导出HOMS和LEOMS。在本研究中，MOST系数的默认值取自Li等人（2012年）。同样，空气动力粗糙度长度和零位移高度分别使用许多闪烁学研究或遥感蒸发模型中的常用参数化值，即0.13米和（2/3）米，其中h表示植被高度（Peng等人，2023年；Isabelle等人，2020年；Zheng等人，2023年）。为了确保OMS数据的可靠性，采用了五项质量控制程序：（i）在传感器故障期间（包括降雨事件、维护期和停电期间）丢弃数据；（ii）如果30分钟的原始记录不完整，则排除数据；（iii）在湍流较弱的时期拒绝数据，以摩擦速度作为判断标准；（iv）评估能量平衡的闭合性。

在IRGASON塔附近，安装了一套标准气象仪器，使用HygroVUE10探针（Vaisala）测量空气温度和湿度，使用CNR4（Kipp & Zonen）在9.23米的高度测量净辐射，以及使用土壤热通量板（HFP01，Campbell Scientific Ltd.）在5厘米和10厘米深度测量土壤热通量。在5厘米深度，策略性地安装了三个通量板以捕捉空间变化：一个位于两排树木之间，另一个位于两棵单独的树木之间，第三个位于两个灌溉滴头之间。这三个测量值的平均值被计算出来，并用于能量平衡分析，以代表表面土壤热通量。

此外，还设置了一个光学/微波闪烁仪（OMS），其光线在田间交叉，接收器位于东北角，发射器位于西南角（见图1）。OMS由RPG-MWSC-160闪烁仪（Radiometer Physics GmbH）和Extra-Large闪烁仪（XLAS MkI，Kipp & Zonen）组成，前者工作在1.86毫米波长，后者工作在850纳米波长。发射器安装在三脚架上的建筑物上，高度为13米，而接收器位于一个13米高的塔上。OMS的光学路径长度约为1.2公里。OMS系统以1千赫的频率同时记录两种波长的强度波动时间序列。记录的信号与综合气象站的数据（风速和空气温度）结合，使用MWSC软件（RPG，2018年）在线计算湍流动感（HOMS）和潜热（LEOMS）通量。推导湍流通量的理论基础见附录A.1。数据处理遵循Lüdi等人（2005年）的方法。首先，计算了微波和光学闪烁仪信号的方差及其协方差。其次，利用这些测量值通过折射率结构参数来表征湍流场的温度和湿度。接着，通过折射率结构参数（Cn,opt2, Cn,mw2, Cn,OMS）进一步表征湍流场的温度和湿度。最后，根据Lüdi等人（2005年）提出的双色方法，从折射率结构参数中推导出温度和湿度结构参数（CT2和Cq2）。最后，将得到的温度和湿度结构参数与气象站的观测数据结合，并应用Monin–Obukhov相似性理论（MOST），通过迭代方案实时推导出HOMS和LEOMS。在本研究中，MOST系数的默认值取自Li等人（2012年）。同样，空气动力粗糙度长度和零位移高度分别使用许多闪烁学研究或遥感蒸发模型中的常用参数化值，即0.13米和（2/3）米，其中h表示植被高度（Peng等人，2023年；Isabelle等人，2020年；Zheng等人，2023年）。为了确保OMS数据的可靠性，采用了五项质量控制程序：（i）在降雨事件期间收集的数据被丢弃；（ii）根据Kleissl等人（2010年）的方法对OMS信号进行饱和度校正；（iii）拒绝因传感器故障（包括维护期或仪器故障）受到影响的数据；（iv）在湍流较弱的条件下记录的数据被排除；（v）在强风条件下获取的数据被丢弃，以尽量减少风引起的仪器振荡的影响（Meijninger等人，2006年），特别是因为由于仪器设置限制，无法评估高频（1千赫）光谱诊断。

下载：下载高分辨率图像（2MB）
下载：下载全尺寸图像
图1. 研究场地概览：OMS测量路线（蓝线），(a) OMS发射器，(b) 涡度协方差塔，(c) OMS接收器。

2.2. 遥感数据
本研究中使用的遥感数据来自美国地质调查局（USGS）运营的Landsat 8和Landsat 9卫星任务。这两个平台都配备了两种关键仪器：操作陆地成像仪（OLI）和热红外传感器（TIRS），它们共同提供了多光谱和热观测数据，这对于监测地表过程和支持基于能量平衡的蒸发模型至关重要。OLI传感器可以获取涵盖可见光（VIS）、近红外（NIR）和短波红外（SWIR）领域的九个光谱带的表面反射率数据，空间分辨率为30米。这些光谱带可以用来反演关键的生物物理变量。具体来说，通过红光和近红外波段计算归一化植被指数（NDVI），而宽带表面反照率则是通过反射率波段的加权组合来估计的。另一方面，TIRS传感器在两个光谱带（10和11）中获取热红外（TIR）数据，原始空间分辨率为100米，之后重新采样为30米以与OLI的数据对齐。通过将热辐射转换为温度，并利用两个波段10和11来提高精度并最小化大气影响，从而从TIRS数据中反演地表温度（LST）。此外，根据已建立的考虑植被覆盖变化的经验关系，根据NDVI反演地表发射率。

2.3. SPARSE模型描述
SPARSE双源模型分别独立求解土壤和植被的能量预算，两者分别与大气相互作用（Boulet等人，2015年；Saadi等人，2018年）。该模型旨在解决空气动力温度与地表温度不匹配的问题，通过引入多项改进增强了原始的双源能量平衡（TSEB）模型（Norman等人，1995年），特别是明确考虑了水汽压差效应。SPARSE线性化了完整的能量预算方程组，并依赖于空气动力阻力来进行动量传递的表述（Choudhury和Monteith，1988年），并结合了测量的风速以及基于 Bulk Richardson 数值的大气稳定性校正（Trebs等人，2021年）。在本研究中，采用了适用于Agdal场地特征的方法，即土壤表面大部分裸露、没有下层植被覆盖，且土壤与树冠之间的垂直耦合较弱。通过结合地表温度，SPARSE同时求解控制土壤和植被能量平衡的四个方程（方程（1）和（2）以及相关的湍流通量（方程（3）和（4））。
(1) Rns = Hs + LEs
(2) Rnv = Hv + LEv
(3) H = Hv + Hs
(4) LE = LEv + LEs
(5) σ?surfTsurf = ?LWatm,in ? LWn

Rn代表净辐射，G表示土壤热通量。感热通量和潜热通量分别用H和LE表示。下标“s”和“v”分别表示来自土壤和植被的贡献。Tsurf和?surf分别代表卫星观测到的地表温度和发射率。σ代表Stefan–Boltzmann常数。LWatm,in表示入射的大气长波辐射，而LWn表示净长波辐射。G表示土壤表面的净辐射的一部分，计算公式为：
(6) G = ξRns

土壤和植被组分的潜热通量表示为：
(7) LEv = ρcpγβvesat(Tv) ? e0rvv
(8) LEs = ρcpγβsesat(Ts) ? e0ras

同理，感热通量表示为：
(9) Hv = ρcpTv ? T0rav
(10) Hs = ρcpTs ? T0ras

其中ρcp表示空气的比热容；γ是心理温度常数；βs和βv分别是土壤蒸发效率和树冠蒸腾效率；esat(Tx) = esat(Ta) + Δ(Tx?Ta)表示温度Tx（x = v或s）下的饱和蒸汽压，Δ表示蒸汽压-温度曲线的斜率；e0是空气动力层的分压力；ras是土壤到空气动力层的阻力；rvv = rav + rsto表示植被到空气动力层之间的最小总阻力；rav是植被到空气动力层的阻力；rsto是气孔阻力。

为了考虑空气动力阻力对大气稳定性的依赖性，空气动力温度T0、组分温度Tx、能量通量和空气动力层的气压e0是通过迭代方法求解的。每次迭代时都使用Richardson数值更新稳定性校正，直到收敛。

SPARSE模型最初以两种极端情况运行的预设模式运行：完全无胁迫的植被和完全受胁迫的植被，分别对应于最小和最大的表面阻力。在这一阶段，使用与TSEB模型（Kustas和Norman，1999年）相同的方法计算理论蒸发和蒸腾通量。这些潜在通量作为反演模式的参考阈值。在反演过程中，首先在无水分胁迫的假设下计算LEv，然后使用TS得出LEs。如果得到的LEs值为负，则表明无胁迫植被的假设无效。在这种情况下，模型调整假设为植被受到水分胁迫且土壤表面干燥。运行SPARSE模型需要以下输入数据：地表温度、表面发射率、表面反照率、叶面积指数、树冠高度、入射太阳辐射、风速、空气温度和参考水平的相对湿度。关键参数包括最小气孔阻力rsto、叶片宽度（w）、土壤净辐射与土壤热通量的比率（ξ）、消光系数（k）以及空气动力阻力中的系数（nsw），这些参数是通过最小化估算和测量EC湍流通量之间的均方根误差（RMSE）确定的（Elfarkh等人，2022年）。

2.4. 方法论
本研究采用的方法包括两个主要部分：（1）第一部分涉及在Landsat卫星过境期间，将SPARSE模型计算的通量与涡度协方差（EC）和光学-微波闪烁仪（OMS）系统的现场测量数据进行验证。为此，根据EC和OMS系统的相应覆盖范围值仔细对LANDSAT 8和9的数据进行了加权（见附录A.2）。这些权重因子在考虑测量足迹内通量的空间异质性方面至关重要，确保模型输出能够准确反映LANDSAT飞行期间观察到的实际通量情况。总共使用了21张LANDSAT 8和9的图像进行这项分析。利用这些加权输入，SPARSE模型被用来模拟关键的能量通量，包括显热通量和潜热通量。鉴于OMS尚未应用于当地半干旱条件下的滴灌橄榄园，该部分还包括对地表能量平衡闭合情况的评估，以及使用半小时日间数据对整个研究期间OMS和EC通量测量的比较分析。这种季节性分析为OMS作为半干旱环境中能量平衡应用验证工具的可靠性提供了关键见解。

第二部分评估了SPARSE在Agdal橄榄园整个景观尺度上的表现。遥感数据被空间聚合到Agdal地块的范围，并用于驱动SPARSE模拟。目标是确定SPARSE模拟的通量与OMS和EC系统测量的通量之间的一致性。本研究使用的评估指标包括均方根误差（RMSE（W/m2）、平均差异（Bias（Wm?2）和决定系数（R2），以及能量平衡比率（EBR），定义为湍流通量总和与可用能量（AE=Rn?G，其中Rn是净辐射，G是土壤热通量）的比率。

3. 结果
3.1. 脚迹加权验证：SPARSE与OMS和EC的对比
3.1.1. EC和OMS的地表能量平衡闭合
图2比较了整个研究期间EC和OMS系统测量的可用能量（Rn?G）与湍流通量总和（H+LE）。两种测量方法之间存在明显差异。EC系统系统性地低估了湍流通量，这体现在较低的EBR（0.78）和中等的R2（0.71）上。这一低估进一步得到了较高的RMSE（101.33 Wm?2）和显著负偏差（–71.9 Wm?2）的支持，表明使用EC测量时地表能量平衡存在持续的闭合不足问题。这一发现与涡度协方差系统常见的能量平衡差距相符。观察到的低估幅度在主要通量网络和实验报告中提到的范围内，如表1所总结的。Mauder等人（2007年）和Foken（2008年）的先前研究表明，在复杂地形中，EC测量未能完全捕捉到次级环流和较大涡旋。这一限制可能是导致观察到的能量不平衡的重要因素。相比之下，OMS系统表现出显著改善的地表能量平衡闭合效果，相对于EC系统提高了约16%。比较结果显示更高的EBR（0.94）和更强的线性一致性（R2=0.86）。较低的RMSE（69.47 Wm?2）和较小的偏差（–20.27 Wm?2）进一步证实了可用能量与湍流通量之间的一致性增强。这些结果表明，OMS方法显著缓解了EC测量中常见的能量平衡闭合问题，提供了更可靠的地表-大气能量交换测量。

3.2. OMS和EC测量的显热和潜热通量对比
本节评估了整个研究期间OMS和EC测量的显热（H）和潜热（LE）通量之间的一致性。当直接使用EC通量作为基准时（图3），观察到两个系统之间存在明显差异。对于显热通量，比较结果显示R2为0.71，RMSE为61.72 Wm?2，偏差为31.74 Wm?2。潜热通量的行为也类似，R2为0.7，RMSE为33.41 Wm?2，偏差为18.3 Wm?2。总体而言，OMS估算的通量比EC测量值分别高出了大约11%和14%，这与第3.1.1节讨论的EC数据中地表能量平衡闭合不足的情况一致。尽管存在这些差异，我们的结果与之前评估光学和微/无线电/毫米波闪烁仪与EC系统组合使用的研究结果一致，特别是考虑到我们研究区域的高大且稀疏的植被（表1）。文献中报告的差异范围为显热通量2%至27%，潜热通量8%至37%，表明在这里观察到的性能在异质和复杂树冠的预期范围内。OMS和EC测量之间的一部分差异归因于EC数据的能量不平衡（Zheng等人，2023年）。为了纠正这种能量不平衡，使用β-闭合方法（Twine等人，2000年）对EC通量进行了调整。该方法假设从EC测量中得出的Bowen比率（β）是可靠测量的。在此假设下，H和LE按比例调整以强制EC地表能量平衡的闭合，具体过程详见附录A中的方程（25）和（26）。

3.3. SPARSE模型预测与OMS和EC测量的对比
本节重点通过根据每个足迹的空间范围对SPARSE输入数据加权，来评估SPARSE在OMS和EC足迹上的预测性能（见图5）。总体而言，模型通量与校正后的EC通量之间达到了满意的一致性水平（图6）。对于显热通量，比较结果显示R2为0.73，RMSE为37.7 Wm?2，偏差为10.74 Wm?2。对于潜热通量，相应的统计值为R2为0.83，RMSE为28.5 Wm?2，偏差为15.6 Wm?2。SPARSE模型略微高估了校正后的EC测量值，平均高估幅度分别为显热通量4%，潜热通量6%。这些结果与之前使用相同区域橄榄树上的涡度协方差数据估计湍流通量的研究结果一致（Elfarkh等人，2020年；Aouade等人，2020年）。该研究还突出了SPARSE模型的潜力，该模型利用Landsat影像数据（具有精细的空间分辨率）能够预测橄榄树上的湍流通量，而Landsat数据的精细空间分辨率能够更准确地预测此类异质环境中的湍流通量。

最终，与显热通量相比，潜热通量的RMSE和偏差显著较低，这主要是由于整个研究期间两种通量量级的差异（见图3和图4）。这表明大部分可用能量（AE）转化为显热通量。例如，对于OMS观测数据，AE与H（或LE）的平均比率约为0.58（0.35）。我们的发现清楚地表明，土壤水力状态控制了这种分配。我们研究中使用的地下滴灌系统有效地减少了土壤蒸发，从而减少了蒸散量。与Ezzahar等人（2007年）报告的传统灌溉方法相比，地下滴灌系统在水资源管理方面表现出有效性。Ezzahar等人（2007年）观察到，传统灌溉方法在灌溉期间增加了土壤蒸发，导致从2002年第323天到2003年第323天的全年期间，潜热通量高于显热通量。

与显热通量相比，潜热通量的RMSE和偏差显著较低，这是因为整个研究期间两种通量的量级不同。这表明大部分可用能量（AE）转化为显热通量。我们的发现清楚地表明，土壤水力状态控制了这种分配。正如在EC足迹尺度上所展示的那样，当SPARSE模型使用来自Landsat的高分辨率输入数据进行驱动时，能够准确预测OMS足迹尺度上的湍流通量。同样，Elfarkh等人（2020年）评估了TSEB（双源能量平衡模型，Norman等人，1995年）模型，该模型使用了低分辨率的MODIS产品和高分辨率的Landsat变量，并对大口径闪烁仪（LAS）的足迹进行了加权处理。他们的研究结果强调了使用高分辨率数据预测TSEB湍流通量的潜在优势，特别是在高大且稀疏的橄榄园中，与低分辨率数据（即MODIS）相比。此外，Hssaine等人（2018年）在尼日尔萨赫勒地区的一个3公里横断面上，使用MODIS和MSG-SEVIRI产品（Meteosat第二代旋转增强型可见光和红外成像仪，Schmetz等人，2002年）与LAS进行了对比。他们的研究发现，与MSG-SEVIRI产品相比，MODIS产品显著提高了LAS和TSEB之间的相关性。

以往的研究传统上仅依赖光学闪烁仪来验证基于遥感的算法（Elfarkh等人，2020年；Tang等人，2010年；Tang等人，2011年；Marx等人，2008年；Hssaine等人，2018年）。这些研究通常通过直接将感热通量与光学闪烁仪的测量结果进行比较来验证感热通量，而潜热通量（LE）则是作为能量平衡方程中的残差项推导出来的。然而，这种方法可能会在潜热通量的估算中引入额外的误差，从而可能影响遥感算法的准确性，尤其是在异质性很强的景观中（Elfarkh等人，2020年；Hssaine等人，2018年；Ezzahar等人，2009年）。为了解决这个问题，图7展示了SPARSE模型预测的潜热通量与从能量平衡方程中得到的残差项（称为LEOMS，AE_Mes）之间的比较。这个残差项是使用OMS测量的感热通量（HOMS）和测量的可用能量（AE）计算得出的。正如预期的那样，这种比较显示与OMS测量得到的潜热通量（LEOMS）存在明显的低估和差异（见图6）。回归分析得出的斜率为0.76，R2值为0.48，偏差为?37.05Wm?2，RMSE为55.62Wm?2。我们的发现与之前的研究结果一致，这些研究评估了使用Landsat和MODIS产品驱动的SPARSE预测的潜热通量与使用LAS或XLAS得到的能量平衡残差项预测的潜热通量（Elfarkh等人，2022年；Saadi等人，2018年）。相比之下，使用SPARSE预测的可用能量而不是测量值显示出显著改进，导致低估和RMSE最小化，如图7所示。回归分析得出的斜率为0.98，R2值为0.56，偏差为9.21Wm?2，RMSE为37.53Wm?2。尽管结合使用OMS测量的感热通量和SPARSE预测的可用能量取得了一些成功，但其性能仍然明显低于直接使用OMS测量的潜热通量。OMS的直接测量能力确保了更高的准确性和可靠性，使其成为评估潜热通量的更稳健工具。OMS的直接测量结果最小化了与模型预测相关的不确定性和误差，提供了更精确的潜热通量评估。

图6. 比较SPARSE预测的湍热通量与EC和OMS测量的湍热通量（左：感热通量，右：潜热通量）。

图7. 比较SPARSE预测的潜热通量（LEOMS，AE_Mes）和通过能量平衡方程得到的残差项（LEOMS，AE_SPARSE）。LEOMS，AE_Mes和LEOMS，AE_SPARSE分别是使用HOMS和测量到的可用能量（AE），以及SPARSE的AE预测值计算得出的。

3.2. 在Agdal地区对SPARSE模型进行的全范围验证与OMS和EC的验证
为了研究OMS和EC系统作为Agdal地区（图1，黄色框）范围内SPARSE模型输出验证工具的能力，我们将OMS得到的通量和校正后的EC通量与SPARSE模拟的通量进行了比较，这些通量在整个Agdal单元上进行了空间聚合。鉴于Agdal地区的异质性以及观测系统的不同空间足迹，这种评估尤为重要。图8显示，使用基于EC的验证方法，与SPARSE的一致性在景观尺度上有所下降，感热通量的R2值为0.72，RMSE为53.43Wm?2，偏差为36.18Wm?2；潜热通量的R2值为0.53，RMSE为40.16Wm?2，偏差为?8.35Wm?2，这反映了由于EC的局部足迹与SPARSE模型的更大聚合尺度之间的不匹配，导致感热通量被高估（+14%），而潜热通量被低估（?13%）。相比之下，OMS与SPARSE保持良好的一致性，感热通量的R2值为0.72，RMSE为39.7Wm?2，偏差为4.63Wm?2；潜热通量的R2值为0.7，RMSE为25.6Wm?2，偏差为?7.17Wm?2（见图8），这可能是因为其更大的、更综合的足迹更好地匹配了模型的空间尺度。研究结果表明，与EC相比，OMS为验证像Agdal单元这样的景观尺度上的SPARSE驱动的通量提供了更具代表性的基础。SPARSE和OMS之间更强的一致性反映了它们相似的空间聚合能力，使得OMS成为在异质环境中进行模型验证的更合适工具。相比之下，EC的基于点的特性限制了其在更大尺度上的应用，除非采取匹配足迹的策略。这些见解强调了在陆气交换研究中，观测数据与模型输出之间的尺度匹配的重要性。

最后，分析扩展到了潜热通量（LE）的时间外推，通过比较SPARSE模型得到的每日LE估计值与OMS系统得到的LE估计值。每日LE是运营水资源管理的关键变量，因为它直接用于灌溉调度、水资源分配和作物水分利用的评估（Bastiaanssen等人，2000年）。已经开发了几种基于遥感的方法将瞬时潜热通量测量值向上游推算到每日LE（Saadi等人，2018年；Tang和Li，2017b；Tang和Li，2017c；Xu等人，2015年）。在这项研究中，我们应用了Hoedjes等人（2008年）开发的方法将SPARSE的瞬时潜热通量估计值向上游推算到每日LE，而OMS的每日LE则是直接从测量中获得的。这种方法已在先前的研究中得到广泛应用和验证（Ezzahar和Chehbouni，2009年；Chehbouni等人，2008年；Elfarkh等人，2022年；Saadi等人，2018年）。该方法基于使用两个简单的启发式算法，根据卫星过境时获得的瞬时可用能量和蒸发分数来估计蒸发分数和可用能量的日变化（Hoedjes等人，2008年；Ezzahar和Chehbouni，2009年；Chehbouni等人，2008年）。该方法依赖于SPARSE在卫星过境时对感热通量和潜热通量的估计值，结合辅助的微气象数据（包括日射、相对湿度和气温）来提供每日LE的稳健估计。图9展示了使用时间外推方法从SPARSE模型获得的每日LE估计值与OMS得到的每日LE之间的比较。比较结果显示出很强的对应性，R2值为0.9，RMSE为10.53Wm?2，偏差为?4.08Wm?2。这些结果表明，与之前仅使用光学闪烁仪（LAS或XLAS）得到的潜热通量进行时间上推算的研究（Saadi等人，2018年；Elfarkh等人，2022年）相比有了显著改进。同样，Ezzahar和Chehbouni（2009年）在同一地点应用这种方法时，虽然报告了一致的指标较低，但他们使用Lhomme等人（1994年）的双层能量平衡模型得到的时间聚合潜热通量与LAS测量的结果进行了验证。这些结果表明，结合光学和微波闪烁仪的方法为验证基于热能平衡模型的时间聚合潜热通量提供了更可靠的参考。然而，仍需要进一步的研究来评估这种方法在更复杂和异质性景观上的鲁棒性和普遍适用性。未来的工作将集中在利用OMS沿多个橄榄园场收集的LE测量数据进行扩展分析，这些橄榄园场具有不同的土壤湿度条件和不同的冠层结构，包括幼树和成熟树。此外，还将比较当前的上游推算策略与Tang和Li（2017b，2017c）等提出的更现代的时间外推方法的表现，以进一步评估其在不同地表和大气条件下的优点和局限性。

图8. 比较在Agdal单元尺度上SPARSE预测的潜热通量与EC和OMS系统测量的感热通量和潜热通量。（左：感热通量，右：潜热通量）。

图9. 在Agdal单元尺度上，比较SPARSE预测的每日潜热通量与OMS观测得到的每日潜热通量。

4. 讨论
本研究成功地利用OMS系统在摩洛哥的滴灌橄榄园中验证了热能平衡模型（SPARSE），在能量平衡闭合、通量测量准确性和空间代表性方面取得了重要发现。一个关键的结果与之前的研究一致（Meijninger等人，2002年；Meijninger等人，2006年；Zhang等人，2021年；Zheng等人，2023年），即OMS相对于传统的EC系统在能量平衡闭合方面取得了显著改进。具体来说，OMS的表现明显更好，其能量平衡比（EBR）为0.94，而EC系统的EBR为0.78。OMS的优越性能通常归因于其有效捕捉大规模涡流通量的能力，这些涡流通量经常被局部EC测量忽略，这一点得到了本研究结果的支持。在根据β?closure方法校正EC数据以进行能量平衡闭合后，比较两种仪器之间的实际湍流通量测量结果时，两个系统表现出良好的一致性，尤其是对于感热通量和潜热通量。感热通量显示出高相关性（R2=0.85），潜热通量也显示出了强一致性（R2=0.77），且RMSE和偏差相对较低。这些结果加强了OMS在复杂大规模区域测量湍流通量方面的可靠性。之前的比较研究也表明了合理的一致性，尽管一些研究指出由于EC能量平衡未闭合和足迹不匹配，基于闪烁仪的潜热通量高于EC通量（Yee等人，2015年；Isabelle等人，2020年；Zhang等人，2021年）。本研究证实，一旦EC能量平衡得到校正，EC得到的湍流通量与OMS得到的湍流通量非常吻合，这与之前的研究结果一致（Yee等人，2015年）。这项研究最显著的贡献之一是它创新地使用了OMS系统（同时测量感热通量和潜热通量）来验证基于遥感的能量平衡模型，特别是SPARSE。这种方法消除了将潜热通量作为残差项得到的高不确定性，这在早期基于闪烁仪的验证方法中很常见（Hssaine等人，2018年；Saadi等人，2018年；Elfarkh等人，2022年；Elfarkh等人，2020年；Song等人，2018年）。至关重要的是，该研究强调了OMS在景观尺度上提供更空间代表性模型输出验证的能力，优于EC系统。当根据它们各自的小足迹仔细加权输入时，OMS和EC都与SPARSE模型表现出良好的一致性，但当模型输入在整个异质性Agdal单元上聚合时，EC的性能显著下降（R2从0.83下降到0.53）。相比之下，无论采用何种空间聚合方法，基于OMS的验证都保持了强大的性能，证实了其在捕捉区域平均通量方面的稳健性，并使其成为热能平衡研究中大规模模型评估的优选基准。使用OMS测量数据对SPARSE模型预测的日潜热通量（LE）进行成功验证（R2值为0.9），进一步凸显了OMS相对于光学闪烁仪的优势（Ezzahar和Chehbouni，2009；Elfarkh等人，2022；Saadi等人，2018）。这些发现进一步支持将OMS作为可靠的观测工具，用于验证空间和时间上聚合的潜热通量估算，这对于灌溉调度和水资源分配等操作性水资源管理应用至关重要。总体而言，OMS在提高能量平衡精度和支持热能平衡模型（SPARSE）的评估方面展现出巨大潜力，特别是在Agdal橄榄园区域。然而，要在更大、更复杂的景观中进行连续的长期监测，需要仔细考虑若干操作和方法学因素。从操作角度来看，OMS的性能可能受到降水、能见度降低、湍流较弱时期等环境条件的影响，以及塔架引起的振动等实际限制——尤其是在高植被覆盖区域——此外系统的相对较高功耗也可能影响半干旱环境中的数据可用性（Liu和Xu，2018；Moene等人，2009）。从方法学角度来看，OMS估算的通量对空气动力学参数非常敏感，特别是空气动力粗糙度长度和零位移高度（Zheng等人，2023）。由于OMS的观测范围覆盖大面积且具有异质性，沿整个路径均匀应用一组参数可能会导致通量计算的不确定性。因此，未来的研究应致力于改进沿闪烁仪路径的空气动力粗糙度长度和零位移高度的空间表征方法，利用近年来在区域尺度上获取这些参数的先进技术（Peng等人，2022；Peng等人，2023）。这样的发展将增强OMS应用的稳健性，并巩固其作为长期监测地表-大气交换过程的可靠工具的角色。

**5. 结论**
在本研究中，我们评估了光学-微波闪烁仪（OMS）在2022年5月至2023年5月期间测量摩洛哥Houaz平原滴灌橄榄园湍流通量的有效性。然后，我们利用OMS数据来验证由Landsat-8/9卫星图像驱动的双源土壤-植物-大气和遥感蒸发蒸腾（SPARSE）模型。据我们所知，这是首次使用OMS测量数据来验证遥感产品的研究。在OMS测量路径的中心附近（约1公里处）安装了涡度协方差（EC）系统以及气象仪器，用于测量气候参数、净辐射和土壤热通量。本研究的主要发现如下：
(1) OMS在整个研究期间显著改善了能量平衡的闭合度。OMS的能量平衡比值（EBR）达到了0.94，表明表面能量平衡几乎完全闭合。相比之下，EC系统在同一段时间内始终低估了湍流通量，其EBR值为0.78。值得注意的是，当将OMS测量结果与经过能量平衡校正的EC测量结果进行比较时，两者之间的一致性较好。OMS和EC测量的显热通量显示出较高的相关性（R2=0.85），均方根误差（RMSE）为47.18 Wm?2，偏差为17.57 Wm?2；潜热通量的相关性同样很强，R2值为0.77，RMSE为26.31 Wm?2，偏差为5.3 Wm?2。这一发现强调了OMS在大尺度上测量潜热通量的可靠性和准确性，这对于多种气象、水文和农业应用至关重要。
(2) SPARSE模型预测与实际测量数据之间的比较表明，OMS是验证大规模潜热通量的更可靠工具。虽然两种方法在采用基于观测足迹加权的输入时都能取得良好的一致性，但即使在整个Agdal区域内应用空间聚合的输入，OMS仍保持了出色的性能。OMS的R2值和RMSE值与基于足迹加权输入的结果一致，表明其在大规模验证中的稳健性。相比之下，EC在更大尺度上的表现显著下降，R2值从0.83降至0.53，RMSE值从28.5 Wm?2增加到40.16 Wm?2。这些结果凸显了OMS作为测量和验证大规模潜热通量的更可靠和一致的工具的潜力，使其成为大规模模型评估的首选基准，特别是在热能平衡研究中。

**作者贡献声明**
J. Ezzahar：撰写——审稿与编辑、初稿撰写、可视化、验证、软件开发、方法学研究、资金筹集、正式分析、数据管理、概念构思。
A. Chehbouni：撰写——初稿撰写、方法学研究、概念构思。
H. Bargauche：撰写——初稿撰写、软件开发、数据管理。
M. Kharrou：撰写——审稿与编辑。
J. El Farkh：撰写——审稿与编辑。
S. Er-Raki：撰写——审稿与编辑。
S. Khabba：撰写——审稿与编辑。
B. Ait Hssaine：撰写——审稿与编辑。
O. Hartogensis：撰写——审稿与编辑、概念构思。