地表通量平衡(Surface Flux Equilibrium, SFE)法估算蒸散发分数(Evaporative Fraction, EF)的评价与改进

《Water Resources Research》：Evaluation and Enhancement of Surface Flux Equilibrium Method for Estimating Evaporative Fraction

　　

摘要：地表通量平衡(Surface Flux Equilibrium, SFE)法因仅需温度和比湿观测即可估算蒸散发分数(Evaporative Fraction, EF)，成为缺资料地区EF估算的一种有前景的方法。研究人员对SFE理论的基本假设进行了全面评估，分析了假设违背对SFE派生EF偏差的影响，并识别了可用于校正这些偏差的物理变量。研究采用欧洲中期天气预报中心第五代再分析资料(ECMWF Reanalysis 5, ERA5)在印度次大陆开展分析。结果表明，SFE法所得EF相对于ERA5数据集的偏差主要由潜热引起的地表增湿与感热引起的地表加热之间的不平衡所主导。研究发现，在印度全境的季风前和季风季节，地表增湿与加热的频繁不平衡导致SFE法估算的EF相对ERA5 EF表现较差。反映地表通量不平衡的物理变量在不同区域差异显著，取决于区域的蒸散(ET)制度和降雨特征。在水受限(water-limited) ET制度区域，相对湿度及地—气温差最能捕捉地表通量不平衡；在能量受限(energy-limited) ET制度区域，净辐射(Net Radiation, Rn)最有效。以比湿、气温及识别出的区域特异性预测因子构建的随机森林(Random Forest)模型所预测的EF，在所有区域和两个季节均显著优于SFE法直接估算的EF，证明结合区域特异性预测因子的经验模型可有效用于EF估算。

论文解读：《地表通量平衡(SFE)法估算蒸散发分数(EF)的评价与改进》

该研究发表于《Water Resources Research》。蒸散(Evapotranspiration, ET)是水文循环的关键组分，准确估算ET对水资源管理、灌溉调度、生态水文模拟及气候变化评估至关重要。传统阻力型模型如Penman-Monteith(PM)模型需大量参数化地表阻抗，存在较大不确定性且依赖较多气象输入。地表通量平衡(Surface Flux Equilibrium, SFE)法作为新兴的平衡态方法，仅需净辐射、气温和大气湿度即可估算EF，无需参数率定，理论上适用于非饱和下垫面。然而已有研究表明SFE法在强平流、极干或极湿条件下表现不佳，EF估算存在明显偏差，且缺乏对SFE理论假设系统性违背条件及其物理驱动因子的全面评估。为此，研究人员利用ERA5再分析资料和通量塔观测，系统评价SFE理论假设违背情况、分析偏差主控因子，并识别区域特异性物理预测变量以改进EF估算。

主要技术方法：

研究人员选取2003–2023年印度次大陆ERA5再分析数据（空间分辨率0.25°×0.25°，涵盖2 m气温、露点温度、地表温度、净短波与长波辐射、潜热通量(Latent Heat Flux, LE)、感热通量(Sensible Heat Flux, H)、降水、土壤湿度、经向与纬向风速、水汽通量垂直积分散度(Vertically Integrated Divergence of Moisture Flux, VIDMF)和热通量垂直积分散度(Vertically Integrated Divergence of Thermal Flux, VIDTF)），分别处理为日尺度和4日滑动平均。SFE法EF(EF_SFE)由气温和比湿按SFE理论公式计算；参考EF(EF_ERA5)由ERA5中LE/(LE+H)计算。偏差ΔEF = EF_SFE? EF_ERA5。独立验证采用北美AmeriFlux干旱(P/PET<0.2)与湿润(P/PET>0.6)气候区通量塔站点观测（LE、H、R_n、T_a、T_g、RH、风速），聚合至日尺度。在各网格点分季节（季风前3–5月、季风6–9月）训练随机森林(Random Forest, RF)回归模型，以4日平均ΔEF为目标变量，候选预测因子为近地表相对湿度(Relative Humidity, RH)、风速(U)、净辐射(R_n)、地—气温差(T_g?T_a，部分分析含土壤湿度)，通过5折交叉验证和网格搜索确定超参数，计算变量重要性(Variable Importance)及偏依赖图(Partial Dependence Plot, PDP)。对变量重要性得分进行k-means空间聚类（Silhouette得分确定最佳簇数），识别具相似偏差预测因子组合的区域，并以区域主导预测因子联合气温、比湿重新训练RF预测EF，评估改进效果。部分分析采用偏相关系数考察相对湿度变化率(dRH/dt)与各RH收支项的关系。ET制度通过归一化土壤湿度与ET/PET关系判定。

研究结果

3.1 Spatio-Temporal Variability of Bias in SFE-Derived EF Relative to the ERA5 Data Set

研究人员对比了印度全域季风前与季风季多年平均ΔEF的空间分布，发现SFE法在西北和南印度较干旱区普遍高估EF（ΔEF>0），在印度河—恒河平原(Indo-Gangetic Plains, IGP)及东北印度低估EF（ΔEF<0）；季风季高估主要限于西北和南印度干旱区，其余大部低估。ΔEF空间格局与Bowen比（H/LE）高度一致——高Bowen比（干期感热主导）对应正ΔEF，低Bowen比（湿期潜热主导）对应负ΔEF，表明SFE偏差主要受地表感热与潜热不平衡程度控制。典型站点时间序列显示EF_SFE能捕捉EF季节变化趋势但幅度和变率存在系统性偏差。

3.2 Predictors of Bias in SFE-Derived EF Relative to ERA5

RF模型在多数格点R²>0.7，能有效模拟ΔEF。k-means聚类（最优k=4）将印度分为四簇：Cluster 1（部分东北印度、西高止山脉、西北部分区域）以RH为ΔEF主导预测因子；Cluster 2（IGP、中部、西北及半岛大部）以地—气温差ΔT=T_g?T_a为主导；Cluster 3（东北印度为主，季风季扩展至东部）以净辐射R_n为主导；Cluster 4（面积较小，季风前西北、季风季东部）以风速或风速与ΔT并重。季节转换引起簇空间范围变化，但各簇主导因子类型稳定。偏依赖图显示：Cluster 1中ΔEF随RH升高而减小（季风前）或反向（季风季负值更大）；Cluster 2中ΔEF随ΔT增大而增大（SFE在较大地表超暖时高估EF）；Cluster 3中ΔEF在低R_n（多云）时偏负；Cluster 4中风速影响方向季风前为正、季风季为负。

3.3 Evaluating the Assumptions of SFE Theory

SFE理论假设日及以上时间尺度边界层相对湿度达稳态(dRH/dt=0)，忽略非局地热量与水汽平流（RH收支方程第三、四项），且地表增湿项（LE项，Term I）与地表加热项（H项受RH调制，Term II）平衡。偏相关分析表明dRH/dt受四项共同影响（感热项和湿平流贡献大），但ΔEF仅与Term I和Term II呈强偏相关，与平流项和平稳态假定(dRH/dt=0)本身弱相关。因此SFE估算EF的表现主要取决于潜热增湿与感热加热的不平衡程度（即Bowen比），平流和严格稳态条件非ΔEF的主控因子。

3.4 Influence of the Identified Predictors on Surface Flux Equilibrium

ET制度分析表明：水受限且雨间期长（Cluster 2）区域ΔT反映感热增强导致的通量不平衡，故ΔT为主导预测因子；水受限且雨间期短（Cluster 1）区域降雨后土壤水分增加致LE上升反映在RH变化中，故RH为主导；能量受限（Cluster 3，ET/PET对土壤水不敏感）区域LE与H同向受R_n调控，故R_n为主导；极干旱沙漠区（Cluster 1西北子区）潜热极低、感热极大致强正ΔEF，降雨后LE回升反映于RH；强风加剧干旱区感热（Cluster 4西北子区）使ΔEF增大，风速成主导。加入土壤湿度未显著提升RF性能，仅在部分Cluster 1中与RH相当。北美通量塔独立验证得到一致规律——干旱站点主导因子为RH和ΔT，湿润站点为R_n，SFE同样在干旱站点高估、湿润站点低估EF。

讨论与结论翻译

讨论指出本研究阐明SFE偏差主因是地表感热—潜热不平衡而非平流或稳态假设严格成立与否，并揭示不同ET制度和降雨特征下反映该不平衡的主导物理量不同：水受限长雨间期→ΔT；水受限短雨间期→RH；能量受限→R_n。加入区域主导预测因子和SFE原有变量（T、q）的RF模型EF预测R²>0.75，显著优于原始SFE法，证实区域特异性经验模型对EF估算的有效性。局限性包括以ERA5为参照可能存在系统偏差传递、复杂地形区排除、皮肤温度不确定性及RF空间移植性有限等。

结论翻译如下：

地表通量平衡(SFE)法假定相对湿度的准稳态由陆—气相互作用达成，仅需温度和比湿观测即可估算蒸散发分数(EF)。本研究评估了SFE理论假设违背的物理条件、其对SFE派生EF偏差的贡献，并识别了可校正偏差的变量。研究人员采用ERA5再分析资料（2003–2023年，印度次大陆，季风前与季风季）比较SFE法EF与ERA5潜热与感热通量计算的EF。分析表明，SFE派生EF相对ERA5的偏差主要由潜热地表增湿与感热地表加热间的不平衡主导，平流通量和日相对湿度变化影响甚微；因此SFE表现强烈依赖于Bowen比——高Bowen比（干况）趋近高估EF，低Bowen比（湿况）趋近低估EF。印度各地普遍存在的感热—潜热不平衡致SFE法在两个季节表现欠佳。反映地表通量不平衡的物理变量具显著区域差异并取决于ET制度与降雨特征：水受限ET制度且雨间期长者，地—气温差(T_g?T_a)为不平衡主导预测因子；水受限ET制度且雨间期短者，相对湿度(RH)为主导；能量受限ET制度区域，净辐射(R_n)为主导。上述预测因子及其与偏差的关系在北美干旱与湿润气候通量塔观测中得到验证。最后，以比湿、气温及识别出的区域特异性预测因子构建的随机森林(RF)模型预测的EF，在所有区域和两季节均显著优于SFE法直接估算的EF，证明结合区域特异性预测因子的经验模型对EF估算高度有效。