基于地球观测数据的干旱农业区两种蒸散模型对比评估：WaPORv3热-光融合与SW-S2全光学方法

《Irrigation Science》：Comparative assessment of two evapotranspiration models from earth observation data in arid agricultural regions

　　

摘要专业翻译 准确估算蒸散量（ET）及其组分对于农业可持续水资源管理至关重要，尤其是在半干旱地区。本研究首次直接对比了采用热-光融合方法的WaPOR第3.0版第3级（WaPORv3）产品与Shuttleworth–Wallace Sentinel-2（SW-S2）模型的ET产品。与依赖地表温度（LST）推导水分胁迫的WaPORv3不同，SW-S2是一种原创的全光学方法，利用短波红外（SWIR）衍生的水分指数（OPTRAM）来约束下垫面阻力和冠层阻力。通过采用20 m分辨率下的单传感器Sentinel-2输入，SW-S2相较于热红外系统具有关键操作优势，包括简化数据协调、降低延迟以及消除热锐化常伴随的空间噪声。在缺乏直接ET测量的情况下，研究人员以WaPORv3为方法学参照进行Deming回归，两种模型在区域尺度上的日、旬、月及季节尺度上，对总ET和冠层蒸腾（Tc）均表现出高度一致性。尽管系统性偏差的存在使得无法得出严格统计学可互换性的结论，但两种产品在区域灌溉管理中展现出较强的操作一致性。田间尺度性能在玉米、马铃薯、葡萄园和密集果园中保持可比，季节ET值与来自蒸渗仪、通量塔和能量平衡模型的文献基准相符。由于土壤阻力参数化和LST降尺度效应的差异，土壤蒸发（Es）在区域尺度上一致性较低，但作物特定的田间尺度估算有所改善。研究结果表明，SW-S2是热红外模型用于灌溉监测的一个有前景的替代方案，在所分析的条件下与WaPORv3具有一致性，并在破碎化农业景观中具有潜在应用价值，其中高分辨率、低延迟的光学ET产品可支持操作性水资源管理。

论文解读文章

一、研究背景与问题

蒸散（Evapotranspiration, ET）是连接地表能量平衡与水文循环的关键气候变量，其精确估算对于农业水资源管理具有基础性意义。在半干旱地区，作物生产的高ET需求使得有限水资源面临更大压力，而气候变化进一步加剧了这一挑战。然而，传统的地面实测方法受制于技术、社会经济和政治等多重因素，难以实现大范围、连续的灌溉用水监测。卫星遥感因其低成本、可扩展的特性，被视为填补这一监测空白的有效途径。

当前，基于遥感的ET估算模型种类繁多，但单一模型存在不确定性。为提升数据可靠性，集成多模型的集合方法（如OpenET项目）被提出并验证有效。在此背景下，联合国粮农组织（FAO）运营的WaPOR门户提供基于地球观测（EO）数据的农业用水与水分生产力监测产品。WaPOR方法学基于ETLook模型，其第3.0版（WaPORv3）采用热-光融合方法，通过地表温度（LST）推导土壤水分胁迫。然而，热红外方法依赖LST降尺度，存在空间噪声和数据延迟等问题。与之相对，SW-S2模型是一种完全基于光学数据的方法，利用Sentinel-2影像和OPTRAM水分指数约束模型阻力参数，具备高空间分辨率（20 m）和高时间分辨率（3–5天）的优势，且无需热红外数据。尽管两种模型各有特点，但此前缺乏直接对比研究，二者在区域和田间尺度上的性能差异尚不明确。因此，本研究旨在首次直接交叉比较WaPORv3与SW-S2的ET产品，评估其在不同时空尺度上的一致性，探讨SW-S2作为热红外模型替代方案的可行性。

二、研究内容与主要结论

研究人员以黎巴嫩贝卡谷地（Bekaa Valley）为研究区，该区域位于上利塔尼流域，总面积85,860公顷，属半干旱地中海气候。研究时段为2020年4月1日至10月31日作物生长季。研究人员分别运行WaPORv3（第3级，20 m分辨率）和SW-S2模型，生成逐日ET、土壤蒸发（Es）和冠层蒸腾（Tc）数据，并聚合至旬、月、季节尺度。由于缺乏直接ET实测数据，研究采用Deming回归方法，以WaPORv3为方法学参照进行交叉比较。主要结论包括：两种模型在区域尺度上对总ET和Tc表现出高度一致性，涵盖日、旬、月、季节各时间尺度；尽管存在系统性偏差，无法证明严格统计学可互换性，但两种产品在区域灌溉管理中表现出强操作一致性；田间尺度上，玉米、马铃薯、葡萄园和密集果园的季节ET值与文献中蒸渗仪、通量塔和能量平衡模型的基准值相符；Es在区域尺度上一致性较低，归因于土壤阻力参数化和LST降尺度效应的差异，但作物特定田间尺度估算有所改善。

三、关键技术与方法

本研究涉及两项核心ET估算方法。其一为WaPORv3所采用的ETLook模型，该模型基于Penman–Monteith双源方程，分别求解土壤蒸发（Es）与冠层蒸腾（Tc）。其关键创新在于利用LST与植被覆盖度（Fc）构成的梯形空间推导相对土壤含水量（Se），进而约束土壤阻力和冠层阻力。WaPORv3在Level 3采用数据挖掘锐化器（DMS）对VIIRS热红外数据进行降尺度至20 m，并结合Sentinel-2光学数据与Copernicus DEM高程特征。其二为SW-S2模型，该模型整合Shuttleworth–Wallace双源框架，利用Sentinel-2单传感器数据驱动。其核心创新在于通过OPTRAM模型，基于NDVI与短波红外变换反射率（STR）构成的梯形空间计算水分指数W，并以此线性调制叶片阻力（r_leaf）和土壤阻力（r_s^s）。两种模型的输入数据包括：Sentinel-2 L2A地表反射率（用于计算反照率、NDVI、STR、LAI）、AgERA5网格化气象数据（相对湿度、风速、气温）以及CM-SAF SARAH-2太阳辐射数据。LAI通过ESA SNAP软件包中的PROSPECT+SAILH辐射传输模型反演获得。云掩膜分别采用KappaMask（WaPORv3）和MAJA多时相云检测方法（SW-S2），时间序列平滑与插值采用Whittaker平滑器。研究区土地利用分类图（WaPOR第2版Level 3，30 m）被重采样至20 m，用于区分草本作物（株高0.4 m）和木本作物（株高1.2 m），以参数化SW-S2模型。

四、研究结果

WaPORv3与SW-S2的ET总量对比：在区域尺度上，两种模型的总ET在日、旬、月、季节尺度上均表现出高度一致性。Deming回归分析显示，各时间尺度上回归斜率接近1，截距接近0，决定系数（R2）较高，表明两种方法在总ET估算上具有强相关性。

冠层蒸腾（Tc）对比：Tc在两种模型间的一致性同样较高，各时间尺度上均呈现良好的线性关系。这表明两种模型在冠层水分胁迫表征方面具有相似的行为，尽管其胁迫推导机制不同（LST vs. OPTRAM水分指数）。

土壤蒸发（Es）对比：Es在区域尺度上的一致性低于总ET和Tc，差异主要归因于土壤阻力参数化的不同以及LST降尺度效应的影响。WaPORv3的土壤阻力基于Se的幂函数关系，而SW-S2采用线性插值于500–2000 s m^-1之间（本研究设定最大值为5000 s m^-1以反映干旱环境更强的蒸发限制）。然而，在作物特定的田间尺度上，Es估算的一致性有所改善。

田间尺度性能：针对玉米、马铃薯、葡萄园和密集果园的田间尺度分析显示，两种模型的季节ET值与文献基准值（来自蒸渗仪、通量塔和能量平衡模型）相符，表明SW-S2在田间尺度上具有与热红外方法相当的性能。

五、讨论与结论

讨论部分指出，两种模型在总ET和Tc上的高度一致性表明，SW-S2的全光学方法能够有效捕捉与WaPORv3热-光融合方法相似的ET时空模式。Es的差异反映了两种模型在土壤蒸发过程表征上的本质区别：WaPORv3通过LST-Fc梯形空间推导Se，而SW-S2通过OPTRAM的STR-NDVI梯形空间推导W。尽管存在系统性偏差，但两种产品在区域灌溉管理中的操作一致性表明SW-S2可作为热红外模型的可行替代方案。SW-S2的主要优势在于：单传感器输入简化了数据协调流程，降低了延迟，并消除了热锐化引入的空间噪声，尤其适用于破碎化农业景观。研究结论认为，SW-S2在分析条件下与WaPORv3具有一致性，是一种有前景的灌溉监测工具，其高分辨率、低延迟的光学ET产品可支持操作性水资源管理，特别是在数据获取受限的半干旱地区。