高空间分辨率卫星蒸散发(Evapotranspiration, ET)产品对萨赫勒(Sahel)地区农林牧复合系统(Agro-silvo-pastoral Systems)研究的益处
《Science of Remote Sensing》:Benefits of high-resolution satellite evapotranspiration for agro-silvo-pastoral systems in the Sahel
编辑推荐:
萨赫勒(Sahel)地区被公认为气候变化热点区域,水资源可获得性预期将受到显著影响。因此,准确估算蒸散发(Evapotranspiration, ET)对于干旱监测和有效的水资源管理至关重要。本研究利用MODIS和Landsat的中等及高空间分辨率卫星数据驱动
萨赫勒(Sahel)地区被公认为气候变化热点区域,水资源可获得性预期将受到显著影响。因此,准确估算蒸散发(Evapotranspiration, ET)对于干旱监测和有效的水资源管理至关重要。本研究利用MODIS和Landsat的中等及高空间分辨率卫星数据驱动EVASPA集合情境能量平衡模型(Ensemble Contextual Energy-balance Model),分别模拟1 km和30 m尺度的ET。研究目的是评估空间分辨率如何影响地表异质性的表征,这是情境方法(Contextual Approaches)和农林复合系统(Agroforestry Systems)应用的关键前提。结果表明,高分辨率数据可提供更准确的ET估算值,不确定性降低,且土地利用类别内的响应更为均一。对不同生态系统的分析显示,特定土地利用类别在表征大尺度地表异质性中发挥关键作用,而这正是准确ET估算的基础;其他类别则主要从这种改进的表征中获益。此外,研究人员评估了Landsat产品捕捉细尺度过程的能力,特别是不同树种蒸腾(Transpiration)和水分获取模式(深根吸水Phreatophyte或非深根)的能力。在这些分析中,ET和归一化植被指数(Normalized Difference Vegetation Index, NDVI)为理解农林系统中水分分配和物候(Phenological)模式提供了依据。热红外(Thermal Infrared, TIR)信息被证明是理解农业生态系统相互作用的重要资产,尤其在水分受限条件下。
《Science of Remote Sensing》刊载论文解读:高空间分辨率卫星蒸散发产品对萨赫勒农林牧复合系统的研究价值
一、研究背景与目的
萨赫勒(Sahel)半干旱区面临严峻的水资源与粮食安全挑战,蒸散发(Evapotranspiration, ET)是评估水资源和监测干旱的关键指标,但该区域地面观测网络稀疏,依赖遥感(Remote Sensing, RS)手段。情境(Contextual)地表能量平衡模型(如S-SEBI、SEBAL、METRIC)通过地表温度(Land Surface Temperature, LST)与植被指数或反照率(Albedo)的特征空间关系估算ET,其精度高度依赖于影像对地表异质性(Heterogeneity)的捕捉能力及干湿边(Dry/Wet Edge)的准确定义。萨赫勒典型的农林牧复合系统(Agro-silvo-pastoral Systems / Parklands)中树木、作物、灌丛与草地镶嵌分布,地表异质性强,但现有常用中等分辨率数据(如MODIS,1 km)因像元混合效应易平滑LST极值,导致情境模型边界识别误差大、不确定性高。虽然高分辨率数据(如Landsat,30 m)能更好分辨异质性,但其在情境模型中的应用及其对农林系统组分(尤其是具反季酚ology的Faidherbia albida树)ET动态捕捉能力的系统评估尚不充分。为此,研究人员以塞内加尔尼亚哈尔(Niakhar)站周边萨赫勒农林系统为研究区,对比MODIS与Landsat驱动EVASPA集合情境模型的ET估算效果,并探究高分辨率数据在刻画树木驱动ET动态及改善农林系统水文过程表征方面的附加价值。
二、主要技术方法概述
研究选取塞内加尔中部萨赫勒农林系统为研究区(年均降水约585 mm,具Faidherbia albida树冠层),利用2018—2022年MODIS(1 km,日尺度,产品MOD13A2/MYD13A2、MOD11A1/MYD11A1、MCD43A3)与Landsat 8 OLI/TIRS Collection 2 Level-2(30 m,16天,经云掩膜与热红外波段三次卷积重采样至30 m)数据作为EVASPA模型输入,气象强迫采用ERA5-Land再分析资料。EVASPA采用S-SEBI模型,基于LST–反照率特征空间通过多种干湿边识别方法计算蒸发分数(Evaporative Fraction, EF),结合净辐射(Rn)减土壤热通量(G)及日全球辐射缩放估算日ET。为对比,MODIS产品经最近邻重采样至30 m并与Landsat同期像元交叉掩膜对齐;土地利用采用Copernicus Global Dynamic Land Cover Map (100 m)按主导类比例重分类并剔除混合像元;独立树冠图层采用Brandt et al.(2020)西非非森林乔木树冠数据集栅格化生成树盖度(Tree Cover Fraction)图层,据此构建"有树"与"无树"交叉掩膜提取农田与灌丛内有/无树像元的ET。模型验证采用Niakhar Faidherbia-flux涡度协方差(Ed dy Covariance, EC)站(FLUXNET/ICOS ID: SN-Nkr)半小时潜热通量(LE)积分日ET及足迹分析。
三、研究结果
3.1 ET comparison at moderate and high spatial resolution(中等与高空间分辨率ET对比)
3.1.1 At station-scale(站点尺度):将Landsat与降尺度MODIS ET在通量塔周围3×3个30 m窗口平均并与EC观测对比。Landsat估算的ETLandsat比MODIS估算的ETMODIS与实测ET吻合度更高,RMSE更低,不同干湿边方法引致的ET估算标准差(Standard Deviation, SD)即不确定性区间也更窄;MODIS优势在于高时间分辨率可覆盖雨季少云期,弥补Landsat重访限制。
3.1.2 At landscape scale(景观尺度):计算全研究区各日ET的各方法间SD。MODIS驱动ET的各方法SD最高达1.2 mm d?1,湿润区及耕作区变异性大;Landsat驱动ET的各方法SD普遍约0.2 mm d?1,边界识别方法间一致性显著改善,表明高分辨率降低情境模型中干湿边识别的不确定性。
3.2 Added value of high spatial resolution(高空间分辨率附加值)
3.2.1 Impact of perceived heterogeneities on edge determination(感知异质性对干湿边确定的影响):选取干季典型日(2021年4月30日)绘制LST–反照率散点图。MODIS散点点云集中、LST与反照率离散度低,冷热极端像元易被混合掩盖致干湿边定位模糊,ET累积分布差异大;Landsat散点LST与反照率分散度高,干(高温低蒸散)、湿(低温高蒸散)边界像元清晰分离,各EF方法ET估算SD不超0.7 mm d?1,证明高分辨率增强特征空间极值辨识、减小边界不确定。
3.2.2 Implications for ET estimation on main ecosystem types(对主要生态系统类型ET估算的影响):分生态系统LST–反照率散点显示,农田(Cropland)、灌丛(Shrubland)和草本植被(Herbaceous Vegetation)在高分辨率下呈现强异质性,贡献LST–反照率三角特征空间左上高温低反照率区,重新界定干边位置并扩展三角几何形态,是重构干湿边的关键类群;草本湿地(Herbaceous Wetland)在高分辨率下更明确标识低温湿表面,修正湿边;裸土(Bare Soil)与森林(Forest)不改变三角整体几何,但受益于更精确边界定义获得更合理ET。Landsat与MODIS ET差值图中,草本与农田干季ET偏低(更多裸土暴露),草本湿地ET偏高(更真实湿面),灌丛、裸地与森林差异较均衡。
3.3 Fine scale processes(细尺度过程)
利用树冠图与LULC交叉掩膜仅在农林系统主导区提取农田与灌丛内"有树(ETmean Trees)"与"无树(ETmean No-Trees)"像元(阈值20%、50%、80%树盖度)。结果显示:农田中ETmean Trees持续高于ETmean No-Trees,干季差异显著(Faidherbia albida维持残差蒸腾Transpiration),湿季与过渡季随树盖度增加ET与NDVI同步升高,体现树木施肥与遮阴增益;灌丛区仅在湿季高ET时树覆盖促进ET与NDVI,干季ET对树盖度弱敏感。季节平均ET与NDVI随树盖度变化分析印证上述:农田旱季NDVI/ET弱正相关树盖度(深根树种保绿),雨季强正相关;灌丛旱季ET低且与树盖度弱相关,雨季正相关但梯度弱于农田。表明30 m Landsat可区分农林系统内树种(尤其反季酚ology种)的水分获取与蒸腾模式。
四、讨论与结论总结
讨论指出,情境模型依赖特征空间极端值,1 km MODIS因亚像元混合平滑热信号削弱干湿边识别,而30 m Landsat解译微小水体、裸土等冷热斑块增强LST–反照率离散,使回归定界更稳健;不同生态系统对干湿边贡献不均——农田/灌丛/草本塑造干边,草本湿地细化湿边,森林/稀疏植被受益于边界精化。利用Brandt树冠数据分层可按树盖度解译Faidherbia albida干季蒸腾与作物季耦合效应,未来UAV极高分辨率热红外与即将发射的TRISHNA/LSTM高时空分辨率热红外任务可进一步提升异质性表征,但当前Landsat是评估高分辨率热红外益处的适宜代理。
结论(Conclusion):研究表明,Landsat高空间分辨率数据通过更精准捕捉地表异质性与LST–反照率特征空间结构,使EVASPA情境能量平衡模型获得更准确、不确定性更低的ET估算,各EF方法间一致性显著优于MODIS。不同生态系统对特征空间几何重构作用不同,农田、灌丛与草本植被主导干边界定,草本湿地约束湿边。高分辨率可区分农林复合系统中具反季酚ology的Faidherbia albida树木在干季维持较高ET的深根吸水行为,证实30 m热红外遥感能有效解析萨赫勒农林牧系统细尺度水文–生态过程,为未来高分辨率热红外卫星数据在水文与农林系统研究中的应用提供依据。