利用涡度协方差测量方法和OpenET产品评估美国南部大平原地区雨养和灌溉苜蓿的蒸散量

《Agricultural and Forest Meteorology》：Assessing evapotranspiration in rainfed and irrigated Alfalfa in the U.S. southern great plains using eddy covariance measurements and OpenET products

利用涡度协方差（EC）和OpenET卫星模型产品，研究了美国南方大平原（SGP）地区雨养和灌溉苜蓿的蒸发蒸腾量（ET）动态及其驱动因素，发现ET存在显著的季节和年际变化，卫星模型SIMS和SSEBop表现较优。

　　

普拉迪普·瓦格尔（Pradeep Wagle）|阿夫辛·沙耶吉（Afshin Shayeghi）|尼尚·巴塔拉伊（Nishan Bhattarai）|布莱恩·K·诺瑟普（Brian K. Northup）|科里·莫菲特（Corey Moffet）|斯泰西·A·冈特（Stacey A. Gunter）|鲁德拉·巴拉尔（Rudra Baral）

美国农业部（USDA），农业研究服务局（Agricultural Research Service），俄克拉荷马州和中央平原农业研究中心（Central Plains Agricultural Research Center），埃尔雷诺（El Reno），俄克拉荷马州73036，美国

摘要

了解雨养和灌溉紫花苜蓿（Medicago sativa L.）的年用水动态有助于其可持续管理。在美国南部大平原（Southern Great Plains, SGP）地区，多年来的蒸散作用（ET）和植物生长模式的变化很少，且尚未得到充分研究。本研究的目的是调查雨养和灌溉紫花苜蓿中涡度协方差（EC）法测量的蒸散量（ET_EC）及其控制因素，并将ET_EC的动态与OpenET产品进行比较。OpenET提供了几种基于遥感的蒸散模型产品（METRIC、PTJPL、SIMS、SSEBop、SEBAL和DisALEXI），这些产品用于美国西部地区的蒸散量估算。ET_EC显示出受气象条件、植被动态和水资源可用性影响的显著季节性和年际变化。2019年4月较温暖湿润的气候促进了紫花苜蓿的初期生长。紫花苜蓿的年用水量（ET）与其生长模式一致。日蒸散量（ET_EC）以及年度和季节性累积蒸散量明显低于过去研究中高产灌溉紫花苜蓿的数据。卫星衍生的增强植被指数（EVI）和太阳辐射（SR）分别解释了所有站点8天和月度尺度上ET_EC变化的75%和88%。这表明利用易获得的EVI和SR数据开发用于监测大范围区域紫花苜蓿蒸散量的经验模型具有潜力。与ET_EC相比，OpenET模型的表现因实际场景和评估标准而异。SIMS和SSEBop在估算雨养和灌溉紫花苜蓿的蒸散量方面表现出一致性及可靠性，而DisALEXI和SEBAL在灌溉紫花苜蓿方面的表现较差。通过研究紫花苜蓿的用水动态及OpenET产品的可靠性，本研究为有效的紫花苜蓿水资源管理实践提供了关键信息。

引言

大气与地表之间的水汽和能量交换驱动着陆地生态系统中的重要过程。日益增长的水资源需求以及地下水和水层枯竭的惊人速度正在威胁全球农业生产的可持续性（Dalin等人，2017；Jain等人，2021；Wada等人，2012）。有限的水资源应谨慎用于灌溉（Darshna等人，2015；Saseendran等人，2015）。由于蒸散作用（ET）是地球上大部分地区陆地水循环中仅次于降水的第二大组成部分，因此针对特定地点的作物蒸散需求有助于评估水分平衡并制定有效的灌溉管理和调度方案（Fisher等人，2017；Shiklomanov，2000）。

在干旱农业中，田间水平的蒸散量估算对于提高用水效率和作物或饲料产量具有重要价值。近年来，涡度协方差（EC）系统被广泛用于测量景观尺度上的蒸散量和二氧化碳（CO₂）通量（Baldocchi，2003；Burba，2019；Wagle等人，2019b；Williams等人，2004）。然而，由于成本高昂以及需要专业设备和知识，EC系统在生物群落中的分布非常有限。

蒸散量在空间和时间上的高度变异性使得利用稀疏分布网络的数据进行插值的方法无法可靠地绘制大范围区域的蒸散图。基于卫星遥感的蒸散量估算方法弥补了地面测量覆盖范围的不足，为大空间尺度的蒸散量估算和制图提供了更可行的途径（Bhattarai和Wagle，2021；Chen和Liu，2020）。技术和理论的最新进展促进了基于遥感的不同蒸散量估算方法的发展，这些方法通常依赖于表面能量平衡（SEB）算法，这些算法利用遥感获取的地表温度（LST）、绿度和反射率数据（Allen等人，2007；Bastiaanssen等人，1998；Senay等人，2013）进行计算。

OpenET项目（Melton等人，2022）是美国西部地区最新推出的高分辨率（30米）基于遥感的蒸散量数据产品之一。该项目整合了六个基于遥感的SEB模型，每个模型提供了从2018年至今的蒸散量数据。OpenET产品可以为水资源管理决策提供重要依据。将其评估结果与美国本土152个站点（主要为EC站点）的数据进行比较后，发现两者之间有较好的一致性，但不同生物群落类型的准确率存在差异（Volk等人，2024）。农田的准确率高于森林和灌木丛，这可能是因为它们的性质和条件更为均匀（例如灌溉使实际蒸散量更接近模型预测值），从而更容易通过卫星方法进行建模。因此，需要在不同生物群落和水文气象条件下对OpenET产品的实用性进行进一步验证。

紫花苜蓿（Medicago sativa L.）是一种在全球范围内具有高价值的高质量多年生豆科牧草，包括美国南部大平原（SGP）地区。由于其较长的生长季节和全年多次刈割需求，紫花苜蓿在生长季节需要大量水分（Hanson等人，2007；Wagle等人，2019b）。基于多年通量数据研究蒸散量的季节性和年际变化，有助于更好地理解SGP及其他类似环境条件下紫花苜蓿的用水动态。

一些研究报道了为不同目的使用涡度协方差（EC）法测量的紫花苜蓿蒸散量（ET_EC）（Hanson等人，2007；Kizer和Elliott，1991；Wagle等人，2019b）。Kizer和Elliott（1991）研究了俄克拉荷马州灌溉紫花苜蓿的便携式EC系统的性能，但未报告具体蒸散量数值。Hanson等人（2007）利用EC系统和地表更新能量平衡方法分别报告了加利福尼亚州缺水和完全灌溉紫花苜蓿的蒸散量及其年预算。我们之前的研究量化了俄克拉荷马州中部2016年4月至2018年5月两年间雨养紫花苜蓿的蒸散量变化及生态系统水分利用效率（Wagle等人，2019b）。目前对于灌溉和雨养紫花苜蓿在不同生长条件和刈割情况下的ET_EC动态仍了解不足。

在本研究中，我们使用了2019年其他雨养紫花苜蓿田以及2020年和2021年灌溉紫花苜蓿田的新EC测量数据，并结合了2016年4月至2018年5月期间收集的雨养紫花苜蓿田的既往数据。这使我们能够进行额外的分析，更全面地了解雨养和灌溉紫花苜蓿的ET_EC及其控制因素，并评估简单经验模型估算研究区域紫花苜蓿蒸散量的潜力。此外，像OpenET这样的田间尺度基于卫星的蒸散量产品尚未与ET_EC数据结合使用，以分析紫花苜蓿的季节性和年度蒸散量变化。通过结合使用ET_EC和OpenET数据产品，本研究旨在：

a)

确定雨养和灌溉紫花苜蓿的日蒸散量大小及其季节性/年度动态和预算。

b)

量化ET_EC与其控制因素之间的关系，以解释三个紫花苜蓿田蒸散量的时空变异性，

c)

比较OpenET产品的日蒸散量大小和年度动态与ET_EC的数据，并测试OpenET产品的实用性。

研究地点

研究地点

我们在2016年4月至2018年期间收集了位于某雨养紫花苜蓿田（面积约48公顷，纬度35.575，经度-98.0549，海拔约381米）的EC测量数据；2019年收集了另一块雨养紫花苜蓿田（面积约17.5公顷，纬度35.561，经度-98.027，海拔约380米）的EC数据；2020年和2021年收集了一块灌溉紫花苜蓿田（面积约38公顷，纬度35.578，经度-98.040，海拔约380米）的EC数据。

天气条件、植被动态和饲料产量

多年间的累积降雨量和土壤湿度变化较大（图2）。2019年的年累积降雨量为1084毫米，2020年为886毫米，2021年为640毫米。生长季节（4月至10月）的累积降雨量分别为2019年的884毫米、2020年的569毫米和2021年的540毫米，而长期平均值（1995–2024年）为657毫米。2019年4月至6月的降雨量较多（677毫米），2020年较少（163毫米）；2020年7月至10月的降雨量较多（406毫米）。

结论

基于多年通量数据研究蒸散量的季节性和年际变化对于更好地理解美国南部大平原（SGP）地区紫花苜蓿的用水动态至关重要。本研究考察了俄克拉荷马州中部雨养和灌溉紫花苜蓿中涡度协方差（EC）法测量的蒸散量（ET_EC）的动态。结果表明，ET_EC存在显著的季节性和年际变化，这些变化受气象条件、植被动态和水资源可用性的影响。

免责声明

“本出版物中提及的商标名称或商业产品仅用于提供具体信息，并不代表美国农业部的推荐或认可。美国农业部是一个平等机会的提供者和雇主。”

作者贡献声明

普拉迪普·瓦格尔（Pradeep Wagle）：撰写——初稿、资源整理、项目管理、方法论设计、数据收集、数据分析、概念构建。阿夫辛·沙耶吉（Afshin Shayeghi）：撰写——审稿与编辑、数据分析。尼尚·巴塔拉伊（Nishan Bhattarai）：撰写——审稿与编辑、数据分析。布莱恩·K·诺瑟普（Brian K. Northup）：撰写——审稿与编辑。科里·莫菲特（Corey Moffet）：撰写——审稿与编辑。斯泰西·A·冈特（Stacey A. Gunter）：撰写——审稿与编辑。鲁德拉·巴拉尔（Rudra Baral）：撰写——审稿