《Agricultural Water Management》：Estimating daily seamless 20-m resolution evapotranspiration using data fusion and TSEB
编辑推荐：
为了克服现有遥感数据在时空分辨率上的固有矛盾及天气条件造成的数据缺失，研究者们构建了一个集成云填补算法、高性能时空融合模型、多源数据与双源能量平衡TSEB模型的创新框架。该框架成功生成了灌区尺度2019-2023年间每日无缝的20米分辨率高精度ET估算结果，为精确、动态的农业水资源管理提供了全新洞见与重要支撑。
水是农业的命脉，尤其在华北平原这样的粮食主产区，其生产严重依赖地下水灌溉。然而，长期的地下水超采与农业用水量的增加，对水资源的可持续管理构成了严峻挑战。要制定高效的农业用水策略，精准掌握作物的耗水过程至关重要。这其中，蒸散发是农田水分损失的主要途径。若能高精度、高频次地监测田块尺度的蒸散发动态，就能像为农田装上“水表”一样，实现按需灌溉、精准管理，这对于提升灌溉效率、应对气候变化意义重大。然而，给大范围的农田“装水表”绝非易事。虽然卫星遥感技术为区域尺度的蒸散发估算提供了可能，但当前的遥感传感器存在一个难以调和的矛盾：高时间分辨率（如每天过境）的传感器，其空间分辨率较粗（如375米至1公里），看不清单个田块的细节；而能看清田块细节的高空间分辨率传感器（如20米），其重访周期又较长（如5-16天），无法捕捉灌溉、降雨等快速变化。此外，云层遮挡还会造成数据缺失，使得监测结果“断断续续”。这些瓶颈制约了高频次、连续无缝的田块尺度蒸散发估算，难以满足精细化农业水资源管理的迫切需求。
为了突破这些限制，一项发表在《Agricultural Water Management》上的研究，提出并验证了一种创新的解决方案。该研究构建了一个高效的框架，通过融合多源遥感数据、再分析资料，结合先进的云填补与时空融合技术，驱动物理机制清晰的双源能量平衡模型，最终生成了灌区尺度上每日、无缝、空间分辨率高达20米的蒸散发产品。这相当于为整个灌区生成了每天更新的、精细到田块级别的“耗水地图”，为动态、精准的农业用水管理提供了前所未有的数据支持。
为达成这一目标，研究者们综合运用了多项关键技术。研究区域选在华北平原的人民胜利渠灌区，以冬小麦为主要研究对象，并利用该区域架设的通量观测塔数据对模型结果进行验证。在数据层面，研究整合了来自VIIRS、Sentinel-2/3的光学与地表温度产品，以及中国陆面数据同化系统的气象与地表温度再分析数据。核心方法包括：1) 采用改进的邻近相似像元插值器算法对受云污染的原始影像进行填补；2) 利用基于GPU加速的增强型时空自适应反射率融合模型，高效生成每日无缝的1公里地表温度和20米地表反射率数据；3) 运用数据挖掘共享算法，将1公里地表温度降尺度至20米分辨率，并同步计算叶面积指数、植被覆盖度等关键地表参数；4) 将上述生成的每日无缝20米分辨率地表参数，连同气象强迫数据与辅助数据，一并输入双源能量平衡-普里斯特利-泰勒模型，最终估算出瞬时的潜热通量，并基于日入射短波辐射的恒定比例假设将其扩展为日尺度的蒸散发量。
3.1. cuESTARFM的计算性能
为了评估所采用的高性能时空融合方法的效率，研究比较了GPU加速的cuESTARFM与传统CPU版ESTARFM在六组地表反射率数据融合任务中的耗时。结果显示，传统的ESTARFM完成每次融合任务需超过21,000秒（约6小时），且耗时受下垫面空间异质性影响。而cuESTARFM利用高度并行的计算架构，将每次任务的计算时间大幅缩短至约40秒，加速比达到540.6至652.76倍，且对地表复杂性的敏感度较低。这证明cuESTARFM能有效克服大规模遥感数据处理中的计算瓶颈，为近实时灌溉管理应用提供了坚实基础。
3.2. 每日无缝地表温度的验证
研究通过“填补-融合”方案，生成了每日无缝的1公里分辨率地表温度，并进一步降尺度至20米。空间分布显示，融合后的1公里地表温度相比均一的再分析资料，细节显著丰富，空间连续性优于原始卫星产品，并与现有的全天候1公里地表温度产品具有良好的一致性。降尺度至20米后的地表温度则进一步融入了短波反射率信息，能够清晰分辨道路、零散建筑、田块等精细特征。通过与Landsat地表温度产品、无人机热红外影像以及站点观测数据的多维度验证表明，降尺度后的20米地表温度与验证数据相关性高（与站点观测R2达0.93），偏差小，空间一致性好，证实了该融合与降尺度方法能够可靠地生成用于后续蒸散发估算的高分辨率热红外输入。
3.3. 瞬时地表通量及日蒸散发的验证
研究比较了在晴空遥感数据、融合数据及全部数据（包含晴空与融合）三种场景下，TSEB模型对四个地表能量通量分量及日蒸散发的模拟精度。总体而言，晴空条件下的模拟精度最高。使用融合数据后，模拟的时空连续性大幅提升（时间覆盖率从29天扩展至402天），而精度仅有轻微下降。例如，潜热通量的R2从0.85降至0.76，均方根误差从52.69 W/m2增至76.09 W/m2；日蒸散发的R2从0.57降至0.56，均方根误差从0.85 mm/d增至1.06 mm/d。当使用全部数据时，最终模拟的瞬时潜热通量相比地面观测的R2、偏差、均方根误差分别为0.77、2.99 W/m2和74.61 W/m2；日蒸散发的相应值分别为0.56、-0.08 mm/d和1.05 mm/d。时间序列上，模型模拟的净辐射、潜热通量和蒸散发与观测值吻合良好，成功捕捉了各主要生育阶段内通量的单峰型变化规律及不同年份间的动态。尽管土壤热通量和感热通量存在普遍低估，但所提出的框架在表面通量模拟和再现蒸散发时序动态方面仍表现出稳健性能。
3.4. 日蒸散发的时空变化
研究表明，提出的多源数据融合框架能够有效生成时空连续的20米分辨率蒸散发估算结果。以2021年4月6日至20日为例，生成的每日蒸散发产品清晰揭示了灌区内不同土地利用类型的空间异质性，并得益于融合反射率数据所反演的高分辨率参数，能够辨识出破碎的田间道路、不规则形状田块等更精细的空间特征。同时，蒸散发量的日际变化与入射短波辐射的强度密切相关。这些结果证明了，通过多源遥感数据融合产生的高时空分辨率地表参数，能够有效驱动TSEB模型生成每日无缝的20米分辨率蒸散发，为实现蒸散发时空动态的高精度监测提供了可行且可靠的方案。
研究结论与讨论
本研究成功开发并验证了一个基于多源数据融合与TSEB模型的每日无缝20米分辨率蒸散发估算框架。该框架的创新性在于有机集成了MNSPI云填补算法与高性能的cuESTARFM时空融合方法，不仅解决了云污染导致的输入数据质量问题，还极大地提升了大规模数据处理的效率。通过引入VIIRS、CLDAS等数据源，优化了数据输入的可持续性与时效性。最终，框架在人民胜利渠灌区2019-2023年冬小麦关键生育期的应用表明，其能够在基本不显著牺牲估算精度的前提下，将蒸散发产品的时空连续性从有限的晴空日大幅扩展至每日覆盖，并实现高达20米的空间分辨率。
这项研究的意义重大。首先，它直接回应了农田尺度精细化水资源管理对高时空分辨率蒸散发信息的迫切需求，生成的“无缝”高分辨率蒸散发产品能够准确捕捉由灌溉、耕作措施、作物类型及地表异质性引起的耗水时空变化，为制定差异化的灌溉方案、评估灌溉效率、优化水资源配置提供了直接的决策依据。其次，所构建的框架具有高度的可操作性与可扩展性，其采用的高性能融合算法使其具备应用于大区域乃至全国尺度、并支持近实时业务化运行的潜力。最后，该研究为利用Sentinel系列等新一代卫星星座数据开展生态水文研究提供了成功范例，为相关领域的研究者提供了重要的方法参考。总之，这项工作为实现精确、动态的农业水资源管理迈出了关键一步，对保障粮食安全、促进农业可持续发展具有积极的推动作用。
