非洲植被的蒸散作用：大陆尺度模拟、多作物评估及干旱影响分析

《Journal of Hydrology: Regional Studies》：VegET evapotranspiration for Africa: Continental-scale simulation, multi-product evaluation, and drought assessment

　　科姆拉维·阿克波蒂（Komlavi Akpoti）|纳加·马诺哈尔·维尔普里（Naga Manohar Velpuri）|曼苏尔·莱（Mansoor Leh）|斯特凡妮·卡戈内（Stefanie Kagone）|基鲁贝尔·梅科内恩（Kirubel Mekonnen）|阿富阿·奥武苏（Afua Owusu）|穆卢格塔·塔德塞（Mulugeta Tadesse）|帕拉纳马纳·蒂利纳·普拉巴特（Paranamana Thilina Prabhath）|拉希鲁·马杜尚卡（Lahiru Madushanka）|塔林杜·佩雷拉（Tharindu Perera）|加布里埃尔·E.L. 帕里什（Gabriel E.L. Parrish）|维纳伊·南吉亚（Vinay Nangia）|苏莱曼·西（Souleymane Sy）|扬·布利费尔尼希特（Jan Bliefernicht）|塞缪尔·古格（Samuel Guug）|阿卜杜卡里姆·H·赛德（Abdulkarim H. Seid）|加布里埃尔·B·塞奈（Gabriel B. Senay）

国际水资源管理研究所（IWMI），加纳阿克拉

**摘要**

**研究区域**
非洲大陆，涵盖多种气候类型——热带、干旱和温带气候——并跨越尼罗河、尼日尔河、刚果河、沃尔特河和赞比西河流域等主要跨界河流流域。该地区具有明显的水文气候梯度以及多样化的土地利用系统，从依赖雨水的农田和牧场到茂密的热带森林和灌溉区。

**研究重点**
实际蒸散量（ETa）是陆地水循环的核心组成部分，决定了水分和能量在陆地表面与大气之间的重新分配。在大陆尺度上准确估算ETa对于水文监测、水资源管理和气候适应至关重要，同时也对于量化支撑可持续发展的水、能量和碳通量具有重要意义。在这项研究中，我们应用了农业水文模型VegET v2来模拟非洲（2000-2021年）的高分辨率ETa数据集。模型结果与四种广泛使用的基于遥感的产品（MODIS16 v6.1、SSEBop v6.1、WaPOR v3和GLEAM v4.1a）进行了对比，涵盖了主要气候类型、土地利用类型和河流流域，提供了整个大陆范围内蒸散量动态的全面多产品评估。

**新的水文见解**
在八个代表性地点对涡度协方差通量塔观测数据的验证表明，VegET v2能够准确再现观测到的ETa季节性变化，相关系数（r）为0.8，均方根误差（RMSE）为25毫米/月——这一精度与基于卫星的产品MODIS16、SSEBop和GLEAM相当或更高。这项研究是首次针对整个非洲大陆进行的ETa水文模拟，将VegET模型的应用范围扩展到了流域尺度之外。比较结果显示，在湿润和热带地区，VegET与MODIS16、SSEBop和GLEAM的结果非常接近（r = 0.80–0.90；RMSE < 20毫米/月）；而在干旱和半干旱地区，WaPOR倾向于高估ETa（RMSE ≥ 28毫米/月）。尽管存在这些差异，VegET仍能有效捕捉雨养农田、森林和稀树草原的空间和时间上的ETa变化，支持其在区域水平的水量平衡评估、水资源核算和干旱监测中的应用。VegET v2的一个关键应用是蒸散量亏缺指数（ETDI），该指数通过整合基于VegET的ETa和潜在蒸散量（PET）来量化水分胁迫。ETDI成功捕捉到了非洲各地的重大干旱事件，包括持续的萨赫勒地区和南部非洲的干旱期、2020-2021年马格里布地区的冬季干旱以及2018-2019年南部非洲的夏季干旱，并识别出中部非洲的湿润异常现象。这些结果凸显了VegET作为一致的水文工具在大陆ETa监测和干旱评估中的有效性，为非洲多样化的水文环境下的流域尺度水资源平衡研究、粮食安全规划和气候适应性提供了支持。

**1. 引言**
实际蒸散量（ETa）是陆地水循环的核心组成部分，直接控制着降水向土壤水分、地下水补给和河流流量的分配（Bayat等人，2021；Pokorny，2009）。除了其水文作用外，ETa还连接着水循环、能量循环和碳循环（更多细节参见Katul等人，2012），影响大气动态和生态系统生产力。通过ETa释放的水蒸气也是一种温室气体，使得ETa成为气候变化的一个敏感诊断指标（Wang和Dickinson，2012）。全球范围内，陆地ETa约占降水总量的70%（Oki和Kanae，2006；K. Zhang等人，2016），而在非洲，近50%的年降水量来源于地表蒸腾作用（Te Wierik等人，2022；Van Der Ent等人，2010），这突显了ETa在区域水文循环中的核心作用（Werth和Avissar，2004）。在大多数非洲流域中，ETa是降水的最大消耗者，通常超过年降水量的70%（Blatchford等人，2020；Fuentes等人，2024；Kiptala等人，2013；Weerasinghe等人，2020）。因此，在大陆尺度上准确估算ETa对于水文监测（Velpuri等人，2013a；Xu和Singh，2005）、水资源管理和气候适应（Hssaine等人，2018；Vinukollu等人，2011）至关重要。

尽管ETa非常重要，但由于土壤-植被-大气界面的复杂相互作用，其在较大空间尺度上的测量和预测仍然具有挑战性（Zhang等人，2016）。ETa的低估或高估会直接导致河流流量预测的误差（Thompson等人，2014），影响依赖ET指标的农业干旱监测（Narasimhan和Srinivasan，2005），并扭曲支撑区域水资源规划的水量平衡评估（Bo等人，2011；Jin等人，2009）。ETa还影响地下水补给（Jin等人，2009；Pool等人，2021）和土壤水分动态（Dong等人，2020；Huang等人，2021），从而直接影响农业生产力（Blatchford等人，2019）和环境可持续性。在农业中，ETa决定了作物的需水量和灌溉计划（Nagappan等人，2020）；而在景观尺度上，ETa是生态系统健康和碳封存的指标（Lan等人，2021；Liu等人，2024；Yang等人，2021；Zhao等人，2022）。ETa的变化可以反映植被覆盖、土地利用和气候条件的变化（Akpoti等人，2016），使其成为环境监测的重要气候变量（Bayat等人，2021）。

遥感技术能够在地面测量稀少或缺失的广阔且异质性强的景观中监测ETa，这种情况在非洲很常见（Glenn等人，2011）。这些技术整合了可见光、近红外和热红外光谱带，以获取植被指数、地表温度和反照率等参数，从而估算ETa（Zhang等人，2016）。包括中分辨率成像光谱辐射计（MODIS）、可见光红外成像辐射计套件（VIIRS）、Landsat和Sentinel-2在内的传感器提供了不同分辨率的空间明确且时间连续的ETa估算（Guerschman等人，2022）。基于这些观测数据，能量平衡模型（如Land Surface Energy Balance Algorithm for Land（SEBAL）（Bastiaanssen，2000）和Mapping EvapoTranspiration at high Resolution with Internalized Calibration（METRIC）（Allen等人，2007）通过结合热红外数据进一步约束了ETa的估算。当与涡度协方差（EC）通量塔观测结果进行验证时——这些观测结果通常被视为ETa评估的基准——遥感产品的精度通常在15%到20%之间（Chen等人，2009）或在某些研究中为11%到14%（Ha等人，2015）。然而，这些验证的可靠性受到EC数据局限性的限制，包括能量预算闭合度不足10%到30%（Glenn等人，2010）以及塔测量范围有限（通常为100-1000米）（Vinukollu等人，2011）。此外，基于遥感的ETa模型的准确性还取决于地面校准数据的质量，因为参考测量中的误差或偏差会传递到模型参数化中，最终影响ETa估算（Glenn等人，2010；Ha等人，2015）。尽管卫星技术有所进步（如MODIS Collection 6（Wan等人，2014；Wan等人，2021）；VIIRS（Justice等人，2013；Hulley和Hook，2018）；Sentinel-2（Drusch等人，2012；欧洲航天局（ESA），2021），这些技术提高了空间和时间分辨率，但基于遥感的ETa模型仍然容易受到云层覆盖的影响，这限制了在热带和多云地区的观测频率（Awada等人，2022）。已经提出了结合遥感与地表能量平衡和土壤水分建模的综合方法，以在数据有限的条件下构建连续的ETa时间序列（Awada等人，2024）。

鉴于存在多种ETa估算方法（Zhang等人，2016），系统地比较各种算法和产品对于理解不同气候和土地覆盖条件下的优缺点至关重要。虽然遥感方法提供了关键的空间覆盖范围，但它们主要是诊断性的，并依赖于经验或能量平衡关系。相比之下，水文模型在模拟ETa时明确考虑了土壤水分储存、降水输入和植被物候，从而为水量平衡分析和干旱监测提供了补充价值。在非洲，大陆尺度的ETa水文模拟仍然很少（Trambauer等人，2013），迄今为止大多数VegET应用集中在美国（Senay，2008；Senay等人，2011；Velpuri等人，2013）和非洲之角（Senay等人，2023）。

在全球范围内，多项综述和比较强调了现有ETa产品的进步和持续存在的局限性。Tang等人（2024）评估了25个全球ETa数据集，发现基于遥感和混合产品的性能通常优于再分析方法，但由于空间分辨率、时间覆盖范围和基础算法的差异，产品间的变异性仍然显著。Zhang等人（2016）同样指出了模型参数化和对地面校准数据的依赖性带来的持续不确定性，并指出不同模型在不同气候和土地覆盖条件下的结果有所不同。为应对这些挑战，多模型比较变得不可或缺。Vinukollu等人（2011）使用NASA Aqua卫星数据评估了基于过程的模型（如SEBS、PM-Mu和PT-Fi），强调了能量平衡方法的优点，但也指出了SEBS等模型对简化假设的敏感性。Velpuri等人（2013a）在美国本土比较了MODIS16和SSEBop，发现SSEBop结合热数据提高了森林地区和不同气候区的估算精度，不确定性在流域尺度上为15%到30%。使用双源能量平衡和植被指数方法的研究进一步表明，结合气孔阻力或作物系数关系的动态模型优于仅使用植被指数的简单方法，后者无法充分捕捉水分胁迫条件（Gonzalez-Dugo等人，2009；Ha等人，2015）。P??as等人（2020）确认了归一化差异植被指数（NDVI）和土壤调整植被指数（SAVI）等光谱植被指数在灌溉管理中的实用性，尽管在多云地区存在局限性。然而，MODIS ETa产品的持续低估仍然是一个需要进一步改进的问题（Gonzalez-Dugo等人，2009；Ha等人，2015）。澳大利亚联邦科学与工业研究组织（CSIRO）的MODIS反射率缩放蒸散量（CMRSET）（Guerschman等人，2022）通过整合多个卫星平台的数据提供了灵活的替代方案。总体而言，这些发现强调了在数据稀缺地区（如非洲）进行综合多产品评估的必要性（Tang等人，2024），这样的评估对于提高ETa估算精度和有效的水资源管理至关重要（Wang和Dickinson，2012）。

多项研究评估了非洲各地的ETa模型和产品，揭示了由大陆多样化气候和景观驱动的显著空间和时间变化。在西非，Adeyeri和Ishola（2021）使用全球陆地蒸发模型（GLEAM）、CSIRO Penman-Monteith Leuning（PML）和FLUXNET-MTE产品分析了ETa趋势，发现不同生态区间的产品间存在显著差异，降雨被认为是半干旱地区（如萨赫勒）ETa变化的主要驱动因素。Jung等人（2019a）进一步研究了西非的ETa不确定性，指出地表模型参数化在湿润地区贡献了总不确定性的90%以上，强调了在数据稀缺地区改进建模方法的必要性。在大陆尺度上，Trambauer等人（2014）记录了PCRaster Global Water Balance（PCR-GLOBWB）、ERA-Interim和MOD16之间的显著差异，特别是在干旱和半干旱地区，输入数据的变异性和模型不确定性最为明显。Sun等人（2012）结合中分辨率成像光谱辐射计（MODIS）和Spinning Enhanced Visible InfraRed Imager（SEVIRI）数据提高了非洲各地的日ETa估算精度，但发现卫星估算在湿润期间低估了ETa 13%到35%，表明在多样化气候条件下实现准确测量具有挑战性。在撒哈拉以南和东非，Marshall等人（2013a）通过结合遥感和地表模型提高了湿润地区的估算精度，但在半干旱地区仍存在持续困难（Dile等人，2020）。Kiptala等人（2013）表明，当SEBAL与地面气象数据结合使用时，在Pangani河上游流域的干旱期间提供了比MODIS16更准确的ETa估算。在南非，Majozi等人（2017）对基于卫星的日ETa估算进行了比较，发现没有一种模型在所有生物群落和季节中都始终表现最佳，且在湿润期间存在显著低估。Dzikiti等人（2019）评估了基于Penman-Monteith的MODIS16和修改后的Priestley-Taylor（PT-JPL）在季节性干旱生态系统中的表现，确认这两种方法在严重水分胁迫期间表现良好。这些研究共同揭示了在非洲多样化的景观中准确估算蒸发量（ETa）所面临的持续挑战，并强调了需要在主要流域、土地利用类型和气候区进行全面的多种产品和多模型评估的必要性。VegET模型（Senay, 2008, Senay et al., 2023）是一个大型的农业水文模型，它通过每日土壤水分平衡方法来估算ETa。该模型使用基于NDVI的景观作物系数（Kcp）来表示植被的水分需求，而无需土地覆盖图或特定地点的作物系数。土壤水分胁迫函数（Ks）根据根区水分可用性调节ETa，确保估算值受到降水输入和土壤储水能力的动态约束。与仅依赖遥感数据的ETa产品不同，VegET的水文基础提供了降水、土壤水分和蒸散作用之间的明确联系，使其非常适合用于流域尺度的水资源核算和干旱监测。

基于这一背景，我们在整个非洲大陆（2000–2021年）范围内应用并校准了改进版的VegET v2。这是首次对非洲进行的大规模ETa水文模拟之一，超越了使用VegET的流域级应用，从而为与现有遥感ETa产品的比较以及基于水文的数据集分析提供了基础。本研究的主要目标是：(i) 应用并评估VegET v2来模拟非洲（2000–2021年）的ETa，并通过涡度协方差（EC）通量塔观测数据进行验证；(ii) 通过系统比较，在主要河流流域、土地利用类型和气候区，将VegET v2与四种广泛使用的基于遥感的ET产品进行基准测试——MODIS16 v6.1（Mu et al., 2011）、SSEBop v6.1（Senay et al., 2013, Senay et al., 2022）、WaPOR v3（FAO和IHE Delft, 2019）和GLEAM v4.1a（Martens et al., 2017, Miralles et al., 2011）；(iii) 通过蒸散亏缺指数（ETDI）展示VegET v2在操作性干旱监测中的适用性。通过建模、验证、比较和干旱应用，这项研究加深了对非洲蒸散动态的理解，并加强了流域尺度水资源核算、农业规划和气候适应策略的基础。

2. 材料与方法
本研究在整个非洲大陆应用VegET v2模型（Senay et al., 2023），生成2000–2021年期间的空间明确的每日ETa估算值。该实施基于VegET在非洲的大规模水文应用（Akpoti et al., 2024），但这里我们特别关注ETa组件及其评估。详细的模型描述，包括根区土壤水分动态和水分平衡分配，在第2.4.2节中介绍。

2.1 研究区域描述
研究区域涵盖了整个非洲大陆，具有多种气候区、主要河流流域、多样的土地利用模式和大量的耕地。由于从极度干旱的撒哈拉条件到湿润的赤道森林以及高度异质性的土地覆盖，非洲的ETa准确估算非常复杂，同时地面水文气象观测数据也一直稀缺（Weerasinghe et al., 2020, Trambauer et al., 2014）。该大陆被划分为多个K?ppen-Geiger气候区（图1a），从热带（Af, Am, Aw）到干旱（BWh, BWk）和温带（Cfa, Cfb）（Beck et al., 2018）。这些气候区由于温度、湿度和降水模式的变化，显著影响了蒸散过程。例如，热带地区的温度和湿度较高，导致ETa较高，而干旱地区的ETa较低，因为水分供应有限。研究重点关注非洲的10个主要河流流域，包括尼罗河、尼日尔河、刚果河、沃尔特河、塞内加尔河、乍得河、奥卡万戈河、赞比西河和奥兰治河流域（图1b）。这些流域对于理解区域水资源平衡非常重要，因为它们代表了从刚果河流域的湿润热带到乍得河流域的干旱条件等多种水文状况。比较这些流域的ETa有助于了解整个大陆的水资源可用性和使用情况。非洲的土地利用和土地覆盖（LULC）高度异质，主要类别包括森林、灌木丛、草地和耕地（图1c）。耕地进一步分为雨养和灌溉系统（图1d）。区分雨养和灌溉农业对于ETa估算很重要，因为灌溉显著改变了水分平衡和蒸散率。了解不同土地覆盖类型，特别是耕地，对水资源管理至关重要，尤其是在水资源稀缺的地区。

下载：下载高分辨率图像（773KB）
下载：下载全尺寸图像

图1. 非洲ETa比较的研究区域概览。(a) K?ppen-Geiger气候分类显示了整个大陆的各种气候区，数据来源于（Beck et al., 2018）。(b) 选定的用于ETa比较的主要河流流域，包括尼罗河、尼日尔河、刚果河、沃尔特河、塞内加尔河、乍得河、奥卡万戈河、赞比西河和奥兰治河流域。(c) 土地利用和土地覆盖（LULC）地图展示了基于WaPOR v2 2021年土地利用数据的各种植被和土地覆盖类型分布。(d) 重点关注耕地分布，区分雨养和灌溉农业系统，以了解区域ETa动态。这些耕地分布数据来源于（Owusu et al., 2024）的耕地细分评估。

2.2 数据来源和时空特征
当在整个非洲大陆应用时，VegET 2.0版本整合了各种数据集，包括降水、参考蒸散量（ETo）、地表物候（LSP）和土壤属性（详见表1）。基于之前对非洲降雨产品的卫星和再分析的全面评估（Mekonnen et al., 2023），我们选择了Climate Hazards Group InfraRed Precipitation with Station Data（CHIRPS）数据集（Funk et al., 2015）用于本研究。该模型从NASA的Land Processes Distributed Active Archive Center（LP DAAC）提供的MODIS NDVI数据中获取LSP数据（Didan, 2015）。我们使用Aqua和Terra卫星的8天合成数据，计算了2003–2017年的每日中位数NDVI。参考ETo数据来自NOAA（Hobbins et al. 2023）。模型中的截留分数层使用MODIS Vegetation Continuous Fields（VCF）（Hansen et al., 2003）开发，根据方程1估算每个像素中的树木、草本植物和裸地的截留量（Senay et al., 2023）：

表1. 本研究使用的数据摘要。

参数
空间分辨率 | 时间分辨率 | 参考数据
---------|---------|---------|
降水： | CHIPRS | 0.05°/天；1981—当前 | CHIRPS (Funk et al., 2015)
地表物候 | 1公里 | 每8天（Aqua和Terra）；2003–2017 | MODIS NDVI (Didan, 2015)
参考蒸散量 | 0.625°×0.5°/天；1980至今 | NOAA ETo (Hobbins et al. 2023)
土壤属性 | 250米 | 静态 | ISRIC (Batjes, 2005)
截留量 | 250米 | 静态 | MODIS Vegetation Continuous Field (VCF) (Hansen et al., 2003)

这里，Tcover表示树木覆盖率，根据已发表的关于热带和亚热带森林的冠层截留研究，赋予最大截留值为15%（Miralles et al., 2011, De Groen and Savenije, 2006）。Hcover表示草本植被覆盖率，最大截留值为10%，与草地和耕地的报告值一致（Senay et al., 2023, Gerrits et al., 2010）。裸地不参与截留。用于生成持水能力（WHC）、田间持水量（FC）和孔隙度（POR）层的土壤数据来自国际土壤参考和信息中心（ISRIC）的土壤数据枢纽（Batjes, 2005）。POR层特别用于确定模型中的饱和度（SAT）水平。为了将这些栅格数据从体积百分比（m3/m3）转换为每米根区的深度（mm），我们应用了10的转换因子（Senay et al., 2023）。此外，SAT值经过校准，以确保它们不低于FC阈值。ETo数据集也从原始NetCDF格式转换为GeoTiff格式，以便在模型中使用。

表2总结了本研究中用作基准的四种基于遥感的ETa产品的特征。

SSEBop v6.1（Senay et al., 2023）通过结合VIIRS热成像和预定义的参考温度差异来估算ETa，时间分辨率为10天，空间分辨率为1公里。MODIS16 v6.1（Mu et al., 2011）使用MODIS植被指数和气象再分析数据，应用Penman-Monteith方程，分辨率为500米。WaPOR v3（FAO和IHE Delft, 2019）使用ETLook模型和卫星热光学数据，提供300米全球分辨率和100米非洲特定分辨率的ETa。GLEAM v4.1a（Martens et al., 2017, Miralles et al., 2011）结合卫星观测和Priestley-Taylor方程，分辨率为0.25°。所有产品都提供大陆尺度的覆盖范围，具有不同的空间和时间分辨率，详见表2。

2.3 涡度协方差数据
为了验证，我们使用了FLUXNET和补充区域网络的涡度协方差（EC）通量塔测量的潜热通量（LE）数据（表3）。在非洲的主要生态区选择了八个站点：Dahra（塞内加尔）、Ankasa、Kayoro和Sumbrungu（加纳）、Demokeya（苏丹）、Mongu（赞比亚）以及突尼斯的一个灌溉站点，涵盖了森林、草原、耕地和灌溉系统。数据集包括2007年至2021年的月度汇总LE通量，这些数据在站点之间进行了协调，并根据标准FLUXNET协议进行了数据质量过滤。

表3. 用于ETa验证的涡度协方差通量塔站点概览。这些站点涵盖了非洲的各种生态系统，包括草原、森林、耕地和灌溉系统。参考文献指出了每个通量塔数据集的原始站点描述和出版物。

经度 | 纬度 | 站点名称 | 国家 | 站点描述 |
---------|---------|---------|---------|---------|
15.43 | 22 | Dahra | 塞内加尔 | 草原，森林覆盖率10–30%，树木高度超过2米，下层主要为草本植物 | Tagesson et al., 2015, Tagesson et al., 2016 |
-2.69 | 42 | Ankasa | 加纳 | 常绿阔叶林站点，树木覆盖率超过60%，高度超过2米，全年绿叶覆盖 | Chiti et al., 2010; Valentini et al., 2016 |
30.47 | 83 | 13.28 | Demokeya | 苏丹 | 草原，森林覆盖率10–30%，树木高度超过2米，下层主要为草本植物 | Ard? et al., 2008, 2016 |
23.25 | 25 | -15.43 | Mongu | 赞比亚 | 落叶阔叶林站点，树木覆盖率超过60%，高度超过2米，具有年度落叶周期 | Kutsch et al., 2016; Merbold et al., 2009 |
9.01 | 38 | 89 | 36.54 | 66 | Gendouba | 突尼斯 | 灌溉区（小麦、玉米、蚕豆、高粱） | Biradar et al., 2022 |
-1.58 | 57 | 11.15 | 156 | Nazinga | 布基纳法索 | 位于布基纳法索Nazinga野生动物保护区内的近似自然草原站点 |该地区植被多样，包括灌木、中等大小的树木（平均高度为4.5米）以及高草，在雨季时高度可达2.5米（Bliefernicht等人，2018年；Hingerl等人，2025年；Nadolski等人，2024年）。

-1.320910.9181
Kayoro
加纳
这种农田主要用于农业种植，并有牲畜放牧。主要种植耐旱作物，如高粱、花生和珍珠粟，植被高度通常不超过1米（Bliefernicht等人，2018年；Hingerl等人，2025年；Nadolski等人，2024年）
-0.917410.8466
Sumbrungu
加纳
这片退化的草地主要用于牲畜放牧。土壤严重退化，即使在雨季，草的高度也通常不超过10厘米。周围散布着中等大小的树木和灌木（Bliefernicht等人，2018年；Hingerl等人，2025年；Nadolski等人，2024年）

2.4 VegET建模框架概述
VegET模型是一个大型的农业水文模型（图2），它采用桶型模型原理（Senay等人，2023年）。土壤湿度（SM）的模拟从初始值零开始，随后是一个持续一年的稳定或启动期。对于2000-2021年的模拟，使用2000年作为启动期。该模型对土壤水分的处理基于土壤的物理特性，土壤属性数据来源于ISRIC的非洲网格化数据集（ISRIC；Batjes，2005年），详见表1。在该模型中，土壤孔隙度（POR）代表饱和度（SAT），而田间持水量（FC）表示土壤可为植物利用的最大水量。永久萎蔫点（WP）是植物无法有效吸水的阈值。持水量（WHC）定义为FC和WP之间的差值，表示可供植物使用的水量。当土壤湿度降至最大允许耗竭量（MAD）以下时，模型预测植物将面临更大的水分压力。

下载：下载高分辨率图像（349KB）
下载：下载全尺寸图像
图2. VegET模型2.0的概述，改编自（Senay等人，2023年）和（Akpoti等人，2024年）。该模型的主要组成部分包括影响土壤水分动态的植被和气候输入。它区分了重力水（当土壤湿度超过田间持水量时积累的水）和植物可利用的水（位于FC和永久萎蔫点之间）。该模型整合了多种数据集，包括MODIS植被连续场（VCF）以确定截留层、降水量（P）、参考蒸散量（ET0）、景观水分利用系数（Kcp）、地表物候（LSP）、土壤应力系数（Ks）、持水量（WHC）、最大允许耗竭量（MAD）、土壤饱和度（SAT）以及SAT和FC之间的体积（SATfc）。模型的输出包括地表径流、深层排水、土壤湿度（SM）和实际蒸散量的网格化数据。Rn = 净辐射；Ta = 空气温度；U = 风速；RH = 相对湿度；ρ = 气压；NDVI = 归一化植被指数；ETa = 实际蒸散量；P = 降水量；Peff = 有效降水量。

VegET模型有助于管理和理解农业用水需求，特别是在难以在大范围内定义作物系数（Kc值）的地区（Senay等人，2023年）。这一挑战源于对作物类型的不确定性以及已发布的Kc值在其原始实验背景之外的普遍适用性有限。为了解决这些问题，VegET模型结合了来自遥感NDVI的地表物候（LSP）数据。NDVI数据来自MODIS（Aqua和Terra – 1公里分辨率，8天合成图像）（Didan，2015年；表1），提供了更准确和动态的植被状况和生长阶段描述。通过这种方法，VegET能够根据区域特性和景观特征模拟作物用水需求，从而提高水分需求估算的精度。该方法可用于管理具有复杂农业实践和多样化环境条件的地区的水资源。该模型用基于NDVI的景观系数（Kcp）替代了传统的作物系数（Kc值，如Allen等人，1998年所提出的）。这种基于物候的Kcp假设代表了具有稳定土地覆盖区域的整体用水需求。在气候学框架内使用NDVI可以提供比传统Kc值更可靠和准确的季节性用水模式。当土壤湿度超过饱和度（SAT）时，模型会模拟地表径流。此外，SAT和FC之间的水分会在地表径流和深层排水之间分配。当土壤湿度超过持水量（WHC）时，模型会模拟径流（R），超出部分根据其相对于SATfc的位置被分类为地表径流或深层排水。

相同的VegET v2建模系统被用来生成径流和流量场（Akpoti等人，2024年），其中模拟的1公里径流通过mizuRoute路由，为非洲超过64,000条河流段生成流量数据。在这项研究中，我们利用相同的 hydrological 建模框架，但重点关注实际蒸散量（ETa）输出作为主要的水分平衡通量，以便直接与流量塔数据进行对比，并与遥感ET产品进行比较。我们在亚马逊网络服务（AWS）上的基于云的基础设施上实现了VegET模型，便于准备模型运行所需的动态和静态输入。选择2000-2021年的时间段是为了反映当前的水文状况，以便更好地理解和管理现有水资源。这一时期的选择受到自2000年以来一直可用的高分辨率遥感数据（MODIS）的影响。

2.5 VegET ETa计算方法
有关完整模型描述，请参考（Akpoti等人，2024年；Senay等人，2023年）。VegET模型使用水分平衡方法计算实际蒸散量（ETa），该方法整合了植被动态和气候因素，有效模拟了随时间变化的土壤湿度和相关通量。ETa每天根据以下公式计算：
(2) ETa = Kcp × Ks × ET0
其中Kcp是基于归一化植被指数（NDVI）数据得出的景观作物系数，Ks是土壤水分应力系数，根据土壤湿度水平在0到1之间变化，ET0是参考蒸散量，表示在最佳水分条件下的潜在蒸散量。

Kcp的计算依赖于NDVI值，并遵循以下公式：
(3,4)
[数学处理错误]

这种方法允许VegET模型根据景观的实时植被状况动态调整作物系数，确保ETa计算能够反映植被的实际用水需求。土壤水分应力系数Ks的计算公式如下：
(5,6)
[数学处理错误]

其中SMi是当前时间步的土壤湿度，MAD（最大允许耗竭量）是植被开始经历水分压力的阈值，通常设定为持水量的50%。VegET模型通过结合有效降水量、ETa和其他水分平衡成分来模拟土壤湿度（SM）。土壤湿度每天使用公式（7）更新：
(7) SMi = SMi?1 + Peffi + ETai
其中SMi?1是前一天的土壤湿度，Peffi是当天的有效降水量，考虑了截留损失。这种连续的土壤湿度计算为每日ETa提供依据，确保模型在整个生长季节内调整了可用水分和植被需求的变化。这些组分的整合使VegET能够提供准确的、空间明确的ETa估算。这是VegET首次在非洲大陆范围内实施的情况，具有明确的土壤水力特性和基于物候的植被系数校准。通过将VegET作为基于过程的水文模型运行，我们生成了一个新的、一致的ETa数据集，补充了现有的卫星产品，同时仍基于水分平衡原理。

2.6 潜热通量转换为实际ETa
通过将EC塔观测到的实际蒸散量（ETa）转换为等效的水分通量（mm month?1）来获得实际蒸散量。转换使用以下标准关系：
(8) ETa = LEλ × Δt
其中λ是蒸发潜热（2.45 MJ kg?1），Δt是将通量表示为每月毫米的时间转换因子（1 W m?2 ≈ 0.035 mm h?1）。月度总量通过积分每日值计算得出。仅考虑正的LE值，并排除数据缺失的情况。

2.7 评估指标
在评估VegET ETa产品时，使用了几种统计指标来评估其性能，包括MODIS16、SSEBop、GLEAM和WaPOR。我们关注皮尔逊相关系数（r）、回归斜率和均方根误差（RMSE）作为模型性能的指标。皮尔逊相关系数（r）用于衡量模拟ETa值和参考ETa值之间的线性关系强度。接近1的值表示模拟值和参考数据之间有很高的一致性。r的公式如下：
(9) r = ∑t=1n(Xo,t?μo) / (Xs,t?μo) × ∑t=1n(Xo,t?μo) / (Xs,t?μs)2

回归斜率可以洞察模拟ETa值和参考ETa值之间的缩放偏差。当模拟ETa值与参考值吻合良好时，斜率接近1。斜率的计算公式如下：
(10) Slope = ∑t=1n(Xo,t?μo) / (Xs,t?μo) × ∑t=1n(Xo,t?μo) / (Xs,t?μs)2

均方根误差（RMSE）量化了模拟ETa值和参考ETa值之间平均差异的大小，从而提供了模型整体准确性的度量。RMSE的计算公式如下：
(11) RMSE = 1/n × ∑t=1n(Xs,t?Xo,t)2

在这些公式中，n是时间步的总数，Xs,t是时间步t的模拟VegET ETa值，Xo,t是相应的参考ETa数据值（例如，来自MODIS16、SSEBop、GLEAM或WaPOR），μs和μo分别表示模拟和参考数据集的均值。

虽然VegET模型模拟了2000-2021年的数据，但使用统计指标进行评估时，针对MODIS16、SSEBop和GLEAM的数据集中在2003-2021年，针对WaPOR的数据集中在2009-2021年。这种对齐确保了不同ETa产品之间的数据一致性，从而进行了更准确和有意义的比较。除了这些统计指标外，我们还使用泰勒图（Taylor，2001年）来促进不同气候区、主要流域和土地利用/覆盖类别之间的模型比较。泰勒图通过同时显示三个统计量（相关系数、均方根差异（RMSD）和标准差）来图形化总结模拟ETa产品（VegET、MODIS16、SSEBop、GLEAM和WaPOR）与参考数据的匹配程度。通过泰勒图，我们可以直观地了解不同模型在捕捉不同环境条件下的蒸散量空间变异性方面的相对表现。这种视觉方法对于理解非洲多样化景观中的蒸散量复杂动态至关重要，有助于更细致地评估不同模型在特定区域和不同尺度下的表现。除了统计一致性外，这些指标还在水文学意义上进行解释，RMSE值表示水分平衡闭合误差的大小，相关性表明季节性通量动态的一致性，泰勒图提供了流域尺度水文学的关键空间变异性视图。

2.8 使用VegET ETa进行干旱评估
为了评估2000-2021年非洲的农业干旱情况，我们使用了根据（Narasimhan和Srinivasan，2005年）建立的方法改编的蒸散量亏缺指数（ETDI），并在后续研究中进一步评估（例如，Wu等人，2021年）。ETDI是一个稳健的指标，通过比较VegET的ETa和潜在蒸散量（PET）来捕捉干旱的严重程度和空间范围，后者在本研究中来自GLEAM数据。

2.8.1 计算水分应力比（WS）
水分应力比（WS）是确定ETDI的一个组成部分，每月计算如下：
(12) WS = PET ? ETa
其中PET是从GLEAM得出的潜在蒸散量，ETa是来自VegET模型的实际蒸散量。

WS比率的范围是从0到1，其中1表示没有蒸散，表示严重干旱，0表示ETa等于PET，表示没有干旱压力。

2.8.2 计算水分应力异常（WSA）
为了量化每月的水分应力异常，我们通过将当前WS与该月的历史中位数WS进行比较来计算水分应力异常（WSA）：
(13,14) WSAi,j = (MWSj ? WSi,j) / (MWSj ? minWSj) × 100
如果WSi,j ≤ MWSj
否则 WSAi,j = (MWSj ? WSi,j) / (MWSj ? maxWSj) × 100
其中MWSj是第j个月的长期水分应力中位数，minWSj和maxWSj分别是该月的历史最小和最大WS。

WSA的值范围是从-100到100，分别表示从极度湿润到极度干燥的条件。

2.8.3蒸发蒸腾亏缺指数（ETDI）
任何给定月份的ETDI都是逐步计算的，同时考虑当前的水分供应异常（WSA）和上个月的ETDI：
(15) ETDIj = 0.5 * ETDIj?1 + WSAi,j / 50
其中ETDIj?1是上个月的ETDI，WSAi,j是当前月份的水分供应异常。
ETDI的值范围从-4到+4，负值和正值分别表示干旱和湿润条件。该指数提供了一个清晰的时间整合干旱严重程度的度量。ETDI是使用空间明确的VegET ETa数据为非洲每个像素计算的。这种空间分布的方法允许对21年期间的干旱趋势和模式进行详细分析。通过将VegET模型输出与GLEAM PET数据相结合，这种方法提供了对农业干旱的细致和动态评估，同时考虑了供水（通过降水和土壤湿度）和需求（通过蒸发蒸腾）。使用ETDI可以识别水分压力最严重的地区，支持干旱监测和缓解工作。

表4中呈现的ETDI分类根据(Vicente-Serrano等人，2010年)的类似方法，将干旱和湿润的严重程度分为不同的类别。该分类通过为干旱条件分配负值来帮助评估水分压力的程度，阈值从轻微干旱到极端干旱不等。正值表示湿度增加，最终可能导致积水或洪水。这种基于ETDI的分类为监测非洲的农业干旱提供了一个强大的工具，补充了其他指数（如标准化降水蒸发蒸腾指数（SPEI），因为它结合了水分需求和可用性。由于VegET明确基于土壤-水分平衡，因此从VegET ETa和PET得出的ETDI提供了一个与实际水分压力直接相关的物理一致度量，适用于操作性干旱早期预警和流域尺度的水文监测。

**表4. 蒸发蒸腾亏缺指数（ETDI）值分类为干旱和湿润类别。**
- **ETDI值范围** | **分类**
- -------------- | ---------------
- **< -3** | **极端干旱** | 严重的水分亏缺和植被压力，蒸发蒸腾非常低
- **-3 至 -2** | **严重干旱** | 显著的水分短缺，导致明显的植被压力
- **-2 至 -1** | **中度干旱** | 中等的水分亏缺，影响植被和作物健康
- **-1 至 0** | **轻微干旱** | 略低于平均的湿度条件，有些水分压力
- **0 至 1** | **正常** | 平均湿度条件，没有显著的水分压力
- **1 至 2** | **略微湿润** | 湿润条件，增加的土壤湿度有利于植被生长
- **2 至 3** | **中度湿润** | 显著高于平均的湿度条件，有积水的可能性

**3. 结果**
**3.1. 与涡度协方差观测的验证**
与涡度协方差（EC）塔观测的验证表明，所有ETa产品都合理地再现了观测到的ETa的季节性变化，但在不同地点的幅度和准确性上存在显著差异（图3）。比较每月观测到的ETa与产品估计的散点图显示，VegET v2显示出最强的相关性（r = 0.80，斜率 = 0.96，RMSE = 25.5毫米/月）。SSEBop v6.1和GLEAM v4.1a也显示出中等强的相关性（分别为r = 0.67和0.65），尽管在较高通量时存在一些偏差。MODIS16 v6.1显示出中等强的相关性（r = 0.62），而WaPOR v3显示出最低的相关性（r = 0.56），可能是由于数据可用性有限（N = 21）。八个站点的时间序列分析进一步显示，VegET、SSEBop和GLEAM通常能够捕捉到季节性周期，而MODIS16和WaPOR倾向于低估ETa峰值（图4）。鉴于VegET明确模拟了根区土壤水分平衡，ETa字段应不仅被解释为通量估计，还应被视为流域水分平衡闭合的组成部分。这一水文基础使VegET区别于基于卫星的诊断性ETa产品，并解释了其在不同非洲气候中的稳健性能。特别是，VegET与通量塔观测之间的强对应关系表明，该模型捕捉到了季节性土壤湿度对ETa的控制以及水分限制和能量限制状态之间的转换，这对流域尺度的水文监测至关重要。

**下载：** 下载高分辨率图像（821KB）
**下载：** 下载全尺寸图像

**图3. 每月观测到的ETa与（a）VegET v2、（b）SSEBop v6.1、（c）MODIS16 v6.1、（d）GLEAM v4.1a和（e）WaPOR v3的散点图。**蓝色虚线是1:1线；黑色实线是回归拟合线。报告的统计信息包括皮尔逊相关性（r）、回归斜率、RMSE和样本大小（N）。**

**下载：** 下载高分辨率图像（1MB）
**下载：** 下载全尺寸图像

**图4. 非洲八个涡度协方差站点每月观测到的ETa（黑色）与VegET v2、SSEBop v6.1、MODIS16 v6.1和GLEAM v4.1a的ETa的时间序列比较。**右侧面板中的箱形图显示了每个站点的ETa季节性变化（1月至12月）。**

**3.2. VegET与基于遥感的ETa产品的整体空间比较**
**图5**展示了VegET v2、SSEBop v6.1、MODIS16 v6.1、WaPOR v3和GLEAM v4.1a的非洲年平均ETa的空间分布（参见附录A，图A1至A5了解月度气候概况）。**所有产品都捕捉到了广泛的气候梯度，湿润的热带地区（特别是刚果河流域）ETa值较高，而干旱和半干旱地区（如撒哈拉、萨赫勒、非洲之角、南部非洲和大部分北非）ETa值较低。VegET v2和MODIS16 v6.1在非洲许多地区表现出特别一致的结果，包括西非、萨赫勒、刚果河流域、非洲之角、南部非洲和马达加斯加，一致地识别出高ETa和低ETa区域。GLEAM v4.1a、MODIS16 v6.1以及在较小程度上的WaPOR v3总体上倾向于产生略高的ETa估计值，尤其是在刚果河流域和西非沿海地区。这些差异可能源于每个数据集的建模假设、输入数据和检索算法。尽管如此，产品在识别主要水文梯度方面的广泛一致性突显了它们在区域尺度蒸发蒸腾模式评估中的集体效用。**

**下载：** 下载高分辨率图像（645KB）
**下载：** 下载全尺寸图像

**图5. 年平均ETa的空间分布。**年平均值是针对2003-2021年计算的VegET v2、MODIS16 v6.1和GLEAM v4.1a，以及2012-2021年的SSEBop v6.1和2018-2021年的WaPOR v3。**地图c)中的白色空间代表MODIS16产品中的无数据像素。**

**3.3. 主要气候区间的ETa比较**
跨K?ppen–Geiger气候区的比较突显了水分平衡限制在干旱/半干旱地区的主导作用，其中VegET倾向于产生比某些产品更低的ETa。这表明该模型明确考虑了土壤水分限制，与干旱易发条件一致，而依赖能量平衡或基于VI的升尺度方法的卫星产品可能在土壤水分受限时高估ETa。

**图6**展示了VegET v2与每个遥感ETa产品之间的每月ETa估计值的散点图，按K?ppen–Geiger气候区分层，从热带（Af、Am、Aw）到干旱（BWh、BWk、BSh、BSk）再到温带（例如Cfa、Cfb、Csa、Csb）。在大多数地区，VegET与MODIS16 v6.1和GLEAM v4.1a表现出强一致性，表现为相对较高的相关系数（例如r ≥ 0.79）、接近1的斜率和中等RMSE值（约17–20毫米/月）。SSEBop v6.1也表现出稳健的性能（r ≈ 0.81），斜率接近1.0，RMSE约为20毫米/月，特别是在热带和温带地区。WaPOR v3在湿润和半干旱地区表现出一些差异（r ≈ 0.79，RMSE = 22毫米/月）。

**下载：** 下载高分辨率图像（780KB）
**下载：** 下载全尺寸图像

**图6. 主要气候区间的VegET v2模型与四种遥感ETa产品的每月ETa估计值比较。**每个散点图表示VegET与相应遥感ET产品之间的关系。实线黑色线条表示线性回归拟合，虚线蓝色线条表示1:1线。气候区按图例中的颜色编码，分类如下：Af = 热带雨林；Am = 热带季风；Aw = 热带草原；BWh = 干旱沙漠，炎热；BWk = 干旱沙漠，寒冷；BSk = 干旱草原，寒冷；Csa = 温带夏季干燥，夏季炎热；Csb = 温带夏季干燥，夏季温暖；Cwa = 温带冬季干燥，夏季炎热；Cwb = 温带冬季干燥，夏季温暖；Cwc = 温带冬季干燥，夏季寒冷；Cfb = 温带无干季，夏季炎热。**

**图7**中的箱形图更详细地展示了产品性能，说明了不同气候区的每月ETa分布。在热带雨林（Af）和季风（Am）地区，大多数产品在幅度和季节模式上紧密聚集，但WaPOR通常估计的峰值ETa值较高，表现为较宽的四分位数范围。在干旱沙漠（BWh、BWk）和草原地区（BSh、BSk），产品显示出更多变异性——尤其是在干旱季节——尽管VegET、SSEBop和GLEAM通常对齐良好，而WaPOR在水分压力条件下继续表现出较高的ETa值。相反，MODIS16在某些生长高峰月份倾向于较低的ETa，这一模式也在时间序列中观察到（图A2）。图A2中的时间序列强调了这些季节性周期，显示了所有数据集对热带、干旱和温带地区主要雨季和干旱期的类似响应。WaPOR在湿润地区和半干旱过渡区的较高ETa峰值再次明显。

**下载：** 下载高分辨率图像（887KB）
**下载：** 下载全尺寸图像

**图7. 非洲主要气候区的每月实际蒸发蒸腾（ETa）估计值的箱形图（见图1a了解气候区）。**2003-2021年期间，VegET v2、MODIS16 v6.1和GLEAM v4.1a的年平均值进行了比较；2012-2021年期间为SSEBop v6.1；2018-2021年期间为WaPOR v3。**地图c)中的白色空间代表MODIS16产品中的无数据像素。**

**3.3. 主要气候区间的ETa比较**
跨K?ppen–Geiger气候区的比较突显了水分平衡限制在干旱/半干旱地区的主导作用，其中VegET倾向于产生比某些产品更低的ETa。这表明该模型明确考虑了土壤水分限制，与干旱易发条件一致，而依赖能量平衡或基于VI的升尺度方法的卫星产品可能在土壤水分受限时高估ETa。

**图6**展示了VegET v2与每个遥感ETa产品之间的每月ETa估计值的散点图，按K?ppen–Geiger气候区分层，从热带（Af、Am、Aw）到干旱（BWh、BWk、BSh、BSk）再到温带（例如Cfa、Cfb、Csa、Csb）。在大多数地区，VegET与MODIS16 v6.1和GLEAM v4.1a表现出强一致性，表现为相对较高的相关系数（例如r ≥ 0.79）、接近1的斜率和中等RMSE值（约17–20毫米/月）。SSEBop v6.1也表现出稳健的性能（r ≈ 0.81），斜率接近1.0，RMSE约为20毫米/月，特别是在热带和温带地区。WaPOR v3在湿润和半干旱地区表现出一些差异（r ≈ 0.79，RMSE = 22毫米/月）。

**下载：** 下载高分辨率图像（780KB）
**下载：** 下载全尺寸图像

**图6. 主要气候区的VegET v2模型与四种遥感ETa产品的每月ETa估计值比较。**每个散点图表示VegET与相应遥感ET产品之间的关系。实线黑色线条表示线性回归拟合，虚线蓝色线条表示1:1线。气候区按图例中的颜色编码，分类如下：Af = 热带雨林；Am = 热带季风；Aw = 热带草原；BWh = 干旱沙漠，炎热；BWk = 干旱沙漠，寒冷；BSk = 干旱草原，寒冷；Csa = 温带夏季干燥，夏季炎热；Csb = 温带夏季干燥，夏季温暖；Cwa = 温带冬季干燥，夏季炎热；Cwb = 温带冬季干燥，夏季温暖；Cwc = 温带冬季干燥，夏季寒冷；Cfb = 温带无干季，夏季炎热；Cfb = 温带无干季，夏季温暖。**

**图7**中的箱形图更详细地展示了产品性能，说明了不同气候区的每月ETa分布。在热带雨林（Af）和季风（Am）地区，大多数产品在幅度和季节模式上紧密聚集，但WaPOR通常估计的峰值ETa值较高，表现为较宽的四分位数范围。在干旱沙漠（BWh、BWk）和草原地区（BSh、BSk），产品显示出更多变异性——尤其是在干旱季节——尽管VegET、SSEBop和GLEAM通常对齐良好，而WaPOR在水分压力条件下继续表现出较高的ETa值。相反，MODIS16在某些生长高峰月份倾向于较低的ETa，这一模式也在时间序列中观察到（图A2）。图A2中的时间序列强调了这些季节性周期，显示了所有数据集对热带、干旱和温带地区主要雨季和干旱期的类似响应。WaPOR在湿润地区和半干旱过渡区的较高ETa峰值再次明显，而VegET、GLEAM、SSEBop和MODIS16则遵循更温和的轨迹。这些每月周期进一步突显了VegET、GLEAM和SSEBop之间的显著一致性，特别是在温带气候（例如Cfa、Cfb、Csa、Csb）中，这些产品的ETa估计值全年保持紧密对齐。当使用VegET作为参考时，SSEBop、MODIS16和GLEAM显示出较高的r值（≥0.8）以及与VegET相似的标准差，这强调了它们在热带和温带地区的一致性能。WaPOR的标准差偏差较大，r值略低，表明其在更极端环境中的水分蒸发（ETa）模式具有独特性。图表还表明，尽管所有产品都能捕捉到主要的水文气候梯度，但每个产品都有其独特的特点——特别是在季节变化明显或农业活动频繁的地区——这导致了斜率和均方根误差（RMSE）的差异。VegET v2在大多数气候区与MODIS16 v6.1、GLEAM v4.1a和SSEBop v6.1最为吻合，表现为一致的较高r值（0.79–0.89）、接近1.0的斜率以及中等的RMSE值（17–20毫米/月）。WaPOR v3在湿润和半干旱地区通常报告更高的ETa值，导致较低的相关性（约0.79）和略高的RMSE（约22毫米/月）。尽管如此，所有产品都大致捕捉到了非洲主要气候类型下的季节性和空间性ETa动态，差异主要出现在水分梯度显著、农业活动密集或地形复杂的地区。

下载：下载高分辨率图像（483KB）
下载：下载全尺寸图像

图8. 泰勒图比较了2013-2021年期间各种产品的实际蒸散量（ETa）估算值，涵盖了所有气候区。图表显示了每个ETa产品在所有气候区平均后的总体标准差（SD）、相关系数（R）和均方根误差（RMSE）。参考产品在面板标题中标明，其他产品则与此参考产品进行比较。

3.4. 不同土地利用和土地覆盖类型下的ETa比较
图9展示了VegET v2与各种遥感ETa产品在不同LULC类型（包括农田、森林、草原和城市/建筑区）上的关系。总体而言，VegET与MODIS16 v6.1和GLEAM v4.1a的一致性最强，表现为高相关系数（某些类别中r≥0.90）、接近1.0的斜率以及通常在15–20毫米/月范围内的RMSE值。这些发现尤其在雨养/休耕地、开阔森林和草原类别中最为明显，其中点紧密聚集在1:1线上。SSEBop v6.1也表现出强烈的一致性（r≈0.84，斜率≈0.85，RMSE≈18毫米/月），特别是在灌木丛和草原地区。然而，在森林区域，其RMSE略有升高，这可能是因为密集植被影响了水分通量。相比之下，WaPOR v3在灌溉农田和建筑区表现出更大的偏差，表现为较低的相关性（r≈0.80）和较高的RMSE（高达22毫米/月）。这些差异表明，在管理密集的农业区或城市环境中，这些产品倾向于高估ETa。

下载：下载高分辨率图像（714KB）
下载：下载全尺寸图像

图9. 比较了VegET v2模型与四种遥感ETa产品（SSEBop v6.1、MODIS16 v6.1、WaPOR v3和GLEAM v4.1a）在主要土地利用类别下的月度ETa估算值，排除了水体。每个散点图表示VegET与相应遥感ETa产品之间的关系。实线黑色曲线表示线性回归拟合，虚线蓝色曲线表示1:1线。

图A4中的季节性周期分析进一步证实了这些发现。在草原、农田和森林区域，VegET、GLEAM、SSEBop和MODIS16显示出相似的中位数ETa值以及相对紧密的四分位数范围。然而，WaPOR在灌溉农田和建筑区往往表现出更高的ETa或更大的变化性，表现为更广的分布和更高的异常值。这种高估在作物生长活跃或灌溉需求高的时期尤为明显，突显了WaPOR在管理密集景观中的独特检索行为。VegET v2在广泛的土地利用和覆盖类别中与MODIS16 v6.1、GLEAM v4.1a和SSEBop v6.1最为吻合，始终显示出高相关性、接近1.0的斜率以及中等的RMSE（约15–20毫米/月）。WaPOR v3在农业和建筑区通常有所不同，它倾向于估计更高的ETa，导致较低的相关性和较高的RMSE。总体而言，这些比较表明，虽然所有产品都能捕捉到不同LULC类型的ETa动态，但在人类活动集中或植被密集的区域，由于检索算法和水资源使用假设的差异，这些产品的结果会出现分歧。

下载：下载高分辨率图像（451KB）
下载：下载全尺寸图像

图10. 泰勒图比较了2013-2021年期间各种产品的实际蒸散量（ETa）估算值，涵盖了所有土地利用类别。图表显示了每个ETa产品在所有气候区平均后的总体标准差（SD）、相关系数（R）和均方根误差（RMSE）。参考产品在面板标题中标明，其他产品则与此参考产品进行比较。

3.5. 主要流域间的ETa比较
图11显示了每个遥感数据集与VegET v2的月度ETa散点图，揭示了在刚果河和尼罗河流域等大流域中的强烈一致性。GLEAM v4.1a和SSEBop v6.1通常与VegET的相关性最高（r≈0.79–0.89），斜率接近1.0，RMSE值在15–24毫米/月范围内。MODIS16 v6.1也表现出高一致性（r≈0.86），尽管在季节变化较大的流域（如林波波河和奥卡万戈河）中分散度稍大，RMSE约为18毫米/月。WaPOR v3的相关性较低（r≈0.67），RMSE较高（约28–30毫米/月），表明在气候湿润或水文条件复杂的流域中倾向于高估ETa。泰勒图（图12）显示，VegET v2和GLEAM v4.1a与参考值的相关性和一致性更高，而SSEBop v6.1和MODIS16 v6.1在2013-2021年期间所有流域的平均标准差和RMSE的偏差较大。

下载：下载高分辨率图像（914KB）
下载：下载全尺寸图像

图11. 比较了VegET v2模型与四种遥感ETa产品（SSEBop v6.1、MODIS16 v6.1、WaPOR v3和GLEAM v4.1a）在十个非洲河流域的月度ETa估算值。每个散点图表示VegET与相应遥感ETa产品之间的关系。实线黑色曲线表示线性回归拟合，虚线蓝色曲线表示1:1线。

图12. 泰勒图比较了2013-2021年期间各种产品的实际蒸散量（ETa）估算值，涵盖了所有十个流域。图表显示了每个ETa产品在所有流域平均后的总体标准差（SD）、相关系数（R）和均方根误差（RMSE）。参考产品在面板标题中标明，其他产品则与此参考产品进行比较。

图13. 各流域的月度箱形图进一步突出了ETa估算值的季节性变化。在刚果河和尼日尔河等高ETa流域，VegET、GLEAM和SSEBop的ETa值分布较为集中，四分位数范围较窄。然而，WaPOR在灌溉农田和建筑区通常表现出更高的ETa或更大的变化性，表现为更宽的分布和更多的异常值。这种高估在作物生长活跃或灌溉需求高的时期尤为明显，突显了WaPOR在管理密集景观中的独特检索行为。VegET v2在广泛的土地利用和覆盖类别中与MODIS16 v6.1、GLEAM v4.1a和SSEBop v6.1最为吻合，始终显示出高相关性、接近1.0的斜率以及中等的RMSE（约15–20毫米/月）。WaPOR v3在农业和建筑区通常有所不同，它倾向于估计更高的ETa，导致较低的相关性和较高的RMSE。总体而言，这些比较表明，虽然所有产品都能捕捉到不同LULC类型的ETa模式，但在人类活动集中或植被密集的区域，由于检索算法和水资源使用假设的差异，这些产品的结果会出现分歧。

下载：下载高分辨率图像（749KB）
下载：下载全尺寸图像

图13. 2003-2021年（MODIS16 v6.1和GLEAM v4.1a）、2018-2021年（WaPOR v3）和2013-2021年（SSEBop v6.1）期间非洲主要河流域的月度ETa估算值的箱形图。ETA估算值在VegET模型与四种遥感ET产品（GLEAM、MODIS16、SSEBop、WaPOR）之间进行了比较。四分位数范围显示了每个产品估算值的变异性，异常值用黑点表示。

3.6. 使用ETDI进行干旱监测的VegET ETa应用
附录C（图C.1）中呈现的年度平均ETDI地图展示了2002至2021年非洲干旱和湿润条件的空间分布。在这20年间，不同模式显现出来，干旱条件在萨赫勒和南部非洲等干旱地区持续存在，ETDI值经常低于-2，表明严重的干旱。相反，中非和马达加斯加部分地区显示出反复的湿润，ETDI值超过2，表明水分供应持续高于平均水平。这些地图还捕捉到了年际变化，例如2007年和2010年的广泛湿润条件，与2017年和2021年的严重干旱形成对比。

图14显示了2020年11月至2021年4月马格里布地区干旱条件的变化。雨季通常从10月持续到3月，但在2020年12月至2021年2月的核心冬季月份，降雨量低于平均水平。这些月份的ETDI值表明干旱程度加剧，摩洛哥、阿尔及利亚和突尼斯的大部分地区经历了中度至极端干旱。到2021年3月和4月，ETDI值仍主要处于干旱范围内，表明尽管有降雨预期，该地区的水分压力仍然持续。靠近撒哈拉的马格里布南部地区也经历了极端干旱。

下载：下载高分辨率图像（367KB）
下载：下载全尺寸图像

图14. 2020年11月至2021年4月北非的月度ETDI地图，聚焦于马格里布地区。颜色刻度表示ETDI值的范围，负值表示干旱条件，正值表示湿润。这些地图捕捉了水分压力的季节性变化，2021年晚冬和早春的干旱条件尤为严重。

图15展示了2016年非洲之角的月度ETDI地图，展示了该地区三个主要雨季（北半球春季（3月至5月）、北半球夏季（7月至9月）和北半球秋季（10月至12月）的独特模式。在北半球春季，3月和4月，ETDI地图显示了广泛的湿润条件，特别是在埃塞俄比亚南部和肯尼亚部分地区，ETDI值超过2，表明水分供应高于平均水平。然而，在北半球夏季，索马里和埃塞俄比亚东北部出现了干旱条件，ETDI值低于-2，表明严重的干旱。在北半球秋季，10月和11月干旱条件加剧，索马里、埃塞俄比亚东部和肯尼亚北部的大片地区经历了极端干旱，ETDI值低于-3。这些模式与该地区依赖秋季短雨来缓解夏季干旱的影响一致。然而，2016年秋季降雨的延迟和变化性加剧了干旱，导致水资源短缺，影响了该地区的农业和生计。

下载：下载高分辨率图像（1MB）
下载：下载全尺寸图像

图15. 2016年非洲之角的月度ETDI地图，涵盖了三个主要雨季：北半球春季（3月至5月）、北半球夏季（7月至9月）和北半球秋季（10月至12月）。颜色刻度显示了ETDI值，负值表示干旱条件，正值表示湿润。这些地图展示了全年干旱和湿润条件的季节性变化。

图16提供了2018年11月至2019年4月南部非洲的月度ETDI地图，详细展示了澳大利亚夏季雨季的干旱动态。结果显示，南非、纳米比亚和津巴布韦的大部分地区经历了广泛的干旱条件。从2018年11月开始，该地区的大部分地区显示出ETDI值低于-2，表明严重干旱，这种干旱持续到了12月和1月。2019年2月至4月期间，马达加斯加和莫桑比克的部分地区出现了局部湿润现象，这可能与热带气旋和其他天气系统有关，而内陆核心区域仍然处于严重干旱状态。这一时期与南部非洲记录的干旱事件相吻合，加剧了粮食不安全、水资源短缺和农业损失，尤其是在南非、纳米比亚和津巴布韦。ETDI地图突显了干旱严重程度的区域差异，一些沿海地区的湿度条件略优于内陆地区。在雨季高峰期间，南部非洲中部持续的干旱进一步凸显了该地区对水资源短缺和气候变化的脆弱性。

下载：下载高分辨率图像（580KB）
下载：下载全尺寸图像
图16. 2018年11月至2019年4月南部非洲的月度蒸散量亏缺指数（ETDI）地图。这些地图捕捉了南半球夏季雨季的情况，显示了整个地区的干旱和湿润状况的变化。颜色等级表示ETDI值，负值表示干旱条件，正值表示湿润条件。

4. 讨论
本研究是VegET在非洲大陆尺度上的首次应用之一，提供了一个基于水文数据的ETa数据集，补充了现有的遥感产品。通过对不同气候区、土地利用类型和主要河流流域的系统评估，发现建模框架的选择（水分平衡、能量平衡或混合模型）系统性地影响了ETa的大小和季节性，其影响因水文气候制度而异。以下部分从潜在机制角度解释了这些差异，并将其与已发表的研究结果进行比较，讨论了它们对干旱监测和水资源管理的影响。

4.1. 在干旱和半干旱地区的表现
在干旱和半干旱地区，VegET产生的ETa通常低于WaPOR和SSEBop，尤其是在干旱季节。这种差异在机制上与模型对土壤水分限制的处理方式不同有关。VegET的水分平衡框架在根区水分降至最大允许耗尽阈值（Ks → 0）时明确限制了ETa，产生的估计值紧密跟随降水驱动的土壤水分变化，这与表面土壤水分信息可以识别水分限制和能量限制的蒸散机制之间的转变的证据一致（Dong等人，2022年）。这种行为与Adeyeri和Ishola（2021年）的研究结果一致，他们认为降雨是萨赫勒地区ETa变化的主要驱动因素。相比之下，像WaPOR和SSEBop这样的能量平衡产品主要根据热信号和植被指数来计算ETa，即使土壤水分已经耗尽，这些指标也可能保持较高水平——例如通过残余的冠层绿色度或温暖的裸土温度——导致在水资源受限的环境中高估ETa（Blatchford等人，2020年；Trambauer等人，2014年）。GLEAM模型结合了卫星-derived的土壤水分数据，处于中间位置，能够有效捕捉短期ETa波动，但在干湿转换期间表现出更大的变异性（Martens等人，2017年）。这些发现表明，在水资源受限的环境中，ETa估计的准确性较少依赖于大气强迫的复杂性，而更多取决于模型对土壤水分可用性和其对植物可利用水分的控制能力。Kiptala等人（2013年）在东非使用SEBAL方法的研究表明，整合基于地面的土壤水分观测或卫星-derived的根区水分产品可以提高VegET在这些地区的准确性。

4.2. 在湿润和热带地区的表现
在刚果河流域和西非沿海等湿润热带地区，VegET、MODIS16和GLEAM的结果非常接近，表明当水分不是限制因素时，ETa主要由可用能量和植被覆盖度控制——这三个框架都通过植被指数和辐射输入来捕捉这些过程。这种在不同建模方法（水分平衡、Penman-Monteith、Priestley-Taylor）之间的趋同为这些地区的ETa大小提供了相互验证。然而，WaPOR在湿润地区倾向于高估ETa，可能是因为其植被指数重点没有充分考虑冠层截留作用，并可能将截留的降雨蒸发归因于蒸腾作用（Blatchford等人，2020年）。
刚果河流域的一个独特挑战是降水循环，其中地表蒸散作用维持了该地区相当一部分的降雨量（Brubaker等人，1992年；Eltahir和Bras，1994年）。作为一维土壤柱模型的VegET无法反映这种大气反馈，这可能导致在湿润季节高峰期低估ETa，因为循环水分会放大降雨量，从而增加ETa。此外，VegET的土壤应力系数（Ks）对根区耗尽作出反应，而不是对高强度热带降雨特征性的地表积水或快速入渗事件作出反应，这可能限制了其对短期水分脉冲的响应能力。尽管存在这些限制，但VegET与MODIS16和GLEAM的密切一致性表明，当适当校准后，VegET在湿润环境中可以提供可靠的ETa估计，其水分平衡框架还提供了纯诊断性遥感产品无法提供的内部一致的径流和补给场值。

4.3. 土地利用和灌溉实践的影响
土地利用对非洲各地ETa模型的性能有显著影响。在依赖雨水的农业区，VegET基于NDVI的作物系数能够有效捕捉季节性植被水分需求，这与P??as等人（2020年）的研究结果一致，他们证明了基于物候的系数能够可靠地表示不同种植系统的作物水分需求。然而，在灌溉区（如尼罗河三角洲和北非部分地区），所有依赖降水的模型都面临一个根本性限制：灌溉用水输入没有在其驱动数据中得到体现。VegET仅从降水获取土壤水分，因此会系统性地低估灌溉区的ETa，因为额外的水源没有被考虑在内。相反，WaPOR依赖植被指数，可能导致在灌溉区高估ETa，因为灌溉维持的植被导致的NDVI升高被解释为高蒸腾需求（Blatchford等人，2020年）。这种不对称性突显了一个结构性差距：在没有明确灌溉信息的情况下，仅依赖降水驱动或植被指数的方法无法准确捕捉ETA。Kiptala等人（2013年）在东非使用SEBAL方法的研究表明，整合灌溉地图或卫星-derived的土壤水分异常数据可以帮助填补这一差距。

4.4. 时间和季节性变化
所有模型都捕捉到了非洲ETA的广泛季节性周期，峰值对应于雨季。然而，在季节内转换和极端事件期间，模型之间的差异增加，揭示了不同框架处理时间动态的方式。VegET和SSEBop在半干旱地区一致地跟踪季节性趋势，因为两者都响应地表条件——VegET响应土壤水分，SSEBop响应地表温度——这些条件表明了最近的降水输入。主要依赖大气需求变量（蒸汽压差、气温）的MODIS16对短期土壤水分脉冲的敏感性较低，因此在其他干旱季节的短暂湿润期间低估了ETA。GLEAM通过吸收卫星土壤水分数据提高了季节内的响应能力，但在干湿转换期间引入了额外的变异性（Martens等人，2017年）。这些时间特征对干旱监测有直接影响：能够近乎实时响应土壤水分和植被物候的模型（如VegET和GLEAM）可能比主要依赖大气变量的模型更适合支持早期预警系统。

4.5. 建模框架和方法论见解
ETa产品之间的系统差异可以归因于它们建模框架的三个基本差异：（i）ETa需求的定义方式——通过大气变量（MODIS16）、热信号（SSEBop）或植被物候（VegET、WaPOR）；（ii）如何通过土壤水分预算（VegET、GLEAM）或地表温度偏差（SSEBop）来限制需求；以及（iii）模型是在封闭的水分平衡框架内运行（VegET）还是作为诊断性估计（遥感产品）。这些结构差异解释了为什么在湿润且能量受限的环境中产品趋于一致——在那里需求而非供应控制ETA——但在水资源受限的地区则差异显著，因为土壤水分压力的表示成为主要的不确定性来源。这一发现与Jung等人（2019年）的研究结果一致，他们表明模型参数化解释了西非湿润地区ETA不确定性的90%以上，也与Trambauer等人（2014年）的研究结果一致，后者记录了非洲干旱地区的产品间巨大差异。未来的发展应优先考虑结合遥感的空间覆盖范围和水文模型水分平衡一致性的混合方法，可能通过将卫星土壤水分数据同化到VegET等框架中（Awada等人，2022年；Awada等人，2024年）。

我们的研究结果强调，ETa的比较不应仅仅被视为验证练习，而应作为一种理解不同建模框架如何表示水文过程的方式。例如，VegET在半干旱地区相对于WaPOR较低的ETA表明了更严格的水分平衡限制，这与观察到的干旱影响一致。相反，在湿润地区与MODIS16和GLEAM的一致性表明，在水分不是限制因素时，各框架的结果趋于一致。由于VegET嵌入在一个完整的根区水分平衡框架中，ETA场可以直接与径流和补给估计相关联。这与最近的大陆尺度径流建模（Akpoti等人，2024年）的结果一致，其中VegET径流通过mizuRoute（Mizukami等人，2016年）与泛非洲径流场进行了关联。这些应用共同突显了VegET支持从ETA到河流径流的综合水文评估的能力。

4.6. 限制和不确定性
在解释本研究结果时，应考虑几个限制因素。首先，VegET是一个一维的、由降水驱动的土壤水分平衡模型，不考虑侧向水分转移、地下水贡献或灌溉输入。在灌溉区和地下水位较浅的地区，由于没有考虑额外的水源，这会导致ETA的系统性低估。在未来的版本中整合灌溉地图或卫星-derived的土壤水分异常数据可以部分解决这一问题。其次，VegET依赖NDVI衍生的作物系数假设卫星观测到的绿色度是植被水分需求的可靠代理。在云层覆盖持续存在的地区（如刚果河流域），NDVI合成伪影可能会引入Kcp信号的噪声，从而影响ETA的季节性。第三，该模型没有将冠层截留作为一个独立的通量进行表示；相反，截留通过固定的树木和草本覆盖度最大值进行参数化，这可能无法捕捉不同森林类型和降雨强度下的截留变化。

验证受到非洲涡度协方差（EC）通量塔有限可用性和空间代表性的限制。本研究仅使用了八个通量塔站点，涵盖了大陆部分气候和土地覆盖类型的样本。包括热带山地森林和撒哈拉边缘在内的关键生物群落未包含在验证数据集中。此外，EC通量塔的足迹（通常为100-1000米）与1公里的VegET网格之间的空间不匹配引入了尺度依赖的不确定性，特别是在单一模型像素内土地覆盖变化较大的异质景观中。EC数据由于能量平衡不闭合而具有10-30%的不确定性（Glenn等人，2010年；Glenn等人，2011年），这意味着模型和参考数据都会影响观察到的差异。输入数据的质量也是另一个不确定性来源。用于驱动VegET的降水产品虽然先进，但在降雨测量网络稀疏的地区（特别是在中非、萨赫勒和高地地区）存在众所周知的偏差。由于VegET的土壤水分和ETA直接由降水驱动，这些偏差会传递到ETA估计中。同样，用于比较VegET的基准遥感产品也有自己的不确定性，包括对云层污染、热校准和算法特定假设的敏感性——这意味着比较仅表征了产品之间的相对一致性，而不是绝对准确性。最后，研究时间范围（2000-2021年）受到MODIS时代卫星数据的限制，这限制了评估更长期趋势或2000年之前的基线条件的能力。尽管存在这些限制，VegET与通量塔观测和多种独立遥感产品在不同环境中的一致性支持了其作为非洲大陆尺度水文ETa产品的实用性。

4.7. 对干旱监测和水资源管理的影响
将VegET衍生的ETA应用于计算蒸散量亏缺指数（ETDI）展示了基于水文数据的ETA与纯诊断性遥感产品的实用性。与依赖潜在蒸散量（如SPI、PDSI）的传统干旱指数不同，ETDI结合了植被的实际水分消耗，捕捉了降水输入、土壤水分消耗和大气需求之间的相互作用（Narasimhan和Srinivasan，2005年）。这在非洲尤为重要，因为即使轻微偏离季节性降雨标准也会严重影响依赖雨水的农业生产力。ETDI的结果展示了捕捉区域特定干旱动态的能力：2015-2016年和2018-2019年南部非洲的干旱，这些干旱由厄尔尼诺现象引起的降水量不足引发；非洲之角的持续季节性水资源压力（Nicholson, 2014）；以及马格里布地区由于冬季降雨量减少和气温升高而逐渐加剧的干旱（Masih et al., 2014）。使用VegET ETa进行ETDI的一个关键优势是其与土壤水分平衡的内在一致性：因为ETa、径流和土壤湿度是联合模拟的，所以ETDI中的干旱信号代表了实际的水文赤字，而不是大气代理指标。这与气象干旱指数不同，后者在降水量不足被储存的土壤水分部分抵消时可能会低估农业影响，或者在前期条件缓解干旱影响时可能会高估影响。随着气候变化加剧非洲各地干旱的频率和严重程度，将水文模型衍生的ETa整合到操作性干旱监测框架中，为粮食安全和水资源管理提供了更加基于物理的早期预警系统。

5. 总结与结论
这项工作不仅进行了产品评估，还提供了非洲大陆尺度的ETa水文模拟之一，并通过通量塔进行了验证，并与四种广泛使用的卫星产品进行了对比。通过ETDI与干旱监测的整合，展示了其在水资源管理中的操作价值。除了ETa之外，VegET框架还与径流和流量建模（Akpoti et al., 2024）相连接，支持流域尺度的水资源核算、农业水资源管理和气候韧性规划。对于水文学家和决策者来说，这项研究强调了VegET作为模型评估工具和用于监测大陆尺度蒸发蒸腾和干旱的实际水文建模框架的实用性。该研究对非洲不同气候区、土地利用类型和空间尺度上的Agro-Hydrologic VegET模型与四种广泛认可的基于遥感的ETa产品（MODIS16、SSEBop、WaPOR和GLEAM）进行了全面的比较分析。结果表明，没有一种ETa模型在所有地区都能始终优于其他模型，这表明在多样化环境中估算蒸发蒸腾的复杂性。

在湿润和热带地区，如刚果河流域和西非沿海地区，VegET模型与MODIS16和GLEAM具有很强的可比性，能够有效捕捉ETa的季节性动态。这种一致性可以归因于这些模型依赖于植被指数和水分平衡原理，这些原理在水资源不是限制因素的地区是合适的。然而，在雨季高峰期，一些差异会出现，例如WaPOR模型由于过度依赖植被指数而倾向于高估ETa，因为这些指数可能无法完全考虑冠层截留或其他地表过程。此外，VegET通过土壤应力系数（Ks）对土壤湿度的依赖可能会限制其捕捉快速变化的能力，例如在热带雨林中观察到的强降雨事件和高降水循环。相比之下，在干旱和半干旱地区，如萨赫勒地区，水资源有限，蒸发蒸腾主要受土壤湿度限制，VegET的ETa值较低。在这里，基于能量平衡原理的SSEBop模型通常提供最准确的ETa估计，特别是在水资源受限的情况下。然而，这些模型在湿润期和干旱期之间的转换期间也表现出更大的变异性，这可能是由于它们对土壤湿度和大气需求的短期波动敏感。土地利用和土地覆盖也被发现是影响模型性能的关键因素。VegET采用物候学方法，在雨养农田和自然植被区准确估计了ETa，其中降雨带来的土壤湿度是ETa的主要驱动因素。然而，在灌溉农业区，特别是在北非和其他依赖地下水或补充灌溉的地区，其局限性变得明显。在这些情况下，VegET无法完全捕捉到管理用水的复杂性，因为它专门设计用于仅基于降雨驱动的1米浅层根区内的土壤湿度来估算ETa，而没有考虑来自灌溉或地下水的额外水分输入。在这些地区，强调农业用水的WaPOR设计提供了更高的ETa估计值，但往往在干旱季节会出现高估。研究发现强调了模型校准和整合多源数据（包括土壤湿度观测、植被指数和热红外数据）的重要性，以改善非洲多样化景观中的ETa估计。鉴于模型性能的变异性，没有一种ETa产品是普遍优越的。相反，每个模型的优势在于其捕捉特定环境和土地利用特征的能力，这突显了需要结合不同方法的优势的混合方法。

未来的研究可以集中在开发结合VegET等降水驱动模型与SSEBop和GLEAM等能量平衡模型优势的混合模型上。这将提高ETa估计的空间和时间分辨率，特别是在环境变化较大的地区。此外，结合地面测量对于验证和精细化遥感估计至关重要，特别是在遥感数据有限或可能存在偏差的地区。扩展地面土壤湿度和植被监测网络将大大提高模型的准确性和可靠性，有助于缩小模型预测与实际ETa动态之间的差距。总之，提高ETa模型的准确性和可靠性对于支持水资源分配、农业规划和干旱缓解工作的明智决策至关重要。随着非洲面临水资源短缺、气候变化和人口增长的挑战，强大而准确的ETa模型对于确保该大陆重要水资源的可持续管理至关重要。通过提升ETa建模能力和整合多源数据集，利益相关者可以制定更有效的策略来管理水资源并适应气候变化的影响。

此外，将VegET衍生的实际蒸发蒸腾（ETa）应用于计算干旱指数（如蒸发蒸腾亏缺指数ETDI）突显了在非洲增强干旱监测和管理的潜力。结合PET和ETA，ETDI更准确地反映了植被所经历的水分压力，特别是在气候条件高度变化的地区。这种方法能够及时检测农业干旱，使利益相关者能够更有效地实施缓解策略。随着气候变化继续改变降水模式并增加极端天气事件的频率，将ETa纳入干旱评估框架对于保障粮食安全和优化水资源分配变得越来越重要（Narasimhan和Srinivasan, 2005, Marshall et al., 2013）。像VegET这样的模型提供的更高精度干旱检测能力可以显著促进适应性农业系统的开发，并为旨在适应气候变化和可持续资源管理的政策决策提供信息。

**CRediT作者贡献声明**
Seid Abdulkarim：写作 - 审稿与编辑、资源管理、项目行政、资金获取。
Kirubel Mekonnen：写作 - 审稿与编辑、数据管理。
Samuel Guug：写作 - 审稿与编辑、数据管理。
Souleymane Sy：写作 - 审稿与编辑、数据管理。
Velpuri Naga：写作 - 审稿与编辑、验证、监督、资源管理、项目行政、方法论、概念化。
Vinay Nangia：写作 - 审稿与编辑、数据管理。
Komlavi Akpoti：写作 - 审稿与编辑、初稿撰写、可视化、验证、软件、方法论、调查、正式分析、数据管理、概念化。
Parrish Gabriel：验证、软件。
Lahiru Madushanka：软件、数据管理。
Tharindu Perera：软件、数据管理。
Prabhath Paranamana：写作 - 审稿与编辑、软件、数据管理。
Mulugeta Tadesse：写作 - 审稿与编辑、数据管理。
Senay Gabriel：写作 - 审稿与编辑、验证、软件、方法论。
Afua Owusu：写作 - 审稿与编辑。
Stefanie Kagone：写作 - 审稿与编辑、软件、数据管理。
Jan Bliefernicht：写作 - 审稿与编辑、数据管理。
Mansoor Leh：写作 - 审稿与编辑、方法论。