2. D\u00fcrre\u00fcberwachung:<\/strong> Ein anhaltender R\u00fcckgang der tats\u00e4chlichen Evapotranspiration (ET) im Vergleich zur Referenz-ET (der Verdunstung bei unbegrenzter Wasserversorgung) signalisiert beginnenden Trockenstress. Fernerkundungsdaten erfassen dieses Signal Wochen bevor Ertragsverluste sichtbar werden.<\/p>\n 3. Wasserressourcenplanung:<\/strong> F\u00fcr die Wasserbilanzierung auf Beckenebene werden ET-Daten im Einzugsgebietsma\u00dfstab ben\u00f6tigt. Satellitengest\u00fctzte ET-\u00dcberwachung bietet diese r\u00e4umliche Abdeckung zu einem Bruchteil der Kosten eines Bodenstationsnetzes.<\/p>\n 4. Bewertung des Klimawandels:<\/strong> Langfristige ET-Trends zeigen, wie steigende Temperaturen und ver\u00e4nderte Niederschlagsmuster die Wassernutzung von \u00d6kosystemen beeinflussen \u2013 Daten, die als Grundlage f\u00fcr Anpassungsplanungen auf regionaler und nationaler Ebene dienen.<\/p>\n 5. \u00dcberwachung des \u00d6kosystemzustands:<\/strong> Die Evapotranspirationsraten von Feuchtgebieten, die Transpiration von W\u00e4ldern und der Wasserverbrauch von Grasland reagieren sensibel auf \u00f6kologische St\u00f6rungen. Fernerkundungsdaten zur Evapotranspiration erfassen diese Ver\u00e4nderungen in gro\u00dfen, unzug\u00e4nglichen Landschaften.<\/p>\n Die Evapotranspiration (ET) wird durch ein Zusammenspiel von Klimabedingungen, Landschaftsmerkmalen und Pflanzenbiologie beeinflusst. Im Folgenden werden die wichtigsten Einflussfaktoren aufgeschl\u00fcsselt.<\/p>\n 1. Bodentyp.<\/strong> Die Bodenbeschaffenheit spielt eine wichtige Rolle f\u00fcr die Wasserspeicherung und Verdunstung. Sandige oder kiesige B\u00f6den speichern tendenziell weniger Wasser und geben durch Verdunstung mehr davon ab, w\u00e4hrend lehmige oder tonreiche B\u00f6den Feuchtigkeit besser speichern.<\/p>\n 2. Lufttemperatur.<\/strong> Die Temperatur hat einen direkten Einfluss auf die Evapotranspirationsrate. W\u00e4rmere Luft kann mehr Feuchtigkeit aufnehmen, und erh\u00f6hte W\u00e4rme beschleunigt die Umwandlung von Wasser in Dampf, wodurch die Evapotranspiration steigt.<\/p>\n 3. Sonneneinstrahlung.<\/strong> Neben der reinen W\u00e4rmeerzeugung umfasst die Sonneneinstrahlung Schwankungen in Energieniveau, Frequenz und Albedo \u2013 all diese Faktoren beeinflussen die Evapotranspiration. Sie variieren je nach Standort und Jahreszeit, und ihre genaue Messung erfordert oft hochentwickelte Technologien.<\/p>\n 4. Luftfeuchtigkeit.<\/strong> Die relative Luftfeuchtigkeit (rF) gibt an, wie viel Wasserdampf die Luft im Verh\u00e4ltnis zu ihrer maximalen Aufnahmekapazit\u00e4t enth\u00e4lt. Bei hoher Luftfeuchtigkeit nimmt die Luft weniger zus\u00e4tzliche Feuchtigkeit auf, wodurch die Evapotranspiration (ET) verlangsamt wird. Umgekehrt kann trockenere Luft mehr Wasserdampf aufnehmen, was zu h\u00f6heren Evapotranspirationsraten f\u00fchrt.<\/p>\n 5. Pflanzendecke.<\/strong> Verschiedene Pflanzenarten interagieren unterschiedlich mit Wasser. Einige speichern Wasser effizient in Trockenperioden, w\u00e4hrend andere es schneller verlieren. Die Evapotranspirationsrate (ET) wird auch vom Alter, dem Gesundheitszustand und der Wurzeltiefe der Pflanze beeinflusst \u2013 tiefere Wurzeln erm\u00f6glichen es den Pflanzen, l\u00e4nger ohne Bew\u00e4sserung auszukommen. Aufgrund dieser physiologischen Unterschiede kann die ET je nach Pflanzenart stark variieren, was angepasste Bew\u00e4sserungsstrategien erforderlich macht.<\/p>\n 6. Windgeschwindigkeit.<\/strong> Wind ist ein wesentlicher Faktor f\u00fcr Verdunstung und Transpiration. Er verteilt die feuchte Luftschicht \u00fcber der Vegetation und erh\u00f6ht so die Evapotranspiration. Zudem f\u00f6rdert er die Diffusion von Wasserdampf durch die Pflanzenporen und steigert dadurch die Transpiration. Allerdings k\u00f6nnen extrem starke, trockene Winde die Wasserdampfdiffusion behindern und die Evapotranspiration unter bestimmten Bedingungen leicht verringern.<\/p>\n ET(0) spiegelt die F\u00e4higkeit der Atmosph\u00e4re wider, Wasserverluste zu verursachen, und basiert ausschlie\u00dflich auf dem Klima. ET(c) misst den Wasserverlust gesunder, gut bew\u00e4sserter Pflanzen, die unter idealen Bedingungen ihr volles Ertragspotenzial erreichen. Bei suboptimaler Bewirtschaftung oder Umweltbelastungen muss ET(c) angepasst werden, um ET(c<sub>adj<\/sub>) zu erhalten. Die Evapotranspiration von Nutzpflanzen wird anhand dreier unterschiedlicher Konzepte verstanden:<\/p>\n ET(0) repr\u00e4sentiert die Verdunstungsrate von Wasser von einer gut bew\u00e4sserten Referenzfl\u00e4che \u2013 typischerweise modelliert als eine idealisierte Grasdecke, die bestimmte Kriterien erf\u00fcllt.<\/p>\n Diese Messgr\u00f6\u00dfe erfasst den Verdunstungsbedarf der Atmosph\u00e4re unabh\u00e4ngig von Pflanzenart, Wachstumsstadium oder Anbaumethoden. Da die Referenzfl\u00e4che als vollst\u00e4ndig durchfeuchtet angenommen wird, werden Bodenbedingungen bei der Berechnung nicht ber\u00fccksichtigt \u2013 wodurch die Notwendigkeit entf\u00e4llt, separate ET-Schwellenwerte f\u00fcr jede Kulturpflanze in jedem Wachstumsstadium zu definieren.<\/p>\n ET(0) wird ausschlie\u00dflich von Klimavariablen bestimmt, und die typischen Werte variieren je nach agroklimatischer Zone; diese Werte dienen jedoch nur als allgemeine Richtwerte.<\/p>\n ET(c) quantifiziert die Wassermenge, die von einer gesunden, gut gen\u00e4hrten Kulturpflanze auf gro\u00dfen, ausreichend bew\u00e4sserten Feldern unter g\u00fcnstigen Witterungsbedingungen bei maximaler Produktivit\u00e4t freigesetzt wird. Sie wird durch Multiplikation der Referenz-ET mit dem Kulturkoeffizienten K(c) ermittelt:<\/p>\n ET(c) = ET(0) \u00d7 K(c)<\/em><\/p>\n ET(c adj) ber\u00fccksichtigt Abweichungen von idealen Wachstumsbedingungen in der Praxis. Faktoren wie Sch\u00e4dlings- und Krankheitsbefall, Wassermangel oder -\u00fcberschuss, Bodenversalzung und geringe Bodenfruchtbarkeit k\u00f6nnen dazu f\u00fchren, dass der tats\u00e4chliche Wasserverbrauch der Kulturpflanzen erheblich von ET(c) abweicht. Um diese Effekte zu erfassen, wird neben dem Kulturkoeffizienten ein Wasserstresskoeffizient K(s) eingef\u00fchrt.<\/p>\n ET(c adj) = ET(0) \u00d7 K(c) \u00d7 K(s)<\/em><\/p>\n Vor der Fernerkundung ma\u00dfen Wissenschaftler die Evapotranspiration (ET) mithilfe direkter physikalischer Instrumente. Jede Methode funktioniert in einem bestimmten Ma\u00dfstab gut, bringt aber erhebliche Nachteile mit sich, die eine breite Anwendung in der Landwirtschaft einschr\u00e4nken. Zu den besten bodengest\u00fctzten ET-Messverfahren geh\u00f6ren:<\/p>\n 1. Lysimeter: <\/strong>Ein Lysimeter (ein gro\u00dfer, mit Erde und wachsenden Pflanzen gef\u00fcllter Beh\u00e4lter, der ebenerdig installiert wird) misst die Evapotranspiration (ET), indem es den Bodenblock \u00fcber die Zeit wiegt. Bei kontrollierter Niederschlagsmenge und aufgefangenem Drainagewasser entspricht die Massendifferenz zwischen den Messzeitpunkten der tats\u00e4chlichen ET.<\/p>\n Lysimeter liefern die genauesten verf\u00fcgbaren ET-Messungen, kosten aber Hunderttausende von Dollar pro Einheit, decken nur wenige Quadratmeter ab und k\u00f6nnen die r\u00e4umliche Variabilit\u00e4t eines realen Feldes nicht darstellen.<\/p>\n 2. Eddy-Kovarianz-System: <\/strong>Das Eddy-Kovarianz-System misst die Evapotranspiration (ET), indem es mithilfe schnell reagierender Sensoren die Kovarianz zwischen vertikaler Windgeschwindigkeit und Wasserdampfkonzentration \u00fcber einem Kronendach berechnet. Es deckt einen Bereich von mehreren hundert Metern bis zu einigen Kilometern ab und ist damit deutlich repr\u00e4sentativer als ein Lysimeter.<\/p>\n Allerdings kostet die Installation und Wartung von Flux-T\u00fcrmen zwischen 50.000 und 300.000 US-Dollar, und das globale FLUXNET-Netzwerk verf\u00fcgt nur \u00fcber rund 900 aktive Standorte \u2013 viel zu wenige, um die landwirtschaftliche Evapotranspiration auf nationaler Ebene zu \u00fcberwachen.<\/p>\n 3. Bowen-Ratio-Methode: <\/strong>Die Bowen-Ratio-Methode sch\u00e4tzt die Evapotranspiration (ET) durch Messung des Verh\u00e4ltnisses von f\u00fchlbarem W\u00e4rmestrom (der die Luft erw\u00e4rmt) zu latentem W\u00e4rmestrom (ET) mithilfe von Temperatur- und Feuchtigkeitsgradienten \u00fcber dem Kronendach. Sie ist einfacher als die Eddy-Kovarianz-Methode, erfordert jedoch homogene Anstr\u00f6mbedingungen und ist in komplexem Gel\u00e4nde nicht anwendbar.<\/p>\n 4. ET-Berechnungen auf Basis von Wetterstationen<\/strong> Mithilfe der FAO-Penman-Monteith-Gleichung wird die Referenz-ET (ET<sub>0<\/sub>) aus Daten zu Lufttemperatur, Luftfeuchtigkeit, Windgeschwindigkeit und Strahlung berechnet. Diese Methode wird h\u00e4ufig f\u00fcr die Bew\u00e4sserungsplanung eingesetzt, liefert jedoch die Referenz-ET und nicht die tats\u00e4chliche ET, da sie von einer ausreichend bew\u00e4sserten Referenzkultur und nicht von der tats\u00e4chlich auf dem Feld befindlichen Kultur ausgeht.<\/p>\n Das zentrale Problem aller bodengest\u00fctzten Messmethoden ist der Ma\u00dfstab. Ein einzelnes Lysimeter repr\u00e4sentiert nur wenige Quadratmeter. Ein Flux-Turm deckt bestenfalls einige hundert Hektar ab. Moderne landwirtschaftliche Wasserbewirtschaftung erfordert jedoch ET-Daten auf Feldebene f\u00fcr ganze Flussgebiete \u2013 eine r\u00e4umliche Herausforderung, die nur Fernerkundung bew\u00e4ltigen kann.<\/p>\n Fernerkundung im Kontext der ET-\u00dcberwachung bezeichnet die Erfassung und Analyse von satelliten- oder flugzeuggest\u00fctzten Daten zur Sch\u00e4tzung des Wasserflusses, der die Landoberfl\u00e4che verl\u00e4sst, ohne diese physisch zu ber\u00fchren.<\/p>\n Dieser Ansatz funktioniert, weil Pflanzen und B\u00f6den Energie mit der Atmosph\u00e4re austauschen, und zwar auf eine Weise, die aus dem Weltraum messbar ist \u2013 insbesondere durch die Emission von thermischer Infrarotstrahlung. Wenn eine Pflanze effizient transpiriert, nutzt sie die einfallende Sonnenenergie zur Verdunstung von Wasser, anstatt sich zu erw\u00e4rmen. Ein Kronendach mit ausreichender Bodenfeuchtigkeit bleibt relativ k\u00fchl.<\/p>\n Im Gegensatz dazu schlie\u00dft ein durch Wassermangel beeintr\u00e4chtigtes Kronendach seine Spalt\u00f6ffnungen, um Wasser zu sparen. Da weniger latente W\u00e4rme (ET) die einfallende Energie verbraucht, steigt die Oberfl\u00e4chentemperatur des Kronendachs. Dies ist das grundlegende physikalische Signal, das die thermische Fernerkundung erfasst.<\/p>\n Die Energiebilanz<\/strong> Dies ist der ma\u00dfgebliche Rahmen. An jeder Landoberfl\u00e4che muss die Nettostrahlung (Rn), die von Sonne und Atmosph\u00e4re eintrifft, der Summe dreier Energiesenken entsprechen: dem Bodenw\u00e4rmestrom (G), dem f\u00fchlbaren W\u00e4rmestrom (H, der die Luft erw\u00e4rmt) und dem latenten W\u00e4rmestrom (LE, der die Evapotranspiration antreibt). Als Gleichung ausgedr\u00fcckt: Rn = G + H + LE. Durch die Sch\u00e4tzung von Rn, G und H anhand von Satellitendaten ermittelt das Modell LE \u2013 und damit ET \u2013 als Residuum.<\/p>\n 1. Landoberfl\u00e4chentemperatur<\/strong> Die im thermischen Infrarotbereich gemessene Landoberfl\u00e4chentemperatur (LST) ist die prim\u00e4re Messgr\u00f6\u00dfe zur Absch\u00e4tzung des f\u00fchlbaren W\u00e4rmestroms H. Eine hei\u00dfere Oberfl\u00e4che gibt mehr W\u00e4rme an die Luft ab (hohes H), wodurch weniger Energie f\u00fcr die Evapotranspiration (ET) zur Verf\u00fcgung steht (niedriger LE). Eine k\u00fchlere, gut bew\u00e4sserte Oberfl\u00e4che weist ein niedrigeres H und einen h\u00f6heren LE auf.<\/p>\n 2. Vegetationsindizes<\/strong> \u00c4hnlich wie der NDVI erfasst er, wie viel gr\u00fcnes, photosynthetisch aktives Pflanzenmaterial die Oberfl\u00e4che bedeckt und somit die Transpirationsrate beeinflusst. Ein dichtes, gr\u00fcnes Kronendach transpiriert mehr als nackter Boden oder ein lichter Bestand.<\/p>\n 3. Nettostrahlung<\/strong> wird aus kurzwelligen und langwelligen Strahlungsfl\u00fcssen berechnet, die mittels Fernerkundung aus Oberfl\u00e4chenalbedo, Vegetationsbedeckung und thermischen Emissionsdaten gesch\u00e4tzt werden.<\/p>\n Die satellitengest\u00fctzte Evapotranspirations\u00fcberwachung ist kein Ersatz f\u00fcr Messungen vor Ort \u2013 sie ist das einzige Instrument, das r\u00e4umlich kontinuierliche Wasserverbrauchsdaten in dem Ma\u00dfstab liefern kann, in dem landwirtschaftliche und hydrologische Entscheidungen tats\u00e4chlich getroffen werden.<\/p><\/blockquote>\n Der Vorteil der Fernerkundung gegen\u00fcber bodengest\u00fctzten Messmethoden liegt nicht nur in der r\u00e4umlichen Abdeckung. Satellitendaten liefern synoptische, wiederholbare Messungen in h\u00f6chst heterogenen Landschaften \u2013 etwas, das kein bodengest\u00fctztes Messnetz zu vergleichbaren Kosten leisten k\u00f6nnte.<\/p>\n Die Sch\u00e4tzung der Evapotranspiration aus dem Weltraum erfordert die Kombination von Daten verschiedener Sensortypen. Da kein einzelner Satellit alle f\u00fcr ein vollst\u00e4ndiges Evapotranspirationsmodell ben\u00f6tigten Eingangsdaten liefert, fusionieren operationelle Evapotranspirationsprodukte typischerweise Daten von mehreren Plattformen.<\/p>\n i. Landsat<\/strong> Der Satelliten (USGS\/NASA) ist seit 1972 ununterbrochen in Betrieb und liefert multispektrale und thermische Bilder mit einer r\u00e4umlichen Aufl\u00f6sung von 30 Metern und einem Wiederholungszyklus von 16 Tagen. Sein umfangreiches Archiv macht ihn unverzichtbar f\u00fcr die historische Evapotranspirationsanalyse und die Pflanzenbeobachtung. Die meisten Energiebilanzmodelle zur Evapotranspiration \u2013 darunter SEBAL und METRIC \u2013 wurden urspr\u00fcnglich auf Basis von Landsat-Daten entwickelt.<\/p>\n ii. Sentinel-2<\/strong> Die ESA bietet multispektrale Bilder mit einer Aufl\u00f6sung von 10 Metern und einer Wiederholungsrate von 5 Tagen f\u00fcr die Berechnung hochaufl\u00f6sender Vegetationsindizes. Obwohl sie kein Thermalband enthalten, erg\u00e4nzen sie Landsat durch h\u00e4ufigere und h\u00f6her aufgel\u00f6ste NDVI-, EVI- und LAI-Daten f\u00fcr vegetationsbasierte ET-Modelle.<\/p>\n iii. MODIS<\/strong> Das NASA-Spektroradiometer MOD16 (Moderate Resolution Imaging Spectroradiometer) liefert t\u00e4glich globale Daten mit einer Aufl\u00f6sung von 250 m bis 1 km. Die gr\u00f6bere r\u00e4umliche Aufl\u00f6sung schr\u00e4nkt zwar die Anwendung im Feldma\u00dfstab ein, macht es aber ideal f\u00fcr die \u00dcberwachung der Evapotranspiration auf kontinentaler und globaler Ebene.<\/p>\n iv. \u00d6KOSTRESS<\/strong> Der NASA-Satellit ECOSTRESS ist auf der Internationalen Raumstation (ISS) installiert und liefert thermische Infrarotdaten mit einer Aufl\u00f6sung von 70 Metern und einem Wiederholungszyklus von ein bis f\u00fcnf Tagen. ECOSTRESS wurde speziell f\u00fcr die Messung von Wasserstress und Evapotranspiration bei Nutzpflanzen im Nahfeldma\u00dfstab entwickelt \u2013 eine L\u00fccke, die MODIS und fr\u00fchere Satelliten nicht schlie\u00dfen konnten.<\/p>\n v. VIIRS<\/strong> (Visible Infrared Imaging Radiometer Suite, NOAA\/NASA) auf den Satelliten Suomi NPP und JPSS setzt die Tradition der globalen t\u00e4glichen Abdeckung von MODIS mit verbesserter Sensorkalibrierung fort und unterst\u00fctzt operationelle ET-Produkte auf regionaler bis globaler Ebene.<\/p>\n Unbemannte Luftfahrzeuge (UAVs oder Drohnen), ausgestattet mit W\u00e4rmebildkameras und Multispektralsensoren, k\u00f6nnen die Evapotranspiration (ET) mit einer r\u00e4umlichen Aufl\u00f6sung im Submeterbereich \u00fcber einzelnen Feldern kartieren. Eine an einer Drohne montierte W\u00e4rmebildkamera misst die Temperatur der Baumkronen direkt, und in Kombination mit meteorologischen Bodendaten erzeugt sie ET-Karten mit einer Aufl\u00f6sung, die kein Satellit erreichen kann.<\/p>\n Jede aus Satellitendaten extrahierte Variable tr\u00e4gt ein spezifisches Puzzleteil zur ET-Sch\u00e4tzung bei. Das Verst\u00e4ndnis daf\u00fcr, was jede Variable misst und warum sie wichtig ist, hilft Anwendern, das richtige Modell auszuw\u00e4hlen und die Ergebnisse korrekt zu interpretieren.<\/p>\n 1. Normalisierter Differenzvegetationsindex<\/strong> Der NDVI (Normalized Difference Vegetation Index) wird anhand der Reflexionswerte im nahen Infrarot- und Rotbereich berechnet: (NIR \u2013 Rot) \/ (NIR + Rot). Er liegt zwischen -1 und +1, wobei dichte, gr\u00fcne Vegetation typischerweise Werte zwischen 0,6 und 0,9 aufweist. Der NDVI erfasst die Kronendichte und den Gr\u00fcnanteil, die direkt mit der Blattfl\u00e4che und der Transpirationskapazit\u00e4t korrelieren.<\/p>\n 2, Verbesserter Vegetationsindex<\/strong> Der EVI-Wert f\u00fcgt ein blaues Spektralband hinzu, um atmosph\u00e4rische St\u00f6rungen und Bodeneinfl\u00fcsse zu reduzieren, die den NDVI-Wert in dicht bewachsenen oder h\u00e4ufig bew\u00f6lkten Gebieten beeintr\u00e4chtigen. Der EVI-Wert ist in Gebieten mit hoher Biomasse empfindlicher als der NDVI-Wert und wird im MOD16-ET-Algorithmus verwendet.<\/p>\n 3. Blattfl\u00e4chenindex<\/strong> Der Blattfl\u00e4chenindex (LAI) quantifiziert die gesamte einseitige Blattfl\u00e4che pro Fl\u00e4cheneinheit. Er beeinflusst die Transpiration direkt, indem er bestimmt, wie viel Blattoberfl\u00e4che Wasserdampf mit der Atmosph\u00e4re austauscht. Satellitengest\u00fctzte LAI-Daten sind ein wichtiger Eingangsparameter in vielen physikalisch basierten Evapotranspirationsmodellen.<\/p>\n 4. Oberfl\u00e4chenalbedo<\/strong> Die Albedo gibt den Anteil der einfallenden Sonnenstrahlung an, der von der Oberfl\u00e4che reflektiert wird. Sie bestimmt, wie viel Sonnenenergie die Oberfl\u00e4che absorbiert und somit, wie viel Energie f\u00fcr die Evapotranspiration zur Verf\u00fcgung steht. Dunkler, feuchter Boden hat eine niedrige Albedo (absorbiert mehr Energie), eine unbewachsene Sandoberfl\u00e4che hingegen eine hohe Albedo (reflektiert mehr).<\/p>\n 5. Bodenfeuchtigkeit<\/strong> Die Daten von Mikrowellensensoren schr\u00e4nken ET-Modelle ein, indem sie anzeigen, ob in der Wurzelzone ausreichend Wasser zur Deckung des Transpirationsbedarfs vorhanden ist. Sinkt die Bodenfeuchtigkeit unter einen kritischen Schwellenwert, f\u00e4llt die tats\u00e4chliche ET selbst bei ausreichender Energieverf\u00fcgbarkeit unter die potenzielle Rate.<\/p>\n Bastiaanssen et al. (wie in Frontiers in Remote Sensing, 2026, besprochen) stellten fest, dass SEBAL, validiert in mehr als 30 L\u00e4nder<\/strong>, erreicht 85% Genauigkeit f\u00fcr t\u00e4gliche ET-Sch\u00e4tzungen und 95% Genauigkeit f\u00fcr saisonale ET-Sch\u00e4tzungen<\/strong> im Feldma\u00dfstab.<\/p>\n Eine saisonale Genauigkeit von 95% bedeutet, dass die Wasserbilanzierung f\u00fcr Nutzpflanzen in einem gesamten Bew\u00e4sserungsgebiet zuverl\u00e4ssig nur mit Satellitendaten durchgef\u00fchrt werden kann, wodurch die Notwendigkeit dichter Bodenstationsnetze entf\u00e4llt.<\/p>\n Energiebilanzmodelle berechnen ET als Rest der Oberfl\u00e4chenenergiebilanz: ET = Rn \u2013 G \u2013 H. Jedes Modell unterscheidet sich darin, wie es den f\u00fchlbaren W\u00e4rmestrom H sch\u00e4tzt, der die rechenintensivste und fehleranf\u00e4lligste Komponente darstellt.<\/p>\n i. Oberfl\u00e4chenenergiebilanzalgorithmus f\u00fcr Land<\/strong> SEBAL wurde 1998 von Bastiaanssen entwickelt und ist nach wie vor eines der weltweit am h\u00e4ufigsten angewandten Satelliten-ET-Modelle. SEBAL verwendet drei zentrale, aus Satellitendaten abgeleitete Parameter: die Landoberfl\u00e4chentemperatur (T0), die hemisph\u00e4rische Oberfl\u00e4chenreflexion (Albedo r0) und den NDVI.<\/p>\n Zur Sch\u00e4tzung des f\u00fchlbaren W\u00e4rmestroms identifiziert SEBAL zwei Ankerpixel \u2013 das \u201chei\u00dfe Pixel\u201d (trockener, unbewachsener Boden, wo die Evapotranspiration nahe null liegt) und das \u201ckalte Pixel\u201d (gut bew\u00e4sserte Pflanzen, wo die Evapotranspiration maximal ist) \u2013 und interpoliert den W\u00e4rmestrom \u00fcber die Szene relativ zu diesen Extremwerten. Diese Selbstkalibrierungsfunktion macht SEBAL weniger anf\u00e4llig f\u00fcr absolute Kalibrierungsfehler in den meteorologischen Eingangsdaten.<\/p>\n ii. Kartierung der Evapotranspiration mit hoher Aufl\u00f6sung und interner Kalibrierung<\/strong> Das METRIC-Modell baut auf SEBAL auf, erg\u00e4nzt es aber um eine automatische Kalibrierung anhand einer Referenz-ET, die von einer Wetterstation berechnet wird. METRIC eignet sich besser f\u00fcr Regionen mit vollst\u00e4ndigen Wetterdatennetzen und wird im Westen der USA h\u00e4ufig f\u00fcr das operative Bew\u00e4sserungsmanagement eingesetzt.<\/p>\n iii. Oberfl\u00e4chenenergiebilanzsystem<\/strong> SEBS nutzt die Turbulenztheorie, um den f\u00fchlbaren W\u00e4rmefluss anhand von satellitengest\u00fctzten LST-Daten, Oberfl\u00e4chenrauigkeit und Windgeschwindigkeit zu sch\u00e4tzen. SEBS ist physikalisch pr\u00e4ziser als SEBAL, ben\u00f6tigt aber zus\u00e4tzliche Eingangsdaten und eignet sich daher besser f\u00fcr die Forschung als f\u00fcr den operativen Betrieb landwirtschaftlicher Betriebe.<\/p>\n Die Wahl des ET-Modells ist nicht nur eine technische Entscheidung \u2013 sie h\u00e4ngt davon ab, welche Fragestellung beantwortet werden soll. Eine Wasserbilanzierung auf Einzugsgebietsebene und ein Bew\u00e4sserungsplanungsinstrument auf Feldebene erfordern grundlegend unterschiedliche r\u00e4umliche und zeitliche Aufl\u00f6sungen.<\/p><\/blockquote>\n iv. Energiebilanz zweier Quellen<\/strong> Das TSEB-Modell behandelt Boden und Kronendach als zwei separate ET-Quellen mit jeweils eigener Temperatur und Energiebilanz. Dieser Ansatz ist genauer bei sp\u00e4rlicher Vegetation oder gemischter Landnutzung, wo ein Modell mit nur einer Quelle die Bodenverdunstung mit der Pflanzentranspiration vermischen kann.<\/p>\n Nicht alle ET-Modelle ben\u00f6tigen W\u00e4rmebilder. Vegetationsindexbasierte Modelle sch\u00e4tzen die Evapotranspiration anhand der W\u00e4rmebildkameras. Ansatz mit Pflanzenkoeffizienten<\/strong> (Kc x ET0), wobei der Pflanzenkoeffizient Kc aus NDVI oder EVI abgeleitet wird und die Referenz-ET (ET0) von einer Wetterstation stammt. Die FAO-56-Methodik formalisiert diesen Ansatz und wird h\u00e4ufig f\u00fcr die Bew\u00e4sserungsplanung verwendet, da sie keine Daten aus den thermischen Spektralb\u00e4ndern ben\u00f6tigt.<\/p>\n Modelle des maschinellen Lernens, einschlie\u00dflich Random Forest<\/strong>, K\u00fcnstliche neuronale Netze (KNN)<\/strong>, und Deep-Learning-Architekturen werden zunehmend zur ET-Sch\u00e4tzung eingesetzt, indem sie komplexe nichtlineare Beziehungen zwischen satellitengest\u00fctzten Eingangsgr\u00f6\u00dfen (LST, NDVI, Albedo, LAI) und ET-Messungen mit Flux Towers erlernen.<\/p>\n Eine 2023 in Remote Sensing of Environment ver\u00f6ffentlichte Studie kam zu dem Ergebnis, dass ein auf MODIS- und meteorologischen Eingangsdaten trainiertes Random-Forest-Modell die t\u00e4gliche Evapotranspiration mit einem R\u00b2 von 0,87 und einem RMSE von 0,51 mm\/Tag \u00fcber verschiedene Biome hinweg vorhersagte \u2013 konkurrenzf\u00e4hig mit traditionellen Energiebilanzmodellen, jedoch mit einem weitaus geringeren Aufwand f\u00fcr die Parametrisierung.<\/p>\n Eine in Taylor and Francis Open (2021) ver\u00f6ffentlichte Studie ergab, dass der SEBAL-Algorithmus, angewendet auf Landsat-8-Bilder \u00fcber einem Maisanbaugebiet in Adana, T\u00fcrkei, ET-Sch\u00e4tzungen mit einer Genauigkeit von \u2026 lieferte. Korrelationskoeffizient von R = 0,91<\/strong> im Vergleich zur FAO Penman-Monteith-Methode und einem RMSE von nur 1,14 mm\/Tag<\/strong>.<\/p>\n Die Genauigkeit von SEBAL im Feldma\u00dfstab bedeutet, dass satellitengest\u00fctzte ET-Messungen den Bedarf an teuren Lysimeterinstallationen in operativen Bew\u00e4sserungsmanagementsystemen ersetzen oder erheblich reduzieren k\u00f6nnen.<\/p>\n Mehrere globale und regionale ET-Produkte wandeln nun Fernerkundungsdaten in sofort nutzbare ET-Datenebenen um. Anwender m\u00fcssen keine eigenen Energiebilanzmodelle mehr ausf\u00fchren \u2013 sie k\u00f6nnen direkt auf diese vorab berechneten Datens\u00e4tze zugreifen.<\/p>\n 1. MOD16 ET Produkt<\/strong> (NASA) verwendet MODIS-Daten mit einem Penman-Monteith-Algorithmus, der auf MODIS-Landbedeckungsdaten, LAI, EVI und globalen Reanalysedaten der Wetterdienste basiert. Er liefert 8-Tage- und monatliche ET-Komposite mit einer globalen Aufl\u00f6sung von 500 Metern. MOD16 eignet sich gut f\u00fcr landschaftsweite Studien, ist aber f\u00fcr die individuelle Feldarbeit zu grob.<\/p>\n 2. SSEBop<\/strong> Das vom USGS entwickelte Modell SSEBop (Simplified Surface Energy Balance operational) vereinfacht die Kalibrierungsherausforderung von SEBAL (Simplizite Energiebilanzmodell) hinsichtlich hei\u00dfer und kalter Pixel durch die Verwendung vordefinierter Temperaturgrenzen, die aus langj\u00e4hrigen Klimadaten abgeleitet wurden. SSEBop wird operationell mit einer Aufl\u00f6sung von 30 Metern auf Basis von Landsat-Daten betrieben und ist eines der sechs Modelle des OpenET-Ensembles.<\/p>\n 3. OpenET-Plattform<\/strong>, Das 2021 ins Leben gerufene und als \u00f6ffentlich-private Zusammenarbeit unter der Leitung von NASA, USGS, California State University Monterey Bay, Environmental Defense Fund und Desert Research Institute betriebene Projekt liefert ET-Daten im Feldma\u00dfstab mit einer Aufl\u00f6sung von 30 Metern im gesamten Westen der Vereinigten Staaten.<\/p>\n Eine wegweisende Studie, die im Januar 2024 in Nature Water ver\u00f6ffentlicht wurde und OpenET-Sch\u00e4tzungen mit Messungen von 152 bodengest\u00fctzten Flussmessstationen verglich, best\u00e4tigte, dass OpenET eine hohe Genauigkeit f\u00fcr einj\u00e4hrige Nutzpflanzen wie Weizen, Mais, Soja und Reis erreicht \u2013 insbesondere in ariden Regionen, wo Wasserknappheit die Pr\u00e4zision der Bew\u00e4sserung von gr\u00f6\u00dfter Bedeutung macht.<\/p>\n 4. WaPOR-Portal<\/strong> Die FAO stellt ET-Daten f\u00fcr Afrika und den Nahen Osten in Aufl\u00f6sungen von 30 Metern, 100 Metern und 250 Metern bereit, die speziell f\u00fcr die Analyse der landwirtschaftlichen Wasserproduktivit\u00e4t in datenarmen Entwicklungsregionen entwickelt wurden.<\/p>\n 5. GLANZ<\/strong> Das Global Land Evaporation Amsterdam Model (GLAMM) unterteilt die Evapotranspiration (ET) in Transpiration, Verdunstung unbedeckter B\u00f6den, Interzeptionsverluste und Verdunstung offener Gew\u00e4sser. Die Daten basieren auf Mikrowellen-Bodenfeuchtedaten und Satelliten-Vegetationsprodukten. Das GLAMM zeichnet sich durch seine F\u00e4higkeit aus, das ET-Signal in biologische und physikalische Komponenten zu zerlegen.<\/p>\n Die unmittelbarste Anwendung von Satelliten-ET-Daten liegt in der Bew\u00e4sserungsplanung. Durch den Zugriff auf w\u00f6chentliche ET-Karten im Feldma\u00dfstab k\u00f6nnen Landwirte das Bew\u00e4sserungsdefizit \u2013 die Differenz zwischen der tats\u00e4chlichen Evapotranspiration und dem effektiven Niederschlag \u2013 berechnen und genau die entsprechende Wassermenge ausbringen. Dies beseitigt die chronische \u00dcberbew\u00e4sserung, die Wasser verschwendet, ohne den Ertrag zu steigern.<\/p>\n Im Sacramento-San Joaquin Delta in Kalifornien nutzen Wasserressourcenmanager OpenET, um Landwirten bei der Einhaltung der staatlichen Vorschriften zu helfen, die eine genaue Berichterstattung \u00fcber den Wasserverbrauch vorschreiben.<\/p>\n Die hohe Genauigkeit der satellitengest\u00fctzten ET-Daten f\u00fcr einj\u00e4hrige Nutzpflanzen bietet eine rechtlich tragf\u00e4hige Grundlage f\u00fcr die Wasserbilanzierung, die keine bodengest\u00fctzte Methode in dieser r\u00e4umlichen Abdeckung bieten k\u00f6nnte.<\/p>\n Eine 2024 in Agricultural Water Management ver\u00f6ffentlichte Studie (Ott et al., 2024; Desert Research Institute) evaluierte OpenET anhand von gemessenen Bew\u00e4sserungsdaten in Grundwasserbecken in Nevada.<\/p>\n Im Diamond Valley zeigten die OpenET-Sch\u00e4tzungen nur einen 7% Abweichung von den gemessenen Wasserverbrauchsdaten<\/strong>, was die operative Zuverl\u00e4ssigkeit f\u00fcr das beh\u00f6rdliche Grundwassermanagement belegt.<\/p>\n Eine Fehlertoleranz von 7% auf Beckenebene bedeutet, dass satellitengest\u00fctzte ET-Daten in Regionen mit kritisch ersch\u00f6pftem Grundwasser teure Messinfrastruktur ersetzen k\u00f6nnen.<\/p>\n Die D\u00fcrre\u00fcberwachung ist eine weitere Anwendung mit gro\u00dfer Wirkung. Verdunstungsstressindex<\/strong> Der aus thermischen Daten von ECOSTRESS und MODIS abgeleitete ESI misst das Verh\u00e4ltnis von tats\u00e4chlicher zu potenzieller Evapotranspiration.<\/p>\n Wenn der ESI-Wert deutlich unter 1,0 sinkt, signalisiert dies, dass die Pflanzen unter Wasserstress leiden \u2013 ein zuverl\u00e4ssiger Fr\u00fchindikator f\u00fcr landwirtschaftliche D\u00fcrre, der oft 4 bis 8 Wochen vor messbaren Ertragsverlusten erkennbar ist.<\/p>\n Das Nationale Zentrum f\u00fcr D\u00fcrrepr\u00e4vention des US-Landwirtschaftsministeriums (USDA) integriert satellitengest\u00fctzte Evapotranspirationsmessungen in operationelle D\u00fcrre\u00fcberwachungskarten, die von Landesregierungen, Ernteversicherungen und Katastrophenschutzbeh\u00f6rden genutzt werden. Diese Integration erm\u00f6glicht eine schnellere und gezieltere D\u00fcrrehilfe als kalenderbasierte oder rein niederschlagsbasierte Ans\u00e4tze.<\/p>\n F\u00fcr die Wasserbilanzierung im Einzugsgebiet ist es erforderlich zu wissen, wie viel Wasser \u00fcber Millionen von Hektar durch Evapotranspiration (ET) die Landoberfl\u00e4che verl\u00e4sst. Genau diese Information liefern satellitengest\u00fctzte ET-Produkte wie MOD16, GLEAM und WaPOR auf globaler Ebene.<\/p>\n Die ET-\u00dcberwachung von Feuchtgebieten mithilfe von Satellitendaten quantifiziert den Wasserverbrauch von \u00d6kosystemen in unzug\u00e4nglichen Mooren, Torfgebieten und \u00c4stuaren, wo keine Bodensensoren eingesetzt werden k\u00f6nnen. Die ET-\u00dcberwachung von W\u00e4ldern zeigt, wie Entwaldung, Wiederaufforstung und Waldbr\u00e4nde den Wasserhaushalt ganzer Wassereinzugsgebiete ver\u00e4ndern \u2013 entscheidende Daten f\u00fcr die Kohlenstoffbilanzierung von W\u00e4ldern und die Planung der Wasserversorgung.<\/p>\n Die Evapotranspiration ist das unsichtbare Bindeglied zwischen allen Pflanzen der Erde und dem globalen Wasserkreislauf. Fernerkundung ist das einzige Instrument, das uns zur Verf\u00fcgung steht, um sie in dem f\u00fcr die Wasserbewirtschaftung relevanten Ma\u00dfstab zu erfassen.<\/p><\/blockquote>\n Kein ET-Produkt ist ohne strenge Validierung n\u00fctzlich. Der Standardansatz vergleicht Satelliten-ET-Sch\u00e4tzungen mit Messungen von Eddy-Kovarianz-Flussmesst\u00fcrmen \u2013 den genauesten verf\u00fcgbaren Referenzdaten f\u00fcr ET im Landschaftsma\u00dfstab.<\/p>\n Die globale FLUXNET<\/strong> Das Netzwerk stellt frei zug\u00e4ngliche Flux-Tower-Daten von Hunderten von Standorten in verschiedenen Biomen bereit. Entwickler von ET-Produkten vergleichen ihre Modellausgaben mit FLUXNET-Messungen, um statistische Leistungskennzahlen zu berechnen, darunter<\/p>\n Die Validierung wird f\u00fcr verschiedene Landbedeckungstypen, Klimazonen und Jahreszeiten separat durchgef\u00fchrt, da die Genauigkeit des ET-Modells unter diesen Bedingungen erheblich variiert.<\/p>\n Energiebilanzmodelle wie SEBAL und METRIC erzielen im Allgemeinen die besten Ergebnisse in halbtrockenen Agrarlandschaften mit klarem Himmel. Ihre Leistungsf\u00e4higkeit nimmt in feuchten Tropenw\u00e4ldern, komplexem Gebirgsgel\u00e4nde und Gebieten mit h\u00e4ufiger Bew\u00f6lkung ab.<\/p>\n Die in Nature Water ver\u00f6ffentlichte OpenET-Genauigkeitsstudie verglich sechs ET-Modelle mit Messungen von 152 Flux-Turmstandorte<\/strong> Eine Untersuchung in den gesamten Vereinigten Staaten ergab, dass das OpenET-Ensemble die besten Ergebnisse speziell f\u00fcr einj\u00e4hrige Nutzpflanzen in den trockenen westlichen Regionen erzielte \u2013 also in den Gebieten, in denen die Bew\u00e4sserungsbewirtschaftung wirtschaftlich und \u00f6kologisch von gr\u00f6\u00dfter Bedeutung ist.<\/p>\n Wassermanager in ariden Regionen k\u00f6nnen OpenET-Daten mit hoher Wahrscheinlichkeit f\u00fcr die Einhaltung der Bew\u00e4sserungsvorschriften und die \u00dcberwachung des Wasserhaushalts einsetzen und so teure Messinfrastruktur ersetzen.<\/p>\n Trotz rascher Fortschritte schr\u00e4nken verschiedene technische und operative Herausforderungen die Genauigkeit und Anwendbarkeit der satellitengest\u00fctzten ET-\u00dcberwachung ein.<\/p>\n 1. Einschr\u00e4nkungen durch Wolkenbedeckung:<\/strong> Optische und thermische Fernerkundung erfordern wolkenfreie Bedingungen. In feuchten Tropenregionen oder w\u00e4hrend der Monsunzeit kann anhaltende Wolkendecke zu Datenl\u00fccken von Wochen bis Monaten f\u00fchren und somit die f\u00fcr das Bew\u00e4sserungsmanagement notwendige zeitliche Kontinuit\u00e4t unterbrechen.<\/p>\n 2. Einschr\u00e4nkungen der r\u00e4umlichen Aufl\u00f6sung:<\/strong> MODIS, der Satellit mit der h\u00f6chsten zeitlichen Aufl\u00f6sung, liefert ET-Daten mit einer Aufl\u00f6sung von 500 Metern \u2013 zu grob f\u00fcr Felder unter etwa 25 Hektar. Die 30-Meter-Aufl\u00f6sung von Landsat ist f\u00fcr die meisten landwirtschaftlichen Fl\u00e4chen ausreichend, allerdings erfolgt die Messung nur alle 16 Tage, wodurch schnelle Ver\u00e4nderungen des Wasserstresses nicht erfasst werden.<\/p>\n 3. Abw\u00e4gungen bei der zeitlichen Aufl\u00f6sung:<\/strong> Hohe r\u00e4umliche Aufl\u00f6sung (Landsat, Sentinel-2, ECOSTRESS) und hohe zeitliche Aufl\u00f6sung (MODIS, VIIRS) stehen in einem umgekehrten Verh\u00e4ltnis. Um diese Diskrepanz zu \u00fcberbr\u00fccken, sind Datenfusionsverfahren erforderlich.<\/p>\n 4. Modellannahmen in heterogenen Landschaften:<\/strong> Energiebilanzmodelle mit nur einer Energiequelle gehen von einer gleichm\u00e4\u00dfigen Vegetationsdecke aus, was bei sp\u00e4rlicher Vegetation, gemischten Anbausystemen oder urban-landwirtschaftlichen Schnittstellen, wo die Boden- und Pflanzentemperaturen stark auseinanderlaufen, nicht mehr zutrifft.<\/p>\n 5. Datenverf\u00fcgbarkeit in Entwicklungsl\u00e4ndern:<\/strong> Die zur Einschr\u00e4nkung von ET-Modellen ben\u00f6tigten Daten von Bodenwetterstationen sind in weiten Teilen Subsahara-Afrikas, S\u00fcdasiens und Zentralasiens sp\u00e4rlich \u2013 also genau in den Regionen, in denen ein verbessertes Wassermanagement am dringendsten erforderlich ist.<\/p>\n Mehrere zusammenlaufende technologische Entwicklungen werden voraussichtlich in den n\u00e4chsten f\u00fcnf bis zehn Jahren die Genauigkeit, die Abdeckung und die Zug\u00e4nglichkeit der Fernerkundung zur \u00dcberwachung des ET-Gebiets dramatisch erweitern.<\/p>\n Deep-Learning-Modelle, die mit gro\u00dfen Multisensor-Datens\u00e4tzen trainiert wurden, \u00fcbertreffen in bestimmten Landschaften zunehmend klassische Energiebilanzmodelle. Konvolutionelle neuronale Netze k\u00f6nnen Landsat-, Sentinel-2-, MODIS- und meteorologische Reanalysedaten gleichzeitig integrieren und so r\u00e4umlich-zeitliche ET-Muster erfassen, die mit Einzelsensormodellen nicht abrufbar sind.<\/p>\n Unterdessen werden Datenfusionsalgorithmen \u2013 allen voran der STARFM-Ansatz (Spatial and Temporal Adaptive Reflectance Fusion Model) \u2013 verwendet, um hochaufl\u00f6sende Landsat-Bilder mit t\u00e4glichen MODIS-Daten zu kombinieren und so synthetische t\u00e4gliche ET-Karten mit einer Aufl\u00f6sung von 30 Metern zu erzeugen. Dadurch wird der r\u00e4umlich-zeitliche Zielkonflikt, der derzeit Anwendungen in der Pr\u00e4zisionslandwirtschaft einschr\u00e4nkt, effektiv gel\u00f6st.<\/p>\n Die n\u00e4chste Generation dedizierter thermischer Erdbeobachtungssatelliten wird W\u00e4rmebilder mit einer Aufl\u00f6sung von unter 30 Metern und t\u00e4glicher Wiederholungsrate liefern.<\/p>\n Geplante Missionen, darunter der Nachfolger von Landsat Next und kommerzielle CubeSat-Konstellationen f\u00fcr thermische Satelliten, werden den bisherigen Zielkonflikt zwischen r\u00e4umlicher Detailgenauigkeit und zeitlicher Frequenz beseitigen, der die ET-\u00dcberwachung im Feldma\u00dfstab bisher eingeschr\u00e4nkt hat.<\/p>\n Wie der Bericht \u201eFuture Market Insights\u201c (2025) feststellte, wird der Markt f\u00fcr Fernerkundungsdienste \u2013 der im Jahr 2025 einen Wert von 22,87 Milliarden US-Dollar hatte \u2013 bis 2035 voraussichtlich 84,28 Milliarden US-Dollar erreichen, was ma\u00dfgeblich auf den Ausbau der LEO-Satellitenkonstellation zur\u00fcckzuf\u00fchren ist.<\/p>\n Digitale Zwillinge \u2013 dynamische virtuelle Abbilder von Agrarlandschaften, die nahezu in Echtzeit durch Satelliten- und IoT-Sensordaten aktualisiert werden \u2013 integrieren die ET-Fernerkundung als zentralen Datenstrom. Diese Systeme synchronisieren Satelliten-ET-Karten, Bodenfeuchtesensordaten, Wettervorhersagen und Pflanzenwachstumsmodelle, um den zuk\u00fcnftigen Wasserstatus der Felder zu simulieren und die Bew\u00e4sserung automatisch zu steuern.<\/p>\n Dank einer Vielzahl von Plattformen ist die Fernerkundungsanalyse ET-Daten nun auch f\u00fcr Anwender ohne tiefgreifende Programmierkenntnisse zug\u00e4nglich.<\/p>\n 1. Google Earth Engine (GEE)<\/strong> GEE ist eine cloudbasierte Geodaten-Computing-Plattform, die die vollst\u00e4ndigen Archivdaten von Landsat, MODIS, Sentinel und ECOSTRESS sowie vorkonfigurierte ET-Algorithmen bereitstellt. Analysten k\u00f6nnen ET-Berechnungen \u00fcber Jahre hinweg f\u00fcr ganze Regionen durchf\u00fchren, ohne Bildmaterial lokal herunterladen zu m\u00fcssen. GEE hat sich zur f\u00fchrenden Forschungsplattform f\u00fcr die gro\u00dffl\u00e4chige ET-Kartierung entwickelt.<\/p>\n 2. OpenET-Plattform<\/strong> Die Plattform bietet eine Weboberfl\u00e4che, \u00fcber die registrierte Nutzer auf detaillierte ET-Daten f\u00fcr landwirtschaftliche Fl\u00e4chen im Westen der USA zugreifen k\u00f6nnen. Nutzer k\u00f6nnen t\u00e4gliche, monatliche oder saisonale ET-Zusammenfassungen f\u00fcr einzelne Felder oder ganze Wasserwirtschaftsbezirke exportieren \u2013 Programmierkenntnisse sind nicht erforderlich.<\/p>\n 3. WaPOR-Portal<\/strong> Die FAO bietet eine \u00e4hnliche Point-and-Click-Schnittstelle zum Herunterladen von ET-Daten f\u00fcr Afrika und den Nahen Osten mit direkten Links zu Indikatoren f\u00fcr die landwirtschaftliche Wasserproduktivit\u00e4t.<\/p>\n 4. Python- und R-Workflows<\/strong> Mithilfe von Bibliotheken wie rasterio, xarray, geopandas (Python) oder terra, raster (R) k\u00f6nnen Forscher benutzerdefinierte ET-Verarbeitungspipelines erstellen, die Satellitendaten mit lokalen meteorologischen Aufzeichnungen, Pflanzenmodellen und Bew\u00e4sserungsdatenbanken integrieren.<\/p>\n In der High Plains Aquifer-Region der Vereinigten Staaten \u2013 einer der am intensivsten bew\u00e4sserten Agrarzonen der Erde \u2013 demonstrierten Forscher des Desert Research Institute, dass OpenET-Daten, integriert mit Klimadatens\u00e4tzen, die Grundwasserf\u00f6rdermengen mit ausreichender Genauigkeit sch\u00e4tzen k\u00f6nnen, um ein regulatorisches Management sinkender Grundwasserspiegel zu unterst\u00fctzen.<\/p>\n Die Studie verglich Satelliten-ET-Sch\u00e4tzungen mit Messdaten von Pumpen und fand in den meisten Untersuchungsgebieten eine Abweichung von weniger als 17% \u2013 ein Genauigkeitsniveau, das f\u00fcr die Verwaltung von Wasserrechten ausreichend ist.<\/p>\n Zur Bew\u00e4sserungsplanung von Baumwolle wurde die Fernerkundung mittels ET-\u00dcberwachung eingesetzt. Dabei werden die SEBAL- und METRIC-Modelle verwendet, um die tats\u00e4chliche Evapotranspiration auf den einzelnen Feldern w\u00e4hrend der Vegetationsperiode zu erfassen.<\/p>\n Studien, die im Astrophysics Data System (2020) ver\u00f6ffentlicht wurden, zeigten, dass beide Modelle in fr\u00fchen Wachstumsstadien der Pflanzen eine h\u00f6here tats\u00e4chliche Evapotranspiration als erwartet feststellten, die auf eine hohe Verdunstung des unbewachsenen Bodens zur\u00fcckzuf\u00fchren war \u2013 ein Befund, den der Standardansatz mit dem Pflanzenkoeffizienten systematisch \u00fcbersah, was zu einer \u00dcberbew\u00e4sserung in dieser kritischen Phase f\u00fchrte.<\/p>\n Die WaPOR-Plattform der FAO wurde zur Durchf\u00fchrung von Wasserproduktivit\u00e4tsanalysen in Bew\u00e4sserungssystemen in \u00c4thiopien, \u00c4gypten und Jordanien eingesetzt, wobei die Evapotranspiration pro Einheit produzierter Pflanzenbiomasse quantifiziert wurde.<\/p>\n Mithilfe dieser Analysen wurden Felder identifiziert, deren Wasserproduktivit\u00e4t unter dem Durchschnitt des Einzugsgebiets liegt. Dies liefert die r\u00e4umliche Datengrundlage f\u00fcr gezielte Beratungsprogramme zur Verbesserung der Bew\u00e4sserungseffizienz in leistungsschwachen Gebieten.<\/p>\n Die Wahl der richtigen Kombination aus Satellitendaten, ET-Modell und Validierungsstrategie h\u00e4ngt von der konkreten Fragestellung, den verf\u00fcgbaren Ressourcen und dem akzeptablen Ma\u00df an Unsicherheit ab.<\/p>\n 1. Definieren Sie zun\u00e4chst die r\u00e4umliche und zeitliche Skala.<\/strong> Die monatliche Wasserbilanzierung eines Einzugsgebiets erfordert ein anderes Instrument als die t\u00e4gliche Bew\u00e4sserungsplanung auf Feldebene. Vor der Modellauswahl sollten Aufl\u00f6sung und Wiederholungsfrequenz der Satellitenplattform an die jeweiligen Bewirtschaftungsanforderungen angepasst werden.<\/p>\n 2. Passen Sie das Modell an den Landschaftstyp an.<\/strong> Energiebilanzmodelle wie SEBAL und METRIC eignen sich am besten f\u00fcr halbtrockene, landwirtschaftlich gepr\u00e4gte Landschaften mit klarem Himmel. Vegetationsindexbasierte Modelle sind in Regionen mit begrenzter Verf\u00fcgbarkeit thermischer Daten besser geeignet. Modelle des maschinellen Lernens erzielen die besten Ergebnisse, wenn gro\u00dfe, lokal validierte Trainingsdatens\u00e4tze verf\u00fcgbar sind.<\/p>\n 3. Immer lokal validieren.<\/strong> Selbst die genauesten globalen ET-Produkte sollten vor dem operativen Einsatz anhand mindestens eines lokalen Flux-Turm- oder Lysimeterdatensatzes validiert werden. Leistungskennzahlen aus ver\u00f6ffentlichten Studien lassen sich selten eins zu eins auf neue Standorte und Kulturpflanzen \u00fcbertragen.<\/p>\n 4. Planen Sie f\u00fcr L\u00fccken in der Wolkendecke.<\/strong> In feuchten oder tropischen Regionen sollten Datenfusions- oder Datenl\u00fcckenstrategien von Anfang an eingeplant werden. Die alleinige Nutzung eines thermischen Satelliten mit einem 16-t\u00e4gigen Wiederholungszyklus f\u00fchrt w\u00e4hrend kritischer Wachstumsphasen von Nutzpflanzen zu inakzeptablen Datenl\u00fccken.<\/p>\n 5. Nutzen Sie nach M\u00f6glichkeit offene Plattformen.<\/strong> Google Earth Engine, OpenET und WaPOR bieten kostenlosen Zugriff auf validierte und gut dokumentierte ET-Produkte. Die Entwicklung eines eigenen ET-Modells von Grund auf ist selten gerechtfertigt, es sei denn, besondere lokale Gegebenheiten erfordern dies.<\/p>\n 6. Integration der ET-Daten in bestehende Farmmanagementsysteme.<\/strong> ET-Daten sind am wertvollsten, wenn sie direkt in Bew\u00e4sserungsplanungssoftware, Entscheidungshilfesysteme oder Wasserbilanzdatenbanken einflie\u00dfen, anstatt als eigenst\u00e4ndige Satellitenausgabe zu existieren.<\/p>\n Die Evapotranspirationsmessung mittels Fernerkundung hat sich von einer experimentellen Forschungsdisziplin zu einem unverzichtbaren Instrument f\u00fcr das landwirtschaftliche Wassermanagement entwickelt. Die Kombination aus immer pr\u00e4ziseren Satelliten-ET-Produkten, frei zug\u00e4nglichen Plattformen wie OpenET und WaPOR sowie KI-gest\u00fctzter Datenfusion beseitigt die H\u00fcrden, die die Satelliten-ET-Messung einst auf gut finanzierte Forschungseinrichtungen beschr\u00e4nkten.<\/p>\n Die aktuellen M\u00f6glichkeiten sind beachtlich: Energiebilanzmodelle, die in \u00fcber 30 L\u00e4ndern validiert wurden, Satelliten-ET-Produkte mit einer saisonalen Genauigkeit von besser als 90% f\u00fcr wichtige einj\u00e4hrige Nutzpflanzen sowie Cloud-basierte Plattformen, die ET-Daten im Feldma\u00dfstab f\u00fcr jeden Landwirt oder Wassermanager mit Internetanschluss bereitstellen. Diese M\u00f6glichkeiten werden bereits genutzt, um die Einhaltung der Bew\u00e4sserungsvorschriften am Colorado River zu \u00fcberwachen, die Grundwasserabsenkung im High Plains Aquifer zu kontrollieren und die landwirtschaftliche Wasserproduktivit\u00e4t in ganz Afrika durch das FAO-WaPOR-System zu verbessern.<\/p>","protected":false},"excerpt":{"rendered":" Die \u00dcberwachung der Evapotranspiration mittels Fernerkundung stellt eine der bedeutendsten Fortschritte in der Agrarwasserwissenschaft der letzten zwei Jahrzehnte dar. Durch die Kombination satellitengest\u00fctzter thermischer Daten\u2026<\/p>","protected":false},"author":210157960,"featured_media":13807,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_coblocks_attr":"","_coblocks_dimensions":"","_coblocks_responsive_height":"","_coblocks_accordion_ie_support":"","_eb_attr":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"{title}\n\n{excerpt}\n\n{url}","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[1378],"tags":[],"class_list":["post-13804","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-remote-sensing"],"acf":[],"yoast_head":"\nWelche Faktoren beeinflussen die Evapotranspiration?<\/h2>\n
![\"Welche](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/What-Factors-Influence-Evapotranspirationn.png?resize=720%2C720&ssl=1\")
<\/p>\nSchl\u00fcsselkonzepte der Evapotranspiration<\/h2>\n
\n
1. Referenzverdunstung \u2014 ET(0)<\/h3>\n
2. Evapotranspiration unter Standardbedingungen \u2014 ET(c)<\/h3>\n
3. Evapotranspiration unter nicht-standardm\u00e4\u00dfigen Bedingungen \u2014 ET(c adj)<\/h3>\n
Traditionelle Methoden zur Messung der Evapotranspiration<\/h2>\n
![\"Traditionelle](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/Traditional-Methods-of-Measuring-Evapotranspiration.png?resize=754%2C754&ssl=1\")
<\/p>\nGrundlagen der Fernerkundung f\u00fcr die ET-\u00dcberwachung<\/h2>\n
Wichtige physikalische Prinzipien der satellitengest\u00fctzten ET-Sch\u00e4tzung<\/h3>\n
Fernerkundungsdatenquellen zur ET-Sch\u00e4tzung<\/h2>\n
1. Satellitenplattformen zur ET-Sch\u00e4tzung<\/h3>\n
2. UAV- und drohnengest\u00fctzte ET-Beobachtungen<\/h3>\n
\n
Wichtige Fernerkundungsvariablen f\u00fcr die ET-\u00dcberwachung<\/h2>\n
![\"Wichtige](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/Key-Remote-Sensing-Variables-Used-in-ET-Monitoring.png?resize=676%2C676&ssl=1\")
<\/p>\nEvapotranspirations-Sch\u00e4tzmodelle<\/h2>\n
1. Energiebilanzmodelle<\/h3>\n
2. Vegetationsindexbasierte ET-Modelle<\/h3>\n
Satellitengest\u00fctzte ET-Produkte f\u00fcr den operativen Einsatz verf\u00fcgbar<\/h2>\n
![\"Satellitengest\u00fctzte](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/Satellite-Based-ET-Products-Available-for-Operational-Use.png?resize=751%2C751&ssl=1\")
<\/p>\nAnwendungen der Fernerkundung<\/h2>\n
1. Pr\u00e4zisionsbew\u00e4sserung und Pflanzenwassermanagement<\/h3>\n
2. D\u00fcrrebewertungs- und Fr\u00fchwarnsysteme<\/h3>\n
3. Wasserressourcenmanagement im Einzugsgebiet<\/h3>\n
\n
4. Umwelt- und \u00f6kologische Anwendungen<\/h3>\n
Genauigkeitsbewertung und Validierung von Satelliten-ET-Produkten<\/h2>\n
\n
Herausforderungen bei der Fernerkundung der ET-\u00dcberwachung<\/h2>\n
Neue Technologien und die Zukunft der ET-\u00dcberwachung<\/h2>\n
1. K\u00fcnstliche Intelligenz, Maschinelles Lernen und Datenfusion<\/h3>\n
2. Hochaufl\u00f6sende Thermalsatelliten und CubeSat-Konstellationen<\/h3>\n
3. Digitale Zwillinge f\u00fcr das Wassermanagement<\/h3>\n
Software und Werkzeuge f\u00fcr die ET-\u00dcberwachung<\/h2>\n
Fallstudien zur Fernerkundungs\u00fcberwachung von ET<\/h2>\n
1. Bew\u00e4sserungsmanagement in Trockengebieten<\/h3>\n
2. Pr\u00e4zisionslandwirtschaft f\u00fcr verschiedene Kulturpflanzenarten<\/h3>\n
3. Wasserbilanzierung auf Einzugsgebietsebene<\/h3>\n
Bew\u00e4hrte Verfahren zur Auswahl eines ET-\u00dcberwachungsansatzes<\/h2>\n
Schlussfolgerung<\/h2>\n