Aurustumise jälgimine kaugseire meetodite ja mudelite abil

Kaugseire abil aurustumise jälgimine on üks viimase kahe aastakümne olulisemaid edusamme põllumajandusliku veeteaduse valdkonnas. Satelliidilt saadud termiliste andmete, taimestikuindeksite ja energia tasakaalu füüsika kombineerimise abil saavad teadlased ja põllumehed nüüd hinnata, kui palju vett miljonitel hektaritel maapinnalt lahkub – ilma ühegi maapealse andurita.

See võimekus muudab seda, kuidas agronoomid planeerivad niisutamist, kuidas valitsused jälgivad põuda ja kuidas teadlased kvantifitseerivad tervete jõgede vesikondade vee jalajälge. Põllumajandus tarbib umbes 701 3 t kogu maailma magevee tarbimisest, kuid suuremat osa sellest veest ei mõõdeta kunagi otse põllul – see on kriitiline lünk, mida kaugseire abil aurustumise jälgimine kiiresti täidab.

Mis on evapotranspiratsioon?

Evapotranspiratsioon (ET) on kombineeritud protsess, mille käigus vesi liigub maapinnalt atmosfääri. Sellel on kaks samaaegselt toimivat komponenti: aurumine ehk vedela vee otsene muundamine pinnasest, veekogudest ja taimepindadelt veeauruks; ja transpiratsioon ehk taimejuurte poolt imenduva vee bioloogiline liikumine, mis transporditakse läbi varre ülespoole ja vabaneb auruna läbi lehtede pisikeste pooride, mida nimetatakse õhulõhedeks.

Need kaks protsessi kokku moodustavad maismaaökosüsteemist lahkuva vee suurima voo. Enamikus põllumajandusmaastikes tagastab sademete hulk atmosfääri 60–80 protsenti kogu sademetest. See arv teeb sademetest maismaa veetasakaalu domineeriva muutuja – enamikus haritud keskkondades mõjukama kui äravool või sügav imbumine.

Veetase (ET) asub hüdroloogilise tsükli keskmes, ühendades maapinna, biosfääri ja atmosfääri. Kui ET tase on kõrge, kahaneb mulla niiskus kiiremini, jõgede põhjavool väheneb ja põhjaveekihi taastumiskiirus langeb. Kui ET aeglustub – põua, põllukultuuride vananemise või maakasutuse muutuse tõttu –, avalduvad tagajärjed vee kättesaadavuses allavoolu.

Kliimateaduses on ET peamine süsiniku- ja veeringluse ühendusmehhanism. Taimed avavad oma õhulõhede, et absorbeerida fotosünteesiks CO2, ja seda tehes vabastavad nad samaaegselt veeauru. Igasugune muutus globaalses taimkattes, temperatuuris või CO2 kontsentratsioonis nihutab planeedi ET tasakaalu ja mõjutab piirkondlikke sademete mustreid.

Miks on evapotranspiratsiooni jälgimine veemajanduse prioriteet?

Täpsed veekasutuse andmed aitavad langetada paremaid otsuseid mitmes sektoris. Põllumajanduses annab niisutussüsteemi juhile põllul tegeliku veekasutuse teadmine teada, kui palju vett ja millal laotada ning kus tekivad defitsiidid enne, kui põllukultuuril ilmneb nähtav stress.

See täpsus hoiab ära nii ülekastmise, mis raiskab vett ja leostub toitaineid, kui ka alakastmise, mis vähendab saagikust.

1. Niisutamise ajakava koostamine: ET-põhine niisutusgraafik asendab oletuse füüsikaga. Kui põllumees teab, et maisipõld kaotab juulis ET tõttu 7 mm vett päevas, saab ta selle täpse puudujäägi korvata, selle asemel et kasta kindla kalendriintervalli järgi.

2. Põua seire: Tegeliku aurustumise püsiv langus võrreldes võrdlus-AU-ga (mis piiramatu veevarustuse korral aurustuks) annab märku tekkivast põuastressist. Kaugseire abil jäädvustatakse see signaal nädalaid enne, kui saagikadu silmaga nähtavaks muutub.

3. Veevarude planeerimine: Vesikonna tasandi veearvestus nõuab maapealse olukorra andmeid valgala tasandil. Satelliitpõhine maapealse olukorra jälgimine pakub seda ruumilist katvust murdosa maapealse jaama võrgu maksumusest.

4. Kliimamuutuste hindamine: Pikaajalised keskkonnamõjude trendid näitavad, kuidas soojenevad temperatuurid ja muutuvad sademete mustrid muudavad ökosüsteemi veekasutust – andmed, mis aitavad kaasa kohanemisplaneerimisele piirkondlikul ja riiklikul tasandil.

5. Ökosüsteemi tervise seire: Märgalade veetase, metsade aurustumine ja rohumaade veekasutus reageerivad kõik tundlikult ökoloogilistele häiringutele. Kaugseire abil püütakse neid muutusi jälgida suurtel ja ligipääsmatutel maastikel.

Millised tegurid mõjutavad evapotranspiratsiooni?

Evapotranspiratsiooni (ET) kujundavad kliimatingimused, maastiku iseärasused ja taimebioloogia. Allpool on esitatud peamiste tegurite jaotus.

1. Pinnase tüüp. Mulla koostis mängib olulist rolli veepeetuses ja aurustumises. Liivsed või kruusased mullad kipuvad hoidma vähem vett ja vabastama seda aurustumise kaudu rohkem, samas kui savised või savirikkad mullad säilitavad niiskust paremini.

2. Õhutemperatuur. Temperatuur mõjutab otseselt ET kiirust. Soojemal õhul on suurem võime niiskust hoida ja suurenenud kuumus kiirendab vee muundumist auruks, suurendades seeläbi evapotranspiratsiooni.

3. Päikesekiirgus. Lisaks soojuse tekitamisele hõlmab päikesekiirgus energiataseme, sageduse ja albedo muutusi – kõik need mõjutavad ET-d. Need tegurid erinevad asukoha ja aastaaja lõikes ning nende täpne mõõtmine nõuab sageli täiustatud tehnoloogiat.

4. Niiskus. Suhteline õhuniiskus (RH) viitab õhus oleva veeauru hulgale selle maksimaalse mahutavuse suhtes. Kõrge õhuniiskuse korral imab õhk vähem täiendavat niiskust, mis aeglustab evapotranspiratsiooniaega (ET). Seevastu kuivem õhk suudab imada rohkem auru, mis viib suurema evapotranspiratsioonini.

5. Taimekate. Erinevad taimeliigid suhtlevad veega erineval viisil. Mõned talletavad vett kuivaperioodil tõhusalt, teised aga kaotavad seda kiiremini. Vee kogust mõjutavad ka taime vanus, tervis ja juurte sügavus – sügavamad juured võimaldavad põllukultuuridel kauem ilma niisutuseta vastu pidada. Need füsioloogilised erinevused tähendavad, et vee kogus võib põllukultuuride lõikes oluliselt erineda, mis nõuab individuaalselt kohandatud niisutusstrateegiaid.

6. Tuule kiirus. Tuul on nii aurustumise kui ka transpiratsiooni peamine liikumapanev jõud. See hajutab taimestiku kohale kogunevat niisket õhukihti, suurendades transpiratsiooni. Samuti soodustab see auru difusiooni läbi taimepooride, suurendades transpiratsiooni. Äärmiselt tugevad ja kuivad tuuled võivad aga mõnikord auru difusiooni takistada, vähendades teatud tingimustes veidi transpiratsiooni.

Evapotranspiratsiooni põhimõisted

ET(0) peegeldab atmosfääri võimet veekadu põhjustada ja on puhtalt kliimapõhine. ET(c) mõõdab ideaalsetes tingimustes kasvavate ja täieliku saagipotentsiaaliga tervete, hästi niisutatud põllukultuuride veekadu. Kui põllukultuuride majandamine ei ole optimaalset või esineb keskkonnaprobleeme, tuleb ET(c)-d muuta, et saada ET(c adj). Põllukultuuride aurustumist mõistetakse kolme erineva kontseptsiooni kaudu:

1. ET(0) — võrdlusaurustumine
2. ET(c) — aurustumine standardtingimustes
3. ET(c adj) — aurumine mittestandardsetes tingimustes

1. Võrdlusaurumine — ET(0)

ET(0) tähistab kiirust, millega vesi aurustub hästi niisutatud võrdluspinnalt – mida tavaliselt modelleeritakse idealiseeritud rohukattena, mis vastab teatud kriteeriumidele.

See mõõdik kajastab atmosfääri aurustumist vajavat kogust sõltumatult põllukultuuri tüübist, kasvufaasist või põllumajandustavadest. Kuna eeldatakse, et võrdluspind on täielikult niiske, jäetakse mullatingimused arvutusest välja, mis välistab vajaduse määratleda iga põllukultuuri jaoks igas kasvufaasis eraldi ET-künniseid.

ET(0) väärtust mõjutavad täielikult klimaatilised muutujad ja tüüpilised väärtused varieeruvad agroklimaatilistes tsoonides, kuigi need arvud on vaid üldised võrdlusalused.

2. Aurustumine standardtingimustes — ET(c)

ET(c) kvantifitseerib veehulka, mida eraldab terve ja hästitoidetud kultuur, mida kasvatatakse suurtel ja piisavalt niisutatud põldudel soodsates ilmastikutingimustes ning mille tootlikkus on maksimaalne. See tuletatakse võrdlus-ET korrutamisel saagikordajaga K(c):

ET(c) = ET(0) × K(c)

3. Evapotranspiratsioon mittestandardsetes tingimustes — ET(c adj)

ET(c adj) arvestab tegelike kõrvalekalletega ideaalsetest kasvutingimustest. Sellised tegurid nagu kahjurite ja haiguste leviku koormus, veepuudus või liig, mulla soolsus ja halb mullaviljakus võivad põhjustada tegeliku põllukultuuride veekasutuse olulist erinevust ET(c)-st. Nende mõjude kajastamiseks lisatakse põllukultuuride koefitsiendile veestressi koefitsient K(s):

ET(c adj) = ET(0) × K(c) × K(s)

Traditsioonilised evapotranspiratsiooni mõõtmise meetodid

Enne kaugseiret mõõtsid teadlased maapealset ...

1. Lüsimeeter: Lüsimeeter (suur anum, mis on täidetud mulla ja kasvava põllukultuuriga ning paigaldatud maapinnaga tasa) mõõdab ET-d, kaaludes mullaplokki aja jooksul. Kui sademeid kontrollitakse ja drenaaž kogutakse, võrdub massi erinevus ajasammude vahel tegeliku ET-ga.

Lüsimeetrid pakuvad kõige täpsemaid saadaolevaid ET-mõõtmisi, kuid need maksavad sadu tuhandeid dollareid ühiku kohta, katavad vaid paar ruutmeetrit ja ei suuda esindada reaalse välja ruumilist varieeruvust.

2. Eddy kovariatsioonisüsteem: Pööriskovariatsioonisüsteem mõõdab tuule kiirust (ET), arvutades kiire reageerimisandurite abil vertikaalse tuulekiiruse ja veeauru kontsentratsiooni kovariatsiooni võrastiku kohal. See katab mitmesaja meetri kuni mõne kilomeetri pikkuse “jalajälje”, muutes selle palju esinduslikumaks kui lüsimeeter.

Voogustornide paigaldamine ja hooldamine maksab aga 50 000–300 000 USA dollarit ning ülemaailmsel FLUXNET-võrgustikul on vaid umbes 900 aktiivset asukohta – see on põllumajandusliku ET jälgimiseks riiklikul tasandil liiga hõre.

3. Boweni suhte meetod: Boweni suhtarvu meetod hindab soojusvoogu (ET), mõõtes tundliku soojusvoo (õhu soojendamise) ja latentse soojusvoo (ET) suhet, kasutades võra kohal olevaid temperatuuri- ja niiskusgradiente. See on lihtsam kui keeriskovarians, kuid nõuab homogeenseid tõmbetingimusi ja seda ei saa kasutada keerulises maastikus.

4. Ilmajaamadel põhinevad ET-arvutused FAO Penman-Monteithi võrrandi abil arvutage õhutemperatuuri, niiskuse, tuule kiiruse ja kiirgusandmete põhjal võrdlus-ET (ET0). Seda meetodit kasutatakse laialdaselt niisutamise ajastamiseks, kuid see annab tulemuseks võrdlus-ET, mitte tegeliku ET, kuna see eeldab hästi niisutatud võrdluskultuuri, mitte tegelikku põllul olevat kultuuri.

Kõigi maapealsete meetodite keskne probleem on mastaap. Üks lüsimeeter esindab mõnda ruutmeetrit. Voogustorn katab parimal juhul paarsada hektarit. Kuid tänapäevane põllumajanduslik veemajandus nõuab ET-andmeid põllu tasandil kogu jõgede vesikonna ulatuses – see on ruumiline väljakutse, millega saab tegeleda ainult kaugseire.

Kaugseire põhitõed ET-seireks

Kaugseire on maapealsete nähtuste seire kontekstis satelliidilt või õhusõidukilt saadud andmete kogumine ja analüüsimine, et hinnata maapinnalt lahkuvat veevoogu ilma seda pinda füüsiliselt puudutamata.

See lähenemisviis toimib seetõttu, et taimed ja pinnas vahetavad atmosfääriga energiat viisil, mis on kosmosest tuvastatav – eriti termilise infrapunakiirguse kaudu. Kui taim aurustab tõhusalt, kasutab ta sissetulevat päikeseenergiat vee aurustamiseks, mitte soojendamiseks. Piisava mullaniiskusega võra püsib suhteliselt jahe.

Veestressi all kannatav võra seevastu sulgeb vee säästmiseks õhulõhesid ja kuna sissetulevat energiat tarbib vähem latentset soojust (ET), tõuseb võra pinnatemperatuur. See on põhiline füüsikaline signaal, mida termiline kaugseire jäädvustab.

Satelliidi abil toimuva maavälise areng hindamise aluseks olevad peamised füüsikalised põhimõtted

See energiabilanss on valitsev raamistik. Mis tahes maapinnal peab päikeselt ja atmosfäärist saabuv netokiirgus (Rn) võrduma kolme energia neeldaja summaga: pinnase soojusvoog (G), tajutav soojusvoog (H, mis soojendab õhku) ja latentne soojusvoog (LE, mis mõjutab ET-d). Kirjutatud võrrandina: Rn = G + H + LE. Hinnates Rn, G ja H satelliidiandmete põhjal, tuletab mudel LE – ja seega ka ET – jäägina.

1. Maapinna temperatuur Termilise infrapunakiirguse vahemikus mõõdetud LST on peamine vaadeldav suurus, mida kasutatakse tundliku soojusvoo H hindamiseks. Kuumem pind kannab õhku rohkem soojust (kõrge H), jättes ET-le vähem energiat (madal LE). Jahedamal, hästi niisutatud pinnal on madalam H ja kõrgem LE.

2. Taimestiku indeksid Nagu NDVI, mõõdavad nad ka seda, kui palju rohelist, fotosünteetiliselt aktiivset taimset materjali pinda katab, mis omakorda kontrollib transpiratsioonikiirust. Tihe roheline võra transpireerib rohkem kui paljas muld või hõre puistu.

3. Netokiirgus arvutatakse lühilainelise ja pikalainelise kiirgusvoogude põhjal, mida kaugseire abil hinnatakse pinna albedo, taimkatte ja soojusemissiooni andmete põhjal.

Satelliidipõhine evapotranspiratsiooni jälgimine ei asenda maapealset tõelist jälgimist – see on ainus tööriist, mis suudab pakkuda ruumiliselt pidevaid veekasutuse andmeid skaalal, kus tegelikult tehakse põllumajanduslikke ja hüdroloogilisi otsuseid.

Kaugseire eelis maapealsete meetodite ees ei seisne ainult ruumilises ulatuses. Satelliidiandmed pakuvad sünoptilisi, korratavaid mõõtmisi väga heterogeensetel maastikel – midagi, mida ükski maapealne võrk ei suudaks võrreldava hinnaga korrata.

Kaugseire andmeallikad ET hindamiseks

Maapealse olendi hindamine kosmosest nõuab mitme anduritüübi andmete kombineerimist. Ükski satelliit ei paku kõiki sisendeid, mida täielik maapealse olendi mudel vajab, seega toimivad maapealse olendi tooted ühendavad tavaliselt andmeid mitmelt platvormilt.

1. Satelliidiplatvormid maavälise ajastu hindamiseks

i. Landsat (USGS/NASA) on pidevalt tegutsenud alates 1972. aastast ja pakub 30-meetrise ruumilise lahutusvõimega multispektraalseid ja termopilte 16-päevase kordustsükliga. Selle pikk arhiiv muudab selle asendamatuks ajalooliseks maavälise avastamiseks (ET) ja põllukultuuride jälgimiseks. Enamik energiabilansi ET-mudeleid – sealhulgas SEBAL ja METRIC – loodi algselt Landsati andmete põhjal.

ii. Sentinel-2 (ESA) pakub 10-meetriseid multispektraalseid kujutisi 5-päevase kordusajaga kõrgresolutsiooniga taimkatte indeksi arvutamiseks. Kuigi see ei sisalda termilist sagedusriba, täiendab see Landsatit, pakkudes taimestikupõhiste ET-mudelite jaoks sagedasemaid ja kõrgema eraldusvõimega NDVI, EVI ja LAI andmeid.

iii. MODIS (NASA mõõduka eraldusvõimega kujutise spektroradiomeeter) pakub igapäevast globaalset katvust eraldusvõimega 250 m kuni 1 km. Selle jämedam ruumiline eraldusvõime piirab välitööde rakendamist, kuid muudab selle ideaalseks mandri ja globaalse maavälise seire jaoks selliste toodete nagu MOD16 abil.

iv. ÖKOTRESS (NASA) on paigaldatud Rahvusvahelisele Kosmosejaamale ja edastab 70-meetrise resolutsiooniga termilisi infrapunaandmeid 1-5-päevase kordustsükliga. ECOSTRESS loodi spetsiaalselt põllukultuuride veestressi ja ET mõõtmiseks lähiväljal – see on võimekuslünk, mida MODIS ja varasemad satelliidid ei suutnud täita.

v. VIIRS Soome tuumaelektrijaama ja JPSS satelliitidel olev nähtava infrapunakiirguse radiomeetrite komplekt (NOAA/NASA) jätkab MODIS-i igapäevast ülemaailmset katvust täiustatud andurite kalibreerimisega, toetades operatiivseid ET-tooteid piirkondlikul ja globaalsel skaalal.

2. Mehitamata õhusõidukite ja droonide abil tehtud maaväliste objektide vaatlused

Termokaamerate ja multispektraalsete anduritega varustatud mehitamata õhusõidukid (UAV-d ehk droonid) suudavad üksikute põldude kohal maavärinaid (ET) kaardistada alla meetrise ruumilise resolutsiooniga. Droonile paigaldatud termokaamera mõõdab otse võrade temperatuuri ja koos maapealsete meteoroloogiliste andmetega loob see ET-kaarte resolutsiooniga, millega ükski satelliit ei suuda võistelda.

• Termokaamerad tuvastada põllul veestressis taimealasid enne nähtavate sümptomite ilmnemist, võimaldades muutuva kastmiskiirusega niisutamist põllusisesel skaalal.
• Multispektraalsed andurid Droonidel arvutatakse NDVI-d ja EVI-d sentimeetri täpsusega, edastades neid saagikorrektuuridel põhinevatele ET-mudelitele täpseks põllu ajastamiseks.
• Kõrglahutusega ET-kaardistamine Mehitamata õhusõidukitelt pärinev energia on eriti väärtuslik spetsiaalsete põllukultuuride – viljapuude, viinamarjaistanduste, köögiviljade – puhul, kus põllul on suur varieeruvus ja veestressi hind on suur.

ET-seires kasutatavad peamised kaugseire muutujad

Iga satelliidiandmetest saadud muutuja annab ET hindamise puslele kindla tüki. Mõistmine, mida iga muutuja mõõdab ja miks see on oluline, aitab praktikutel valida õige mudeli ja tulemusi õigesti tõlgendada.

1. Normaliseeritud taimestiku erinevusindeks (NDVI) arvutatakse järgmiselt: (NIR – punane) / (NIR + punane), kasutades lähiinfrapuna ja punase riba peegeldust. See jääb vahemikku -1 kuni +1, kusjuures tiheda rohelise taimestiku puhul on see tavaliselt 0,6–0,9. NDVI kajastab võra tihedust ja rohelust, mis on otseselt seotud lehtede pindala ja transpiratsioonivõimega.

2, täiustatud taimestikuindeks (EVI) lisab sinise riba, et vähendada atmosfääri interferentsi ja mulla tausta mõjusid, mis lagundavad NDVI-d tihedalt taimestatud või sageli pilvistes piirkondades. EVI on tundlikum kui NDVI suure biomassi sisaldusega aladel ja seda kasutatakse MOD16 ET algoritmis.

3. Lehepinna indeks (LAI) kvantifitseerib ühepoolsete lehtede kogupindala maapinna ühiku kohta. See kontrollib otseselt transpiratsiooni, määrates, kui suur osa lehepinnast vahetab veeauru atmosfääriga. Satelliidilt saadud LAI on paljude füüsikalistel maavälistel mudelitel võtmetähtsusega sisend.

4. Pinna albedo on pinnalt peegelduva päikesekiirguse osakaal. See kontrollib, kui palju päikeseenergiat pind neelab, mis omakorda määrab, kui palju energiat on ET käivitamiseks saadaval. Tumedal ja märjal pinnasel on madal albedo (neelab rohkem energiat); paljal liivapinnal on kõrge albedo (peegeldab rohkem).

5. Mulla niiskus Mikrolaineanduritelt pärinev teave piirab transpiratsioonimudeleid, näidates, kas juurevööndis on transpiratsioonivajaduse rahuldamiseks piisavalt vett. Kui mulla niiskus langeb alla kriitilise läve, langeb tegelik transpiratsioonikiirus alla potentsiaalse kiiruse isegi siis, kui energia on saadaval.

Bastiaanssen jt (ülevaade teoses „Frontiers in Remote Sensing”, 2026) leidsid, et SEBAL, mis on valideeritud enam kui 30 riigis, saavutab 85% täpsus päevaste ET hinnangute ja 95% täpsus hooajaliste ET hinnangute jaoks välitöödel.

Hooajaline täpsus 95% tähendab, et kogu niisutuspiirkonnas saab põllukultuuride veekasutuse arvestust usaldusväärselt teha ainult satelliidiandmete abil, mis välistab tiheda maapealsete jaamade võrgustiku vajaduse.

Evapotranspiratsiooni hindamismudelid

1. Energiabilansi mudelid

Energiabilansi mudelid arvutavad ET pinnaenergia eelarve jäägina: ET = Rn – G – H. Iga mudel erineb selle poolest, kuidas see hindab tundlikku soojusvoogu H, mis on arvutuslikult kõige nõudlikum ja veatundlikum komponent.

i. Maapinna energiabilansi algoritm (SEBAL) töötas välja Bastiaanssen 1998. aastal ja see on siiani üks enimkasutatavaid satelliitidelt saadud ET-mudeleid maailmas. SEBAL kasutab kolme peamist satelliidilt saadud parameetrit: maapinna temperatuur (T0), pinna poolkera peegeldusvõime (albedo r0) ja NDVI.

Tuntava soojusvoo hindamiseks tuvastab SEBAL kaks ankurpikslit – “kuuma piksli” (kuiv paljas muld, kus ET on nullilähedane) ja “külma piksli” (hästi niisutatud põllukultuur, kus ET on maksimaalne) – ning interpoleerib H-i kogu stseenis nende äärmuste suhtes. See isekalibreerimise funktsioon muudab SEBAL-i vähem tundlikuks meteoroloogiliste sisendite absoluutsete kalibreerimisvigade suhtes.

ii. Evapotranspiratsiooni kaardistamine kõrge lahutusvõimega sisemise kalibreerimise abil (METRIC) mudel tugineb SEBAL-ile, kuid lisab automaatse kalibreerimise ilmajaamast arvutatud võrdlus-ET suhtes. METRIC sobib paremini piirkondadele, kus on täielikud ilmaandmete võrgustikud, ja on laialdaselt kasutusele võetud operatiivse niisutussüsteemi haldamiseks Ameerika Ühendriikide lääneosas.

iii. Pinna energia tasakaalu süsteem (SEBS) kasutab turbulentse voo teooriat, et hinnata tundlikku soojusvoogu satelliidilt saadud LST, pinnakareduse ja tuule kiiruse põhjal. SEBS on füüsikaliselt rangem kui SEBAL, kuid nõuab täiendavaid sisendandmeid, mistõttu sobib see paremini uurimistööks kui operatiivseks talumajapidamiseks.

ET-mudeli valik ei ole pelgalt tehniline otsus – see on otsus selle kohta, millisele küsimusele te vastust otsite. Vesikonna tasemel veearvestus ja põllu tasemel niisutusgraafiku koostamise tööriist nõuavad põhimõtteliselt erinevaid ruumilise lahutusvõime ja ajalise sageduse tasemeid.

iv. Kahe allika energiabilanss (TSEB) mudel käsitleb mulda ja võrastikku kahe eraldi energiaallikana, millel kummalgi on oma temperatuur ja energiabilanss. See lähenemisviis on täpsem hõreda taimestiku või segamaakatte korral, kus ühe allika mudel võib mulla aurustumise taimede transpiratsiooniga segi ajada.

2. Taimestikuindeksil põhinevad ET-mudelid

Mitte kõik maavälise looduse mudelid ei vaja termokaamerakujutisi. Taimestiku indeksil põhinevad mudelid hindavad maavälise looduse mõju läbi saagikoefitsiendi meetod (Kc x ET0), kus saagikordaja Kc tuletatakse NDVI-st või EVI-st ja võrdlus-ET (ET0) pärineb ilmajaamast. FAO-56 metoodika vormistab selle lähenemisviisi ja seda kasutatakse laialdaselt niisutusgraafiku koostamiseks, kuna see ei nõua termilise riba andmeid.

Masinõppe mudelid, sealhulgas Juhuslik mets, Kunstlikud närvivõrgud (ANN-id), ja süvaõppe arhitektuure rakendatakse üha enam ET hindamisel, õppides keerulisi mittelineaarseid seoseid satelliidilt saadud sisendite (LST, NDVI, albedo, LAI) ja vootorni ET mõõtmiste vahel.

2023. aastal ajakirjas Remote Sensing of Environment avaldatud uuringus leiti, et MODIS-i ja meteoroloogiliste sisendite põhjal treenitud Random Forest mudel ennustas päevast ET-d R2-ga 0,87 ja RMSE-ga 0,51 mm/päevas erinevates bioomides – see on küll konkurentsivõimeline traditsiooniliste energiabilansi mudelitega, kuid nõuab palju vähem parameetrite määramise pingutust.

Taylor and Francis Openis (2021) avaldatud uuring näitas, et SEBAL-i algoritm, mida rakendati Landsat 8 kujutistele Türgi Adanas asuva maisikasvatuspiirkonna kohal, andis ET-hinnanguid, millel oli korrelatsioonikordaja R = 0,91 FAO Penman-Monteithi meetodi ja just õige keskmise veaväärtuse (RMSE) suhtes 1,14 mm/päevas.

SEBALi täpsus välitöödel tähendab, et satelliidipõhine ET võib asendada või oluliselt vähendada vajadust kallite lüsimeetrite järele operatiivsetes niisutussüsteemides.

Satelliidipõhised ET-tooted on operatiivseks kasutamiseks saadaval

Mitmed globaalsed ja piirkondlikud ET-tooted teisendavad nüüd kaugseire sisendid kasutusvalmis ET-andmekihtideks. Praktikud ei pea enam oma energiabilansi mudeleid käitama – nad saavad neile eelnevalt arvutatud andmekogumitele otse juurde pääseda.

1. MOD16 ET toode (NASA) kasutab MODIS-i andmeid Penman-Monteithi algoritmiga, mida juhivad MODIS-i maakatte, LAI, EVI ja globaalse reanalüüsi meteoroloogilised andmed. See pakub 8-päevaseid ja igakuiseid ET-komposiite 500-meetrise resolutsiooniga globaalselt. MOD16 sobib hästi maastikulisteks uuringuteks, kuid on individuaalseks välitöödeks liiga jäme.

2. SSEBop USGS-i väljatöötatud lihtsustatud pinnaenergia tasakaalu operatiivne mudel (Simplified Surface Energy Balance operational) lihtsustab SEBAL-i kuumade/külmade pikslite kalibreerimise väljakutset, kasutades pikaajalistest klimatoloogilistest andmetest tuletatud eelnevalt määratletud temperatuuripiire. SSEBop töötab operatiivselt 30-meetrise resolutsiooniga, kasutades Landsati andmeid, ja moodustab ühe kuuest OpenET ansambli mudelist.

3. OpenET platvorm, mis käivitati 2021. aastal ja tegutseb NASA, USGS-i, California osariigi ülikooli Monterey Bays, keskkonnakaitsefondi ja kõrbeuuringute instituudi juhitud avaliku ja erasektori koostööna, pakub 30-meetrise resolutsiooniga väliandmeid maavälisest avastamisest Ameerika Ühendriikide lääneosas.

2024. aasta jaanuaris ajakirjas Nature Water avaldatud murranguline uuring, milles võrreldi OpenET hinnanguid 152 maapealse voo mõõtmise koha mõõtmistega, kinnitas, et OpenET saavutab suure täpsuse üheaastaste põllukultuuride, näiteks nisu, maisi, soja ja riisi puhul – eriti kuivades piirkondades, kus veenappus muudab niisutamise täpsuse kõige kriitilisemaks.

4. WaPORi portaal (FAO) pakub Aafrika ja Lähis-Ida kohta maakera andmeid 30-, 100- ja 250-meetrise resolutsiooniga, mis on spetsiaalselt loodud põllumajandusliku vee tootlikkuse analüüsi toetamiseks andmevaestes arengumaades.

5. SÄRA (Globaalne maapinna aurustumise Amsterdami mudel) jagab maapinna aurustumise transpiratsiooni, palja mulla aurustumise, pealtkuulamiskadude ja avavee aurustumise komponentideks, tuginedes mikrolaineahjus saadud mulla niiskuseandmetele ja satelliittaimestiku toodetele. See on suurepärane maapinna aurustumise signaali jagamisel bioloogilisteks ja füüsikalisteks komponentideks.

Kaugseire rakendused

1. Täppisniisutus ja põllukultuuride veemajandus

Satelliidipõhiste ET-andmete kõige vahetum rakendus on niisutusgraafiku koostamine. Kui põllumees pääseb ligi iganädalastele põllutaseme ET-kaartidele, saab ta arvutada niisutusdefitsiidi – tegeliku ET ja efektiivse sademete hulga vahe – ning kasutada täpselt seda veekogust. See välistab kroonilise üleniisutamise harjumuse, mis raiskab vett ilma saagikust suurendamata.

California Sacramento-San Joaquini deltas kasutavad veevarude haldajad OpenET-i, et aidata põllumeestel järgida riiklikke eeskirju, mis nõuavad täpset veekasutuse aruandlust.

Üheaastaste põllukultuuride satelliitidelt saadud ET-andmete suur täpsus annab veearvestusele õiguslikult kaitsva aluse, mida ükski maapealne meetod sellise ruumilise ulatuse korral pakkuda ei suudaks.

2024. aastal ajakirjas Agricultural Water Management avaldatud uuringus (Ott jt, 2024; Desert Research Institute) hinnati OpenET-i Nevada põhjaveekogumite mõõdetud niisutusandmete suhtes.

Diamond Valley's näitasid OpenET-i hinnangud vaid 7% erinevus mõõdetud veekasutuse andmetest, mis näitab regulatiivse põhjavee majandamise töökindlust.

7% veamarginaal vesikonna skaalal tähendab, et satelliidipõhised ET-andmed võivad asendada kallist mõõtmisinfrastruktuuri piirkondades, kus põhjavesi on kriitiliselt ammendunud.

2. Põua hindamine ja varajase hoiatamise süsteemid

Põua jälgimine on veel üks suure mõjuga rakendus. Aurustuspinge indeks ECOSTRESSi ja MODISi termilistest andmetest tuletatud ESI mõõdab tegeliku ET ja potentsiaalse ET suhet.

Kui ESI langeb oluliselt alla 1,0, annab see märku, et taimed kogevad veestressi – see on usaldusväärne varajane näitaja põllumajanduslikust põuast, mida saab sageli tuvastada 4–8 nädalat enne, kui saagikuse vähenemine muutub mõõdetavaks.

USDA riiklik põua leevendamise keskus integreerib satelliitidel põhinevad ET-põhised põuaindeksid operatiivsetesse põuaseire kaartidesse, mida kasutavad osariikide valitsused, saagikindlustusagentuurid ja hädaolukordade haldamise asutused. See integratsioon muudab põua korral reageerimise kiiremaks ja sihipärasemaks kui kalendripõhised või ainult sademetel põhinevad lähenemisviisid.

3. Veevarude majandamine vesikonna tasandil

Vesikonna veearvestus eeldab teadmist, kui palju vett maismaapinnalt miljonite hektarite ulatuses maa-alalt lahkub. Just seda pakuvadki satelliit-maa-ala tehnoloogia tooted nagu MOD16, GLEAM ja WaPOR globaalsel tasandil.

• Veehoidlate haldusasutused Kasutage ET-andmeid valgala veesaagikuse – sademete ja ET-i vahe – hindamiseks, mis määrab, kui palju vett tegelikult jõgedesse ja veehoidlatesse jõuab.
• Piiriülesed vesikonna asutused rakendada satelliit-ET-d riiklike veekasutuse aruannete sõltumatuks kontrollimiseks ilma riiklikele maapealsetele andmevõrkudele juurdepääsu vajaduseta.
• Niisutuspiirkondade juhid Kasutage veetehnoloogiat (ET), et jälgida tarbimist põllukultuuride kaupa kogu teeninduspiirkonnas, toetades õiglast veejaotust ja vastavust eeskirjadele.

4. Keskkonna- ja ökoloogilised rakendused

Märgalade veekasutuse seire satelliitandmete abil kvantifitseerib ökosüsteemi veekasutust ligipääsmatutes soodes, turbaaladel ja suudmealadel, kuhu maapealseid andureid ei saa paigaldada. Metsade veekasutuse seire näitab, kuidas metsade hävitamine, metsa uuendamine ja metsatulekahjud muudavad tervete valgalade veetasakaalu – need on olulised andmed metsade süsiniku arvepidamise ja veevarustuse planeerimise jaoks.

Evapotranspiratsioon on nähtamatu niit, mis ühendab iga taime Maal globaalse veeringlusega. Kaugseire on ainus tööriist, mis meil on selle nägemiseks veemajanduse seisukohalt olulises mastaabis.

Satelliit-ET-toodete täpsuse hindamine ja valideerimine

Ükski maavälise olemuse toode pole kasulik ilma range valideerimiseta. Standardmeetodis võrreldakse satelliitidelt saadud maavälise olemuse hinnanguid keeriskovariatsiooni vootornide mõõtmistega – see on maastiku tasandil maavälise olemuse kohta kõige täpsem saadaolev maapealne tõestus.

Globaalne FLUXNET võrgustik pakub avatud juurdepääsuga voogtornide andmeid sadadest erinevatest bioomidest pärit kohtadest. ET-toodete arendajad võrdlevad oma mudeli väljundeid FLUXNETi mõõtmistega, et arvutada statistilisi jõudlusnäitajaid, sealhulgas

• R2 (korrelatsioonikordaja),
• RMSE (ruutkeskmine viga) ja
• Eelarvamus (süstemaatiline üle- või alahindamine).

Valideerimine viiakse läbi eraldi erinevate maakatte tüüpide, kliimavöötmete ja aastaaegade puhul, kuna ET-mudeli täpsus on nendes tingimustes oluliselt erinev.

Energiabilansi mudelid, nagu SEBAL ja METRIC, toimivad üldiselt kõige paremini selge taevaga poolkuivades põllumajandusmaastikes. Toimivus halveneb niisketes troopilistes metsades, keerulisel mägisel maastikul ja sagedase pilvisusega aladel.

Ajakirjas Nature Water avaldatud OpenET täpsusuuring võrdles kuut ET-mudelit mõõtmistega, mis pärinevad ... 152 voogtorni asukohta kogu Ameerika Ühendriikides, leides, et OpenET ansambel saavutas kõige tugevama tulemuse just üheaastaste põllukultuuride puhul kuivades läänepiirkondades – piirkondades, kus niisutamise haldamine on majanduslikult ja ökoloogiliselt kõige olulisem.

Kuivade piirkondade veemajandajad saavad OpenET-i andmeid niisutusnõuetele vastavuse ja veeeelarve jälgimiseks suure kindlusega kasutada, asendades kallist mõõteinfrastruktuuri.

Kaugseirega seotud väljakutsed ET-seires

Vaatamata kiirele edule piiravad satelliidipõhise maavälise seire täpsust ja rakendatavust mitmed tehnilised ja operatiivsed probleemid.

1. Pilvkatte piirangud: Optiline ja termiline kaugseire nõuab pilvevabasid tingimusi. Niisketes troopilistes piirkondades või mussoonvihmade ajal võib püsiv pilvkate tekitada nädalaid kuni kuid kestvaid andmelünki, rikkudes niisutussüsteemide haldamiseks vajaliku ajalise järjepidevuse.

2. Ruumilise eraldusvõime piirangud: MODIS, ajaliselt kõige sagedamini kasutatav satelliit, pakub ET-andmeid 500-meetrise resolutsiooniga – liiga ebatäpne teave alla 25 hektari suuruste põldude jaoks. Landsati 30-meetrine resolutsioon sobib enamiku põllumajanduspõldude jaoks, kuid sellel on 16-päevane kordustsükkel, mis ei kajasta veestressi kiireid muutusi.

3. Ajalise lahutusvõime kompromissid: Kõrge ruumiline lahutusvõime (Landsat, Sentinel-2, ECOSTRESS) ja kõrge ajaline lahutusvõime (MODIS, VIIRS) eksisteerivad pöördvõrdelises seoses. Selle lõhe ületamiseks on vaja andmete fusioonitehnikaid.

4. Mudeli eeldused heterogeensetes maastikes: Ühe allika energiabilansi mudelid eeldavad ühtlast võrastikku, mis laguneb hõreda taimestiku, segakultuuride süsteemide või linna-põllumajanduse piirpindade korral, kus mulla ja taimede temperatuur erineb järsult.

5. Andmete kättesaadavus arengumaades: Maapealsete ilmajaamade andmeid, mida on vaja ET-mudelite piiramiseks, on vähe Sahara-taguse Aafrika, Lõuna-Aasia ja Kesk-Aasia osas – just nendes piirkondades, kus veemajanduse parandamist kõige kiiremini vajatakse.

Tärkavad tehnoloogiad ja tulevik ET-seires

Mitmed omavahel ühendatud tehnoloogilised arengud on valmis järgmise viie kuni kümne aasta jooksul dramaatiliselt laiendama kaugseire ET-seire täpsust, ulatust ja kättesaadavust.

1. Tehisintellekt, masinõpe ja andmete fusioon

Suurtel mitme anduriga andmekogumitel treenitud süvaõppe mudelid hakkavad teatud maastike puhul klassikalistest energiabilansi mudelitest paremini toimima. Konvolutsioonilised närvivõrgud suudavad Landsati, Sentinel-2, MODISe ja meteoroloogilise reanalüüsi andmeid samaaegselt integreerida, õppides ruumilis-ajalisi ET-mustreid, mida ükski ühe anduriga mudel ei jäädvusta.

Samal ajal ühendavad andmete fusioonialgoritmid – millest silmapaistvaim on STARFM (ruumilise ja ajalise adaptiivse peegeldusmudeli) lähenemisviis – kõrgresolutsiooniga Landsati pilte igapäevaste MODIS-andmetega, et luua sünteetilisi igapäevaseid ET-kaarte 30-meetrise resolutsiooniga, lahendades tõhusalt ruumilis-ajalise kompromissi, mis praegu piirab täppispõllumajanduse rakendusi.

2. Kõrglahutusega termilised satelliidid ja CubeSat tähtkujud

Järgmise põlvkonna spetsiaalsed Maa termilise vaatluse satelliidid edastavad alla 30-meetriseid termilisi kujutisi igapäevase korduskülastusega.

Planeeritud missioonid, sealhulgas Landsat Next järeltulija ja kommertslikud CubeSat termilised konstellatsioonid, kõrvaldavad ajaloolise kompromissi ruumilise detaili ja ajalise sageduse vahel, mis on piiranud maavälise kosmose jälgimist välitöödel.

Nagu Future Market Insightsi aruandes (2025) märgiti, peaks kaugseireteenuste turg – mille väärtus 2025. aastal oli 22,87 miljardit USA dollarit – 2035. aastaks ulatuma 84,28 miljardi USA dollarini, mida märkimisväärselt soodustab LEO satelliitide konstellatsiooni laienemine.

3. Digitaalsed kaksikud veemajanduses

Digitaalsed kaksikraamistikud – põllumajandusmaastike dünaamilised virtuaalsed koopiad, mis uuenevad peaaegu reaalajas satelliidi ja IoT andurite voogude põhjal – integreerivad ET-kaugseire põhiandmevooguna. Need süsteemid sünkroniseerivad satelliit-ET-kaarte, mulla niiskusandurite andmeid, ilmaprognoose ja põllukultuuride kasvumudeleid, et simuleerida tulevast põllu veetaset ja määrata automaatselt niisutust.

ET-monitooringu tarkvara ja tööriistad

Rikkalik platvormide valik muudab kaugseire ET-analüüsi nüüd kättesaadavaks praktikutele, kellel pole sügavaid programmeerimisalaseid teadmisi.

1. Google Earth Engine (GEE) on pilvepõhine georuumilise arvutuse platvorm, mis majutab täielikke Landsati, MODISi, Sentineli ja ECOSTRESSi arhiive koos eelnevalt loodud ET-algoritmidega. Analüütikud saavad ET-arvutusi teha aastatepikkuse andmestiku põhjal tervete piirkondade kohta ilma ühtegi kujutist kohapeal alla laadimata. GEE-st on saanud domineeriv uurimisplatvorm suurte ET-kaartide jaoks.

2. OpenET platvorm pakub veebiliidest, kus iga registreeritud kasutaja pääseb ligi põllutasemel ET-andmetele põllumajandusmaa kohta kogu USA lääneosas. Kasutajad saavad eksportida päeva-, kuu- või hooajalisi ET-kokkuvõtteid üksikute põldude või tervete veemajanduspiirkondade kohta, ilma et oleks vaja programmeerimisalaseid teadmisi.

3. WaPORi portaal (FAO) pakub sarnast osuta ja klõpsa ET allalaadimisliidest Aafrika ja Lähis-Ida jaoks, millel on otselingid põllumajandusliku vee tootlikkuse näitajatele.

4. Pythoni ja R töövood Selliste teekide nagu rasterio, xarray, geopandas (Python) või terra raster (R) kasutamine võimaldab teadlastel luua kohandatud maaväliste avaruste töötlemiskanaleid, mis integreerivad satelliidiandmeid kohalike meteoroloogiliste andmete, põllukultuuride mudelite ja niisutusandmebaasidega.

Kaugseire ET-seire juhtumiuuringud

1. Niisutussüsteemide haldamine kuivades piirkondades

Ameerika Ühendriikide High Plainsi põhjaveekihi piirkonnas – ühes Maa intensiivsemalt niisutatud põllumajanduspiirkonnas – näitasid Desert Research Institute'i teadlased, et OpenET-andmed, mis on integreeritud kliimaandmestikega, suudavad hinnata põhjavee pumpamise mahtusid piisava täpsusega, et toetada langeva põhjaveekihi taseme regulatiivset haldamist.

Uuringus võrreldi satelliidipõhiseid ET-hinnanguid mõõdetud pumpade andmetega, leides enamikus uuringubasseinides väiksema hälbe kui 17% – see on veeõiguste haldamiseks piisav täpsusaste.

2. Täppispõllumajandus kõikide põllukultuuride puhul

Puuvilla niisutamise ajastamiseks on rakendatud kaugseire abil keskkonnamõjude seiret, kasutades SEBAL ja METRIC mudeleid, et kaardistada tegelikku keskkonnamõjude seiret üksikute põldude lõikes kasvuperioodil.

Astrophysics Data Systemis (2020) avaldatud uuringud näitasid, et mõlemad mudelid tuvastasid oodatust kõrgema tegeliku aurustumise algstaadiumis, mis oli tingitud suurest palja mulla aurustumisest – see oli leid, et standardne saagikoefitsiendi meetod ei andnud süstemaatiliselt tulemusi, mis viis sellel kriitilisel perioodil üleniisutamiseni.

3. Valgalavee arvestus

FAO WaPOR platvormi on kasutatud vee tootlikkuse analüüsi läbiviimiseks niisutussüsteemides Etioopias, Egiptuses ja Jordaanias, kvantifitseerides ET toodetud põllukultuuri biomassi ühiku kohta.

Need analüüsid tuvastasid põllud, mille veetootlikkus oli alla vesikonna keskmise, pakkudes ruumilist tõendusmaterjali sihipäraste laiendusprogrammide jaoks, et parandada niisutamise tõhusust vähem tulemuslikes piirkondades.

ET-seire lähenemisviisi valimise parimad tavad

Satelliidiandmete, ET-mudeli ja valideerimisstrateegia õige kombinatsiooni valimine sõltub konkreetsest küsimusest, millele vastatakse, olemasolevatest ressurssidest ja vastuvõetavast määramatuse tasemest.

1. Kõigepealt määratlege ruumiline ja ajaline skaala. Valgala tasemel igakuine veearvestus nõuab teistsugust tööriista kui põllu tasemel igapäevane niisutusgraafik. Enne mis tahes mudeli valimist sobitage satelliitplatvormi eraldusvõime ja korduskülastuste sagedus haldusvajadustega.

2. Sobita mudel maastiku tüübiga. Energiabilansi mudelid nagu SEBAL ja METRIC toimivad kõige paremini poolkuivades, selge taevaga põllukultuuride domineeritud maastikes. Taimestikuindeksil põhinevad mudelid toimivad paremini piirkondades, kus termiliste andmete kättesaadavus on piiratud. Masinõppemudelid toimivad kõige paremini siis, kui on saadaval suured, kohalikult valideeritud treeningandmekogumid.

3. Valideeri alati lokaalselt. Isegi kõige täpsem globaalne maavälise päritoluga toode tuleks enne kasutuselevõttu valideerida vähemalt ühe kohaliku vootorni või lüsimeetri andmekogumi suhtes. Avaldatud uuringute tulemuslikkuse näitajad kanduvad harva täpselt üle uutele asukohtadele ja põllukultuuridele.

4. Planeeri pilvekatte lünki. Niisketes või troopilistes piirkondades tuleks algusest peale planeerida andmete ühendamise või lünkade täitmise strateegiaid. Ühele termosatelliidile lootmine 16-päevase kordustsükliga tekitab kriitiliste põllukultuuride kasvuperioodide ajal vastuvõetamatuid andmelünki.

5. Kasutage võimaluse korral avatud platvorme. Google Earth Engine, OpenET ja WaPOR pakuvad tasuta juurdepääsu valideeritud ja hästi dokumenteeritud maaväliste olendite toodetele. Kohandatud maaväliste olendite mudeli loomine nullist on harva õigustatud, välja arvatud juhul, kui seda nõuavad ainulaadsed kohalikud olud.

6. Integreerige ET-andmed olemasolevate põllumajandussüsteemidega. ET-andmed on kõige väärtuslikumad siis, kui need suunatakse otse niisutusgraafikute ajastamise tarkvarasse, otsustustoetuse tööriistadesse või veearvestuse andmebaasidesse, mitte ei eksisteeri eraldiseisva satelliidiväljundina.

Kokkuvõte

Kaugseire abil aurustumise jälgimine on arenenud eksperimentaalsest uurimisdistsipliinist põllumajandusliku veemajanduse kriitiliseks operatiivvahendiks. Üha täpsemate satelliit-ET-toodete, avatud juurdepääsuga platvormide (nt OpenET ja WaPOR) ning tehisintellektil põhineva andmete ühendamise kombinatsioon kõrvaldab takistused, mis kunagi piirasid satelliit-ET-seiret hästi rahastatud teadusasutustega.

Praegused võimalused on märkimisväärsed: energiabilansi mudelid, mis on valideeritud 30 või enamas riigis, satelliitidel põhinevad ET-tooted, mis saavutavad peamiste üheaastaste põllukultuuride puhul parema hooajalise täpsuse kui 90%, ja pilvepõhised platvormid, mis edastavad põllutasemel ET-andmeid igale internetiühendusega põllumehele või veemajandajale. Neid võimalusi kasutatakse juba niisutusnõuete täitmiseks Colorado jõel, põhjavee vähenemise jälgimiseks High Plains'i põhjaveekihis ja põllumajandusliku vee tootlikkuse parandamiseks kogu Aafrikas FAO WaPOR-süsteemi kaudu.