Haihdunnan seuranta kaukokartoitusmenetelmien ja -mallien avulla

Kaukokartoituksen avulla tehty haihduntamittaus on yksi merkittävimmistä edistysaskeleista maatalouden vesitieteessä viimeisten kahden vuosikymmenen aikana. Yhdistämällä satelliittipohjaisia lämpötietoja, kasvillisuusindeksejä ja energiatasapainofysiikkaa tiedemiehet ja maanviljelijät voivat nyt arvioida, kuinka paljon vettä poistuu maan pinnalta miljoonien hehtaarien alueella – ilman yhtäkään maanpäällistä anturia.

Tämä ominaisuus mullistaa tapaa, jolla agronomit aikatauluttavat kastelua, miten hallitukset seuraavat kuivuutta ja miten tutkijat määrittävät kokonaisten jokien valuma-alueiden vesijalanjäljen. Maatalous kuluttaa noin 701 300 tonnia kaikesta maailman makean veden otosta, mutta suurinta osaa tästä vedestä ei koskaan mitata suoraan pellolla – tämä on kriittinen aukko, jota kaukokartoituksella tehtävä haihdunnan seuranta on nopeasti kuromassa umpeen.

Mikä on evapotranspiraatio?

Haihdunta (ET) on yhdistetty prosessi, jossa vesi siirtyy maan pinnalta ilmakehään. Siinä on kaksi samanaikaisesti toimivaa osaa: haihtuminen, nestemäisen veden suora muuntuminen maaperästä, vesistöistä ja kasvien pinnoilta vesihöyryksi; ja transpiraatio, kasvien juurien imemän veden biologinen liikkuminen, veden kuljettuminen ylöspäin varren läpi ja vapautuminen höyrynä lehtien pienten huokosten, joita kutsutaan ilmaraoiksi, kautta.

Yhdessä nämä kaksi prosessia vastaavat suurimmasta vesivirtauksesta, joka poistuu maaekosysteemistä. Useimmissa maatalousmaisemissa vesi palauttaa 60–80 prosenttia kaikista sateista takaisin ilmakehään. Tämä luku tekee vesivarannoista hallitsevan muuttujan maan vesitasapainossa – useimmissa viljelyympäristöissä vaikuttavamman kuin valunta tai syväsuodatus.

Maaperän kosteus (ET) on hydrologisen kierron keskipisteessä ja yhdistää maanpinnan, biosfäärin ja ilmakehän. Kun ET-pitoisuudet ovat korkeat, maaperän kosteus ehtyy nopeammin, jokien pohjavirtaamat pienenevät ja pohjavesikerroksen muodostumisnopeus hidastuu. Kun ET-pitoisuus hidastuu – kuivuusstressin, viljelykasvien vanhenemisen tai maankäytön muutoksen vuoksi – seuraukset heijastuvat veden saatavuuteen alajuoksulla.

Ilmastotieteessä ET on ensisijainen kytkentämekanismi hiilen ja veden kiertokulkujen välillä. Kasvit avaavat ilmaraot absorboidakseen hiilidioksidia fotosynteesiä varten ja samalla vapauttavat vesihöyryä. Kaikki muutokset maapallon kasvillisuuden peitteessä, lämpötilassa tai hiilidioksidipitoisuudessa siirtävät planeetan ET-tasapainoa ja heijastuvat takaisin alueellisiin sademääriin.

Miksi haihdunnan seuranta on vedenhallinnan prioriteetti?

Tarkat vedenkulutustiedot ohjaavat parempia päätöksiä useilla eri sektoreilla. Maataloudessa peltotason todellisen vedenkulutuksen tunteminen kertoo kastelujärjestelmän johtajalle tarkalleen, kuinka paljon vettä on levitettävä, milloin sitä on levitettävä ja missä vajeita syntyy ennen kuin satoon ilmenee näkyvää stressiä.

Tämä tarkkuus estää sekä liikakastelun, joka tuhlaa vettä ja huuhtoutuu ravinteita, että alikastelun, joka vähentää satoa.

1. Kastelun aikataulutus: ET-pohjainen kastelun ajoitus korvaa arvailun fysiikalla. Kun viljelijä tietää, että maissipelto menettää heinäkuussa 7 mm vettä päivässä ET:n vuoksi, hän voi korvata tarkalleen kyseisen vajeen sen sijaan, että kastelisi kiinteän kalenterivälin mukaisesti.

2. Kuivuuden seuranta: Todellisen haihtumisasteen (ET) pysyvä lasku suhteessa viite-ET:hen (joka haihtuisi rajoittamattoman vedensaannin vallitessa) viestii kehittyvästä kuivuusstressistä. Kaukokartoitus tallentaa tämän signaalin viikkoja ennen kuin sadonmenetys tulee silmin havaittavaksi.

3. Vesivarojen suunnittelu: Vesistöjen vedenkulutuksen seuranta valuma-alueen tasolla vaatii maantieteellistä tietoa (ET) valuma-alueen tasolla. Satelliittien ET-seuranta tarjoaa tämän alueellisen kattavuuden murto-osalla maa-asemaverkoston kustannuksista.

4. Ilmastonmuutoksen arviointi: Pitkän aikavälin vedenkäytön trendit paljastavat, kuinka lämpenevät lämpötilat ja muuttuvat sademäärät muuttavat ekosysteemien vedenkäyttöä – tiedot, jotka ohjaavat sopeutumissuunnittelua alueellisella ja kansallisella tasolla.

5. Ekosysteemin terveyden seuranta: Kosteikkojen haihtumisnopeudet, metsien haihtuminen ja niittyjen vedenkäyttö reagoivat kaikki herkästi ekologisiin häiriöihin. Kaukokartoitushaihdutus havaitsee nämä muutokset laajoilla, saavuttamattomilla maisemilla.

Mitkä tekijät vaikuttavat haihtumiseen?

Haihdunta (ET) muodostuu ilmasto-olosuhteiden, maiseman ominaisuuksien ja kasvibiologian yhdistelmän vaikutuksesta. Alla on erittely keskeisistä tekijöistä.

1. Maaperätyyppi. Maaperän koostumuksella on merkittävä rooli vedenpidätyskyvyssä ja haihtumisessa. Hiekkaiset tai soraiset maaperät pidättävät yleensä vähemmän vettä ja vapauttavat sitä enemmän haihtumalla, kun taas savipitoiset tai savipitoiset maaperät pidättävät kosteutta paremmin.

2. Ilman lämpötila. Lämpötila vaikuttaa suoraan ET-nopeuksiin. Lämpimämmällä ilmalla on suurempi kyky pidättää kosteutta, ja lisääntynyt lämpötila kiihdyttää veden muuttumista höyryksi, mikä lisää haihtumista.

3. Auringon säteily. Lämmön tuottamisen lisäksi auringonsäteilyyn liittyy energiatasojen, taajuuden ja albedon vaihteluita – jotka kaikki vaikuttavat ET:hen. Nämä tekijät vaihtelevat sijainnin ja vuodenajan mukaan, ja niiden tarkka mittaaminen vaatii usein edistynyttä teknologiaa.

4. Kosteus. Suhteellinen kosteus (RH) tarkoittaa ilmassa olevan vesihöyryn määrää suhteessa sen maksimikapasiteettiin. Kun kosteus on korkea, ilma imee itseensä vähemmän kosteutta, mikä hidastaa haihtumisnopeutta (ET). Toisaalta kuivempi ilma voi imeä itseensä enemmän höyryä, mikä johtaa korkeampaan haihtumisnopeuteen.

5. Kasvipeite. Eri kasvilajit ovat vuorovaikutuksessa veden kanssa eri tavoin. Jotkut varastoivat vettä tehokkaasti kuivina kausina, kun taas toiset menettävät sitä nopeammin. ET-nopeuksiin vaikuttavat myös kasvin ikä, terveys ja juurien syvyys – syvemmät juuret antavat kasveille mahdollisuuden selvitä pidempään ilman kastelua. Nämä fysiologiset erot tarkoittavat, että ET voi vaihdella suuresti eri viljelykasvien välillä, mikä vaatii räätälöityjä kastelustrategioita.

6. Tuulen nopeus. Tuuli on merkittävä sekä haihtumisen että transpiraation ajuri. Se levittää kasvillisuuden päälle kertyvää kosteaa ilmakerrosta, mikä lisää ET-arvoa. Se myös edistää höyryn diffuusiota kasvien huokosten läpi, mikä tehostaa haihtumista. Erittäin voimakkaat ja kuivat tuulet voivat kuitenkin joskus haitata höyryn diffuusiota, mikä vähentää ET-arvoa hieman tietyissä olosuhteissa.

Haihdunnan keskeiset käsitteet

ET(0) heijastaa ilmakehän kykyä ohjata veden haihtumista ja on puhtaasti ilmastoon perustuva. ET(c) mittaa veden haihtumista terveistä, hyvin kastelluista viljelykasveista, jotka kasvavat ihanteellisissa olosuhteissa täydellä satopotentiaalillaan. Kun viljelykasvien hoito on epäoptimaalista tai ne kohtaavat ympäristöhaasteita, ET(c)-arvoa on muutettava, jotta saadaan ET(c adj). Viljelmien haihdunta ymmärretään kolmen erillisen käsitteen kautta:

1. ET(0) — Viitearvohaihdunta
2. ET(c) — Haihdunta standardiolosuhteissa
3. ET(c adj) — Haihdunta epästandardeissa olosuhteissa

1. Vertailuhaihdunta — ET(0)

ET(0) edustaa nopeutta, jolla vesi haihtuu hyvin kastellulta vertailupinnalta – tyypillisesti mallinnetaan idealisoidusta ruohopeitteestä, joka täyttää tietyt kriteerit.

Tämä mittaus mittaa ilmakehän haihtumiskynnystä riippumatta viljelykasvin tyypistä, kasvuvaiheesta tai viljelykäytännöistä. Koska vertailupinnan oletetaan olevan täysin kostea, maaperän olosuhteet jätetään laskelman ulkopuolelle, mikä poistaa tarpeen määrittää erillisiä ET-kynnysarvoja jokaiselle viljelykasville jokaisessa kasvuvaiheessa.

ET(0) määräytyy kokonaan ilmastollisten muuttujien mukaan, ja tyypilliset arvot vaihtelevat agroklimaattisten vyöhykkeiden välillä, vaikka nämä luvut toimivat vain yleisinä vertailuarvoina.

2. Haihdunta standardiolosuhteissa — ET(c)

ET(c) ilmaisee terveen, hyvin ravinteisen ja suurilla, riittävästi kastelluilla pelloilla suotuisissa sääolosuhteissa ja huipputuottavuudella kasvatetun sadon vapauttaman veden määrän. Se johdetaan kertomalla vertailu-ET satokertoimella K(c):

ET(c) = ET(0) × K(c)

3. Haihdunta epästandardeissa olosuhteissa — ET(c adj)

ET(c adj) ottaa huomioon todelliset poikkeamat ihanteellisista kasvuolosuhteista. Tekijät, kuten tuholaisten ja tautien aiheuttama paine, veden alijäämä tai liikakäyttö, maaperän suolapitoisuus ja heikko maaperän hedelmällisyys, voivat aiheuttaa sen, että todellinen viljelykasvien vedenkäyttö poikkeaa merkittävästi ET(c):stä. Näiden vaikutusten kuvaamiseksi viljelykasvien kertoimen rinnalla otetaan käyttöön vesistressikerroin K(s):

ET(c adj) = ET(0) × K(c) × K(s)

Perinteiset menetelmät haihtumisen mittaamiseksi

Ennen kaukokartoitusta tutkijat mittasivat maanpäällistä avaruutta suorilla fysikaalisilla instrumenteilla. Jokainen menetelmä toimii hyvin tietyllä mittakaavalla, mutta siihen liittyy merkittäviä kompromisseja, jotka rajoittavat laajaa maatalouden soveltamista. Joitakin parhaita maanpäällisiä maanpäällisiä mittaustekniikoita ovat:

1. Lysimetri: Lysimetri (suuri, maanpinnan tasolle asennettu, mullalla ja kasvavalla sadolla täytetty säiliö) mittaa energiankulutusta (ET) punnitsemalla maa-ainespalaa ajan kuluessa. Kun sademäärää hallitaan ja valumavesi kerätään, aikavälien massaero vastaa todellista energiankulutusta (ET).

Lysimetrit tarjoavat tarkimmat saatavilla olevat ET-mittaukset, mutta ne maksavat satoja tuhansia dollareita yksikköä kohden, peittävät vain muutaman neliömetrin alueen eivätkä pysty edustamaan todellisen kentän spatiaalista vaihtelua.

2. Eddy-kovarianssijärjestelmä: Pyörremyrskykovarianssijärjestelmä mittaa ET:tä laskemalla pystysuoran tuulen nopeuden ja vesihöyrypitoisuuden välisen kovarianssin latvuston yläpuolella käyttämällä nopeita antureita. Se kattaa "jalanjäljen" useista sadoista metreistä muutamaan kilometriin, mikä tekee siitä paljon edustavamman kuin lysimetri.

Fluksitornien asennus ja ylläpito maksavat kuitenkin 50 000–300 000 Yhdysvaltain dollaria, ja maailmanlaajuisessa FLUXNET-verkostossa on vain noin 900 aktiivista tukikohtaa – aivan liian harvassa maatalouden etäsynteesin seurannassa kansallisella tasolla.

3. Bowenin suhdemenetelmä: Bowenin suhdemenetelmässä arvioidaan lämpövuon (ET) mittaamalla havaittavan lämpövuon (ilman lämmitys) ja latenttisen lämpövuon (ET) suhde käyttämällä latenttien latenttien lämpötila- ja kosteusgradientteja latenttien yläpuolella. Se on yksinkertaisempi kuin pyörrekovarianssi, mutta vaatii homogeeniset olosuhteet eikä sitä voida käyttää monimutkaisessa maastossa.

4. Sääasemaan perustuvat ET-laskelmat Laske FAO:n Penman-Monteithin yhtälöä käyttäen viite-ET0 ilman lämpötila-, kosteus-, tuulen nopeus- ja säteilytiedoista. Tätä menetelmää käytetään laajalti kastelun aikatauluttamiseen, mutta se tuottaa viite-ET:n, ei todellista ET:tä, koska se olettaa hyvin kastellun vertailukasvin eikä pellolla olevaa todellista satoa.

Kaikkien maanpäällisten menetelmien keskeinen ongelma on mittakaava. Yksi lysimetri edustaa muutamaa neliömetriä. Fluksitorni kattaa parhaimmillaankin muutaman sadan hehtaarin. Nykyaikainen maatalouden vesien hallinta vaatii kuitenkin peltotasolla tapahtuvaa ET-dataa koko jokien valuma-alueilta – spatiaalinen haaste, johon vain kaukokartoitus voi vastata.

Kaukokartoituksen perusteet ET-seurantaa varten

Kaukokartoitus on maanpäällisen säteilyn seurannan yhteydessä satelliitti- tai lentokoneista saatavan datan hankkimista ja analysointia, jolla arvioidaan maan pinnalta poistuvaa veden virtausta koskematta fyysisesti kyseiseen pintaan.

Lähestymistapa toimii, koska kasvit ja maaperä vaihtavat energiaa ilmakehän kanssa tavoilla, jotka ovat havaittavissa avaruudesta käsin – erityisesti lämpöinfrapunasäteilyn kautta. Kun kasvi höyrystyy tehokkaasti, se käyttää tulevaa auringonenergiaa veden haihduttamiseen lämmittämisen sijaan. Riittävästi kosteutta sisältävä kasvilatvusto pysyy suhteellisen viileänä.

Vesistressistä kärsivä latvusto sitä vastoin sulkee ilmaraot veden säästämiseksi, ja koska vähemmän latenttia lämpöä (ET) kuluttaa tulevaa energiaa, latvuston pintalämpötila nousee. Tämä on perustavanlaatuinen fysikaalinen signaali, jonka lämpökaukokartoitus tallentaa.

Satelliittien avaruusolennon arvioinnin taustalla olevat keskeiset fysikaaliset periaatteet

The energiatasapaino on hallitseva viitekehys. Millä tahansa maapinnalla auringosta ja ilmakehästä saapuvan nettosäteilyn (Rn) on oltava kolmen energianielun summa: maaperän lämpövirta (G), aistittava lämpövirta (H, joka lämmittää ilmaa) ja latentti lämpövirta (LE, joka ohjaa ET:tä). Yhtälönä kirjoitettuna: Rn = G + H + LE. Arvioimalla Rn:n, G:n ja H:n satelliittidatasta malli johtaa LE:n – ja siten ET:n – jäännöksenä.

1. Maanpinnan lämpötila Lämpöinfrapuna-alueella mitattu LST (LST) on ensisijainen havaittava arvo, jota käytetään havaittavan lämpövuon H arvioimiseen. Kuumempi pinta siirtää enemmän lämpöä ilmaan (korkea H), jolloin ET:lle jää vähemmän energiaa (alhainen LE). Viileämmällä, hyvin kastellulla pinnalla on alhaisempi H ja korkeampi LE.

2. Kasvillisuusindeksit kuten NDVI, ne mittaavat, kuinka paljon vihreää, fotosynteettisesti aktiivista kasvimateriaalia peittää pinnan, mikä säätelee haihtumisnopeutta. Tiheä, vihreä latvusto haihduttaa enemmän kuin paljas maa tai harva metsikkö.

3. Nettosäteily lasketaan lyhyt- ja pitkäaaltoisten säteilyvuotojen perusteella, jotka kaukokartoitus arvioi pinnan albedon, kasvillisuuden ja lämpöemissiotietojen perusteella.

Satelliittipohjainen haihduntaseuranta ei korvaa maanpinnan tasalla olevia tietoja – se on ainoa työkalu, joka voi tuottaa alueellisesti jatkuvaa vedenkäyttötietoa siinä mittakaavassa, jossa maatalouteen ja hydrologiaan liittyvät päätökset todellisuudessa tehdään.

Kaukokartoituksen etu maanpäällisiin menetelmiin verrattuna ei ole pelkästään alueellinen kattavuus. Satelliittidata tarjoaa synoptisia, toistettavia mittauksia erittäin heterogeenisissä maisemissa – jotain, mitä mikään maanpäällinen verkko ei voisi toistaa vastaavilla kustannuksilla.

Kaukokartoitustietolähteet ET-arviointia varten

Avaruudesta käsin tehtävä ET-arviointi vaatii useiden eri anturityyppien datan yhdistämistä. Mikään yksittäinen satelliitti ei tarjoa kaikkia täydellisen ET-mallin tarvitsemia syötteitä, joten operatiiviset ET-tuotteet yhdistävät tyypillisesti dataa useilta alustoilta.

1. Satelliittialustat maan ulkopuolisen avaruuden arvioimiseen

i. Landsat (USGS/NASA) on toiminut jatkuvasti vuodesta 1972 lähtien ja tarjoaa 30 metrin spatiaalisen resoluution monispektri- ja lämpökuvia 16 päivän tarkistussyklillä. Sen pitkä arkisto tekee siitä korvaamattoman historiallisen maan ulkopuolisen avaruuden analysoinnissa ja satojen seurannassa. Useimmat energiatase-maan ulkopuolisen avaruuden mallit – mukaan lukien SEBAL ja METRIC – suunniteltiin alun perin Landsat-datan ympärille.

ii. Sentinel-2 (ESA) tarjoaa 10 metrin monispektrikuvia ja 5 päivän tarkistusajan korkean resoluution kasvillisuusindeksin laskentaan. Vaikka siinä ei olekaan lämpötilavyöhykettä, se täydentää Landsatia tarjoamalla useammin saatavaa, korkeamman resoluution NDVI-, EVI- ja LAI-dataa kasvillisuuspohjaisille avaruusmalleille.

iii. MODIS (Moderate Resolution Imaging Spectroradiometer, NASA) tarjoaa päivittäisen maailmanlaajuisen kattavuuden 250 metristä 1 kilometriin tarkkuudella. Sen karkeampi spatiaalinen resoluutio rajoittaa kenttätason sovelluksia, mutta tekee siitä ihanteellisen mannertenväliseen ja maailmanlaajuiseen maan ulkopuolisen avaruuden seurantaan esimerkiksi MOD16:n kaltaisten tuotteiden avulla.

iv. EKOTRESS (NASA) on asennettu kansainväliselle avaruusasemalle ja se tuottaa 70 metrin tarkkuudella lämpöinfrapunadataa 1–5 päivän tarkkuudella. ECOSTRESS on suunniteltu erityisesti mittaamaan viljelykasvien vesistressiä ja etäisilmakehää lähikentällä – kykyvajetta, jota MODIS ja aiemmat satelliitit eivät kyenneet täyttämään.

vastaan VIIRS Suomi-ydinvoimalaitoksen ja JPSS-satelliittien Visible Infrared Imaging Radiometer Suite (NOAA/NASA) jatkaa MODISin maailmanlaajuista päivittäistä kattavuusperintöä parannetulla anturikalibroinnilla, joka tukee operatiivisia ET-tuotteita alueellisesta maailmanlaajuiseen mittakaavaan.

2. Miehittämättömien ilma-alusten ja dronejen avulla tehtävät maan ulkopuolisten avaruusolentojen havainnot

Lämpökameroilla ja monispektrisillä sensoreilla varustetut miehittämättömät ilma-alukset (UAV:t) voivat kartoittaa maan ulkopuolista avaruutta yksittäisten peltojen alueella alle metrin spatiaalisella resoluutiolla. Drooniin asennettu lämpökamera mittaa latvuston lämpötilan suoraan, ja yhdistettynä maanpäällisiin meteorologisiin tietoihin se tuottaa maan ulkopuolista avaruutta koskevia karttoja resoluutiolla, jota mikään satelliitti ei pysty tarjoamaan.

• Lämpökuvausdroonit havaita pellolla vesistressistä kärsivät kasvialueet ennen kuin näkyviä oireita ilmenee, mikä mahdollistaa vaihtelevan kastelumäärän pellon sisällä.
• Monispektriset anturit droneissa lasketaan NDVI ja EVI senttimetrin tarkkuudella, ja ne syötetään satokertoimeen perustuviin ET-malleihin tarkkaa kenttätyön aikataulutusta varten.
• Korkean resoluution ET-kartoitus Miehittämättömien ilma-alusten tuottama vesi on erityisen arvokasta erikoiskasveille – hedelmäpuille, viinitarhoille ja vihanneksille – joissa pellon sisäinen vaihtelu on suurta ja vesistressin kustannukset ovat suuret.

ET-seurannassa käytetyt keskeiset kaukokartoitusmuuttujat

Jokainen satelliittidatasta poimittu muuttuja tuo oman osansa ET-arvion palapelistä. Ymmärtämällä, mitä kukin muuttuja mittaa ja miksi se on tärkeä, ammattilaiset voivat valita oikean mallin ja tulkita tuloksia oikein.

1. Normalisoitu erotuskasvillisuusindeksi (NDVI) lasketaan muodossa (NIR – Punainen) / (NIR + Punainen) käyttäen lähi-infrapuna- ja punaisen kaistan heijastavuutta. Se vaihtelee välillä -1 - +1, ja tiheän vihreän kasvillisuuden tyypillisesti saa arvoksi 0,6–0,9. NDVI kuvaa latvuston tiheyttä ja vihreyttä, jotka korreloivat suoraan lehtipinta-alan ja haihduntakapasiteetin kanssa.

2, Parannettu kasvillisuusindeksi (EVI) lisää sinisen kaistan vähentämään ilmakehän häiriöitä ja maaperän taustavaikutuksia, jotka heikentävät NDVI:tä tiheästi kasvillisilla tai usein pilvisillä alueilla. EVI on herkempi kuin NDVI suuren biomassan alueilla ja sitä käytetään MOD16 ET -algoritmissa.

3. Lehtipinta-alaindeksi (LAI) mittaa yksipuolisen lehtipinta-alan maanpinta-alayksikköä kohti. Se ohjaa suoraan haihtumista määrittämällä, kuinka paljon lehtipinta-ala vaihtaa vesihöyryä ilmakehän kanssa. Satelliittipohjainen LAI on keskeinen syöte monissa fysikaalisissa maan ulkopuolisten avaruusmallien malleissa.

4. Pinnan albedo on pinnan heijastama osuus tulevasta auringonsäteilystä. Se säätelee, kuinka paljon aurinkoenergiaa pinta absorboi, mikä puolestaan määrää, kuinka paljon energiaa on käytettävissä ET:n käyttämiseen. Tummalla ja märällä maaperällä on alhainen albedo (absorboi enemmän energiaa); paljaalla hiekkapinnalla on korkea albedo (heijastaa enemmän).

5. Maaperän kosteus Mikroaaltoantureista saatavat tiedot rajoittavat haihtumisnopeusmalleja osoittamalla, onko juuristossa riittävästi vettä haihtumistarpeen tyydyttämiseksi. Kun maaperän kosteus laskee kriittisen kynnyksen alapuolelle, todellinen haihtumisnopeus laskee potentiaalisen nopeuden alapuolelle, vaikka energiaa olisi saatavilla.

Bastiaanssen ym. (katsattu teoksessa Frontiers in Remote Sensing, 2026) havaitsivat, että SEBAL, joka validoitiin yli 30 maassa, saavuttaa 85%-tarkkuus päivittäisille ET-arvioille ja 95%-tarkkuus kausittaisille ET-arvioille kenttämittakaavassa.

Kausittainen tarkkuus 95% tarkoittaa, että koko kastelualueen viljelykasvien vedenkulutuksen laskenta voidaan suorittaa luotettavasti käyttämällä vain satelliittitietoja, mikä eliminoi tiheiden maa-asemaverkostojen tarpeen.

Haihdunnan arviointimallit

1. Energiatasemallit

Energiatasemallit laskevat ET:n pintaenergiabudjetin residuaalina: ET = Rn – G – H. Jokainen malli eroaa siinä, miten se arvioi järkevän lämpövuon H, joka on laskennallisesti vaativin ja virheherkin komponentti.

i. Maanpinnan energiatasapainon algoritmi Bastiaanssen kehitti SEBAL-mallin vuonna 1998, ja se on edelleen yksi maailmanlaajuisesti laajimmin käytetyistä satelliittien ET-malleista. SEBAL käyttää kolmea keskeistä satelliiteista johdettua parametria: maanpinnan lämpötilaa (T0), pinnan pallonpuoliskon heijastavuutta (albedo r0) ja NDVI:tä.

Lämpövuon arvioimiseksi SEBAL tunnistaa kaksi ankkuripikseliä – “kuuman pikselin” (kuiva paljas maaperä, jossa ET on lähellä nollaa) ja “kylmän pikselin” (hyvin kasteltu viljelykasvi, jossa ET on maksimissaan) – ja interpoloi H-arvon kohtaukselle näiden ääriarvojen suhteen. Tämä itsekalibrointiominaisuus tekee SEBALista vähemmän herkän meteorologisten syötteiden absoluuttisille kalibrointivirheille.

ii. Haihdunnan kartoitus korkealla resoluutiolla sisäisen kalibroinnin avulla (METRIC)-malli perustuu SEBAL-malliin, mutta siihen on lisätty automaattinen kalibrointi sääaseman laskemaa ET-vertailuarvoa vasten. METRIC sopii paremmin alueille, joilla on täydelliset säätietoverkot, ja sitä on käytetty laajalti operatiiviseen kastelunhallintaan Yhdysvaltojen länsiosissa.

iii. Pintaenergian tasapainojärjestelmä (SEBS) käyttää turbulenttista vuoteoriaa arvioidakseen järkevää lämpövirtaa satelliittipohjaisista LST:stä, pinnan karheudesta ja tuulen nopeudesta. SEBS on fyysisesti tarkempi kuin SEBAL, mutta vaatii lisätietoja, minkä vuoksi se soveltuu paremmin tutkimukseen kuin operatiiviseen maatilan hallintaan.

ET-mallin valinta ei ole pelkästään tekninen päätös – se on päätös siitä, mihin kysymykseen yrität vastata. Vesistökohtainen laskenta ja kenttätason kastelun aikataulutustyökalu vaativat perustavanlaatuisesti erilaisia spatiaalisen resoluution ja ajallisen taajuuden tasoja.

iv. Kahden lähteen energiatasapaino (TSEB) -malli käsittelee maaperää ja latvustoa kahtena erillisenä energialähteenä, joilla kummallakin on oma lämpötila- ja energiataseensa. Tämä lähestymistapa on tarkempi harvan kasvillisuuden tai sekalaisten maapeitteiden tapauksessa, joissa yhden lähteen malli saattaa sekoittaa maaperän haihtumisen kasvien haihtumiseen.

2. Kasvillisuusindeksiin perustuvat ET-mallit

Kaikki ET-mallit eivät vaadi lämpökuvia. Kasvillisuusindeksiin perustuvat mallit arvioivat ET:n satokertoimen lähestymistapa (Kc x ET0), jossa satokerroin Kc on johdettu NDVI:stä tai EVI:stä ja vertailu-ET (ET0) on peräisin sääasemalta. FAO-56-menetelmä virallistaa tämän lähestymistavan, ja sitä käytetään laajalti kastelun aikataulutukseen, koska se ei vaadi lämpövyöhyketietoja.

Koneoppimismallit, mukaan lukien Satunnainen metsä, Keinotekoiset neuroverkot (ANN), ja syväoppimisen arkkitehtuureja sovelletaan yhä enemmän ET-estimointiin oppimalla monimutkaisia epälineaarisia suhteita satelliittien tuottamien syötteiden (LST, NDVI, albedo, LAI) ja flux-tornin ET-mittausten välillä.

Vuonna 2023 Remote Sensing of Environment -lehdessä julkaistussa tutkimuksessa havaittiin, että MODIS- ja meteorologisilla syötteillä koulutettu Random Forest -malli ennusti päivittäisen etenemisajan (ET) R2-arvolla 0,87 ja RMSE-arvolla 0,51 mm/vrk erilaisissa biomeissa – tämä oli kilpailukykyinen perinteisten energiatasemallien kanssa, mutta vaati huomattavasti vähemmän parametrisointityötä.

Taylor and Francis Open -lehdessä (2021) julkaistussa tutkimuksessa havaittiin, että SEBAL-algoritmia sovellettuna Landsat 8 -kuviin maissinviljelyalueella Adanassa, Turkissa, tuotti maanpäällisen ajan arvioita, joilla oli korrelaatiokerroin R = 0,91 FAO Penman-Monteith -menetelmää ja juuri RMSE:tä vasten 1,14 mm/päivä.

SEBALin tarkkuus kenttätasolla tarkoittaa, että satelliittipohjainen etäanalytiikka voi korvata kalliit lysimetriasennukset tai vähentää merkittävästi niiden tarvetta operatiivisissa kastelujärjestelmissä.

Satelliittipohjaiset ET-tuotteet ovat operatiivisessa käytössä

Useat globaalit ja alueelliset kaukokartoitustuotteet muuntavat nyt kaukokartoitussyötteet käyttövalmiiksi kaukokartoitustietokerroksiksi. Käytännön asiantuntijoiden ei enää tarvitse ajaa omia energiatasemallejaan – he voivat käyttää näitä esilaskettuja tietojoukkoja suoraan.

1. MOD16 ET -tuote (NASA) käyttää MODIS-dataa Penman-Monteith-algoritmilla, jota ohjaavat MODIS-maanpeite-, LAI-, EVI- ja globaalit meteorologiset uudelleenanalyysitiedot. Se tuottaa 8 päivän ja kuukausittain kerättyjä ET-yhdistelmiä 500 metrin tarkkuudella maailmanlaajuisesti. MOD16 sopii hyvin maisemamittakaavan tutkimuksiin, mutta on liian karkea yksittäisten kenttätutkimusten hallintaan.

2. SSEBop USGS:n kehittämä yksinkertaistettu pintaenergiatasapainon operatiivinen malli (Simplified Surface Energy Balance operational) yksinkertaistaa SEBAL:n kuuma-/kylmäpikselikalibrointihaastetta käyttämällä ennalta määriteltyjä lämpötilarajoja, jotka on johdettu pitkän aikavälin ilmastodatasta. SSEBop toimii operatiivisesti 30 metrin resoluutiolla käyttäen Landsat-dataa ja muodostaa yhden kuudesta OpenET-ensemblen mallista.

3. OpenET-alusta, joka käynnistettiin vuonna 2021 ja jota johtivat NASA, USGS, California State University Monterey Bay, Environmental Defense Fund ja Desert Research Institute, julkisen ja yksityisen sektorin yhteistyönä. Se tuottaa kenttämittakaavan maan ulkopuolista dataa 30 metrin tarkkuudella Yhdysvaltojen länsiosissa.

Nature Water -lehdessä tammikuussa 2024 julkaistu uraauurtava tutkimus, jossa verrattiin OpenET:n arvioita 152 maanpäällisestä vuomittauspaikasta saatuihin mittauksiin, vahvisti, että OpenET saavuttaa suuren tarkkuuden yksivuotisten viljelykasvien, kuten vehnän, maissin, soijan ja riisin, osalta – erityisesti kuivilla alueilla, joilla veden niukkuus tekee kastelun tarkkuudesta kriittisimmän.

4. WaPOR-portaali (FAO) tarjoaa maanpäällistä dataa Afrikasta ja Lähi-idästä 30 metrin, 100 metrin ja 250 metrin tarkkuudella, mikä on erityisesti suunniteltu tukemaan maatalouden veden tuottavuuden analysointia datapulasta kärsivillä kehitysalueilla.

5. HOHTAA (Global Land Evaporation Amsterdam Model) erottelee maan haihtumisen haihtumiseen, paljaan maan haihtumiseen, haihtumisen sieppaukseen ja avoveden haihtumiseen mikroaaltopohjaisten maaperän kosteustietojen ja satelliittien kasvillisuustuotteiden avulla. Se on erinomainen maan haihtumissignaalin jakamisessa biologisiin ja fysikaalisiin komponentteihin.

Kaukokartoituksen sovellukset

1. Tarkkuuskastelu ja viljelykasvien vedenhallinta

Satelliittipohjaisen ET-datan välittömin sovellus on kastelun aikataulutus. Kun viljelijä käyttää viikoittaisia peltotason ET-karttoja, hän voi laskea kasteluvajeen – todellisen ET-arvon ja tehokkaan sademäärän välisen eron – ja levittää täsmälleen kyseisen vesimäärän. Tämä poistaa kroonisen liikakastelun, joka tuhlaa vettä lisäämättä satoa.

Kalifornian Sacramenton ja San Joaquinin suistoalueella vesivarojen hoitajat käyttävät OpenETiä auttaakseen maanviljelijöitä noudattamaan osavaltion määräyksiä, jotka edellyttävät tarkkaa vedenkäyttöraportointia.

Satelliittien tuottaman ET-datan korkea tarkkuus yksivuotisissa viljelykasveissa tarjoaa laillisesti perustellun perustan vedenkäytön tilinpidolle, jota mikään maanpäällinen menetelmä ei voisi tarjota tällaisella alueellisella kattavuudella.

Vuonna 2024 Agricultural Water Management -lehdessä julkaistussa tutkimuksessa (Ott et al., 2024; Desert Research Institute) arvioitiin OpenETiä mitattuun kasteludataan verrattuna Nevadan pohjavesialueilla.

Diamond Valleyssa OpenETin arviot osoittivat vain 7% ero mitatusta vedenkäyttötiedosta, mikä osoittaa pohjaveden sääntelyyn liittyvän toiminnallisen luotettavuuden.

7%-virhemarginaali altaan mittakaavassa tarkoittaa, että satelliittien ET-tiedot voivat korvata kalliin mittausinfrastruktuurin alueilla, joilla pohjavesi on kriittisesti ehtynyt.

2. Kuivuuden arviointi ja varhaisvaroitusjärjestelmät

Kuivuuden seuranta on toinen vaikuttava sovellus. Haihtumisjännitysindeksi ECOSTRESS- ja MODIS-lämpödatasta johdettu ESI mittaa todellisen ET:n ja potentiaalisen ET:n suhdetta.

Kun ESI laskee merkittävästi alle 1,0:n, se viestii, että kasvit kärsivät vesistressistä – luotettava varhainen indikaattori maatalouden kuivuudesta, joka on usein havaittavissa 4–8 viikkoa ennen kuin sadon menetys on mitattavissa.

USDA:n kansallinen kuivuuden lieventämiskeskus integroi satelliittipohjaiset kuivuusindeksit osavaltioiden hallitusten, satovakuutusvirastojen ja hätätilanteiden hallintaviranomaisten käyttämiin operatiivisiin kuivuuden seurantakarttoihin. Tämä integrointi tekee kuivuustoimista nopeampia ja kohdennetumpia kuin kalenteripohjaiset tai pelkkään sademäärään perustuvat lähestymistavat.

3. Vesivarojen hallinta altaiden tasolla

Vesistöalueiden laskenta edellyttää tietoa siitä, kuinka paljon vettä poistuu maan pinnalta miljoonien hehtaarien vesivarastojen kautta. Juuri tätä satelliitti-vesivarantojen laskentapalvelut, kuten MOD16, GLEAM ja WaPOR, tarjoavat maailmanlaajuisesti.

• Säiliöhallintovirastot Käytä ET-tietoja valuma-alueen veden tuoton – sademäärän ja ET-arvon välisen erotuksen – arvioimiseen, mikä määrittää, kuinka paljon vettä todellisuudessa saavuttaa jokia ja tekoaltaita.
• Rajat ylittävien jokien valuma-alueiden viranomaiset käyttää satelliitti-ET:tä kansallisen vedenkäyttöraportoinnin itsenäiseen tarkistamiseen ilman, että tarvitaan pääsyä kansallisiin maanpäällisiin tietoverkkoihin.
• Kastelupiirien johtajat Käytä elektroniikkaa vedenkulutuksen seuraamiseen viljelykasvityypeittäin koko palvelualueella, mikä tukee veden tasapuolista jakelua ja säännösten noudattamista.

4. Ympäristölliset ja ekologiset sovellukset

Kosteikkojen vedenkulutuksen seuranta satelliittidatan avulla mittaa ekosysteemien vedenkulutusta vaikeasti saavutettavissa soilla, turvesoilla ja jokisuistoissa, joille ei voida ottaa käyttöön maanpäällisiä antureita. Metsien vedenkulutuksen seuranta paljastaa, miten metsäkato, metsän uudelleenistutus ja metsäpalot muuttavat kokonaisten valuma-alueiden vesitasapainoa – kriittistä tietoa metsien hiilijalanjäljen laskennassa ja vesihuollon suunnittelussa.

Haihdunta on näkymätön lanka, joka yhdistää jokaisen maapallon kasvin maailmanlaajuiseen veden kiertokulkuun. Kaukokartoitus on ainoa työkalu, jolla voimme nähdä sen vesienhallinnan kannalta merkityksellisessä mittakaavassa.

Satelliittien ET-tuotteiden tarkkuuden arviointi ja validointi

Mikään maan ulkopuolinen tuote ei ole hyödyllinen ilman perusteellista validointia. Standardimenetelmässä satelliittien maan ulkopuolisia arvioita verrataan pyörrekovarianssivuotornien mittauksiin – tarkimpaan saatavilla olevaan maan ulkopuolisten ilmiöiden maantieteelliseen totuuteen maisematasolla.

Maailmanlaajuinen FLUXNET Verkko tarjoaa avoimesti saatavilla olevaa flux-tornidataa sadoista eri biomeista. ET-tuotekehittäjät vertaavat mallien tuloksia FLUXNET-mittauksiin laskeakseen tilastollisia suorituskykymittareita, mukaan lukien

• R2 (korrelaatiokerroin),
• RMSE (root mean square error, neliöjuurivirhe) ja
• Bias (systemaattinen yli- tai aliarviointi).

Validointi suoritetaan erikseen eri maapeitetyypeille, ilmastovyöhykkeille ja vuodenajoille, koska ET-mallin tarkkuus vaihtelee huomattavasti näiden olosuhteiden välillä.

Energiatasemallit, kuten SEBAL ja METRIC, toimivat yleensä parhaiten puolikuivilla maatalousmaisemilla, joilla on kirkas taivas. Suorituskyky heikkenee kosteissa trooppisissa metsissä, monimutkaisessa vuoristoisessa maastossa ja usein pilvisillä alueilla.

Nature Water -lehdessä julkaistussa OpenET-tarkkuustutkimuksessa verrattiin kuutta ET-mallia mittauksiin, jotka tehtiin 152 flux-tornipaikkaa Yhdysvalloissa ja havaittiin, että OpenET-ensemble saavutti vahvimman suorituskyvyn erityisesti yksivuotisten viljelykasvien osalta kuivilla länsialueilla – alueilla, joilla kastelun hallinta on taloudellisesti ja ekologisesti kriittisintä.

Kuivien alueiden vesihallinnot voivat hyödyntää OpenET-dataa luotettavasti kasteluvaatimusten noudattamiseksi ja vesibudjetin seurannassa, korvaten kalliin mittausinfrastruktuurin.

Kaukokartoituksen ET-seurannan haasteet

Nopeasta edistyksestä huolimatta useat tekniset ja toiminnalliset haasteet rajoittavat satelliittipohjaisen maan ulkopuolisen seurannan tarkkuutta ja sovellettavuutta.

1. Pilvisyyden rajoitukset: Optinen ja terminen kaukokartoitus edellyttää pilvettömiä olosuhteita. Kosteilla trooppisilla alueilla tai monsuunikausien aikana jatkuva pilvipeite voi aiheuttaa viikoista kuukausiin ulottuvia datakatkoksia, mikä rikkoo kastelun hallinnan edellyttämän ajallisen jatkuvuuden.

2. Paikallisen resoluution rajoitukset: MODIS, ajallisesti yleisimmin havaittu satelliitti, tarjoaa maanpäällistä avaruutta koskevaa dataa 500 metrin tarkkuudella – liian karkeaa alle noin 25 hehtaarin kokoisille pelloille. Landsatin 30 metrin tarkkuus sopii useimmille maatalouspelloille, mutta siinä on 16 päivän tarkistussykli, joka ei huomioi vesistressin nopeita muutoksia.

3. Ajallisen resoluution kompromissit: Korkea spatiaalinen resoluutio (Landsat, Sentinel-2, ECOSTRESS) ja korkea ajallinen resoluutio (MODIS, VIIRS) ovat käänteisessä suhteessa. Tämän kuilun kaventaminen vaatii datan fuusiointitekniikoita.

4. Mallioletukset heterogeenisissä maisemissa: Yhden lähteen energiatasemallit olettavat yhtenäisen latvustuksen, joka hajoaa harvassa kasvillisuudessa, sekaviljelyjärjestelmissä tai kaupunkien ja maatalouden rajapinnoissa, joissa maaperän ja kasvien lämpötilat eroavat jyrkästi toisistaan.

5. Tiedon saatavuus kehitysmailla: Maanpäällisten sääasemien dataa, jota tarvitaan maan ulkopuolisten mallien rajoittamiseen, on niukasti suuressa osassa Saharan eteläpuolista Afrikkaa, Etelä-Aasiaa ja Keski-Aasiaa – juuri niillä alueilla, joilla vedenkäytön parantamista tarvitaan kiireellisemmin.

Uudet teknologiat ja tulevaisuus ET-seurannassa

Useat toisiaan yhentävät teknologiset kehitysaskeleet ovat valmiita laajentamaan dramaattisesti kaukokartoituksen ET-seurannan tarkkuutta, kattavuutta ja saatavuutta seuraavien viiden tai kymmenen vuoden aikana.

1. Tekoäly, koneoppiminen ja datan fuusio

Suurilla monianturisilla tietojoukoilla koulutetut syväoppimismallit alkavat suoriutua klassisia energiatasemalleja paremmin tietyissä maisemissa. Konvoluutiohermoverkot voivat integroida Landsat-, Sentinel-2-, MODIS- ja meteorologista uudelleenanalyysidataa samanaikaisesti, oppien spatiaalisia ja ajallisia ET-kuvioita, joita mikään yhden anturin malli ei pysty tallentamaan.

Samaan aikaan datan fuusioalgoritmit – näkyvimpänä STARFM (Spatial and Temporal Adaptive Reflectance Fusion Model) -lähestymistapa – yhdistävät korkean resoluution Landsat-kuvia päivittäisiin MODIS-tietoihin tuottaakseen synteettisiä päivittäisiä ET-karttoja 30 metrin tarkkuudella, mikä ratkaisee tehokkaasti spatiaalisen ja ajallisen kompromissin, joka tällä hetkellä rajoittaa tarkkuusviljelyn sovelluksia.

2. Korkean resoluution lämpösatelliitit ja CubeSat-tähdistöt

Seuraavan sukupolven erillisistä lämpömittauksiin tarkoitetuista Maan havainnointisatelliiteista tulevat alle 30 metrin lämpökuvat, joita tullaan tarkastelemaan päivittäin.

Suunnitellut hankkeet, mukaan lukien Landsat Nextin seuraaja ja kaupalliset CubeSat-lämpökonstellaatiot, poistavat historiallisen kompromissin paikkatietojen ja ajallisen taajuuden välillä, joka on rajoittanut kenttämittakaavan maan ulkopuolisten avaruuksien seurantaa.

Kuten Future Market Insights -raportissa (2025) todettiin, kaukokartoituspalvelumarkkinoiden – joiden arvo oli 22,87 miljardia Yhdysvaltain dollaria vuonna 2025 – ennustetaan nousevan 84,28 miljardiin Yhdysvaltain dollariin vuoteen 2035 mennessä, mikä johtuu merkittävästi LEO-satelliittikonstellaation laajenemisesta.

3. Digitaaliset kaksoset vesienhallinnassa

Digitaaliset kaksoset – dynaamiset virtuaalikopiot maatalousmaisemista, jotka päivittyvät lähes reaaliajassa satelliitti- ja IoT-anturien syötteistä – integroivat kaukokartoituksen keskeiseksi tietovirraksi. Nämä järjestelmät synkronoivat satelliittien kaukokartat, maaperän kosteusantureiden tiedot, sääennusteet ja viljelykasvien kasvumallit simuloidakseen tulevaa peltojen vesitilannetta ja säätääkseen kastelua automaattisesti.

Ohjelmistot ja työkalut ET-seurantaan

Laaja valikoima alustoja tekee kaukokartoituksen ET-analyysin nyt saatavilla myös ammattilaisille, joilla ei ole syvällistä ohjelmointiosaamista.

1. Google Earth -moottori (GEE) on pilvipohjainen paikkatietoalusta, joka isännöi täydellisiä Landsat-, MODIS-, Sentinel- ja ECOSTRESS-arkistoja sekä valmiiksi rakennettuja avaruusalgoritmeja. Analyytikot voivat suorittaa avaruuslaskelmia vuosien ajalta kokonaisten alueiden datalle lataamatta kuvia paikallisesti. GEE:stä on tullut hallitseva tutkimusalusta laaja-alaiseen avaruuskartoitukseen.

2. OpenET-alusta tarjoaa verkkokäyttöliittymän, jonka kautta kuka tahansa rekisteröitynyt käyttäjä voi käyttää peltokohtaisia ET-tietoja maatalousmaista Yhdysvaltojen länsiosissa. Käyttäjät voivat viedä päivittäisiä, kuukausittaisia tai kausittaisia ET-yhteenvetoja yksittäisille pelloille tai kokonaisille vesienhoitopiireille ilman ohjelmointiosaamista.

3. WaPOR-portaali (FAO) tarjoaa samankaltaisen osoita ja napsauta -käyttöliittymän ET-tiedostojen lataamiseen Afrikalle ja Lähi-idälle, ja siinä on suorat linkit maatalouden veden tuottavuuden indikaattoreihin.

4. Pythonin ja R:n työnkulut Kirjastojen, kuten Rasterion, Xarrayn, Geopandasin (Python) tai Terra Rasterin (R), käyttö antaa tutkijoille mahdollisuuden rakentaa räätälöityjä maan ulkopuolisten avaruusolentojen käsittelyputkia, jotka integroivat satelliittidataa paikallisiin meteorologisiin tietoihin, satomalleihin ja kastelutietokantoihin.

Kaukokartoituksen ET-seurannan tapaustutkimukset

1. Kastelun hallinta kuivilla alueilla

Yhdysvaltojen High Plainsin pohjavesialueella – yhdessä maapallon intensiivisimmin kastelluista maatalousalueista – Desert Research Instituten tutkijat osoittivat, että OpenET-data yhdistettynä ilmastotietojoukkoihin pystyi arvioimaan pohjaveden pumppausmääriä riittävällä tarkkuudella tukeakseen laskevien pohjavesitasojen sääntelyä.

Tutkimuksessa verrattiin satelliittien ET-arvioita mitattuihin pumpputietoihin ja havaittiin alle 17%:n poikkeama useimmissa tutkimusaltaissa – tarkkuustaso, joka on riittävä vesioikeuksien hallinnointiin.

2. Täsmäviljely eri viljelykasvien välillä

Kaukokartoituspohjaista ET-seurantaa on otettu käyttöön puuvillan kastelun aikataulutuksessa käyttämällä SEBAL- ja METRIC-malleja todellisen ET:n kartoittamiseksi yksittäisillä pelloilla kasvukauden aikana.

Astrophysics Data Systemissä (2020) julkaistut tutkimukset osoittivat, että molemmat mallit havaitsivat odotettua korkeamman todellisen haihtumisasteen sadon alkuvaiheissa johtuen korkeasta paljaan maan haihtumisesta – havainto, jonka vakiomuotoinen satokerroinmenetelmä epäonnistui systemaattisesti, mikä johti liikakasteluun kyseisenä kriittisenä aikana.

3. Valuma-alueen vesilaskenta

FAO:n WaPOR-alustaa on käytetty veden tuottavuusanalyysiin kastelujärjestelmissä Etiopiassa, Egyptissä ja Jordaniassa, ja siinä on mitattu veden tuottavuutta tuotettua biomassayksikköä kohden.

Näissä analyyseissä tunnistettiin peltoja, joiden veden tuottavuus oli altaan keskiarvoa alhaisempi, mikä tarjoaa paikkatietoa kohdennetuille laajennusohjelmille, joilla parannetaan kastelun tehokkuutta heikommin tuottavilla alueilla.

ET-seurantamenetelmän valinnan parhaat käytännöt

Oikean satelliittidatan, ET-mallin ja validointistrategian yhdistelmän valinta riippuu vastattavasta kysymyksestä, käytettävissä olevista resursseista ja hyväksyttävästä epävarmuustasosta.

1. Määrittele ensin spatiaalinen ja ajallinen mittakaava. Valuma-alueen mittakaavassa tehtävä kuukausittainen vedenkulutuksen laskenta vaatii erilaisen työkalun kuin peltotason päivittäinen kastelun aikataulutus. Sovita satelliittialustan resoluutio ja tarkistustaajuus hallintatarpeisiin ennen minkään mallin valitsemista.

2. Sovita malli maisematyyppiin. Energiatasemallit, kuten SEBAL ja METRIC, toimivat parhaiten puolikuivilla, viljelykasvien hallitsemilla maisemilla, joilla on selkeä taivas. Kasvillisuusindeksiin perustuvat mallit toimivat paremmin alueilla, joilla on rajoitetusti lämpötietoja. Koneoppimismallit toimivat parhaiten, kun saatavilla on suuria, paikallisesti validoituja harjoitusaineistoja.

3. Vahvista aina paikallisesti. Jopa tarkin globaali maan ulkopuolinen tuote tulisi validoida ainakin yhtä paikallista flux-torni- tai lysimetriaineistoa vasten ennen käyttöönottoa. Julkaistujen tutkimusten suorituskykymittarit siirtyvät harvoin täsmälleen uusiin paikkoihin ja viljelykasvilajeihin.

4. Suunnittele pilvipeitteen aukot. Kosteilla tai trooppisilla alueilla on tärkeää suunnitella datan yhdistämistä tai aukkojen täyttöstrategioita alusta alkaen. Yhden lämpösatelliitin ja 16 päivän välein tapahtuvan uudelleenkäynnistyksen varaan luottaminen aiheuttaa kohtuuttomia data-aukkoja kriittisten viljelykasvien kasvukausien aikana.

5. Käytä avoimia alustoja aina kun mahdollista. Google Earth Engine, OpenET ja WaPOR tarjoavat pääsyn validoituihin ja hyvin dokumentoituihin avaruusolentojen tuotteisiin ilmaiseksi. Mukautetun avaruusolentojen mallin rakentaminen tyhjästä on harvoin perusteltua, elleivät ainutlaatuiset paikalliset olosuhteet sitä vaadi.

6. Integroi ET-tiedot olemassa oleviin maatilan hallintajärjestelmiin. ET-data on arvokkainta silloin, kun se syötetään suoraan kastelun aikataulutusohjelmistoihin, päätöksentukityökaluihin tai vesilaskennan tietokantoihin sen sijaan, että se olisi erillinen satelliittituloste.

Johtopäätös

Kaukokartoitukseen perustuva haihduntamittaus on kehittynyt kokeellisesta tutkimusalasta kriittiseksi operatiiviseksi työkaluksi maatalouden vesienhallinnassa. Yhä tarkempien satelliittipohjaisten ET-tuotteiden, avoimen saatavuuden alustojen, kuten OpenETin ja WaPORin, sekä tekoälypohjaisen datan fuusioinnin yhdistelmä poistaa esteitä, jotka aiemmin rajoittivat satelliittipohjaisen ET-mittauksen hyvin rahoitettuihin tutkimuslaitoksiin.

Nykyiset ominaisuudet ovat huomattavat: energiatasemallit, jotka on validoitu vähintään 30 maassa, satelliittipohjaiset ET-tuotteet, jotka saavuttavat paremman kausittaisen tarkkuuden kuin 90% tärkeimmillä yksivuotisilla viljelykasveilla, ja pilvipohjaiset alustat, jotka toimittavat peltotason ET-dataa mille tahansa viljelijälle tai vesihallinnolle, jolla on internetyhteys. Näitä ominaisuuksia käytetään jo Coloradojoen kasteluvaatimusten noudattamisen hallintaan, High Plains Aquiferin pohjaveden ehtymisen seurantaan ja maatalouden veden tuottavuuden parantamiseen kaikkialla Afrikassa FAO WaPOR -järjestelmän kautta.