Spremljanje evapotranspiracije z uporabo metod in modelov daljinskega zaznavanja

Spremljanje evapotranspiracije z daljinskim zaznavanjem predstavlja enega najpomembnejših dosežkov v kmetijski vodni znanosti v zadnjih dveh desetletjih. Z združevanjem satelitskih toplotnih podatkov, vegetacijskih indeksov in fizike energijske bilance lahko znanstveniki in kmetje zdaj ocenijo, koliko vode zapusti površino kopnega na milijonih hektarjev – brez enega samega zemeljskega senzorja.

Ta zmogljivost spreminja način, kako agronomi načrtujejo namakanje, kako vlade spremljajo sušo in kako raziskovalci količinsko opredelijo vodni odtis celotnih rečnih porečij. Kmetijstvo porabi približno 70% vse svetovne porabe sladke vode, vendar večina te vode ni nikoli neposredno izmerjena na ravni polja – kritična vrzel, ki jo spremljanje evapotranspiracije z daljinskim zaznavanjem hitro zapolnjuje.

Kaj je evapotranspiracija?

Evapotranspiracija (ET) je kombiniran proces, s katerim voda prehaja s zemeljske površine v ozračje. Hkrati delujeta dve komponenti: izhlapevanje, neposredna pretvorba tekoče vode iz tal, vodnih teles in rastlinskih površin v vodno paro; in transpiracija, biološko gibanje vode, ki jo absorbirajo rastlinske korenine, se prenese navzgor skozi steblo in se sprosti kot para skozi drobne pore v listih, imenovane stomate.

Ta dva procesa skupaj predstavljata največji pretok vode, ki zapušča kopenski ekosistem. V večini kmetijskih krajin ET vrne med 60 in 80 odstotki vseh padavin nazaj v ozračje. Zaradi te številke je ET prevladujoča spremenljivka v vodnem ravnovesju kopnega – v večini poljščin ima večji vpliv kot odtok ali globoko pronicanje.

Eterični tok (ET) je v središču hidrološkega cikla in povezuje zemeljsko površino, biosfero in ozračje. Ko so stopnje ET visoke, se vlaga v tleh hitreje izčrpava, rečni pretoki se zmanjšujejo, stopnje polnjenja vodonosnikov pa se znižajo. Ko se ET upočasni – zaradi suše, staranja poljščin ali spremembe rabe zemljišč – se posledice odražajo v razpoložljivosti vode dolvodno.

V podnebni znanosti je ET primarni mehanizem povezovanja med ogljikovim in vodnim ciklom. Rastline odprejo svoje listne reže, da absorbirajo CO2 za fotosintezo, in pri tem hkrati sproščajo vodno paro. Vsaka sprememba v globalni vegetacijski odeji, temperaturi ali koncentraciji CO2 premakne planetarno ravnovesje ET in se odrazi v regionalnih padavinskih vzorcih.

Zakaj je spremljanje evapotranspiracije prednostna naloga upravljanja voda?

Natančni podatki o porabi vode spodbujajo boljše odločitve v več sektorjih. V kmetijstvu poznavanje dejanske porabe vode pridelkov na ravni polja pove upravljavcu namakanja natančno, koliko vode je treba uporabiti, kdaj jo je treba uporabiti in kje se pojavljajo primanjkljaji, preden se na pridelku pojavi vidna obremenitev.

Ta natančnost preprečuje tako prekomerno namakanje, ki zapravlja vodo in izpira hranila, kot tudi premalo namakanje, ki zmanjšuje pridelek.

1. Načrtovanje namakanja: Načrtovanje namakanja na podlagi ET nadomešča ugibanja s fiziko. Ko kmet ve, da koruzno polje julija zaradi ET izgublja 7 mm vode na dan, lahko nadomesti prav ta primanjkljaj, namesto da namaka v fiksnem koledarskem intervalu.

2. Spremljanje suše: Trajno znižanje dejanske ET glede na referenčno ET (kar bi izhlapelo ob neomejeni oskrbi z vodo) kaže na nastajajoči stres zaradi suše. Daljinsko zaznavanje zajame ta signal tedne preden izguba pridelka postane vidna očesu.

3. Načrtovanje vodnih virov: Za obračunavanje vode na ravni porečja so potrebni podatki o ET na ravni porečja. Satelitsko spremljanje ET zagotavlja to prostorsko pokritost za delček stroškov omrežja zemeljskih postaj.

4. Ocena podnebnih sprememb: Dolgoročni trendi ET razkrivajo, kako segrevanje temperatur in spreminjajoči se vzorci padavin spreminjajo porabo vode v ekosistemih – podatki, ki so osnova za načrtovanje prilagajanja na regionalni in nacionalni ravni.

5. Spremljanje zdravja ekosistemov: Stopnje ET v mokriščih, transpiracija gozdov in raba vode na travnikih se občutljivo odzivajo na ekološke motnje. Daljinsko zaznavanje ET zajame te spremembe v velikih, nedostopnih pokrajinah.

Kateri dejavniki vplivajo na evapotranspiracijo?

Evapotranspiracijo (ET) oblikuje kombinacija podnebnih razmer, značilnosti pokrajine in rastlinske biologije. Spodaj je razčlenitev ključnih dejavnikov.

1. Vrsta tal. Sestava tal igra pomembno vlogo pri zadrževanju in izhlapevanju vode. Peščena ali prodnata tla običajno zadržujejo manj vode in je več sproščajo z izhlapevanjem, medtem ko ilovnata ali glinena tla bolje zadržujejo vlago.

2. Temperatura zraka. Temperatura neposredno vpliva na hitrosti ET. Toplejši zrak ima večjo sposobnost zadrževanja vlage, povečana toplota pa pospeši pretvorbo vode v paro, s čimer poveča evapotranspiracijo.

3. Sončno sevanje. Poleg ustvarjanja toplote sončno sevanje vključuje tudi spremembe v energijskih ravneh, frekvenci in albedu – vse to vpliva na ET. Ti dejavniki se razlikujejo glede na lokacijo in letni čas, njihovo natančno merjenje pa pogosto zahteva napredno tehnologijo.

4. Vlažnost. Relativna vlažnost (RH) se nanaša na količino vodne pare v zraku glede na njegovo največjo kapaciteto. Ko je vlažnost visoka, zrak absorbira manj dodatne vlage, kar upočasni ET. Nasprotno pa lahko bolj suh zrak absorbira več pare, kar vodi do višje stopnje evapotranspiracije.

5. Rastlinski pokrov. Različne rastlinske vrste na različne načine komunicirajo z vodo. Nekatere učinkovito shranjujejo vodo v sušnih obdobjih, druge pa jo hitreje izgubljajo. Na stopnjo izgubljanja vode vplivajo tudi starost, zdravje in globina korenin rastline – globlje korenine omogočajo, da pridelki dlje časa zdržijo brez namakanja. Zaradi teh fizioloških razlik se lahko izgubljanje vode med vrstami pridelkov zelo razlikuje, kar zahteva prilagojene namakalne strategije.

6. Hitrost vetra. Veter je glavni dejavnik tako izhlapevanja kot transpiracije. Razprši plast vlažnega zraka, ki se nabira nad vegetacijo, kar povečuje ET. Prav tako pomaga pri difuziji pare skozi rastlinske pore, kar spodbuja transpiracijo. Vendar pa lahko izjemno močan, suh veter včasih ovira difuzijo pare in v določenih pogojih nekoliko zmanjša ET.

Ključni koncepti evapotranspiracije

ET(0) odraža sposobnost ozračja, da povzroča izgubo vode, in je izključno podnebno pogojen. ET(c) meri izgubo vode pri zdravih, dobro namakanih poljščinah, ki rastejo v idealnih pogojih s polnim potencialom pridelka. Kadar se poljščine soočajo z neoptimalnim upravljanjem ali okoljskimi izzivi, je treba ET(c) prilagoditi, da dobimo ET(c adj). Evapotranspiracijo poljščin razumemo s tremi različnimi koncepti:

1. ET(0) – Referenčna evapotranspiracija
2. ET(c) – Evapotranspiracija v standardnih pogojih
3. ET(c adj) – evapotranspiracija v nestandardnih pogojih

1. Referenčna evapotranspiracija — ET(0)

ET(0) predstavlja hitrost izhlapevanja vode z dobro zalite referenčne površine – običajno modelirane kot idealizirana travna odeja, ki izpolnjuje določena merila.

Ta mera zajema potrebo ozračja po izhlapevanju neodvisno od vrste pridelka, stopnje rasti ali kmetijskih praks. Ker se predpostavlja, da je referenčna površina popolnoma vlažna, so talni pogoji izključeni iz izračuna – s čimer se odpravi potreba po določanju ločenih pragov ET za vsak pridelek v vsaki fazi rasti.

ET(0) je v celoti odvisen od podnebnih spremenljivk, tipične vrednosti pa se razlikujejo glede na agroklimatska območja, čeprav te številke služijo le kot splošna merila.

2. Evapotranspiracija v standardnih pogojih – ET(c)

ET(c) kvantificira vodo, ki jo sprosti zdrav, dobro prehranjen pridelek, ki raste na velikih, ustrezno namakanih poljih v ugodnih vremenskih razmerah in deluje z največjo produktivnostjo. Izračuna se tako, da se referenčni ET pomnoži s koeficientom pridelka K(c):

ET(c) = ET(0) × K(c)

3. Evapotranspiracija v nestandardnih pogojih – ET(c adj)

ET(c adj) upošteva odstopanja od idealnih rastnih pogojev v resničnem svetu. Dejavniki, kot so pritisk škodljivcev in bolezni, pomanjkanje ali presežek vode, slanost tal in slaba rodovitnost tal, lahko povzročijo, da se dejanska poraba vode pri pridelkih bistveno razlikuje od ET(c). Za zajemanje teh učinkov se poleg koeficienta pridelka uvede koeficient vodnega stresa K(s):

ET(c adj) = ET(0) × K(c) × K(s)

Tradicionalne metode merjenja evapotranspiracije

Pred daljinskim zaznavanjem so znanstveniki merili ET z neposredno fizikalno instrumentacijo. Vsaka metoda deluje dobro v določenem merilu, vendar ima znatne pomanjkljivosti, ki omejujejo široko uporabo v kmetijstvu. Nekatere najboljše tehnike merjenja ET na tleh so:

1. Lizimeter: Lizimeter (velika posoda, napolnjena z zemljo in rastočim pridelkom, nameščena poravnano s tlemi) meri ET s tehtanjem talnega bloka skozi čas. Ko so padavine nadzorovane in se zbira odtok, je razlika v masi med časovnimi koraki enaka dejanskemu ET.

Lizimetri zagotavljajo najnatančnejše meritve ET, vendar stanejo več sto tisoč dolarjev na enoto, pokrivajo le nekaj kvadratnih metrov in ne morejo predstavljati prostorske spremenljivosti resničnega polja.

2. Sistem vrtinčne kovariance: Sistem vrtinčne kovariance meri ET z izračunom kovariance med vertikalno hitrostjo vetra in koncentracijo vodne pare nad krošnjami z uporabo hitro odzivnih senzorjev. Pokriva “odtis” od nekaj sto metrov do nekaj kilometrov, zaradi česar je veliko bolj reprezentativen kot lizimeter.

Vendar pa namestitev in vzdrževanje pretočnih stolpov stane od 50.000 do 300.000 USD, globalno omrežje FLUXNET pa ima le približno 900 aktivnih lokacij – kar je premalo za spremljanje kmetijskega ET na nacionalni ravni.

3. Bowenova metoda razmerja: Bowenova metoda ocenjuje ET z merjenjem razmerja med občutnim toplotnim tokom (ogrevanje zraka) in latentnim toplotnim tokom (ET) z uporabo gradientov temperature in vlažnosti nad krošnjo. Je enostavnejša od vrtinčne kovariance, vendar zahteva homogene pogoje pridobivanja in je ni mogoče uporabiti na kompleksnem terenu.

4. Izračuni ET na podlagi vremenskih postaj Z uporabo Penman-Monteithove enačbe FAO izračunajte referenčni ET (ET0) iz podatkov o temperaturi zraka, vlažnosti, hitrosti vetra in sevanju. Ta metoda se pogosto uporablja za načrtovanje namakanja, vendar ustvari referenčni ET, ne dejanskega ET, ker predpostavlja dobro zalit referenčni pridelek in ne dejanskega pridelka na polju.

Osrednji problem vseh zemeljskih metod je obseg. En sam lizimeter predstavlja nekaj kvadratnih metrov. Stolp za merjenje pretoka v najboljšem primeru pokriva nekaj sto hektarjev. Toda sodobno upravljanje kmetijskih voda zahteva podatke o ET na ravni polja po celotnih porečjih – prostorski izziv, ki ga lahko reši le daljinsko zaznavanje.

Osnove daljinskega zaznavanja za spremljanje zunajzemeljskega okolja

Daljinsko zaznavanje v kontekstu spremljanja ET je pridobivanje in analiza podatkov, pridobljenih s satelitov ali letal, za oceno pretoka vode, ki zapušča površino kopnega, ne da bi se je fizično dotaknil.

Pristop deluje, ker rastline in tla izmenjujejo energijo z ozračjem na načine, ki jih je mogoče zaznati iz vesolja – zlasti z oddajanjem toplotnega infrardečega sevanja. Ko rastlina učinkovito transpirira, uporablja vhodno sončno energijo za izhlapevanje vode namesto za segrevanje. Krošnja z ustrezno vlago v tleh ostane relativno hladna.

Krošnja, ki je zaradi pomanjkanja vode obremenjena z vodo, pa zapre listne reže, da bi prihranila vodo, in ker manj latentne toplote (ET) porablja dohodno energijo, se temperatura površine krošnje dvigne. To je temeljni fizikalni signal, ki ga zajame daljinsko zaznavanje toplote.

Ključna fizikalna načela, na katerih temelji ocena satelitskega ET

The energijska bilanca je vodilni okvir. Na kateri koli zemeljski površini mora biti neto sevanje (Rn), ki prihaja od sonca in ozračja, enako vsoti treh ponorov energije: toplotnega toka tal (G), občutnega toplotnega toka (H, ki segreva zrak) in latentnega toplotnega toka (LE, ki poganja ET). Zapisano kot enačba: Rn = G + H + LE. Z oceno Rn, G in H iz satelitskih podatkov model izračuna LE – in s tem ET – kot preostanek.

1. Temperatura zemeljske površine (LST), izmerjen v termičnem infrardečem pasu, je primarna opazovana veličina, ki se uporablja za oceno občutnega toplotnega toka H. Bolj vroča površina prenese več toplote v zrak (visok H), kar pusti manj energije za ET (nizek LE). Hladnejša, dobro namakana površina ima nižji H in višji LE.

2. Vegetacijski indeksi kot NDVI zajamejo, koliko zelenega, fotosintetsko aktivnega rastlinskega materiala pokriva površino, kar nadzoruje stopnjo transpiracije. Gosta, zelena krošnja prepušča več svetlobe kot gola tla ali redek sestoj.

3. Neto sevanje se izračuna iz kratkovalovnih in dolgovalovnih sevalnih tokov, ki jih daljinsko zaznavanje ocenjuje na podlagi podatkov o albedu površja, rastlinskem pokrovu in toplotnih emisijah.

Satelitsko spremljanje evapotranspiracije ni nadomestilo za resnične podatke o porabi vode – je edino orodje, ki lahko zagotovi prostorsko neprekinjene podatke o rabi vode na ravni, kjer se dejansko sprejemajo kmetijske in hidrološke odločitve.

Prednost daljinskega zaznavanja pred zemeljskimi metodami ni le prostorska pokritost. Satelitski podatki zagotavljajo sinoptične, ponovljive meritve v zelo heterogenih pokrajinah – nekaj, česar nobeno zemeljsko omrežje ne bi moglo ponoviti s primerljivimi stroški.

Viri podatkov daljinskega zaznavanja za oceno ET

Ocenjevanje ET iz vesolja zahteva združevanje podatkov iz več vrst senzorjev. Noben posamezen satelit ne zagotavlja vseh vhodnih podatkov, ki jih potrebuje celoten model ET, zato operativni ET izdelki običajno združujejo podatke iz več platform.

1. Satelitske platforme za oceno ET

i. Landsat (USGS/NASA) deluje neprekinjeno od leta 1972 in zagotavlja 30-metrske prostorske ločljivosti multispektralnih in termičnih posnetkov s 16-dnevnim ciklom ponovnega obiska. Zaradi dolgega arhiva je nepogrešljiv za zgodovinsko analizo ET in spremljanje poljščin. Večina modelov ET energetske bilance – vključno s SEBAL in METRIC – je bila prvotno zasnovana na podlagi podatkov Landsat.

ii. Sentinel-2 (ESA) ponuja 10-metrske multispektralne posnetke s 5-dnevnim časom ponovnega obiska za izračun visokoločljivostnega vegetacijskega indeksa. Čeprav ne vsebuje termičnega pasu, dopolnjuje Landsat z zagotavljanjem pogostejših podatkov NDVI, EVI in LAI z višjo ločljivostjo za ET modele, ki temeljijo na vegetaciji.

iii. MODIS (Moderate Resolution Imaging Spectroradiometer, NASA) zagotavlja dnevno globalno pokritost z ločljivostjo od 250 m do 1 km. Njegova grobejša prostorska ločljivost omejuje uporabo na terenu, vendar je idealen za celinsko in globalno spremljanje ET z izdelki, kot je MOD16.

iv. EKOSTRES (NASA) je nameščen na Mednarodni vesoljski postaji in zagotavlja toplotne infrardeče podatke z ločljivostjo 70 metrov s ciklom ponovnega obiska od 1 do 5 dni. ECOSTRESS je bil posebej zasnovan za merjenje vodnega stresa pridelkov in ET v bližnjem merilu – vrzel v zmogljivosti, ki je MODIS in prejšnji sateliti niso mogli zapolniti.

proti VIIRS (Skupina radiometrov za vidno infrardečo slikovno slikanje, NOAA/NASA) na satelitih Suomi NPP in JPSS nadaljuje globalno zapuščino dnevnega pokrivanja MODIS z izboljšano kalibracijo senzorjev, ki podpira operativne ET izdelke na regionalni do globalni ravni.

2. Opazovanja zunajzemeljskih organizmov z brezpilotnimi letalniki in droni

Brezpilotna letala (UAV ali droni), opremljena s termovizijskimi kamerami in multispektralnimi senzorji, lahko kartirajo ET s prostorsko ločljivostjo, manjšo od metra, nad posameznimi polji. Termovizijska kamera, nameščena na dronu, neposredno meri temperaturo krošenj in v kombinaciji z meteorološkimi podatki na tleh ustvari ET zemljevide z ločljivostjo, ki je noben satelit ne more doseči.

• Termovizijski droni zaznajo območja rastlin, ki so zaradi pomanjkanja vode obremenjena z vodo, še preden se pojavijo kakršni koli vidni simptomi, kar omogoča namakanje s spremenljivo hitrostjo na ravni znotraj polja.
• Multispektralni senzorji na dronih izračunajo NDVI in EVI s centimetrsko ločljivostjo, pri čemer za natančno razporejanje polj uporabijo modele ET, ki temeljijo na koeficientih pridelka.
• Visokoločljivostno ET kartiranje iz brezpilotnih letalnikov je še posebej dragoceno za posebne pridelke – sadno drevje, vinograde, zelenjavo – kjer je variabilnost znotraj polja velika in so stroški vodnega stresa visoki.

Ključne spremenljivke daljinskega zaznavanja, uporabljene pri spremljanju ET

Vsaka spremenljivka, pridobljena iz satelitskih podatkov, prispeva določen del sestavljanke ocene ET. Razumevanje, kaj vsaka spremenljivka meri in zakaj je pomembna, pomaga strokovnjakom izbrati pravi model in pravilno interpretirati rezultate.

1. Normalizirani indeks razlik v vegetaciji (NDVI) se izračuna kot (NIR – rdeča) / (NIR + rdeča) z uporabo odbojnosti bližnjega infrardečega in rdečega pasu. Njegova vrednost se giblje od -1 do +1, pri čemer gosta zelena vegetacija običajno doseže med 0,6 in 0,9. NDVI zajame gostoto krošnje in zelenost, kar je neposredno povezano s površino listov in transpiracijsko zmogljivostjo.

2, Izboljšan vegetacijski indeks (EVI) doda moder pas za zmanjšanje atmosferskih motenj in vplivov talnega ozadja, ki poslabšajo NDVI v gosto poraslih ali pogosto oblačnih območjih. EVI je občutljivejši od NDVI na območjih z visoko biomaso in se uporablja v algoritmu MOD16 ET.

3. Indeks listne površine (LAI) kvantificira skupno enostransko listno površino na enoto površine tal. Neposredno nadzoruje transpiracijo z določanjem, koliko listne površine izmenjuje vodno paro z ozračjem. LAI, pridobljen s sateliti, je ključni vhodni podatek v številnih fizikalno zasnovanih ET modelih.

4. Albedo površine je delež dohodnega sončnega sevanja, ki ga odbije površina. Nadzoruje, koliko sončne energije površina absorbira, kar posledično določa, koliko energije je na voljo za pogon ET. Temna, mokra tla imajo nizek albedo (absorbirajo več energije); gola peščena površina ima visok albedo (odbija več).

5. Vlažnost tal iz mikrovalovnih senzorjev omejuje modele ET tako, da kaže, ali je v koreninskem območju na voljo dovolj vode za podporo transpiracijskim potrebam. Ko vlažnost tal pade pod kritični prag, dejanska ET pade pod potencialno hitrost, tudi če je energija na voljo.

Bastiaanssen in sodelavci (kot je bilo pregledano v Frontiers in Remote Sensing, 2026) so ugotovili, da je SEBAL, potrjen v več kot 30 držav, doseže Natančnost 85% za dnevne ocene ET in natančnost 95% za sezonske ocene ET na terenu.

Sezonska natančnost 95% pomeni, da je mogoče zanesljivo obračunavanje vode v celotnem namakalnem območju izvajati samo z uporabo satelitskih podatkov, kar odpravlja potrebo po gostih omrežjih zemeljskih postaj.

Modeli za oceno evapotranspiracije

1. Modeli energetske bilance

Modeli energijske bilance izračunajo ET kot ostanek površinskega energijskega proračuna: ET = Rn – G – H. Vsak model se razlikuje po tem, kako ocenjuje tok občutne toplote H, ki je računsko najbolj zahtevna in na napake občutljiva komponenta.

i. Algoritem za ravnovesje površinske energije za kopno (SEBAL) je leta 1998 razvil Bastiaanssen in ostaja eden najpogosteje uporabljenih satelitskih ET modelov po vsem svetu. SEBAL uporablja tri ključne parametre, pridobljene s sateliti: temperaturo zemeljske površine (T0), površinsko hemisferično odbojnost (albedo r0) in NDVI.

Za oceno občutnega toplotnega toka SEBAL identificira dva sidrna piksla – “vroč piksel” (suha gola tla, kjer je ET blizu nič) in “hladen piksel” (dobro zalit pridelek, kjer je ET največji) – in interpolira H po prizoru glede na ta ekstrema. Zaradi te funkcije samokalibracije je SEBAL manj občutljiv na absolutne kalibracijske napake v meteoroloških vhodnih podatkih.

ii. Kartiranje evapotranspiracije z visoko ločljivostjo z internalizirano kalibracijo Model (METRIC) temelji na SEBAL-u, vendar dodaja avtomatizirano kalibracijo glede na referenčni ET, izračunan iz vremenske postaje. METRIC je bolj primeren za regije s popolnimi omrežji vremenskih podatkov in je bil široko sprejet za operativno upravljanje namakanja v zahodnih Združenih državah.

iii. Sistem ravnovesja površinske energije (SEBS) uporablja teorijo turbulentnega toka za oceno občutnega toplotnega toka iz satelitsko pridobljenih podatkov LST, hrapavosti površine in hitrosti vetra. SEBS je fizično bolj strog kot SEBAL, vendar zahteva dodatne vhodne podatke, zaradi česar je bolj primeren za raziskave kot za operativno upravljanje kmetij.

Izbira modela ET ni zgolj tehnična odločitev – gre za odločitev o tem, na katero vprašanje poskušate odgovoriti. Vaja obračunavanja vode na ravni porečja in orodje za načrtovanje namakanja na ravni polja zahtevata bistveno različni ravni prostorske ločljivosti in časovne frekvence.

iv. Dvovirna energetska bilanca Model (TSEB) obravnava tla in krošnjo kot dva ločena vira ET, vsak s svojim temperaturnim in energijskim ravnovesjem. Ta pristop je natančnejši za redko vegetacijo ali mešane talne pokrovnosti, kjer lahko model z enim virom enači izhlapevanje tal s transpiracijo rastlin.

2. Modeli ET, ki temeljijo na vegetacijskem indeksu

Vsi modeli ET ne zahtevajo termičnih posnetkov. Modeli, ki temeljijo na vegetacijskem indeksu, ocenjujejo ET skozi pristop koeficienta pridelka (Kc x ET0), kjer je koeficient pridelka Kc izpeljan iz NDVI ali EVI, referenčni ET (ET0) pa prihaja iz vremenske postaje. Metodologija FAO-56 formalizira ta pristop in se pogosto uporablja za načrtovanje namakanja, ker ne zahteva podatkov o toplotnih pasovih.

Modeli strojnega učenja, vključno z Naključni gozd, Umetne nevronske mreže (ANN), in arhitekture globokega učenja se vse pogosteje uporabljajo za ocenjevanje ET z učenjem kompleksnih nelinearnih odnosov med vhodnimi podatki, pridobljenimi s satelitov (LST, NDVI, albedo, LAI), in meritvami ET s stolpom za meritve fluksa.

Študija iz leta 2023, objavljena v reviji Remote Sensing of Environment, je pokazala, da je model Random Forest, usposobljen na osnovi MODIS in meteoroloških vhodnih podatkov, napovedal dnevni ET z R2 0,87 in RMSE 0,51 mm/dan v različnih biomih – kar je konkurenčno tradicionalnim modelom energijske bilance, vendar zahteva veliko manj napora parametrizacije.

Študija, objavljena v publikaciji Taylor in Francis Open (2021), je pokazala, da je algoritem SEBAL, uporabljen na posnetkih Landsat 8 nad območjem gojenja koruze v Adani v Turčiji, dal ocene ET z korelacijski koeficient R = 0,91 v primerjavi z metodo FAO Penman-Monteith in RMSE le 1,14 mm/dan.

SEBAL-ova natančnost na terenu pomeni, da lahko satelitsko pridobljeni ET nadomesti ali znatno zmanjša potrebo po dragih lizimetrskih instalacijah v operativnih sistemih za upravljanje namakanja.

Satelitski ET izdelki, ki so na voljo za operativno uporabo

Več globalnih in regionalnih izdelkov za ET zdaj pretvarja vhodne podatke daljinskega zaznavanja v podatkovne sloje ET, ki so pripravljeni za uporabo. Strokovnjakom ni več treba izvajati lastnih modelov energetske bilance – do teh vnaprej izračunanih naborov podatkov lahko dostopajo neposredno.

1. Izdelek MOD16 ET (NASA) uporablja podatke MODIS z algoritmom Penman-Monteith, ki ga poganjajo podatki o pokrovnosti tal MODIS, LAI, EVI in meteorološki podatki globalne ponovne analize. Zagotavlja 8-dnevne in mesečne kompozitne posnetke ET z ločljivostjo 500 metrov po vsem svetu. MOD16 je zelo primeren za študije na ravni pokrajine, vendar je preveč grob za individualno upravljanje na terenu.

2. SSEBop Model poenostavljene operativne bilance površinske energije (Simplified Surface Energy Balance), ki ga je razvil USGS, poenostavlja izziv kalibracije vročih/hladnih slikovnih pik pri SEBAL z uporabo vnaprej določenih temperaturnih meja, pridobljenih iz dolgoročnih klimatoloških podatkov. SSEBop deluje operativno z ločljivostjo 30 metrov z uporabo podatkov Landsat in tvori enega od šestih modelov znotraj ansambla OpenET.

3. Platforma OpenET, ki je bil izstreljen leta 2021 in deluje kot javno-zasebno sodelovanje pod vodstvom NASE, USGS, Kalifornijske državne univerze Monterey Bay, Sklada za varstvo okolja in Inštituta za raziskave puščav, zagotavlja podatke o zunajzemeljskem okolju na terenu z ločljivostjo 30 metrov po zahodnih Združenih državah Amerike.

Prelomna študija, objavljena v reviji Nature Water januarja 2024, ki je primerjala ocene OpenET z meritvami s 152 zemeljskih merilnih mest, je potrdila, da OpenET dosega visoko natančnost pri enoletnih pridelkih, kot so pšenica, koruza, soja in riž – zlasti v sušnih regijah, kjer je zaradi pomanjkanja vode natančnost namakanja najpomembnejša.

4. Portal WaPOR (FAO) zagotavlja podatke o ET za Afriko in Bližnji vzhod z ločljivostjo 30 metrov, 100 metrov in 250 metrov, posebej zasnovane za podporo analizi produktivnosti kmetijske vode v regijah v razvoju, kjer primanjkuje podatkov.

5. SIJAJ (Global Land Evaporation Amsterdam Model) ločuje ET na transpiracijo, izhlapevanje golih tal, izgubo zaradi prestrezanja in izhlapevanje odprtih voda, kar temelji na podatkih o vlažnosti tal iz mikrovalovnih valov in satelitskih vegetacijskih produktih. Odlično razdeli ET signal na biološke in fizikalne komponente.

Uporaba daljinskega zaznavanja

1. Precizno namakanje in upravljanje z vodo v poljščinah

Najbolj neposredna uporaba satelitskih podatkov ET je načrtovanje namakanja. Ko kmet dostopa do tedenskih zemljevidov ET na ravni polja, lahko izračuna namakalni primanjkljaj – razliko med dejanskim ET in efektivnimi padavinami – in uporabi natanko toliko vode. To odpravlja kronično pretirano namakanje, ki zapravlja vodo brez povečanja pridelka.

V kalifornijski delti Sacramento-San Joaquin upravljavci vodnih virov uporabljajo OpenET, da bi kmetom pomagali pri izpolnjevanju državnih predpisov, ki zahtevajo natančno poročanje o porabi vode.

Visoka natančnost satelitskih podatkov ET za enoletne pridelke zagotavlja pravno utemeljeno podlago za obračunavanje vode, ki je pri takšni prostorski pokritosti ne bi mogla zagotoviti nobena zemeljska metoda.

Študija iz leta 2024, objavljena v reviji Agricultural Water Management (Ott et al., 2024; Desert Research Institute), je ocenila OpenET glede na podatke o merjenju namakanja v porečjih podzemne vode v Nevadi.

V Diamond Valleyju so ocene OpenET pokazale le Razlika 7% od podatkov o porabi vode iz merjenih vrednosti, kar dokazuje operativno zanesljivost za regulativno upravljanje podzemne vode.

Meja napake 7% na ravni porečja pomeni, da lahko satelitski podatki ET nadomestijo drago merilno infrastrukturo v regijah, kjer je podtalnica kritično izčrpana.

2. Sistemi za ocenjevanje suše in zgodnje opozarjanje

Spremljanje suše je še ena aplikacija z velikim vplivom. Indeks izhlapevalnega stresa (ESI), izpeljan iz toplotnih podatkov ECOSTRESS in MODIS, meri razmerje med dejanskim in potencialnim ET.

Ko ESI znatno pade pod 1,0, to signalizira, da rastline doživljajo vodni stres – zanesljiv zgodnji kazalnik kmetijske suše, ki ga je pogosto mogoče zaznati 4 do 8 tednov preden postane izguba pridelka merljiva.

Nacionalni center za blaženje suše pri Ministrstvu za kmetijstvo ZDA (USDA) integrira satelitske indekse suše, ki temeljijo na ET, v operativne zemljevide za spremljanje suše, ki jih uporabljajo državne vlade, agencije za zavarovanje pridelkov in organi za obvladovanje izrednih razmer. Zaradi te integracije je odzivanje na sušo hitrejše in bolje ciljno usmerjeno kot pri pristopih, ki temeljijo le na koledarju ali padavinah.

3. Upravljanje vodnih virov na ravni porečja

Za obračunavanje vode na ravni porečja je potrebno vedeti, koliko vode zapusti površino kopnega kot ET na milijonih hektarjev. Prav to zagotavljajo satelitski ET izdelki, kot so MOD16, GLEAM in WaPOR, na svetovni ravni.

• Agencije za upravljanje rezervoarjev uporabite podatke ET za oceno donosa vode v porečju – razlike med padavinami in ET – ki določa, koliko vode dejansko doseže reke in rezervoarje.
• Organi čezmejnih porečij uporabiti satelitski ET za neodvisno preverjanje nacionalnega poročanja o rabi vode brez potrebe po dostopu do nacionalnih omrežij za podatke o tleh.
• Upravitelji namakalnih okrožij uporabite ET za sledenje porabe po vrstah pridelkov na celotnih območjih storitev, s čimer boste podprli pravično dodelitev vode in skladnost s predpisi.

4. Okoljske in ekološke aplikacije

Spremljanje ET v mokriščih s satelitskimi podatki kvantificira porabo vode v ekosistemih v nedostopnih močvirjih, šotiščih in estuarijih, kjer talnih senzorjev ni mogoče namestiti. Spremljanje ET v gozdovih razkriva, kako krčenje gozdov, pogozdovanje in gozdni požari spreminjajo vodno bilanco celotnih porečij – ključni podatki za obračunavanje ogljika v gozdovih in načrtovanje oskrbe z vodo.

Evapotranspiracija je nevidna nit, ki povezuje vsako rastlino na Zemlji s svetovnim vodnim ciklom. Daljinsko zaznavanje je edino orodje, ki ga imamo, da jo vidimo v obsegu, ki je pomemben za upravljanje voda.

Ocena natančnosti in validacija satelitskih ET produktov

Noben izdelek ET ni uporaben brez stroge validacije. Standardni pristop primerja ocene satelitov ET z meritvami iz stolpov vrtinčnega kovariančnega toka – najnatančnejša razpoložljiva resnična vrednost za ET na ravni pokrajine.

Globalni FLUXNET Omrežje zagotavlja odprt dostop do podatkov o pretočnih stolpih s stotin lokacij v različnih biomih. Razvijalci izdelkov ET primerjajo rezultate svojih modelov z meritvami FLUXNET za izračun statističnih meritev učinkovitosti, vključno z

• R2 (korelacijski koeficient),
• RMSE (koren povprečne kvadratne napake) in
• Pristranskost (sistematično precenjevanje ali podcenjevanje).

Validacija se izvaja ločeno za različne tipe pokrovnosti tal, podnebne cone in letne čase, ker se natančnost modela ET v teh pogojih bistveno razlikuje.

Modeli energetske bilance, kot sta SEBAL in METRIC, se običajno najbolje obnesejo v polsušnih kmetijskih pokrajinah z jasnim nebom. Zmogljivost se poslabša v vlažnih tropskih gozdovih, kompleksnem gorskem terenu in območjih s pogosto oblačnostjo.

Študija natančnosti OpenET, objavljena v reviji Nature Water, je primerjala šest modelov ET z meritvami iz 152 lokacij stolpov s fluksom po Združenih državah Amerike, pri čemer je ugotovila, da je ansambel OpenET dosegel najmočnejšo uspešnost zlasti pri enoletnih pridelkih v sušnih zahodnih regijah – območjih, kjer je upravljanje namakanja najbolj ekonomsko in ekološko kritično.

Upravljavci voda v sušnih regijah lahko z visoko stopnjo zanesljivosti uporabijo podatke OpenET za skladnost z namakanjem in sledenje vodnemu proračunu, s čimer nadomestijo drago merilno infrastrukturo.

Izzivi pri daljinskem zaznavanju ET monitoringa

Kljub hitremu napredku več tehničnih in operativnih izzivov omejuje natančnost in uporabnost satelitskega spremljanja ET.

1. Omejitve oblačnosti: Optično in termično daljinsko zaznavanje zahteva brezoblačne razmere. V vlažnih tropskih regijah ali med monsunskim obdobjem lahko vztrajna oblačnost povzroči vrzeli v podatkih, ki trajajo več tednov ali mesecev, kar prekine časovno kontinuiteto, ki jo zahteva upravljanje namakanja.

2. Omejitve prostorske ločljivosti: MODIS, časovno najpogostejši satelit, zagotavlja podatke o zemeljskem površju z ločljivostjo 500 metrov – kar je pregrobo za polja, manjša od približno 25 hektarjev. Landsatova 30-metrska ločljivost ustreza večini kmetijskih polj, vendar ima 16-dnevni cikel ponovnega obiska, ki ne upošteva hitrih sprememb v vodnem stresu.

3. Kompromisi časovne ločljivosti: Visoka prostorska ločljivost (Landsat, Sentinel-2, ECOSTRESS) in visoka časovna ločljivost (MODIS, VIIRS) obstajata v obratnem sorazmerju. Za premostitev te vrzeli so potrebne tehnike združevanja podatkov.

4. Predpostavke modela v heterogenih pokrajinah: Modeli energetske bilance z enim virom predpostavljajo enotno krošnjo, ki se razgradi v redki vegetaciji, mešanih sistemih gojenja ali urbano-kmetijskih stikih, kjer se temperature tal in rastlin močno razlikujejo.

5. Razpoložljivost podatkov v regijah v razvoju: Podatki zemeljskih vremenskih postaj, potrebni za omejitev modelov ET, so v večjem delu podsaharske Afrike, Južne Azije in Srednje Azije – prav v regijah, kjer je najbolj nujno potrebno izboljšano upravljanje voda – redki.

Nove tehnologije in prihodnost pri spremljanju zunajceličnega prostora

Več sorodnih tehnoloških dosežkov bo v naslednjih petih do desetih letih dramatično povečalo natančnost, pokritost in dostopnost daljinskega zaznavanja ET monitoringa.

1. Umetna inteligenca, strojno učenje in združevanje podatkov

Modeli globokega učenja, usposobljeni na velikih večsenzorskih naborih podatkov, v nekaterih pokrajinah začenjajo prekašati klasične modele energijskega ravnovesja. Konvolucijske nevronske mreže lahko hkrati integrirajo podatke Landsat, Sentinel-2, MODIS in meteorološke ponovne analize ter se učijo prostorsko-časovnih vzorcev ET, ki jih noben enosenzorski model ne zajame.

Medtem algoritmi za združevanje podatkov – predvsem pristop STARFM (Spatial and Temporal Adaptive Reflectance Fusion Model) – združujejo visokoločljivostne posnetke Landsat z dnevnimi podatki MODIS za izdelavo sintetičnih dnevnih zemljevidov ET z ločljivostjo 30 metrov, kar učinkovito rešuje prostorsko-časovni kompromis, ki trenutno omejuje uporabo preciznega kmetijstva.

2. Visokoločljivostni termični sateliti in ozvezdja CubeSat

Naslednja generacija namenskih satelitov za termično opazovanje Zemlje bo zagotavljala termalne posnetke z globino manj kot 30 metrov z dnevnimi ponovnimi obiski.

Načrtovane misije, vključno z naslednikom Landsat Next in komercialnimi termalnimi konstelacijami CubeSat, bodo odpravile zgodovinski kompromis med prostorskimi podrobnostmi in časovno frekvenco, ki je omejeval spremljanje ET na ravni polja.

Kot je navedeno v poročilu Future Market Insights (2025), naj bi trg storitev daljinskega zaznavanja – ki je bil leta 2025 ocenjen na 22,87 milijarde USD – do leta 2035 dosegel 84,28 milijarde USD, k čemur bo v veliki meri prispevala širitev konstelacije satelitov LEO.

3. Digitalni dvojčki za upravljanje voda

Okviri digitalnih dvojčkov – dinamične virtualne replike kmetijskih krajin, ki se posodabljajo skoraj v realnem času iz satelitskih in internetnih podatkov senzorjev – integrirajo daljinsko zaznavanje ET kot osrednji podatkovni tok. Ti sistemi sinhronizirajo satelitske zemljevide ET, podatke senzorjev vlažnosti tal, vremenske napovedi in modele rasti poljščin, da simulirajo prihodnje stanje vode na poljih in samodejno predpisujejo namakanje.

Programska oprema in orodja za spremljanje ET

Bogat nabor platform zdaj omogoča analizo ET z daljinskim zaznavanjem dostop do strokovnjakov brez poglobljenega znanja programiranja.

1. Google Earth Engine (GEE) je geoprostorska računalniška platforma v oblaku, ki gosti celotne arhive Landsat, MODIS, Sentinel in ECOSTRESS skupaj z vnaprej izdelanimi algoritmi ET. Analitiki lahko izvajajo izračune ET za leta podatkov za celotne regije, ne da bi morali lokalno prenesti kakršne koli posnetke. GEE je postala prevladujoča raziskovalna platforma za kartiranje ET velikih območij.

2. Platforma OpenET ponuja spletni vmesnik, kjer lahko kateri koli registrirani uporabnik dostopa do podatkov o ET na ravni polja za kmetijska zemljišča po zahodu Združenih držav. Uporabniki lahko izvozijo dnevne, mesečne ali sezonske povzetke ET za posamezna polja ali celotna vodnogospodarska okrožja, ne da bi potrebovali znanje programiranja.

3. Portal WaPOR (FAO) ponuja podoben vmesnik za prenos podatkov o kmetijstvu s klikom na gumb »pokaži in klikni« za Afriko in Bližnji vzhod, z neposrednimi povezavami do kazalnikov produktivnosti vode v kmetijstvu.

4. Delovni tokovi v Pythonu in R Z uporabo knjižnic, kot so rasterio, xarray, geopandas (Python) ali terra, raster (R) raziskovalcem omogoča gradnjo prilagojenih cevovodov za obdelavo ET, ki integrirajo satelitske podatke z lokalnimi meteorološkimi zapisi, modeli poljščin in namakalnimi bazami podatkov.

Študije primerov za daljinsko zaznavanje ET monitoringa

1. Upravljanje namakanja v sušnih regijah

V območju vodonosnika High Plains v Združenih državah Amerike – enem najbolj intenzivno namakanih kmetijskih območij na Zemlji – so raziskovalci iz Inštituta za raziskave puščav pokazali, da lahko podatki OpenET, integrirani s podnebnimi nabori podatkov, ocenijo količino črpanja podtalnice z zadostno natančnostjo za podporo regulativnemu upravljanju padajočih ravni vodonosnika.

Študija je primerjala ocene satelitov ET z zapisi merilnih črpalk in v večini preučevanih porečij ugotovila manjše odstopanje kot 17% – raven natančnosti, ki zadostuje za upravljanje vodnih pravic.

2. Precizno kmetijstvo za vse vrste poljščin

Za načrtovanje namakanja bombaža je bilo uvedeno daljinsko zaznavanje ET z uporabo modelov SEBAL in METRIC za kartiranje dejanskega ET na posameznih poljih med rastno sezono.

Študije, objavljene v Astrophysics Data System (2020), so pokazale, da sta oba modela zaznala višji od pričakovanega dejanski ET v zgodnjih fazah pridelave zaradi visokega izhlapevanja golih tal – ugotovitev, ki jo standardni pristop s koeficientom pridelkov sistematično ni upošteval, kar je v tem kritičnem obdobju vodilo do prekomernega namakanja.

3. Vodno obračunavanje na ravni porečja

Platforma WaPOR organizacije FAO je bila uporabljena za izvedbo analize produktivnosti vode v namakalnih shemah v Etiopiji, Egiptu in Jordaniji, pri čemer je bila kvantificirana ET na enoto proizvedene biomase poljščin.

Te analize so opredelile polja z vodno produktivnostjo pod povprečjem porečja, kar je zagotovilo prostorsko dokazno osnovo za ciljno usmerjene programe razširitve za izboljšanje učinkovitosti namakanja na območjih z manj uspešnostjo.

Najboljše prakse za izbiro pristopa k spremljanju ET

Izbira prave kombinacije satelitskih podatkov, modela ET in strategije validacije je odvisna od specifičnega vprašanja, na katerega je treba odgovoriti, razpoložljivih virov in sprejemljive stopnje negotovosti.

1. Najprej definirajte prostorsko in časovno lestvico. Mesečno obračunavanje vode na ravni porečja zahteva drugačno orodje kot dnevno načrtovanje namakanja na ravni polja. Preden izberete kateri koli model, uskladite ločljivost in pogostost ponovnih obiskov satelitske platforme s potrebami upravljanja.

2. Model uskladite s tipom pokrajine. Modeli energijske bilance, kot sta SEBAL in METRIC, najbolje delujejo v polsušnih pokrajinah, kjer prevladujejo poljščine, z jasnim nebom. Modeli, ki temeljijo na vegetacijskem indeksu, delujejo bolje v regijah z omejeno razpoložljivostjo toplotnih podatkov. Modeli strojnega učenja delujejo najbolje, kadar so na voljo veliki, lokalno potrjeni učni nabori podatkov.

3. Vedno preverite lokalno. Tudi najnatančnejši globalni izdelek ET je treba pred operativno uporabo validirati z vsaj enim lokalnim stolpom za merjenje pretoka ali lizimetrskim naborom podatkov. Metrike delovanja iz objavljenih študij se le redko natančno prenesejo na nove lokacije in vrste poljščin.

4. Načrtujte vrzeli v oblačnosti. V vlažnih ali tropskih regijah načrtujte strategije združevanja podatkov ali zapolnjevanja vrzeli že od samega začetka. Zanašanje na en sam termalni satelit s 16-dnevnim ciklom ponovnega obiska bo v kritičnih obdobjih rasti poljščin povzročilo nesprejemljive vrzeli v podatkih.

5. Kjer je mogoče, uporabljajte odprte platforme. Google Earth Engine, OpenET in WaPOR omogočajo brezplačen dostop do preverjenih, dobro dokumentiranih ET izdelkov. Izdelava ET modela po meri iz nič je le redko upravičena, razen če to zahtevajo edinstveni lokalni pogoji.

6. Integrirajte podatke ET z obstoječimi sistemi za upravljanje kmetij. Podatki ET so najbolj dragoceni, kadar se neposredno vnašajo v programsko opremo za načrtovanje namakanja, orodja za podporo odločanju ali podatkovne baze za obračunavanje vode, namesto da obstajajo kot samostojen satelitski izhod.

Zaključek

Spremljanje evapotranspiracije z daljinskim zaznavanjem se je iz eksperimentalne raziskovalne discipline razvilo v ključno operativno orodje za upravljanje kmetijskih voda. Kombinacija vse natančnejših satelitskih ET izdelkov, platform z odprtim dostopom, kot sta OpenET in WaPOR, ter združevanja podatkov, ki ga poganja umetna inteligenca, odpravlja ovire, ki so nekoč omejevale satelitsko ET spremljanje na dobro financirane raziskovalne ustanove.

Trenutne zmogljivosti so precejšnje: modeli energetske bilance, potrjeni v 30 ali več državah, satelitski izdelki ET, ki dosegajo sezonsko natančnost, boljšo od 90%, za glavne enoletne pridelke, in platforme v oblaku, ki zagotavljajo podatke ET na terenu vsem kmetom ali upravljavcem voda z internetno povezavo. Te zmogljivosti se že uporabljajo za upravljanje skladnosti namakanja na reki Kolorado, za spremljanje izčrpavanja podtalnice v vodonosniku High Plains in za izboljšanje produktivnosti kmetijske vode po vsej Afriki prek sistema FAO WaPOR.