2. Spremljanje su\u0161e:<\/strong> Trajno zni\u017eanje dejanske ET glede na referen\u010dno ET (kar bi izhlapelo ob neomejeni oskrbi z vodo) ka\u017ee na nastajajo\u010di stres zaradi su\u0161e. Daljinsko zaznavanje zajame ta signal tedne preden izguba pridelka postane vidna o\u010desu.<\/p>\n 3. Na\u010drtovanje vodnih virov:<\/strong> Za obra\u010dunavanje vode na ravni pore\u010dja so potrebni podatki o ET na ravni pore\u010dja. Satelitsko spremljanje ET zagotavlja to prostorsko pokritost za del\u010dek stro\u0161kov omre\u017eja zemeljskih postaj.<\/p>\n 4. Ocena podnebnih sprememb:<\/strong> Dolgoro\u010dni trendi ET razkrivajo, kako segrevanje temperatur in spreminjajo\u010di se vzorci padavin spreminjajo porabo vode v ekosistemih \u2013 podatki, ki so osnova za na\u010drtovanje prilagajanja na regionalni in nacionalni ravni.<\/p>\n 5. Spremljanje zdravja ekosistemov:<\/strong> Stopnje ET v mokri\u0161\u010dih, transpiracija gozdov in raba vode na travnikih se ob\u010dutljivo odzivajo na ekolo\u0161ke motnje. Daljinsko zaznavanje ET zajame te spremembe v velikih, nedostopnih pokrajinah.<\/p>\n Evapotranspiracijo (ET) oblikuje kombinacija podnebnih razmer, zna\u010dilnosti pokrajine in rastlinske biologije. Spodaj je raz\u010dlenitev klju\u010dnih dejavnikov.<\/p>\n 1. Vrsta tal.<\/strong> Sestava tal igra pomembno vlogo pri zadr\u017eevanju in izhlapevanju vode. Pe\u0161\u010dena ali prodnata tla obi\u010dajno zadr\u017eujejo manj vode in je ve\u010d spro\u0161\u010dajo z izhlapevanjem, medtem ko ilovnata ali glinena tla bolje zadr\u017eujejo vlago.<\/p>\n 2. Temperatura zraka.<\/strong> Temperatura neposredno vpliva na hitrosti ET. Toplej\u0161i zrak ima ve\u010djo sposobnost zadr\u017eevanja vlage, pove\u010dana toplota pa pospe\u0161i pretvorbo vode v paro, s \u010dimer pove\u010da evapotranspiracijo.<\/p>\n 3. Son\u010dno sevanje.<\/strong> Poleg ustvarjanja toplote son\u010dno sevanje vklju\u010duje tudi spremembe v energijskih ravneh, frekvenci in albedu \u2013 vse to vpliva na ET. Ti dejavniki se razlikujejo glede na lokacijo in letni \u010das, njihovo natan\u010dno merjenje pa pogosto zahteva napredno tehnologijo.<\/p>\n 4. Vla\u017enost.<\/strong> Relativna vla\u017enost (RH) se nana\u0161a na koli\u010dino vodne pare v zraku glede na njegovo najve\u010djo kapaciteto. Ko je vla\u017enost visoka, zrak absorbira manj dodatne vlage, kar upo\u010dasni ET. Nasprotno pa lahko bolj suh zrak absorbira ve\u010d pare, kar vodi do vi\u0161je stopnje evapotranspiracije.<\/p>\n 5. Rastlinski pokrov.<\/strong> Razli\u010dne rastlinske vrste na razli\u010dne na\u010dine komunicirajo z vodo. Nekatere u\u010dinkovito shranjujejo vodo v su\u0161nih obdobjih, druge pa jo hitreje izgubljajo. Na stopnjo izgubljanja vode vplivajo tudi starost, zdravje in globina korenin rastline \u2013 globlje korenine omogo\u010dajo, da pridelki dlje \u010dasa zdr\u017eijo brez namakanja. Zaradi teh fiziolo\u0161kih razlik se lahko izgubljanje vode med vrstami pridelkov zelo razlikuje, kar zahteva prilagojene namakalne strategije.<\/p>\n 6. Hitrost vetra.<\/strong> Veter je glavni dejavnik tako izhlapevanja kot transpiracije. Razpr\u0161i plast vla\u017enega zraka, ki se nabira nad vegetacijo, kar pove\u010duje ET. Prav tako pomaga pri difuziji pare skozi rastlinske pore, kar spodbuja transpiracijo. Vendar pa lahko izjemno mo\u010dan, suh veter v\u010dasih ovira difuzijo pare in v dolo\u010denih pogojih nekoliko zmanj\u0161a ET.<\/p>\n ET(0) odra\u017ea sposobnost ozra\u010dja, da povzro\u010da izgubo vode, in je izklju\u010dno podnebno pogojen. ET(c) meri izgubo vode pri zdravih, dobro namakanih polj\u0161\u010dinah, ki rastejo v idealnih pogojih s polnim potencialom pridelka. Kadar se polj\u0161\u010dine soo\u010dajo z neoptimalnim upravljanjem ali okoljskimi izzivi, je treba ET(c) prilagoditi, da dobimo ET(c adj). Evapotranspiracijo polj\u0161\u010din razumemo s tremi razli\u010dnimi koncepti:<\/p>\n ET(0) predstavlja hitrost izhlapevanja vode z dobro zalite referen\u010dne povr\u0161ine \u2013 obi\u010dajno modelirane kot idealizirana travna odeja, ki izpolnjuje dolo\u010dena merila.<\/p>\n Ta mera zajema potrebo ozra\u010dja po izhlapevanju neodvisno od vrste pridelka, stopnje rasti ali kmetijskih praks. Ker se predpostavlja, da je referen\u010dna povr\u0161ina popolnoma vla\u017ena, so talni pogoji izklju\u010deni iz izra\u010duna \u2013 s \u010dimer se odpravi potreba po dolo\u010danju lo\u010denih pragov ET za vsak pridelek v vsaki fazi rasti.<\/p>\n ET(0) je v celoti odvisen od podnebnih spremenljivk, tipi\u010dne vrednosti pa se razlikujejo glede na agroklimatska obmo\u010dja, \u010deprav te \u0161tevilke slu\u017eijo le kot splo\u0161na merila.<\/p>\n 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 najve\u010djo produktivnostjo. Izra\u010duna se tako, da se referen\u010dni ET pomno\u017ei s koeficientom pridelka K(c):<\/p>\n ET(c) = ET(0) \u00d7 K(c)<\/em><\/p>\n ET(c adj) upo\u0161teva odstopanja od idealnih rastnih pogojev v resni\u010dnem svetu. Dejavniki, kot so pritisk \u0161kodljivcev in bolezni, pomanjkanje ali prese\u017eek vode, slanost tal in slaba rodovitnost tal, lahko povzro\u010dijo, da se dejanska poraba vode pri pridelkih bistveno razlikuje od ET(c). Za zajemanje teh u\u010dinkov se poleg koeficienta pridelka uvede koeficient vodnega stresa K(s):<\/p>\n ET(c adj) = ET(0) \u00d7 K(c) \u00d7 K(s)<\/em><\/p>\n Pred daljinskim zaznavanjem so znanstveniki merili ET z neposredno fizikalno instrumentacijo. Vsaka metoda deluje dobro v dolo\u010denem merilu, vendar ima znatne pomanjkljivosti, ki omejujejo \u0161iroko uporabo v kmetijstvu. Nekatere najbolj\u0161e tehnike merjenja ET na tleh so:<\/p>\n 1. Lizimeter: <\/strong>Lizimeter (velika posoda, napolnjena z zemljo in rasto\u010dim pridelkom, name\u0161\u010dena poravnano s tlemi) meri ET s tehtanjem talnega bloka skozi \u010das. Ko so padavine nadzorovane in se zbira odtok, je razlika v masi med \u010dasovnimi koraki enaka dejanskemu ET.<\/p>\n Lizimetri zagotavljajo najnatan\u010dnej\u0161e meritve ET, vendar stanejo ve\u010d sto tiso\u010d dolarjev na enoto, pokrivajo le nekaj kvadratnih metrov in ne morejo predstavljati prostorske spremenljivosti resni\u010dnega polja.<\/p>\n 2. Sistem vrtin\u010dne kovariance: <\/strong>Sistem vrtin\u010dne kovariance meri ET z izra\u010dunom kovariance med vertikalno hitrostjo vetra in koncentracijo vodne pare nad kro\u0161njami z uporabo hitro odzivnih senzorjev. Pokriva \u201codtis\u201d od nekaj sto metrov do nekaj kilometrov, zaradi \u010desar je veliko bolj reprezentativen kot lizimeter.<\/p>\n Vendar pa namestitev in vzdr\u017eevanje preto\u010dnih stolpov stane od 50.000 do 300.000 USD, globalno omre\u017eje FLUXNET pa ima le pribli\u017eno 900 aktivnih lokacij \u2013 kar je premalo za spremljanje kmetijskega ET na nacionalni ravni.<\/p>\n 3. Bowenova metoda razmerja: <\/strong>Bowenova metoda ocenjuje ET z merjenjem razmerja med ob\u010dutnim toplotnim tokom (ogrevanje zraka) in latentnim toplotnim tokom (ET) z uporabo gradientov temperature in vla\u017enosti nad kro\u0161njo. Je enostavnej\u0161a od vrtin\u010dne kovariance, vendar zahteva homogene pogoje pridobivanja in je ni mogo\u010de uporabiti na kompleksnem terenu.<\/p>\n 4. Izra\u010duni ET na podlagi vremenskih postaj<\/strong> Z uporabo Penman-Monteithove ena\u010dbe FAO izra\u010dunajte referen\u010dni ET (ET0) iz podatkov o temperaturi zraka, vla\u017enosti, hitrosti vetra in sevanju. Ta metoda se pogosto uporablja za na\u010drtovanje namakanja, vendar ustvari referen\u010dni ET, ne dejanskega ET, ker predpostavlja dobro zalit referen\u010dni pridelek in ne dejanskega pridelka na polju.<\/p>\n Osrednji problem vseh zemeljskih metod je obseg. En sam lizimeter predstavlja nekaj kvadratnih metrov. Stolp za merjenje pretoka v najbolj\u0161em primeru pokriva nekaj sto hektarjev. Toda sodobno upravljanje kmetijskih voda zahteva podatke o ET na ravni polja po celotnih pore\u010djih \u2013 prostorski izziv, ki ga lahko re\u0161i le daljinsko zaznavanje.<\/p>\n Daljinsko zaznavanje v kontekstu spremljanja ET je pridobivanje in analiza podatkov, pridobljenih s satelitov ali letal, za oceno pretoka vode, ki zapu\u0161\u010da povr\u0161ino kopnega, ne da bi se je fizi\u010dno dotaknil.<\/p>\n Pristop deluje, ker rastline in tla izmenjujejo energijo z ozra\u010djem na na\u010dine, ki jih je mogo\u010de zaznati iz vesolja \u2013 zlasti z oddajanjem toplotnega infrarde\u010dega sevanja. Ko rastlina u\u010dinkovito transpirira, uporablja vhodno son\u010dno energijo za izhlapevanje vode namesto za segrevanje. Kro\u0161nja z ustrezno vlago v tleh ostane relativno hladna.<\/p>\n Kro\u0161nja, ki je zaradi pomanjkanja vode obremenjena z vodo, pa zapre listne re\u017ee, da bi prihranila vodo, in ker manj latentne toplote (ET) porablja dohodno energijo, se temperatura povr\u0161ine kro\u0161nje dvigne. To je temeljni fizikalni signal, ki ga zajame daljinsko zaznavanje toplote.<\/p>\n The energijska bilanca<\/strong> je vodilni okvir. Na kateri koli zemeljski povr\u0161ini mora biti neto sevanje (Rn), ki prihaja od sonca in ozra\u010dja, enako vsoti treh ponorov energije: toplotnega toka tal (G), ob\u010dutnega toplotnega toka (H, ki segreva zrak) in latentnega toplotnega toka (LE, ki poganja ET). Zapisano kot ena\u010dba: Rn = G + H + LE. Z oceno Rn, G in H iz satelitskih podatkov model izra\u010duna LE \u2013 in s tem ET \u2013 kot preostanek.<\/p>\n 1. Temperatura zemeljske povr\u0161ine<\/strong> (LST), izmerjen v termi\u010dnem infrarde\u010dem pasu, je primarna opazovana veli\u010dina, ki se uporablja za oceno ob\u010dutnega toplotnega toka H. Bolj vro\u010da povr\u0161ina prenese ve\u010d toplote v zrak (visok H), kar pusti manj energije za ET (nizek LE). Hladnej\u0161a, dobro namakana povr\u0161ina ima ni\u017eji H in vi\u0161ji LE.<\/p>\n 2. Vegetacijski indeksi<\/strong> kot NDVI zajamejo, koliko zelenega, fotosintetsko aktivnega rastlinskega materiala pokriva povr\u0161ino, kar nadzoruje stopnjo transpiracije. Gosta, zelena kro\u0161nja prepu\u0161\u010da ve\u010d svetlobe kot gola tla ali redek sestoj.<\/p>\n 3. Neto sevanje<\/strong> se izra\u010duna iz kratkovalovnih in dolgovalovnih sevalnih tokov, ki jih daljinsko zaznavanje ocenjuje na podlagi podatkov o albedu povr\u0161ja, rastlinskem pokrovu in toplotnih emisijah.<\/p>\n Satelitsko spremljanje evapotranspiracije ni nadomestilo za resni\u010dne podatke o porabi vode \u2013 je edino orodje, ki lahko zagotovi prostorsko neprekinjene podatke o rabi vode na ravni, kjer se dejansko sprejemajo kmetijske in hidrolo\u0161ke odlo\u010ditve.<\/p><\/blockquote>\n Prednost daljinskega zaznavanja pred zemeljskimi metodami ni le prostorska pokritost. Satelitski podatki zagotavljajo sinopti\u010dne, ponovljive meritve v zelo heterogenih pokrajinah \u2013 nekaj, \u010desar nobeno zemeljsko omre\u017eje ne bi moglo ponoviti s primerljivimi stro\u0161ki.<\/p>\n Ocenjevanje ET iz vesolja zahteva zdru\u017eevanje podatkov iz ve\u010d vrst senzorjev. Noben posamezen satelit ne zagotavlja vseh vhodnih podatkov, ki jih potrebuje celoten model ET, zato operativni ET izdelki obi\u010dajno zdru\u017eujejo podatke iz ve\u010d platform.<\/p>\n i. Landsat<\/strong> (USGS\/NASA) deluje neprekinjeno od leta 1972 in zagotavlja 30-metrske prostorske lo\u010dljivosti multispektralnih in termi\u010dnih posnetkov s 16-dnevnim ciklom ponovnega obiska. Zaradi dolgega arhiva je nepogre\u0161ljiv za zgodovinsko analizo ET in spremljanje polj\u0161\u010din. Ve\u010dina modelov ET energetske bilance \u2013 vklju\u010dno s SEBAL in METRIC \u2013 je bila prvotno zasnovana na podlagi podatkov Landsat.<\/p>\n ii. Sentinel-2<\/strong> (ESA) ponuja 10-metrske multispektralne posnetke s 5-dnevnim \u010dasom ponovnega obiska za izra\u010dun visokolo\u010dljivostnega vegetacijskega indeksa. \u010ceprav ne vsebuje termi\u010dnega pasu, dopolnjuje Landsat z zagotavljanjem pogostej\u0161ih podatkov NDVI, EVI in LAI z vi\u0161jo lo\u010dljivostjo za ET modele, ki temeljijo na vegetaciji.<\/p>\n iii. MODIS<\/strong> (Moderate Resolution Imaging Spectroradiometer, NASA) zagotavlja dnevno globalno pokritost z lo\u010dljivostjo od 250 m do 1 km. Njegova grobej\u0161a prostorska lo\u010dljivost omejuje uporabo na terenu, vendar je idealen za celinsko in globalno spremljanje ET z izdelki, kot je MOD16.<\/p>\n iv. EKOSTRES<\/strong> (NASA) je name\u0161\u010den na Mednarodni vesoljski postaji in zagotavlja toplotne infrarde\u010de podatke z lo\u010dljivostjo 70 metrov s ciklom ponovnega obiska od 1 do 5 dni. ECOSTRESS je bil posebej zasnovan za merjenje vodnega stresa pridelkov in ET v bli\u017enjem merilu \u2013 vrzel v zmogljivosti, ki je MODIS in prej\u0161nji sateliti niso mogli zapolniti.<\/p>\n proti VIIRS<\/strong> (Skupina radiometrov za vidno infrarde\u010do slikovno slikanje, NOAA\/NASA) na satelitih Suomi NPP in JPSS nadaljuje globalno zapu\u0161\u010dino dnevnega pokrivanja MODIS z izbolj\u0161ano kalibracijo senzorjev, ki podpira operativne ET izdelke na regionalni do globalni ravni.<\/p>\n Brezpilotna letala (UAV ali droni), opremljena s termovizijskimi kamerami in multispektralnimi senzorji, lahko kartirajo ET s prostorsko lo\u010dljivostjo, manj\u0161o od metra, nad posameznimi polji. Termovizijska kamera, name\u0161\u010dena na dronu, neposredno meri temperaturo kro\u0161enj in v kombinaciji z meteorolo\u0161kimi podatki na tleh ustvari ET zemljevide z lo\u010dljivostjo, ki je noben satelit ne more dose\u010di.<\/p>\n Vsaka spremenljivka, pridobljena iz satelitskih podatkov, prispeva dolo\u010den del sestavljanke ocene ET. Razumevanje, kaj vsaka spremenljivka meri in zakaj je pomembna, pomaga strokovnjakom izbrati pravi model in pravilno interpretirati rezultate.<\/p>\n 1. Normalizirani indeks razlik v vegetaciji<\/strong> (NDVI) se izra\u010duna kot (NIR \u2013 rde\u010da) \/ (NIR + rde\u010da) z uporabo odbojnosti bli\u017enjega infrarde\u010dega in rde\u010dega pasu. Njegova vrednost se giblje od -1 do +1, pri \u010demer gosta zelena vegetacija obi\u010dajno dose\u017ee med 0,6 in 0,9. NDVI zajame gostoto kro\u0161nje in zelenost, kar je neposredno povezano s povr\u0161ino listov in transpiracijsko zmogljivostjo.<\/p>\n 2, Izbolj\u0161an vegetacijski indeks<\/strong> (EVI) doda moder pas za zmanj\u0161anje atmosferskih motenj in vplivov talnega ozadja, ki poslab\u0161ajo NDVI v gosto poraslih ali pogosto obla\u010dnih obmo\u010djih. EVI je ob\u010dutljivej\u0161i od NDVI na obmo\u010djih z visoko biomaso in se uporablja v algoritmu MOD16 ET.<\/p>\n 3. Indeks listne povr\u0161ine<\/strong> (LAI) kvantificira skupno enostransko listno povr\u0161ino na enoto povr\u0161ine tal. Neposredno nadzoruje transpiracijo z dolo\u010danjem, koliko listne povr\u0161ine izmenjuje vodno paro z ozra\u010djem. LAI, pridobljen s sateliti, je klju\u010dni vhodni podatek v \u0161tevilnih fizikalno zasnovanih ET modelih.<\/p>\n 4. Albedo povr\u0161ine<\/strong> je dele\u017e dohodnega son\u010dnega sevanja, ki ga odbije povr\u0161ina. Nadzoruje, koliko son\u010dne energije povr\u0161ina absorbira, kar posledi\u010dno dolo\u010da, koliko energije je na voljo za pogon ET. Temna, mokra tla imajo nizek albedo (absorbirajo ve\u010d energije); gola pe\u0161\u010dena povr\u0161ina ima visok albedo (odbija ve\u010d).<\/p>\n 5. Vla\u017enost tal<\/strong> iz mikrovalovnih senzorjev omejuje modele ET tako, da ka\u017ee, ali je v koreninskem obmo\u010dju na voljo dovolj vode za podporo transpiracijskim potrebam. Ko vla\u017enost tal pade pod kriti\u010dni prag, dejanska ET pade pod potencialno hitrost, tudi \u010de je energija na voljo.<\/p>\n Bastiaanssen in sodelavci (kot je bilo pregledano v Frontiers in Remote Sensing, 2026) so ugotovili, da je SEBAL, potrjen v ve\u010d kot 30 dr\u017eav<\/strong>, dose\u017ee Natan\u010dnost 85% za dnevne ocene ET in natan\u010dnost 95% za sezonske ocene ET<\/strong> na terenu.<\/p>\n Sezonska natan\u010dnost 95% pomeni, da je mogo\u010de zanesljivo obra\u010dunavanje vode v celotnem namakalnem obmo\u010dju izvajati samo z uporabo satelitskih podatkov, kar odpravlja potrebo po gostih omre\u017ejih zemeljskih postaj.<\/p>\n Modeli energijske bilance izra\u010dunajo ET kot ostanek povr\u0161inskega energijskega prora\u010duna: ET = Rn \u2013 G \u2013 H. Vsak model se razlikuje po tem, kako ocenjuje tok ob\u010dutne toplote H, ki je ra\u010dunsko najbolj zahtevna in na napake ob\u010dutljiva komponenta.<\/p>\n i. Algoritem za ravnovesje povr\u0161inske energije za kopno<\/strong> (SEBAL) je leta 1998 razvil Bastiaanssen in ostaja eden najpogosteje uporabljenih satelitskih ET modelov po vsem svetu. SEBAL uporablja tri klju\u010dne parametre, pridobljene s sateliti: temperaturo zemeljske povr\u0161ine (T0), povr\u0161insko hemisferi\u010dno odbojnost (albedo r0) in NDVI.<\/p>\n Za oceno ob\u010dutnega toplotnega toka SEBAL identificira dva sidrna piksla \u2013 \u201cvro\u010d piksel\u201d (suha gola tla, kjer je ET blizu ni\u010d) in \u201chladen piksel\u201d (dobro zalit pridelek, kjer je ET najve\u010dji) \u2013 in interpolira H po prizoru glede na ta ekstrema. Zaradi te funkcije samokalibracije je SEBAL manj ob\u010dutljiv na absolutne kalibracijske napake v meteorolo\u0161kih vhodnih podatkih.<\/p>\n ii. Kartiranje evapotranspiracije z visoko lo\u010dljivostjo z internalizirano kalibracijo<\/strong> Model (METRIC) temelji na SEBAL-u, vendar dodaja avtomatizirano kalibracijo glede na referen\u010dni ET, izra\u010dunan iz vremenske postaje. METRIC je bolj primeren za regije s popolnimi omre\u017eji vremenskih podatkov in je bil \u0161iroko sprejet za operativno upravljanje namakanja v zahodnih Zdru\u017eenih dr\u017eavah.<\/p>\n iii. Sistem ravnovesja povr\u0161inske energije<\/strong> (SEBS) uporablja teorijo turbulentnega toka za oceno ob\u010dutnega toplotnega toka iz satelitsko pridobljenih podatkov LST, hrapavosti povr\u0161ine in hitrosti vetra. SEBS je fizi\u010dno bolj strog kot SEBAL, vendar zahteva dodatne vhodne podatke, zaradi \u010desar je bolj primeren za raziskave kot za operativno upravljanje kmetij.<\/p>\n Izbira modela ET ni zgolj tehni\u010dna odlo\u010ditev \u2013 gre za odlo\u010ditev o tem, na katero vpra\u0161anje posku\u0161ate odgovoriti. Vaja obra\u010dunavanja vode na ravni pore\u010dja in orodje za na\u010drtovanje namakanja na ravni polja zahtevata bistveno razli\u010dni ravni prostorske lo\u010dljivosti in \u010dasovne frekvence.<\/p><\/blockquote>\n iv. Dvovirna energetska bilanca<\/strong> Model (TSEB) obravnava tla in kro\u0161njo kot dva lo\u010dena vira ET, vsak s svojim temperaturnim in energijskim ravnovesjem. Ta pristop je natan\u010dnej\u0161i za redko vegetacijo ali me\u0161ane talne pokrovnosti, kjer lahko model z enim virom ena\u010di izhlapevanje tal s transpiracijo rastlin.<\/p>\n Vsi modeli ET ne zahtevajo termi\u010dnih posnetkov. Modeli, ki temeljijo na vegetacijskem indeksu, ocenjujejo ET skozi pristop koeficienta pridelka<\/strong> (Kc x ET0), kjer je koeficient pridelka Kc izpeljan iz NDVI ali EVI, referen\u010dni ET (ET0) pa prihaja iz vremenske postaje. Metodologija FAO-56 formalizira ta pristop in se pogosto uporablja za na\u010drtovanje namakanja, ker ne zahteva podatkov o toplotnih pasovih.<\/p>\n Modeli strojnega u\u010denja, vklju\u010dno z Naklju\u010dni gozd<\/strong>, Umetne nevronske mre\u017ee (ANN)<\/strong>, in arhitekture globokega u\u010denja se vse pogosteje uporabljajo za ocenjevanje ET z u\u010denjem kompleksnih nelinearnih odnosov med vhodnimi podatki, pridobljenimi s satelitov (LST, NDVI, albedo, LAI), in meritvami ET s stolpom za meritve fluksa.<\/p>\n \u0160tudija iz leta 2023, objavljena v reviji Remote Sensing of Environment, je pokazala, da je model Random Forest, usposobljen na osnovi MODIS in meteorolo\u0161kih vhodnih podatkov, napovedal dnevni ET z R2 0,87 in RMSE 0,51 mm\/dan v razli\u010dnih biomih \u2013 kar je konkuren\u010dno tradicionalnim modelom energijske bilance, vendar zahteva veliko manj napora parametrizacije.<\/p>\n \u0160tudija, objavljena v publikaciji Taylor in Francis Open (2021), je pokazala, da je algoritem SEBAL, uporabljen na posnetkih Landsat 8 nad obmo\u010djem gojenja koruze v Adani v Tur\u010diji, dal ocene ET z korelacijski koeficient R = 0,91<\/strong> v primerjavi z metodo FAO Penman-Monteith in RMSE le 1,14 mm\/dan<\/strong>.<\/p>\n SEBAL-ova natan\u010dnost na terenu pomeni, da lahko satelitsko pridobljeni ET nadomesti ali znatno zmanj\u0161a potrebo po dragih lizimetrskih instalacijah v operativnih sistemih za upravljanje namakanja.<\/p>\n Ve\u010d globalnih in regionalnih izdelkov za ET zdaj pretvarja vhodne podatke daljinskega zaznavanja v podatkovne sloje ET, ki so pripravljeni za uporabo. Strokovnjakom ni ve\u010d treba izvajati lastnih modelov energetske bilance \u2013 do teh vnaprej izra\u010dunanih naborov podatkov lahko dostopajo neposredno.<\/p>\n 1. Izdelek MOD16 ET<\/strong> (NASA) uporablja podatke MODIS z algoritmom Penman-Monteith, ki ga poganjajo podatki o pokrovnosti tal MODIS, LAI, EVI in meteorolo\u0161ki podatki globalne ponovne analize. Zagotavlja 8-dnevne in mese\u010dne kompozitne posnetke ET z lo\u010dljivostjo 500 metrov po vsem svetu. MOD16 je zelo primeren za \u0161tudije na ravni pokrajine, vendar je preve\u010d grob za individualno upravljanje na terenu.<\/p>\n 2. SSEBop<\/strong> Model poenostavljene operativne bilance povr\u0161inske energije (Simplified Surface Energy Balance), ki ga je razvil USGS, poenostavlja izziv kalibracije vro\u010dih\/hladnih slikovnih pik pri SEBAL z uporabo vnaprej dolo\u010denih temperaturnih meja, pridobljenih iz dolgoro\u010dnih klimatolo\u0161kih podatkov. SSEBop deluje operativno z lo\u010dljivostjo 30 metrov z uporabo podatkov Landsat in tvori enega od \u0161estih modelov znotraj ansambla OpenET.<\/p>\n 3. Platforma OpenET<\/strong>, ki je bil izstreljen leta 2021 in deluje kot javno-zasebno sodelovanje pod vodstvom NASE, USGS, Kalifornijske dr\u017eavne univerze Monterey Bay, Sklada za varstvo okolja in In\u0161tituta za raziskave pu\u0161\u010dav, zagotavlja podatke o zunajzemeljskem okolju na terenu z lo\u010dljivostjo 30 metrov po zahodnih Zdru\u017eenih dr\u017eavah Amerike.<\/p>\n Prelomna \u0161tudija, 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 natan\u010dnost pri enoletnih pridelkih, kot so p\u0161enica, koruza, soja in ri\u017e \u2013 zlasti v su\u0161nih regijah, kjer je zaradi pomanjkanja vode natan\u010dnost namakanja najpomembnej\u0161a.<\/p>\n 4. Portal WaPOR<\/strong> (FAO) zagotavlja podatke o ET za Afriko in Bli\u017enji vzhod z lo\u010dljivostjo 30 metrov, 100 metrov in 250 metrov, posebej zasnovane za podporo analizi produktivnosti kmetijske vode v regijah v razvoju, kjer primanjkuje podatkov.<\/p>\n 5. SIJAJ<\/strong> (Global Land Evaporation Amsterdam Model) lo\u010duje ET na transpiracijo, izhlapevanje golih tal, izgubo zaradi prestrezanja in izhlapevanje odprtih voda, kar temelji na podatkih o vla\u017enosti tal iz mikrovalovnih valov in satelitskih vegetacijskih produktih. Odli\u010dno razdeli ET signal na biolo\u0161ke in fizikalne komponente.<\/p>\n Najbolj neposredna uporaba satelitskih podatkov ET je na\u010drtovanje namakanja. Ko kmet dostopa do tedenskih zemljevidov ET na ravni polja, lahko izra\u010duna namakalni primanjkljaj \u2013 razliko med dejanskim ET in efektivnimi padavinami \u2013 in uporabi natanko toliko vode. To odpravlja kroni\u010dno pretirano namakanje, ki zapravlja vodo brez pove\u010danja pridelka.<\/p>\n V kalifornijski delti Sacramento-San Joaquin upravljavci vodnih virov uporabljajo OpenET, da bi kmetom pomagali pri izpolnjevanju dr\u017eavnih predpisov, ki zahtevajo natan\u010dno poro\u010danje o porabi vode.<\/p>\n Visoka natan\u010dnost satelitskih podatkov ET za enoletne pridelke zagotavlja pravno utemeljeno podlago za obra\u010dunavanje vode, ki je pri tak\u0161ni prostorski pokritosti ne bi mogla zagotoviti nobena zemeljska metoda.<\/p>\n \u0160tudija 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 pore\u010djih podzemne vode v Nevadi.<\/p>\n V Diamond Valleyju so ocene OpenET pokazale le Razlika 7% od podatkov o porabi vode iz merjenih vrednosti<\/strong>, kar dokazuje operativno zanesljivost za regulativno upravljanje podzemne vode.<\/p>\n Meja napake 7% na ravni pore\u010dja pomeni, da lahko satelitski podatki ET nadomestijo drago merilno infrastrukturo v regijah, kjer je podtalnica kriti\u010dno iz\u010drpana.<\/p>\n Spremljanje su\u0161e je \u0161e ena aplikacija z velikim vplivom. Indeks izhlapevalnega stresa<\/strong> (ESI), izpeljan iz toplotnih podatkov ECOSTRESS in MODIS, meri razmerje med dejanskim in potencialnim ET.<\/p>\n Ko ESI znatno pade pod 1,0, to signalizira, da rastline do\u017eivljajo vodni stres \u2013 zanesljiv zgodnji kazalnik kmetijske su\u0161e, ki ga je pogosto mogo\u010de zaznati 4 do 8 tednov preden postane izguba pridelka merljiva.<\/p>\n Nacionalni center za bla\u017eenje su\u0161e pri Ministrstvu za kmetijstvo ZDA (USDA) integrira satelitske indekse su\u0161e, ki temeljijo na ET, v operativne zemljevide za spremljanje su\u0161e, ki jih uporabljajo dr\u017eavne vlade, agencije za zavarovanje pridelkov in organi za obvladovanje izrednih razmer. Zaradi te integracije je odzivanje na su\u0161o hitrej\u0161e in bolje ciljno usmerjeno kot pri pristopih, ki temeljijo le na koledarju ali padavinah.<\/p>\n Za obra\u010dunavanje vode na ravni pore\u010dja je potrebno vedeti, koliko vode zapusti povr\u0161ino kopnega kot ET na milijonih hektarjev. Prav to zagotavljajo satelitski ET izdelki, kot so MOD16, GLEAM in WaPOR, na svetovni ravni.<\/p>\n Spremljanje ET v mokri\u0161\u010dih s satelitskimi podatki kvantificira porabo vode v ekosistemih v nedostopnih mo\u010dvirjih, \u0161oti\u0161\u010dih in estuarijih, kjer talnih senzorjev ni mogo\u010de namestiti. Spremljanje ET v gozdovih razkriva, kako kr\u010denje gozdov, pogozdovanje in gozdni po\u017eari spreminjajo vodno bilanco celotnih pore\u010dij \u2013 klju\u010dni podatki za obra\u010dunavanje ogljika v gozdovih in na\u010drtovanje oskrbe z vodo.<\/p>\n 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.<\/p><\/blockquote>\n Noben izdelek ET ni uporaben brez stroge validacije. Standardni pristop primerja ocene satelitov ET z meritvami iz stolpov vrtin\u010dnega kovarian\u010dnega toka \u2013 najnatan\u010dnej\u0161a razpolo\u017eljiva resni\u010dna vrednost za ET na ravni pokrajine.<\/p>\n Globalni FLUXNET<\/strong> Omre\u017eje zagotavlja odprt dostop do podatkov o preto\u010dnih stolpih s stotin lokacij v razli\u010dnih biomih. Razvijalci izdelkov ET primerjajo rezultate svojih modelov z meritvami FLUXNET za izra\u010dun statisti\u010dnih meritev u\u010dinkovitosti, vklju\u010dno z<\/p>\n Validacija se izvaja lo\u010deno za razli\u010dne tipe pokrovnosti tal, podnebne cone in letne \u010dase, ker se natan\u010dnost modela ET v teh pogojih bistveno razlikuje.<\/p>\n Modeli energetske bilance, kot sta SEBAL in METRIC, se obi\u010dajno najbolje obnesejo v polsu\u0161nih kmetijskih pokrajinah z jasnim nebom. Zmogljivost se poslab\u0161a v vla\u017enih tropskih gozdovih, kompleksnem gorskem terenu in obmo\u010djih s pogosto obla\u010dnostjo.<\/p>\n \u0160tudija natan\u010dnosti OpenET, objavljena v reviji Nature Water, je primerjala \u0161est modelov ET z meritvami iz 152 lokacij stolpov s fluksom<\/strong> po Zdru\u017eenih dr\u017eavah Amerike, pri \u010demer je ugotovila, da je ansambel OpenET dosegel najmo\u010dnej\u0161o uspe\u0161nost zlasti pri enoletnih pridelkih v su\u0161nih zahodnih regijah \u2013 obmo\u010djih, kjer je upravljanje namakanja najbolj ekonomsko in ekolo\u0161ko kriti\u010dno.<\/p>\n Upravljavci voda v su\u0161nih regijah lahko z visoko stopnjo zanesljivosti uporabijo podatke OpenET za skladnost z namakanjem in sledenje vodnemu prora\u010dunu, s \u010dimer nadomestijo drago merilno infrastrukturo.<\/p>\n Kljub hitremu napredku ve\u010d tehni\u010dnih in operativnih izzivov omejuje natan\u010dnost in uporabnost satelitskega spremljanja ET.<\/p>\n 1. Omejitve obla\u010dnosti:<\/strong> Opti\u010dno in termi\u010dno daljinsko zaznavanje zahteva brezobla\u010dne razmere. V vla\u017enih tropskih regijah ali med monsunskim obdobjem lahko vztrajna obla\u010dnost povzro\u010di vrzeli v podatkih, ki trajajo ve\u010d tednov ali mesecev, kar prekine \u010dasovno kontinuiteto, ki jo zahteva upravljanje namakanja.<\/p>\n 2. Omejitve prostorske lo\u010dljivosti:<\/strong> MODIS, \u010dasovno najpogostej\u0161i satelit, zagotavlja podatke o zemeljskem povr\u0161ju z lo\u010dljivostjo 500 metrov \u2013 kar je pregrobo za polja, manj\u0161a od pribli\u017eno 25 hektarjev. Landsatova 30-metrska lo\u010dljivost ustreza ve\u010dini kmetijskih polj, vendar ima 16-dnevni cikel ponovnega obiska, ki ne upo\u0161teva hitrih sprememb v vodnem stresu.<\/p>\n 3. Kompromisi \u010dasovne lo\u010dljivosti:<\/strong> Visoka prostorska lo\u010dljivost (Landsat, Sentinel-2, ECOSTRESS) in visoka \u010dasovna lo\u010dljivost (MODIS, VIIRS) obstajata v obratnem sorazmerju. Za premostitev te vrzeli so potrebne tehnike zdru\u017eevanja podatkov.<\/p>\n 4. Predpostavke modela v heterogenih pokrajinah:<\/strong> Modeli energetske bilance z enim virom predpostavljajo enotno kro\u0161njo, ki se razgradi v redki vegetaciji, me\u0161anih sistemih gojenja ali urbano-kmetijskih stikih, kjer se temperature tal in rastlin mo\u010dno razlikujejo.<\/p>\n 5. Razpolo\u017eljivost podatkov v regijah v razvoju:<\/strong> Podatki zemeljskih vremenskih postaj, potrebni za omejitev modelov ET, so v ve\u010djem delu podsaharske Afrike, Ju\u017ene Azije in Srednje Azije \u2013 prav v regijah, kjer je najbolj nujno potrebno izbolj\u0161ano upravljanje voda \u2013 redki.<\/p>\n Ve\u010d sorodnih tehnolo\u0161kih dose\u017ekov bo v naslednjih petih do desetih letih dramati\u010dno pove\u010dalo natan\u010dnost, pokritost in dostopnost daljinskega zaznavanja ET monitoringa.<\/p>\n Modeli globokega u\u010denja, usposobljeni na velikih ve\u010dsenzorskih naborih podatkov, v nekaterih pokrajinah za\u010denjajo preka\u0161ati klasi\u010dne modele energijskega ravnovesja. Konvolucijske nevronske mre\u017ee lahko hkrati integrirajo podatke Landsat, Sentinel-2, MODIS in meteorolo\u0161ke ponovne analize ter se u\u010dijo prostorsko-\u010dasovnih vzorcev ET, ki jih noben enosenzorski model ne zajame.<\/p>\n Medtem algoritmi za zdru\u017eevanje podatkov \u2013 predvsem pristop STARFM (Spatial and Temporal Adaptive Reflectance Fusion Model) \u2013 zdru\u017eujejo visokolo\u010dljivostne posnetke Landsat z dnevnimi podatki MODIS za izdelavo sinteti\u010dnih dnevnih zemljevidov ET z lo\u010dljivostjo 30 metrov, kar u\u010dinkovito re\u0161uje prostorsko-\u010dasovni kompromis, ki trenutno omejuje uporabo preciznega kmetijstva.<\/p>\n Naslednja generacija namenskih satelitov za termi\u010dno opazovanje Zemlje bo zagotavljala termalne posnetke z globino manj kot 30 metrov z dnevnimi ponovnimi obiski.<\/p>\n Na\u010drtovane misije, vklju\u010dno z naslednikom Landsat Next in komercialnimi termalnimi konstelacijami CubeSat, bodo odpravile zgodovinski kompromis med prostorskimi podrobnostmi in \u010dasovno frekvenco, ki je omejeval spremljanje ET na ravni polja.<\/p>\n Kot je navedeno v poro\u010dilu Future Market Insights (2025), naj bi trg storitev daljinskega zaznavanja \u2013 ki je bil leta 2025 ocenjen na 22,87 milijarde USD \u2013 do leta 2035 dosegel 84,28 milijarde USD, k \u010demur bo v veliki meri prispevala \u0161iritev konstelacije satelitov LEO.<\/p>\n Okviri digitalnih dvoj\u010dkov \u2013 dinami\u010dne virtualne replike kmetijskih krajin, ki se posodabljajo skoraj v realnem \u010dasu iz satelitskih in internetnih podatkov senzorjev \u2013 integrirajo daljinsko zaznavanje ET kot osrednji podatkovni tok. Ti sistemi sinhronizirajo satelitske zemljevide ET, podatke senzorjev vla\u017enosti tal, vremenske napovedi in modele rasti polj\u0161\u010din, da simulirajo prihodnje stanje vode na poljih in samodejno predpisujejo namakanje.<\/p>\n Bogat nabor platform zdaj omogo\u010da analizo ET z daljinskim zaznavanjem dostop do strokovnjakov brez poglobljenega znanja programiranja.<\/p>\n 1. Google Earth Engine (GEE)<\/strong> je geoprostorska ra\u010dunalni\u0161ka platforma v oblaku, ki gosti celotne arhive Landsat, MODIS, Sentinel in ECOSTRESS skupaj z vnaprej izdelanimi algoritmi ET. Analitiki lahko izvajajo izra\u010dune ET za leta podatkov za celotne regije, ne da bi morali lokalno prenesti kakr\u0161ne koli posnetke. GEE je postala prevladujo\u010da raziskovalna platforma za kartiranje ET velikih obmo\u010dij.<\/p>\n 2. Platforma OpenET<\/strong> ponuja spletni vmesnik, kjer lahko kateri koli registrirani uporabnik dostopa do podatkov o ET na ravni polja za kmetijska zemlji\u0161\u010da po zahodu Zdru\u017eenih dr\u017eav. Uporabniki lahko izvozijo dnevne, mese\u010dne ali sezonske povzetke ET za posamezna polja ali celotna vodnogospodarska okro\u017eja, ne da bi potrebovali znanje programiranja.<\/p>\n 3. Portal WaPOR<\/strong> (FAO) ponuja podoben vmesnik za prenos podatkov o kmetijstvu s klikom na gumb \u00bbpoka\u017ei in klikni\u00ab za Afriko in Bli\u017enji vzhod, z neposrednimi povezavami do kazalnikov produktivnosti vode v kmetijstvu.<\/p>\n 4. Delovni tokovi v Pythonu in R<\/strong> Z uporabo knji\u017enic, kot so rasterio, xarray, geopandas (Python) ali terra, raster (R) raziskovalcem omogo\u010da gradnjo prilagojenih cevovodov za obdelavo ET, ki integrirajo satelitske podatke z lokalnimi meteorolo\u0161kimi zapisi, modeli polj\u0161\u010din in namakalnimi bazami podatkov.<\/p>\n V obmo\u010dju vodonosnika High Plains v Zdru\u017eenih dr\u017eavah Amerike \u2013 enem najbolj intenzivno namakanih kmetijskih obmo\u010dij na Zemlji \u2013 so raziskovalci iz In\u0161tituta za raziskave pu\u0161\u010dav pokazali, da lahko podatki OpenET, integrirani s podnebnimi nabori podatkov, ocenijo koli\u010dino \u010drpanja podtalnice z zadostno natan\u010dnostjo za podporo regulativnemu upravljanju padajo\u010dih ravni vodonosnika.<\/p>\n \u0160tudija je primerjala ocene satelitov ET z zapisi merilnih \u010drpalk in v ve\u010dini preu\u010devanih pore\u010dij ugotovila manj\u0161e odstopanje kot 17% \u2013 raven natan\u010dnosti, ki zadostuje za upravljanje vodnih pravic.<\/p>\n Za na\u010drtovanje namakanja bomba\u017ea je bilo uvedeno daljinsko zaznavanje ET z uporabo modelov SEBAL in METRIC za kartiranje dejanskega ET na posameznih poljih med rastno sezono.<\/p>\n \u0160tudije, objavljene v Astrophysics Data System (2020), so pokazale, da sta oba modela zaznala vi\u0161ji od pri\u010dakovanega dejanski ET v zgodnjih fazah pridelave zaradi visokega izhlapevanja golih tal \u2013 ugotovitev, ki jo standardni pristop s koeficientom pridelkov sistemati\u010dno ni upo\u0161teval, kar je v tem kriti\u010dnem obdobju vodilo do prekomernega namakanja.<\/p>\n Platforma WaPOR organizacije FAO je bila uporabljena za izvedbo analize produktivnosti vode v namakalnih shemah v Etiopiji, Egiptu in Jordaniji, pri \u010demer je bila kvantificirana ET na enoto proizvedene biomase polj\u0161\u010din.<\/p>\n Te analize so opredelile polja z vodno produktivnostjo pod povpre\u010djem pore\u010dja, kar je zagotovilo prostorsko dokazno osnovo za ciljno usmerjene programe raz\u0161iritve za izbolj\u0161anje u\u010dinkovitosti namakanja na obmo\u010djih z manj uspe\u0161nostjo.<\/p>\n Izbira prave kombinacije satelitskih podatkov, modela ET in strategije validacije je odvisna od specifi\u010dnega vpra\u0161anja, na katerega je treba odgovoriti, razpolo\u017eljivih virov in sprejemljive stopnje negotovosti.<\/p>\n 1. Najprej definirajte prostorsko in \u010dasovno lestvico.<\/strong> Mese\u010dno obra\u010dunavanje vode na ravni pore\u010dja zahteva druga\u010dno orodje kot dnevno na\u010drtovanje namakanja na ravni polja. Preden izberete kateri koli model, uskladite lo\u010dljivost in pogostost ponovnih obiskov satelitske platforme s potrebami upravljanja.<\/p>\n 2. Model uskladite s tipom pokrajine.<\/strong> Modeli energijske bilance, kot sta SEBAL in METRIC, najbolje delujejo v polsu\u0161nih pokrajinah, kjer prevladujejo polj\u0161\u010dine, z jasnim nebom. Modeli, ki temeljijo na vegetacijskem indeksu, delujejo bolje v regijah z omejeno razpolo\u017eljivostjo toplotnih podatkov. Modeli strojnega u\u010denja delujejo najbolje, kadar so na voljo veliki, lokalno potrjeni u\u010dni nabori podatkov.<\/p>\n 3. Vedno preverite lokalno.<\/strong> Tudi najnatan\u010dnej\u0161i 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 \u0161tudij se le redko natan\u010dno prenesejo na nove lokacije in vrste polj\u0161\u010din.<\/p>\n 4. Na\u010drtujte vrzeli v obla\u010dnosti.<\/strong> V vla\u017enih ali tropskih regijah na\u010drtujte strategije zdru\u017eevanja podatkov ali zapolnjevanja vrzeli \u017ee od samega za\u010detka. Zana\u0161anje na en sam termalni satelit s 16-dnevnim ciklom ponovnega obiska bo v kriti\u010dnih obdobjih rasti polj\u0161\u010din povzro\u010dilo nesprejemljive vrzeli v podatkih.<\/p>\n 5. Kjer je mogo\u010de, uporabljajte odprte platforme.<\/strong> Google Earth Engine, OpenET in WaPOR omogo\u010dajo brezpla\u010den dostop do preverjenih, dobro dokumentiranih ET izdelkov. Izdelava ET modela po meri iz ni\u010d je le redko upravi\u010dena, razen \u010de to zahtevajo edinstveni lokalni pogoji.<\/p>\n 6. Integrirajte podatke ET z obstoje\u010dimi sistemi za upravljanje kmetij.<\/strong> Podatki ET so najbolj dragoceni, kadar se neposredno vna\u0161ajo v programsko opremo za na\u010drtovanje namakanja, orodja za podporo odlo\u010danju ali podatkovne baze za obra\u010dunavanje vode, namesto da obstajajo kot samostojen satelitski izhod.<\/p>\n Spremljanje evapotranspiracije z daljinskim zaznavanjem se je iz eksperimentalne raziskovalne discipline razvilo v klju\u010dno operativno orodje za upravljanje kmetijskih voda. Kombinacija vse natan\u010dnej\u0161ih satelitskih ET izdelkov, platform z odprtim dostopom, kot sta OpenET in WaPOR, ter zdru\u017eevanja podatkov, ki ga poganja umetna inteligenca, odpravlja ovire, ki so neko\u010d omejevale satelitsko ET spremljanje na dobro financirane raziskovalne ustanove.<\/p>\n Trenutne zmogljivosti so precej\u0161nje: modeli energetske bilance, potrjeni v 30 ali ve\u010d dr\u017eavah, satelitski izdelki ET, ki dosegajo sezonsko natan\u010dnost, bolj\u0161o 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 \u017ee uporabljajo za upravljanje skladnosti namakanja na reki Kolorado, za spremljanje iz\u010drpavanja podtalnice v vodonosniku High Plains in za izbolj\u0161anje produktivnosti kmetijske vode po vsej Afriki prek sistema FAO WaPOR.<\/p>","protected":false},"excerpt":{"rendered":" Spremljanje evapotranspiracije z daljinskim zaznavanjem predstavlja enega najpomembnej\u0161ih dose\u017ekov v kmetijski vodni znanosti zadnjih dveh desetletij. Z zdru\u017eevanjem satelitskih toplotnih podatkov\u2026<\/p>","protected":false},"author":210249433,"featured_media":13807,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_coblocks_attr":"","_coblocks_dimensions":"","_coblocks_responsive_height":"","_coblocks_accordion_ie_support":"","_eb_attr":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"{title}\n\n{excerpt}\n\n{url}","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[1378],"tags":[],"class_list":["post-13804","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-remote-sensing"],"acf":[],"yoast_head":"\nKateri dejavniki vplivajo na evapotranspiracijo?<\/h2>\n
![\"Kateri](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/What-Factors-Influence-Evapotranspirationn.png?resize=720%2C720&ssl=1\")
<\/p>\nKlju\u010dni koncepti evapotranspiracije<\/h2>\n
\n
1. Referen\u010dna evapotranspiracija \u2014 ET(0)<\/h3>\n
2. Evapotranspiracija v standardnih pogojih \u2013 ET(c)<\/h3>\n
3. Evapotranspiracija v nestandardnih pogojih \u2013 ET(c adj)<\/h3>\n
Tradicionalne metode merjenja evapotranspiracije<\/h2>\n
![\"Tradicionalne](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/Traditional-Methods-of-Measuring-Evapotranspiration.png?resize=754%2C754&ssl=1\")
<\/p>\nOsnove daljinskega zaznavanja za spremljanje zunajzemeljskega okolja<\/h2>\n
Klju\u010dna fizikalna na\u010dela, na katerih temelji ocena satelitskega ET<\/h3>\n
Viri podatkov daljinskega zaznavanja za oceno ET<\/h2>\n
1. Satelitske platforme za oceno ET<\/h3>\n
2. Opazovanja zunajzemeljskih organizmov z brezpilotnimi letalniki in droni<\/h3>\n
\n
Klju\u010dne spremenljivke daljinskega zaznavanja, uporabljene pri spremljanju ET<\/h2>\n
![\"Klju\u010dne](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/Key-Remote-Sensing-Variables-Used-in-ET-Monitoring.png?resize=676%2C676&ssl=1\")
<\/p>\nModeli za oceno evapotranspiracije<\/h2>\n
1. Modeli energetske bilance<\/h3>\n
2. Modeli ET, ki temeljijo na vegetacijskem indeksu<\/h3>\n
Satelitski ET izdelki, ki so na voljo za operativno uporabo<\/h2>\n
![\"Satelitski](\"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2026\/06\/Satellite-Based-ET-Products-Available-for-Operational-Use.png?resize=751%2C751&ssl=1\")
<\/p>\nUporaba daljinskega zaznavanja<\/h2>\n
1. Precizno namakanje in upravljanje z vodo v polj\u0161\u010dinah<\/h3>\n
2. Sistemi za ocenjevanje su\u0161e in zgodnje opozarjanje<\/h3>\n
3. Upravljanje vodnih virov na ravni pore\u010dja<\/h3>\n
\n
4. Okoljske in ekolo\u0161ke aplikacije<\/h3>\n
Ocena natan\u010dnosti in validacija satelitskih ET produktov<\/h2>\n
\n
Izzivi pri daljinskem zaznavanju ET monitoringa<\/h2>\n
Nove tehnologije in prihodnost pri spremljanju zunajceli\u010dnega prostora<\/h2>\n
1. Umetna inteligenca, strojno u\u010denje in zdru\u017eevanje podatkov<\/h3>\n
2. Visokolo\u010dljivostni termi\u010dni sateliti in ozvezdja CubeSat<\/h3>\n
3. Digitalni dvoj\u010dki za upravljanje voda<\/h3>\n
Programska oprema in orodja za spremljanje ET<\/h2>\n
\u0160tudije primerov za daljinsko zaznavanje ET monitoringa<\/h2>\n
1. Upravljanje namakanja v su\u0161nih regijah<\/h3>\n
2. Precizno kmetijstvo za vse vrste polj\u0161\u010din<\/h3>\n
3. Vodno obra\u010dunavanje na ravni pore\u010dja<\/h3>\n
Najbolj\u0161e prakse za izbiro pristopa k spremljanju ET<\/h2>\n
Zaklju\u010dek<\/h2>\n