Evapotranspirationsövervakning med hjälp av fjärranalysmetoder och modeller

Evapotranspirationsövervakning med fjärranalys representerar ett av de mest betydelsefulla framstegen inom jordbruksvattenvetenskap under de senaste två decennierna. Genom att kombinera satellitbaserade termiska data, vegetationsindex och energibalansfysik kan forskare och jordbrukare nu uppskatta hur mycket vatten som lämnar landytan över miljontals hektar – utan en enda markbaserad sensor.

Denna förmåga förändrar hur agronomer schemalägger bevattning, hur regeringar spårar torka och hur forskare kvantifierar vattenavtrycket i hela flodbäcken. Jordbruket förbrukar ungefär 701 ton per timme av allt globalt sötvattenuttag, men det mesta av detta vatten mäts aldrig direkt på fältnivå – ett kritiskt gap som evapotranspirationsövervakning med fjärranalys snabbt håller på att överbrygga.

Vad är evapotranspiration?

Evapotranspiration (ET) är den kombinerade process genom vilken vatten rör sig från landytan till atmosfären. Den har två komponenter som arbetar samtidigt: avdunstning, den direkta omvandlingen av flytande vatten från jord, vattendrag och växtytor till vattenånga; och transpiration, den biologiska förflyttningen av vatten som absorberas av växtrötter, transporteras uppåt genom stammen och frigörs som ånga genom små porer i bladen som kallas klyvöppningar.

Tillsammans står dessa två processer för det största vattenflödet som lämnar ett terrestra ekosystem. I de flesta jordbrukslandskap återför vattenutsläpp mellan 60 och 80 procent av all nederbörd tillbaka till atmosfären. Den siffran gör vattenutsläpp till den dominerande variabeln i landvattenbalansen – mer inflytelserik än avrinning eller djup perkolering i de flesta odlade miljöer.

Vattenutsläpp (ET) befinner sig i centrum för den hydrologiska cykeln och länkar samman landytan, biosfären och atmosfären. När ET-nivåerna är höga utarmas markfuktigheten snabbare, flodernas grundflöden minskar och grundvattenmagasinens påfyllningshastigheter sjunker. När ET-nivåerna saktar ner – på grund av torkstress, grödors åldrande eller förändrad markanvändning – får konsekvenserna en dominoeffekt på vattentillgången nedströms.

Inom klimatvetenskapen är utsläppsminskning (ET) en primär kopplingsmekanism mellan kol- och vattencyklerna. Växter öppnar sina klyvöppningar för att absorbera CO2 för fotosyntes, och genom att göra det släpper de samtidigt ut vattenånga. Varje förändring i det globala vegetationstäcket, temperaturen eller CO2-koncentrationen förändrar den planetariska utsläppsminskningsbalansen och påverkar regionala nederbördsmönster.

Varför är övervakning av avdunstning en prioritet för vattenförvaltning?

Exakta data om bevattningssystem driver bättre beslut inom flera sektorer. Inom jordbruket kan en bevattningschef, genom att känna till den faktiska vattenanvändningen för grödor på fältnivå, veta exakt hur mycket vatten som ska appliceras, när det ska appliceras och var underskott uppstår innan synlig stress uppstår i grödan.

Denna precision förhindrar både överbevattning, vilket slösar vatten och urlakar näringsämnen, och underbevattning, vilket minskar avkastningen.

1. Bevattningsschemaläggning: Bevattningsplanering baserad på vattenflödesmängd ersätter gissningar med fysik. När en bonde vet att ett majsfält i juli förlorar 7 mm vatten per dag på grund av vattenflödesmängd, kan de fylla på exakt det underskottet istället för att bevattna med ett fast kalenderintervall.

2. Torkaövervakning: En ihållande minskning av faktisk torka i förhållande till referens-torka (vad som skulle avdunsta vid obegränsad vattentillförsel) signalerar framväxande torkstress. Fjärranalys fångar upp denna signal veckor innan avkastningsförlusten blir synlig för ögat.

3. Vattenresursplanering: Vattenredovisning på avrinningsområdesnivå kräver vattenutsläppsdata på avrinningsområdesnivå. Satellitbaserad vattenutsläppsövervakning ger denna geografiska täckning till en bråkdel av kostnaden för ett markstationsnätverk.

4. Bedömning av klimatförändringar: Långsiktiga trender inom miljövänlighet visar hur stigande temperaturer och förändrade nederbördsmönster förändrar ekosystemens vattenanvändning – data som ligger till grund för anpassningsplanering på regional och nationell nivå.

5. Övervakning av ekosystemhälsa: Fjärranalys av ekologiska störningar i våtmarker, skogstranspiration och vattenanvändning i gräsmarker reagerar alla känsligt på ekologiska störningar. Fjärranalys av ekologiska störningar fångar upp dessa förändringar i stora, otillgängliga landskap.

Vilka faktorer påverkar evapotranspiration?

Evapotranspiration (ET) formas av en kombination av klimatförhållanden, landskapsegenskaper och växtbiologi. Nedan följer en sammanfattning av de viktigaste faktorerna som är involverade.

1. Jordtyp. Jordens sammansättning spelar en betydande roll för vattenretention och avdunstning. Sandiga eller grusiga jordar tenderar att hålla mindre vatten och frigöra mer av det genom avdunstning, medan ler- eller lerrika jordar är bättre på att behålla fukt.

2. Lufttemperatur. Temperaturen påverkar direkt evakueringshastigheterna. Varmare luft har större förmåga att hålla fukt, och ökad värme accelererar omvandlingen av vatten till ånga, vilket driver upp evakueringshastigheten.

3. Solstrålning. Förutom att bara generera värme, innebär solstrålning variationer i energinivåer, frekvens och albedo – som alla påverkar strålning. Dessa faktorer varierar beroende på plats och årstid, och att noggrant mäta dem kräver ofta avancerad teknik.

4. Luftfuktighet. Relativ fuktighet (RH) avser mängden vattenånga i luften i förhållande till dess maximala kapacitet. När luftfuktigheten är hög absorberar luften mindre ytterligare fukt, vilket saktar ner evapotranspirationen. Omvänt kan torrare luft absorbera mer ånga, vilket leder till högre avdunstningshastigheter.

5. Växttäcke. Olika växtarter interagerar med vatten på olika sätt. Vissa lagrar vatten effektivt under torra perioder, medan andra förlorar det snabbare. Bevattningshastigheterna påverkas också av en växts ålder, hälsa och rotdjup – djupare rötter gör att grödor klarar sig längre utan bevattning. Dessa fysiologiska skillnader innebär att bevattningshastigheten kan variera kraftigt mellan olika grödor, vilket kräver skräddarsydda bevattningsstrategier.

6. Vindhastighet. Vind är en viktig drivkraft för både avdunstning och transpiration. Den sprider det fuktiga luftlagret som byggs upp över vegetation, vilket ökar den yttre luftflödesmängden (ET). Den hjälper också till med ångdiffusion genom växtporer, vilket ökar transpirationen. Extremt starka, torra vindar kan dock ibland hindra ångdiffusionen och minska den yttre luftflödesmängden något under vissa förhållanden.

Viktiga begrepp inom evapotranspiration

ET(0) återspeglar atmosfärens förmåga att driva vattenförlust och är enbart klimatbaserad. ET(c) mäter vattenförlust från friska, välbevattnade grödor som växer under ideala förhållanden med sin fulla avkastningspotential. När grödor står inför suboptimal skötsel eller miljöutmaningar måste ET(c) modifieras för att ge ET(c adj). Grödornas avdunstning förstås genom tre distinkta begrepp:

1. ET(0) — Referensavdunstning
2. ET(c) — Evapotranspiration under standardförhållanden
3. ET(c adj) — Evapotranspiration under icke-standardiserade förhållanden

1. Referensavdunstning — ET(0)

ET(0) representerar den hastighet med vilken vatten avdunstar från en välbevattnad referensyta – vanligtvis modellerad som ett idealiserat grästäcke som uppfyller specifika kriterier.

Detta mått fångar atmosfärens avdunstningsbehov oberoende av grödtyp, tillväxtstadium eller jordbruksmetoder. Eftersom referensytan antas vara helt fuktad exkluderas markförhållandena från beräkningen – vilket eliminerar behovet av att definiera separata avdunstningsgränsvärden för varje gröda i varje tillväxtstadium.

ET(0) styrs helt av klimatvariabler, och typiska värden varierar mellan olika agroklimatiska zoner, även om dessa siffror endast fungerar som allmänna riktmärken.

2. Evapotranspiration under standardförhållanden — ET(c)

ET(c) kvantifierar det vatten som frigörs av en frisk, välnärd gröda som odlas på stora, tillräckligt bevattnade fält under gynnsamma väderförhållanden och som arbetar med maximal produktivitet. Den härleds genom att multiplicera referens-ET med grödkoefficienten K(c):

ET(c) = ET(0) × K(c)

3. Evapotranspiration under icke-standardiserade förhållanden — ET(c adj)

ET(c adj) tar hänsyn till verkliga avvikelser från ideala odlingsförhållanden. Faktorer som skadedjurs- och sjukdomstryck, vattenbrist eller överskott, jordens salthalt och dålig jordbördighet kan göra att den faktiska vattenanvändningen för grödor skiljer sig avsevärt från ET(c). En vattenstresskoefficient K(s) introduceras tillsammans med grödkoefficienten för att fånga dessa effekter:

ET(c adj) = ET(0) × K(c) × K(s)

Traditionella metoder för att mäta evapotranspiration

Innan fjärranalys mätte forskare utstrålning med direkt fysisk instrumentering. Varje metod fungerar bra i en specifik skala men har betydande nackdelar som begränsar bred jordbrukstillämpning. Några av de bästa markbaserade teknikerna för mätning av utstrålning med jord är:

1. Lysimeter: En lysimeter (en stor behållare fylld med jord och växande gröda, installerad i jämnhöjd med marken) mäter energiåtervinning genom att väga jordblocket över tid. När nederbörden kontrolleras och dränering samlas upp, är skillnaden i massa mellan tidsstegen lika med faktisk energiåtervinning.

Lysimetrar ger de mest exakta ET-mätningarna som finns tillgängliga, men de kostar hundratusentals dollar per enhet, täcker bara några få kvadratmeter och kan inte representera den rumsliga variationen i ett verkligt fält.

2. Eddy-kovarianssystem: Eddy-kovarianssystemet mäter ET genom att beräkna kovariansen mellan vertikal vindhastighet och vattenångkoncentration ovanför ett trädkrona med hjälp av snabbreagerande sensorer. Det täcker ett "fotavtryck" på flera hundra meter till några kilometer, vilket gör det mycket mer representativt än en lysimeter.

Fluxtorn kostar dock 50 000 till 300 000 USD att installera och underhålla, och det globala FLUXNET-nätverket har bara cirka 900 aktiva platser – alldeles för glesa för att övervaka jordbrukets miljöpåverkan på nationell nivå.

3. Bowen-förhållandemetoden: Bowen-kvotmetoden uppskattar värmeflödet (ET) genom att mäta förhållandet mellan sensibelt värmeflöde (som värmer upp luften) och latent värmeflöde (ET) med hjälp av temperatur- och fuktighetsgradienter ovanför trädkronan. Den är enklare än virvelkovarians men kräver homogena hämtningsförhållanden och kan inte användas i komplex terräng.

4. Väderstationsbaserade ET-beräkningar Med hjälp av FAO:s Penman-Monteith-ekvation beräknas referens-ET (ET0) från lufttemperatur, luftfuktighet, vindhastighet och strålningsdata. Denna metod används ofta för bevattningsplanering men producerar referens-ET, inte faktisk ET, eftersom den antar en välvattnad referensgröda snarare än den faktiska grödan på fältet.

Det centrala problemet med alla markbaserade metoder är skala. En enda lysimeter representerar några få kvadratmeter. Ett flödestorn täcker i bästa fall några hundra hektar. Men modern jordbruksvattenhantering kräver fjärranalysdata på fältnivå över hela flodbäcken – en rumslig utmaning som endast fjärranalys kan lösa.

Grunderna i fjärranalys för ET-övervakning

Fjärranalys, i samband med övervakning av utomjordingar, är insamling och analys av data från satellit eller flygplan för att uppskatta vattenflödet som lämnar landytan utan att fysiskt vidröra ytan.

Metoden fungerar eftersom växter och jordar utbyter energi med atmosfären på sätt som är detekterbara från rymden – särskilt genom utsändning av termisk infraröd strålning. När en växt transpirerar effektivt använder den inkommande solenergi för att avdunsta vatten snarare än att värmas upp. Ett trädkrona med tillräcklig jordfuktighet förblir relativt svalt.

En vattenstressad krona stänger däremot sina klyvöppningar för att spara vatten, och eftersom mindre latent värme (ET) förbrukar den inkommande energin stiger kronans yttemperatur. Detta är den grundläggande fysiska signalen som termisk fjärranalys fångar upp.

Viktiga fysikaliska principer som ligger till grund för satellit-ET-uppskattning

Den energibalans är det styrande ramverket. På vilken landyta som helst måste nettostrålningen (Rn) som anländer från solen och atmosfären vara lika med summan av tre energisänkor: markvärmeflödet (G), det sensibla värmeflödet (H, som värmer luften) och det latenta värmeflödet (LE, som driver ET). Skrivet som en ekvation: Rn = G + H + LE. Genom att uppskatta Rn, G och H från satellitdata härleder modellen LE – och därmed ET – som residualen.

1. Markytans temperatur (LST) mätt i det termiska infraröda bandet är den primära observerbara faktorn som används för att uppskatta sensibelt värmeflöde H. En varmare yta överför mer värme till luften (hög H), vilket lämnar mindre energi för ET (låg LE). En kallare, välbevattnad yta har lägre H och högre LE.

2. Vegetationsindex Liksom NDVI fångar hur mycket grönt, fotosyntetiskt aktivt växtmaterial täcker ytan, vilket styr transpirationshastigheterna. Ett tätt, grönt trädkrona transpirerar mer än bar jord eller ett gles bestånd.

3. Nettostrålning beräknas från kortvågiga och långvågiga strålningsflöden, vilka fjärranalys uppskattar från ytans albedo, vegetationstäcke och termiska emissionsdata.

Satellitbaserad evapotranspirationsövervakning ersätter inte markfakta – det är det enda verktyget som kan leverera rumsligt kontinuerliga vattenanvändningsdata i den skala där jordbruks- och hydrologiska beslut faktiskt fattas.

Fördelen med fjärranalys jämfört med markbaserade metoder är inte bara den geografiska täckningen. Satellitdata ger synoptiska, repeterbara mätningar över mycket heterogena landskap – något som inget markbaserat nätverk skulle kunna replikera till jämförbar kostnad.

Fjärranalysdatakällor för ET-uppskattning

Att uppskatta rymden från rymden kräver att man kombinerar data från flera sensortyper. Ingen enskild satellit tillhandahåller all den indata som en komplett rymdenmodell behöver, så operativa rymdenprodukter slår vanligtvis samman data från flera plattformar.

1. Satellitplattformar för ET-uppskattning

i. Landsat (USGS/NASA) har varit i drift kontinuerligt sedan 1972 och tillhandahåller multispektrala och termiska bilder med 30 meters spatial upplösning och en 16-dagars återbesökscykel. Dess långa arkiv gör den oumbärlig för historisk utomjordisk analys och övervakning av grödor. De flesta energibalansmodeller för utomjordisk energi – inklusive SEBAL och METRIC – utformades ursprungligen kring Landsat-data.

ii. Sentinel-2 (ESA) erbjuder 10-meters multispektrala bilder med en 5-dagars återbesökstid för högupplöst beräkning av vegetationsindex. Även om den inte har något termiskt band kompletterar den Landsat genom att tillhandahålla mer frekventa NDVI-, EVI- och LAI-data med högre upplösning för vegetationsbaserade ET-modeller.

iii. MODIS (Moderate Resolution Imaging Spectroradiometer, NASA) ger daglig global täckning med en upplösning på 250 m till 1 km. Dess grövre rumsliga upplösning begränsar tillämpningar i fältskala men gör den idealisk för kontinental och global övervakning av rymdskepp genom produkter som MOD16.

iv. EKOSTRESS (NASA) är monterad på den internationella rymdstationen och levererar termiska infraröda data med 70 meters upplösning med en återbesökscykel på 1 till 5 dagar. ECOSTRESS var specifikt utformad för att mäta vattenstress och infraröd data hos grödor i närfältsskala – en kapacitetslucka som MODIS och tidigare satelliter inte kunde fylla.

v. VIIRS (Visible Infrared Imaging Radiometer Suite, NOAA/NASA) på Suomi NPP- och JPSS-satelliterna fortsätter MODIS:s globala dagliga täckningsarv med förbättrad sensorkalibrering, vilket stöder operativa ET-produkter på regional till global skala.

2. UAV- och drönarbaserade observationer av utomjordiska rymdfarkoster

Obemannade luftfarkoster (UAV:er eller drönare) utrustade med värmekameror och multispektrala sensorer kan kartlägga temperaturen på under en meter över enskilda fält. En drönarmonterad värmekamera mäter trädkronans temperatur direkt, och i kombination med markmeteorologiska data producerar den kartor över temperaturen på övergångsvattnet med en upplösning som ingen satellit kan matcha.

• Termografiska drönare upptäcka vattenstressade växtområden inom ett fält innan några synliga symptom uppstår, vilket möjliggör variabel bevattning på fältnivå.
• Multispektrala sensorer På drönare beräknar de NDVI och EVI med centimeterupplösning och matar med grödokoefficientbaserade ET-modeller för exakt fältplanering.
• Högupplöst ET-mappning från drönare är särskilt värdefullt för specialgrödor – trädfrukter, vingårdar, grönsaker – där variationen inom fältet är hög och kostnaden för vattenstress är stor.

Viktiga fjärranalysvariabler som används vid fjärranalysövervakning

Varje variabel som extraheras från satellitdata bidrar med en specifik pusselbit i ET-uppskattningen. Att förstå vad varje variabel mäter och varför den är viktig hjälper yrkesverksamma att välja rätt modell och tolka resultaten korrekt.

1. Normaliserat skillnadsvegetationsindex (NDVI) beräknas som (NIR – Röd) / (NIR + Röd) med hjälp av nära-infraröd och rödbandsreflektans. Den varierar från -1 till +1, med tät grön vegetation som vanligtvis ligger mellan 0,6 och 0,9. NDVI fångar trädkronans densitet och grönhet, vilket korrelerar direkt med bladyta och transpirationskapacitet.

2, Förbättrat vegetationsindex (EVI) lägger till ett blått band för att minska atmosfärisk störning och markbakgrundseffekter som bryter ner NDVI i tättbevuxna eller ofta molniga regioner. EVI är känsligare än NDVI i områden med hög biomassa och används i MOD16 ET-algoritmen.

3. Bladareaindex (LAI) kvantifierar den totala ensidiga bladytan per markyta. Den styr direkt transpirationen genom att bestämma hur mycket bladyta som utbyter vattenånga med atmosfären. Satellitbaserad LAI är en viktig indata i många fysikaliskt baserade utomjordiska modeller.

4. Ytalbedo är andelen av inkommande solstrålning som reflekteras av ytan. Den styr hur mycket solenergi ytan absorberar, vilket i sin tur avgör hur mycket energi som är tillgänglig för att driva ET. En mörk, våt jord har låg albedo (absorberar mer energi); en bar sandyta har hög albedo (reflekterar mer).

5. Jordfuktighet från mikrovågssensorer begränsar transpirationsmodeller genom att indikera om tillräckligt med vatten finns tillgängligt i rotzonen för att stödja transpirationsbehovet. När markfuktigheten sjunker under ett kritiskt tröskelvärde, faller den faktiska transpirationshastigheten under den potentiella hastigheten även om energi finns tillgänglig.

Bastiaanssen et al. (enligt granskning i Frontiers in Remote Sensing, 2026) fann att SEBAL, validerat i mer än 30 länder, uppnår 85%-noggrannhet för dagliga ET-uppskattningar och 95%-noggrannhet för säsongsbetonade ET-uppskattningar i fältskala.

En säsongsnoggrannhet på 95% innebär att vattenberäkningar för grödor i ett helt bevattningsdistrikt kan utföras tillförlitligt med hjälp av endast satellitdata, vilket eliminerar behovet av täta markstationsnätverk.

Modeller för uppskattning av evapotranspiration

1. Energibalansmodeller

Energibalansmodeller beräknar ET som residualen av ytans energibudget: ET = Rn – G – H. Varje modell skiljer sig åt i hur den uppskattar det sensibla värmeflödet H, vilket är den mest beräkningskrävande och felkänsliga komponenten.

i. Energibalansalgoritm för markytan (SEBAL) utvecklades av Bastiaanssen 1998 och är fortfarande en av de mest använda satellitbaserade ET-modellerna globalt. SEBAL använder tre centrala satellitbaserade parametrar: markyttemperatur (T0), ythalvklotsreflektans (albedo r0) och NDVI.

För att uppskatta sensibelt värmeflöde identifierar SEBAL två ankarpixlar – den "heta pixeln" (torr, bar jord, där ET är nära noll) och den "kalla pixeln" (välvattnad gröda, där ET är som högst) – och interpolerar H över scenen i förhållande till dessa extremer. Denna självkalibreringsfunktion gör SEBAL mindre känslig för absoluta kalibreringsfel i meteorologiska indata.

ii. Kartläggning av evapotranspiration med hög upplösning med internaliserad kalibrering (METRIC)-modellen bygger på SEBAL men lägger till automatiserad kalibrering mot en referens-ET beräknad från en väderstation. METRIC är bättre lämpad för regioner med kompletta väderdatanätverk och har använts i stor utsträckning för operativ bevattningshantering i västra USA.

iii. Ytenergibalanssystem (SEBS) använder turbulent flödesteori för att uppskatta sensibelt värmeflöde från satellitbaserad LST, ytjämnhet och vindhastighet. SEBS är fysiskt mer rigorös än SEBAL men kräver ytterligare indata, vilket gör den bättre lämpad för forskning än operativ jordbruksförvaltning.

Valet av ET-modell är inte bara ett tekniskt beslut – det är ett beslut om vilken fråga man försöker besvara. En vattenredovisning på avrinningsområdesnivå och ett bevattningsplaneringsverktyg på fältnivå kräver fundamentalt olika nivåer av rumslig upplösning och tidsfrekvens.

iv. Energibalans med två källor (TSEB)-modellen behandlar marken och trädkronan som två separata utsläppskällor, var och en med sin egen temperatur- och energibalans. Denna metod är mer exakt för gles vegetation eller blandade marktäcken där en modell med en enda källa kan blanda ihop markavdunstning med växttranspiration.

2. Vegetationsindexbaserade ET-modeller

Inte alla ET-modeller kräver värmebilder. Vegetationsindexbaserade modeller uppskattar ET genom grödkoefficientmetoden (Kc x ET0), där grödkoefficienten Kc härleds från NDVI eller EVI, och referens-ET (ET0) kommer från en väderstation. FAO-56-metoden formaliserar denna metod och den används ofta för bevattningsplanering eftersom den inte kräver några termiska banddata.

Maskininlärningsmodeller, inklusive Slumpmässig skog, Artificiella neurala nätverk (ANN), och djupinlärningsarkitekturer, tillämpas i allt högre grad för ET-estimering genom att lära sig komplexa icke-linjära samband mellan satellit-deriverade indata (LST, NDVI, albedo, LAI) och flödestorns-ET-mätningar.

En studie från 2023 publicerad i Remote Sensing of Environment fann att en Random Forest-modell tränad på MODIS och meteorologiska indata förutspådde daglig energibalans med en R2 på 0,87 och RMSE på 0,51 mm/dag över olika biomer – konkurrenskraftigt med traditionella energibalansmodeller men med betydligt mindre parametriseringsansträngning.

En studie publicerad i Taylor och Francis Open (2021) fann att SEBAL-algoritmen, tillämpad på Landsat 8-bilder över en majsodlingsregion i Adana, Turkiet, producerade ET-uppskattningar med en korrelationskoefficienten för R = 0,91 mot FAO:s Penman-Monteith-metod och ett RMSE på bara 1,14 mm/dag.

SEBALs noggrannhet i fältskala innebär att satellitbaserad elektronetränage kan ersätta eller avsevärt minska behovet av dyra lysimeterinstallationer i operativa bevattningssystem.

Satellitbaserade ET-produkter tillgängliga för operativ användning

Flera globala och regionala produkter för fjärranalys översätter nu fjärranalysdata till färdiga datalager för fjärranalys. Utövare behöver inte längre köra sina egna energibalansmodeller – de kan få direkt åtkomst till dessa förberäknade datamängder.

1. MOD16 ET-produkt (NASA) använder MODIS-data med en Penman-Monteith-algoritm som drivs av MODIS-landtäckningsdata, LAI, EVI och global reanalys av meteorologiska data. Den levererar 8-dagars och månatliga ET-kompositdata med 500 meters upplösning globalt. MOD16 är väl lämpad för studier i landskapsskala men är för grov för individuell fälthantering.

2. SSEBop Den förenklade operationella modellen för ytenergibalans (Simplified Surface Energy Balance), utvecklad av USGS, förenklar kalibreringsutmaningen för heta pixlar/kalla pixlar i SEBAL genom att använda fördefinierade temperaturgränser härledda från långsiktiga klimatologiska data. SSEBop körs operativt med 30 meters upplösning med Landsat-data och utgör en av de sex modellerna inom OpenET-ensemblen.

3. OpenET-plattformen, som lanserades 2021 och drivs som ett offentlig-privat samarbete lett av NASA, USGS, California State University Monterey Bay, Environmental Defense Fund och Desert Research Institute, levererar fältskaliga utomjordiska data med 30 meters upplösning över västra USA.

En banbrytande studie publicerad i Nature Water i januari 2024, som jämförde OpenET-uppskattningar med mätningar från 152 markbaserade flödesplatser, bekräftade att OpenET uppnår hög noggrannhet för ettåriga grödor som vete, majs, soja och ris – särskilt i torra regioner där vattenbrist gör bevattningsprecisionen mycket viktig.

4. WaPOR-portalen (FAO) tillhandahåller utsläppsrättsdata för Afrika och Främre östern med 30 meters, 100 meters och 250 meters upplösning, särskilt utformade för att stödja analys av jordbruksvattenproduktivitet i dataknappa utvecklingsregioner.

5. GLIMMA (Global Land Evaporation Amsterdam Model) separerar jordavdunstning i transpiration, avdunstning i barmark, avdunstning i öppet vatten och avdunstning i öppet vatten, baserat på mikrovågsdata från markfuktighet och satellitbaserade vegetationsprodukter. Den är utmärkt på att uppdela jordavdunstningssignalen i biologiska och fysiska komponenter.

Tillämpningar av fjärranalys

1. Precisionsbevattning och vattenhantering för grödor

Den mest omedelbara tillämpningen av satellitdata för bevattning är bevattningsplanering. När en jordbrukare får tillgång till veckovisa kartor över bevattning i fält kan de beräkna bevattningsunderskottet – skillnaden mellan faktisk bevattning och effektiv nederbörd – och applicera exakt den volymen vatten. Detta eliminerar den kroniska överbevattningsvanan som slösar vatten utan att öka avkastningen.

I Sacramento-San Joaquin-deltat i Kalifornien använder vattenresursförvaltare OpenET för att hjälpa jordbrukare att följa statliga bestämmelser som kräver korrekt rapportering av vattenanvändning.

Den höga noggrannheten hos satellitbaserade ET-data för ettåriga grödor ger en rättsligt försvarbar grund för vattenredovisning som ingen markbaserad metod skulle kunna tillhandahålla vid sådan geografisk täckning.

En studie från 2024 publicerad i Agricultural Water Management (Ott et al., 2024; Desert Research Institute) utvärderade OpenET mot mätt bevattningsdata i grundvattenbassänger i Nevada.

I Diamond Valley visade OpenET:s uppskattningar endast en 7% skillnad från uppmätt vattenförbrukningsdata, vilket visar driftssäkerhet för reglerad grundvattenhantering.

En felmarginal på 7% på bassängnivå innebär att satellitbaserade ET-data kan ersätta dyr mätinfrastruktur i regioner där grundvattnet är kritiskt utarmat.

2. Torkbedömning och system för tidig varning

Torkaövervakning är en annan tillämpning med stor inverkan. Index för avdunstningsspänning (ESI), härledd från ECOSTRESS och MODIS termiska data, mäter förhållandet mellan faktisk ET och potentiell ET.

När ESI sjunker betydligt under 1,0 signalerar det att växter upplever vattenstress – en pålitlig tidig indikator på jordbrukstorka, ofta detekterbar 4 till 8 veckor innan avkastningsförlusten blir mätbar.

USDA:s nationella center för torkbegränsning integrerar satellitbaserade torkindex baserade på vattenmiljön (ET) i operativa torkövervakningskartor som används av delstatsregeringar, grödförsäkringsmyndigheter och myndigheter för krishantering. Denna integration gör torkaresponsen snabbare och bättre riktad än kalenderbaserade metoder eller metoder som enbart bygger på nederbörd.

3. Vattenresurshantering på bassängnivå

Vattenredovisning på bassängnivå kräver att man vet hur mycket vatten som lämnar landytan som utsläppt vatten över miljontals hektar. Det är precis vad satellitbaserade utsläppsprodukter som MOD16, GLEAM och WaPOR erbjuder på global nivå.

• Reservoarförvaltningsmyndigheter Använda ET-data för att uppskatta avrinningsområdenas vattenutbyte – skillnaden mellan nederbörd och ET – vilket avgör hur mycket vatten som faktiskt når floder och reservoarer.
• Gränsöverskridande avrinningsområdesmyndigheter tillämpa satellit-ET för att oberoende verifiera nationell rapportering av vattenanvändning utan att behöva tillgång till nationella markdatanätverk.
• Chefer för bevattningsdistrikt Använd ET för att spåra konsumtion per grödatyp över hela serviceområden, vilket stöder rättvis vattenfördelning och efterlevnad av regelverk.

4. Miljömässiga och ekologiska tillämpningar

Våtmarksövervakning med satellitdata kvantifierar ekosystemens vattenanvändning i otillgängliga myrar, torvmarker och flodmynningar där marksensorer inte kan placeras ut. Skogsövervakning med ET avslöjar hur avskogning, återplantering av skog och skogsbränder förändrar vattenbalansen i hela avrinningsområden – viktiga data för koldioxidredovisning i skogar och planering av vattenförsörjning.

Evapotranspiration är den osynliga tråden som förbinder varje växt på jorden med det globala vattnets kretslopp. Fjärranalys är det enda verktyget vi har för att se det i den skala som är viktig för vattenförvaltningen.

Noggrannhetsbedömning och validering av satellit-ET-produkter

Ingen ET-produkt är användbar utan rigorös validering. Standardmetoden jämför satellitbaserade ET-uppskattningar med mätningar från virvelkovariansflödestorn – den mest exakta tillgängliga markbaserade sanningen för ET i landskapsskala.

Det globala FLUXNET Nätverket tillhandahåller öppen åtkomst till flödestornsdata från hundratals platser i olika biom. Utvecklare av ET-produkter jämför sina modellresultat med FLUXNET-mätningar för att beräkna statistiska prestandamått, inklusive

• R2 (korrelationskoefficient),
• RMSE (rotmedelkvadratfel), och
• Bias (systematisk över- eller underskattning).

Validering utförs separat för olika marktäckningstyper, klimatzoner och årstider, eftersom ET-modellens noggrannhet varierar avsevärt mellan dessa förhållanden.

Energibalansmodeller som SEBAL och METRIC presterar generellt bäst i halvtorra jordbrukslandskap med klar himmel. Prestandan försämras i fuktiga tropiska skogar, komplex bergsterräng och områden med frekvent molntäcke.

OpenET-noggrannhetsstudien som publicerades i Nature Water jämförde sex ET-modeller med mätningar från 152 flödestornsplatser över hela USA och fann att OpenET-ensemblen uppnådde den starkaste prestandan specifikt för ettåriga grödor i torra västra regioner – de områden där bevattningshantering är mest ekonomiskt och ekologiskt kritisk.

Vattenförvaltare i torra regioner kan med hög tillförlitlighet distribuera OpenET-data för bevattningsefterlevnad och uppföljning av vattenbudgeter, vilket ersätter dyr mätinfrastruktur.

Utmaningar inom fjärranalys av ET-övervakning

Trots snabba framsteg begränsar flera tekniska och operativa utmaningar noggrannheten och tillämpbarheten av satellitbaserad ET-övervakning.

1. Begränsningar för molntäcke: Optisk och termisk fjärranalys kräver molnfria förhållanden. I fuktiga tropiska regioner eller under monsunsäsonger kan ett ihållande molntäcke skapa datagap på veckor till månader, vilket bryter den tidsmässiga kontinuitet som bevattningshantering kräver.

2. Begränsningar för rumslig upplösning: MODIS, den satellit som används mest tidsmässigt, tillhandahåller ET-data med 500 meters upplösning – för grovkornig för fält mindre än cirka 25 hektar. Landsats 30-meters upplösning passar de flesta jordbruksfält men har en 16-dagars återbesökscykel, vilket missar snabba förändringar i vattenstress.

3. Avvägningar gällande temporal upplösning: Hög spatial upplösning (Landsat, Sentinel-2, ECOSTRESS) och hög temporal upplösning (MODIS, VIIRS) existerar i ett omvänt förhållande. Att överbrygga denna klyfta kräver datafusionstekniker.

4. Modellantaganden i heterogena landskap: Modeller för energibalans med en enda källa antar en enhetlig krona, som bryts ner i gles vegetation, blandade odlingssystem eller gränssnitt mellan stad och jordbruk där jord- och växttemperaturer skiljer sig kraftigt åt.

5. Datatillgänglighet i utvecklingsregioner: Data från markväderstationer som behövs för att begränsa modeller för utomjordisk energi är sparsam i stora delar av Afrika söder om Sahara, Sydasien och Centralasien – exakt de regioner där förbättrad vattenhantering är mest akut nödvändig.

Framväxande teknologier och framtiden inom ET-övervakning

Flera konvergerande tekniska utvecklingar är redo att dramatiskt utöka noggrannheten, täckningen och tillgängligheten för fjärranalys av rymdfarkoster inom de kommande fem till tio åren.

1. AI, maskininlärning och datafusion

Djupinlärningsmodeller som tränas på stora multisensordatamängder börjar överträffa klassiska energibalansmodeller i vissa landskap. Konvolutionella neurala nätverk kan integrera Landsat-, Sentinel-2-, MODIS- och meteorologiska reanalysdata samtidigt, och lära sig rumsligt-temporala energibalansmönster som ingen enskild sensormodell fångar.

Samtidigt blandar datafusionsalgoritmer – framför allt STARFM-metoden (Spatial and Temporal Adaptive Reflectance Fusion Model) – högupplösta Landsat-bilder med dagliga MODIS-data för att producera syntetiska dagliga ET-kartor med 30 meters upplösning, vilket effektivt löser den rumsligt-temporala avvägning som för närvarande begränsar tillämpningar av precisionsjordbruk.

2. Högupplösta termiska satelliter och CubeSat-konstellationer

Nästa generations dedikerade termiska jordobservationssatelliter kommer att leverera värmebilder på under 30 meters djup med dagliga återbesöksfrekvenser.

Planerade uppdrag, inklusive efterföljaren till Landsat Next och kommersiella CubeSat-termiska konstellationer, kommer att eliminera den historiska avvägningen mellan rumslig detaljrikedom och tidsfrekvens som har begränsat övervakning av utomjordisk rymdfarkost i fält.

Som Future Market Insights-rapporten (2025) noterade förväntas marknaden för fjärranalystjänster – värderad till 22,87 miljarder USD år 2025 – nå 84,28 miljarder USD år 2035, kraftigt driven av expansionen av LEO-satellitkonstellationer.

3. Digitala tvillingar för vattenhantering

Digitala tvillingramverk – dynamiska virtuella replikor av jordbrukslandskap som uppdateras i nära realtid från satellit- och IoT-sensorflöden – integrerar fjärranalys av jordenergi som en central dataström. Dessa system synkroniserar satellitkartor från jordenergi, data från jordfuktighetssensorer, väderprognoser och modeller för grödor för att simulera framtida vattenstatus i åkern och automatiskt föreskriva bevattning.

Programvara och verktyg för ET-övervakning

En rik uppsättning plattformar gör nu fjärranalys av elektronet tillgänglig för yrkesverksamma utan djupgående programmeringsexpertis.

1. Google Earth Engine (GEE) är en molnbaserad geospatial databehandlingsplattform som är värd för kompletta Landsat-, MODIS-, Sentinel- och ECOSTRESS-arkiven tillsammans med förbyggda ET-algoritmer. Analytiker kan köra ET-beräkningar över år av data för hela regioner utan att ladda ner några bilder lokalt. GEE har blivit den dominerande forskningsplattformen för kartläggning av stora ET-områden.

2. OpenET-plattformen tillhandahåller ett webbgränssnitt där alla registrerade användare kan få tillgång till fältskaliga ET-data för jordbruksmark i västra USA. Användare kan exportera dagliga, månatliga eller säsongsbetonade ET-sammanfattningar för enskilda fält eller hela vattenförvaltningsdistrikt, utan att några programmeringskunskaper krävs.

3. WaPOR-portalen (FAO) tillhandahåller ett liknande peka-och-klicka-nedladdningsgränssnitt för ET för Afrika och Främre Orienten, med direkta länkar till indikatorer för jordbruksvattenproduktivitet.

4. Python- och R-arbetsflöden Med hjälp av bibliotek som rasterio, xarray, geopandas (Python) eller terra, raster (R) kan forskare bygga anpassade pipelines för ET-bearbetning som integrerar satellitdata med lokala meteorologiska register, grödmodeller och bevattningsdatabaser.

Fallstudier för fjärranalys av elektronikövervakning

1. Bevattningshantering i torra regioner

I High Plains Aquifer-regionen i USA – en av de mest intensivt bevattnade jordbrukszonerna på jorden – visade forskare från Desert Research Institute att OpenET-data integrerade med klimatdatauppsättningar kunde uppskatta grundvattenpumpningsvolymer med tillräcklig noggrannhet för att stödja regleringshantering av sjunkande akvifernivåer.

Studien matchade satellitbaserade ET-uppskattningar mot mätta pumpdata och fann en avvikelse på mindre än 17% i de flesta avrinningsområden – en noggrannhetsnivå som är tillräcklig för administration av vattenrättigheter.

2. Precisionsjordbruk över olika grödor

Fjärranalys av ET-övervakning har implementerats för bevattningsplanering av bomull med hjälp av SEBAL- och METRIC-modeller för att kartlägga faktisk ET över enskilda fält under växtsäsongen.

Studier publicerade i Astrophysics Data System (2020) visade att båda modellerna detekterade högre än förväntat faktisk jordåtervinning (ET) under tidiga grödstadier på grund av hög avdunstning i barmark – ett fynd som standardmetoden med grödkoefficient systematiskt missade, vilket ledde till överbevattning under den kritiska perioden.

3. Vattenredovisning på avrinningsområdesnivå

FAO:s WaPOR-plattform har använts för att genomföra analyser av vattenproduktivitet i bevattningssystem i Etiopien, Egypten och Jordanien, och kvantifierat vattenutsläpp per producerad enhet grödbiomassa.

Dessa analyser identifierade fält med vattenproduktivitet under avrinningsområdenas genomsnitt, vilket ger den geografiska evidensbasen för riktade utbyggnadsprogram för att förbättra bevattningseffektiviteten i underpresterande områden.

Bästa praxis för att välja en metod för övervakning av utomjordiska källor

Att välja rätt kombination av satellitdata, ET-modell och valideringsstrategi beror på den specifika frågan som ska besvaras, tillgängliga resurser och den acceptabla osäkerhetsnivån.

1. Definiera först den rumsliga och tidsmässiga skalan. Månatlig vattenredovisning på bassängnivå kräver ett annat verktyg än daglig bevattningsplanering på fältnivå. Matcha satellitplattformens upplösning och återbesöksfrekvens med ledningsbehovet innan du väljer någon modell.

2. Matcha modellen med landskapstypen. Energibalansmodeller som SEBAL och METRIC fungerar bäst i halvtorra, gröddominerade landskap med klar himmel. Vegetationsindexbaserade modeller fungerar bättre i regioner med begränsad tillgång till termisk data. Maskininlärningsmodeller fungerar bäst när stora, lokalt validerade träningsdatamängder finns tillgängliga.

3. Validera alltid lokalt. Även den mest exakta globala uttömningsprodukten bör valideras mot minst en lokal flödestorns- eller lysimeterdatauppsättning innan den tas i bruk. Prestandamått från publicerade studier överförs sällan exakt till nya platser och grödor.

4. Planera för molntäckets luckor. I fuktiga eller tropiska områden, planera strategier för datafusion eller luckfyllnad från början. Att förlita sig på en enda termisk satellit med en 16-dagars återbesökscykel kommer att skapa oacceptabla datagap under kritiska tillväxtperioder för grödor.

5. Använd öppna plattformar där det är möjligt. Google Earth Engine, OpenET och WaPOR ger tillgång till validerade, väldokumenterade ET-produkter utan kostnad. Att bygga en anpassad ET-modell från grunden är sällan motiverat om inte unika lokala förhållanden kräver det.

6. Integrera ET-data med befintliga gårdsledningssystem. ET-data är som mest värdefull när den matas direkt in i bevattningsplaneringsprogram, beslutsstödsverktyg eller vattenredovisningsdatabaser snarare än att existera som en fristående satellitutgång.

Slutsats

Evapotranspirationsövervakning med fjärranalys har utvecklats från en experimentell forskningsdisciplin till ett kritiskt operativt verktyg för vattenhantering inom jordbruket. Kombinationen av alltmer exakta satellitbaserade fjärranalysprodukter, plattformar med öppen åtkomst som OpenET och WaPOR, och AI-driven datafusion, tar bort de hinder som en gång begränsade satellitbaserad fjärranalysövervakning till välfinansierade forskningsinstitutioner.

De nuvarande funktionerna är betydande: energibalansmodeller validerade i 30 eller fler länder, satellitbaserade energilösningar som uppnår bättre än 90% säsongsnoggrannhet för större ettåriga grödor, och molnbaserade plattformar som levererar energilösningsdata i fält till alla jordbrukare eller vattenförvaltare med internetanslutning. Dessa funktioner används redan för att hantera bevattningsefterlevnaden av Coloradofloden, för att övervaka grundvattenutarmning i High Plains Aquifer och för att förbättra jordbruksvattenproduktiviteten i hela Afrika genom FAO:s WaPOR-system.