打破零通量范式：一种用于提升冷像素特性的迭代表面能量平衡框架

《Journal of Cleaner Production》：Breaking the zero-flux paradigm: an iterative surface energy balance framework for enhanced cold pixel characterization

准确量化地表能量通量对可持续土地管理和气候适应农业至关重要。本研究提出迭代约束（IC）方法，通过牛顿迭代法整合Priestley-Taylor模型与地表能量平衡约束，显著优于传统FIX方法，冷像素 sensible heat flux（H）误差降低10%， latent heat flux（LE）误差降低7%，同时保持计算效率。该方法有效解决传统模型冷像素处理偏差问题，为亚湿润/湿润地区农业精准灌溉和可持续发展提供新工具。

　　在当今全球气候变化加剧的背景下，精准量化地表能量通量对于推动可持续土地管理和气候适应型农业具有至关重要的意义。地表能量通量包括净辐射、感热通量、潜热通量和土壤热通量，它们不仅决定了地表与大气之间的能量交换，还深刻影响着水循环、碳循环以及农业生产力。因此，研究如何提高地表能量通量的估算精度，不仅有助于优化水资源利用效率，还能为应对极端气候条件下的农业挑战提供科学依据。

传统的地表能量平衡模型（如FIX方法）在处理冷像元时，通常假设其感热通量为零，这种做法在一定程度上简化了计算过程，但忽略了实际中冷像元可能存在的复杂能量交换机制。随着遥感技术的发展，越来越多的研究开始关注如何通过改进模型方法，提升对地表能量通量的估算能力。例如，SEBAL模型作为一种广泛应用的地表能量平衡模型，其关键步骤在于确定冷像元和热像元的能量通量，而这一过程在实践中面临诸多挑战。

冷像元通常指那些具有最大蒸散发（ET）的区域，如灌溉良好的农田或水资源丰富的湿地，这些区域的潜热通量占主导地位。相反，热像元则代表那些具有最小或没有蒸散发的区域，如干旱的裸土或岩石地带，这些区域的感热通量相对较高。然而，传统的SEBAL模型在处理冷像元时，往往将其感热通量设为零，这种做法虽然简化了模型，但在实际应用中却可能导致系统性误差的产生。例如，冷像元的感热通量如果被低估，可能会引发整个遥感场景中其他像元感热通量的高估，从而影响整个模型的准确性。

为了解决这一问题，研究者提出了基于Priestley-Taylor模型和牛顿-拉普森迭代方法的改进冷像元能量确定方法（IC）。该方法不仅克服了传统方法中感热通量设为零的物理不一致性，还通过动态的能量通量划分，保持了能量平衡的完整性。与传统方法相比，IC方法在多个方面展现出显著优势，特别是在全球137个代表不同土地覆盖类型的通量站点的验证中，其对潜热通量和感热通量的估算精度得到了明显提升。

IC方法的改进主要体现在两个方面。首先，它通过引入牛顿-拉普森迭代方案，动态调整冷像元的能量通量，从而减少估算中的误差。这种方法能够在不增加显著计算负担的情况下，提高模型的准确性。其次，IC方法结合了Priestley-Taylor模型的理论基础，使得模型在处理不同土地覆盖类型和环境条件时，具有更强的适应性和鲁棒性。这些改进使得IC方法不仅适用于研究区域内的能量通量估算，还能够推广到更大范围的应用中，如精准灌溉调度和可持续农业实践。

在实际应用中，IC方法的实施需要考虑多种因素。例如，遥感数据的质量和分辨率对模型的准确性具有直接影响，因此需要对数据进行严格的预处理。此外，气象数据的获取和处理同样重要，包括温度、湿度、风速等参数的准确测量。为了提高模型的适用性，研究者还利用了数字高程模型（DEM）等辅助数据，以更精确地描述地形对能量通量的影响。

通过全球范围的验证，IC方法在多个方面展现了其优越性。例如，在全球137个代表不同土地覆盖类型的通量站点中，IC方法显著提高了对感热通量和潜热通量的估算精度，分别减少了平均绝对百分比误差7%和10%，并降低了均方根误差9 W/m2和10 W/m2。这些结果表明，IC方法在处理冷像元和热像元的能量通量时，能够提供更加可靠和一致的估算，从而为全球气候变化研究和农业可持续发展提供有力支持。

此外，IC方法还具有较低的计算成本和较高的输入简洁性，这使得它在大规模应用中更具可行性。这种方法不仅适用于研究区域内的能量通量估算，还能够推广到其他地区，如亚湿润和湿润区域，这些区域的农业活动和水资源管理需求更为复杂。通过建立更加准确的冷像元能量通量重新确定机制，IC方法进一步夯实了地表能量平衡建模的理论基础，为全球范围内的水资源管理和农业可持续发展提供了新的思路和工具。

总之，IC方法作为一种改进的地表能量平衡模型，其在提高估算精度、减少误差、降低计算成本等方面表现出显著优势。它不仅适用于当前的农业和环境管理需求，还能够为未来应对气候变化挑战提供科学支持。随着遥感技术和气象数据的不断发展，IC方法的应用前景将更加广阔，为实现全球可持续发展目标提供更加可靠的数据基础和技术支持。