山区蒸散估算新突破：TEEB 模型的构建与应用

研究人员构建 TEEB 模型估算山区蒸散 (ET)，提升估算精度，对山区生态研究意义重大。

　　在地球的陆地上，山区占据着约 23% 的面积，它们就像一座座巨大的 “水塔”，为下游地区源源不断地提供着淡水。同时，山区生态系统还肩负着保持水土、释放氧气等重要生态服务功能。然而，在全球气候变化的大背景下，山区正面临着严峻的挑战。积雪面积不断减少，冰川加速融化，干旱也变得越来越频繁，这些变化对山区水资源的供应产生了深远影响。

蒸散（Evapotranspiration，ET）作为水资源消耗的重要环节，在水生态系统中起着关键作用，它紧密连接着水循环和地表能量平衡。准确测定 ET，对于深入了解山区小气候特征、科学指导生态保护以及合理分配水资源意义重大。但由于山区地形复杂，这一测定工作面临着诸多困难。一方面，地形对短波辐射的影响使得 ET 产品的不确定性增大；另一方面，传统的直接测量方法，如蒸渗仪、波文比法等，不仅空间代表性有限，而且仪器成本高昂。此外，山区地面站点密度较低，进一步加大了区域 ET 测定的难度。虽然卫星遥感技术的发展为 ET 建模带来了新的契机，基于遥感技术的 ET 估算模型层出不穷，但大多数现有模型是针对平坦地区设计的，无法直接应用于山区。因此，开发一种适用于山区地形的 ET 估算模型迫在眉睫。

为了解决这些问题，相关研究人员开展了深入研究。他们构建了一种基于能量平衡原理的地形扩展 ET 模型（terrain-extended ET model，TEEB），旨在实现对山区地形 ET 的准确估算。该研究成果发表在《Agricultural and Forest Meteorology》上。

在研究过程中，研究人员使用了多种关键技术方法。首先，利用 7 个不同地形条件的涡度相关通量塔（eddy covariance，EC）数据，这些数据来自美国和中国的多个站点，涵盖了复杂地形和相对平坦地区。同时，结合 Landsat 8 卫星影像、ERA5 气象数据以及 ALOS 全球数字表面模型（Digital Elevation Model，DEM）数据。其次，运用随机森林模型，建立卫星观测数据与地表净短波辐射（net shortwave radiation，NSR）之间的关系，进而计算考虑地形效应的净辐射。最后，通过一系列能量平衡方程，估算出瞬时潜热通量，进而得到日 ET。

研究结果主要体现在以下几个方面：

1. TEEB 模型性能：通过与地面测量数据对比，TEEB 模型表现出色。其均方根误差（RMSE）为 0.713mm/d，决定系数（R2）为 0.798，平均绝对误差（MAE）为 0.571mm/d。与 SEBAL 模型相比，TEEB 模型显著提升了 ET 估算精度，RMSE 和 MAE 降低了约 42%，R2 提高了约 2%。而且，TEEB 模型在复杂地形和相对平坦地区的表现相当，展现出良好的稳定性和鲁棒性。
2. 模拟 ET 的能力：TEEB 模型估算的 ET 值更接近实测值，有效减少了 SEBAL 模型的高估问题。ET 估算结果呈现出年初较低、夏季达到峰值的趋势，这与植被生长的季节性变化相符。不过，由于模型简化和测量不确定性，估算值与实测值仍存在一定差异。
3. ET 模拟的空间变化：在空间分布上，TEEB 模型模拟的 ET 在山区和斜坡地区表现出更明显的空间变异性，能够清晰地反映地形效应。与 SEBAL 模型相比，两者的 ET 差异在寒冷季节更大，在相对平坦地区分布更窄。在阴坡和阳坡，SEBAL 模型存在能量通量和水汽通量分配的偏差，导致 ET 估算出现偏差。
4. 地形效应对 ET 的影响：ET 模拟结果受地形因素影响显著。随着坡度增加，ET 有所增加，这种现象在温暖季节更为明显。阳坡的 ET 大于阴坡，考虑地形效应后，阴坡的 ET 估计值会降低约 46%。此外，ET 与海拔没有直接关系。

在研究结论和讨论部分，研究人员指出，地形因素对复杂地形下的 ET 估算有着重要影响。其中，坡向在决定 ET 大小和趋势方面起着关键作用，ET 变化对坡度的敏感性高于海拔。忽略地形效应会导致 ET 估算出现 - 11% - 24% 的相对误差。TEEB 模型的构建，成功实现了山区地形的 ET 估算，加深了人们对区域能量交换过程的理解，为全球表面能量不平衡问题提供了潜在解决方案，对区域气候研究、水资源管理和生态系统保护具有重要意义，有力地推动了山区的可持续发展。但该模型也存在一定的局限性，例如仅考虑了地形对短波辐射的影响，未来研究可进一步完善模型，全面考虑地形因素对 ET 估算中关键参数的影响，以实现复杂地形下高空间分辨率的 ET 监测。