全球 1 公里分辨率 20 年（2001 - 2020）耕地用水效率数据集：解锁农业水资源可持续利用密码

为解决区域和全球水资源短缺问题，研究人员开展全球耕地用水效率（WUE）研究。他们结合改进的 EF - LUE 模型和 ETMonitor 模型，生成 2001 - 2020 年 1 公里分辨率数据集。该数据集有助于评估 WUE 变化，支持可持续发展目标监测与评估。

　　在当今世界，水资源短缺已成为全球性难题，农业作为淡水的主要消耗领域，其用水效率的提升至关重要。耕地用水效率（Water Use Efficiency，WUE）能够综合反映耕地粮食生产与用水之间的权衡关系，是衡量农业水资源可持续利用的关键指标。然而，此前长期全球高分辨率耕地 WUE 数据集的缺失，极大地限制了人们对全球和区域耕地 WUE 模式的认知。传统基于实地观测或社会统计数据的评估方式，在时空覆盖、时效性和更新频率等方面存在不足；卫星遥感技术虽有优势，但现有相关数据集在可靠性、时空连续性等方面也不尽人意。在此背景下，开展全球耕地 WUE 的深入研究迫在眉睫。

为了攻克这些难题，国际研究中心大数据促进可持续发展目标（International Research Centre of Big Data for Sustainable Development Goals）、中国科学院空天信息创新研究院遥感与数字地球国家重点实验室（State Key Laboratory of Remote Sensing and Digital Earth, Aerospace Information Research Institute, Chinese Academy of Sciences）的研究人员 Min Jiang、Chaolei Zheng、Li Jia、Jiu Chen 等展开了深入研究。他们成功开发出 2001 - 2020 年空间分辨率为 1 公里的全球耕地 WUE 数据集。这一成果意义非凡，为推动水资源高效利用、实现可持续发展提供了关键的基础数据支持，该研究成果发表在《Scientific Data》杂志上。

研究人员在本次研究中主要运用了以下关键技术方法：首先，利用 ETMonitor 模型提供的 1 公里分辨率日蒸散（Evapotranspiration，ET）数据，计算耕地用水量；其次，采用改进的 EF - LUE 模型估算总初级生产力（Gross Primary Production，GPP）进而得到净初级生产力（Net Primary Productivity，NPP），并引入 ET 数据形成水分胁迫因子，优化 GPP 估算；再者，运用通量塔观测数据对模型进行校准和验证，确保数据准确性 。

下面详细介绍该研究的结果：

• 耕地用水效率估算：研究将耕地 WUE 定义为 NPP 与 ET 的比值（WUE=ETNPP）。通过 ETMonitor 获取耕地 ET 数据，经年度累加后使用；利用改进的 EF - LUE 模型估算 GPP，GPP 的计算涉及实际光利用效率（εmax）、吸收光合有效辐射（fAPAR）等多个参数。作物呼吸（Crop Respiration，CR）通过维护呼吸（Maintenance Respiration，MR）和生长呼吸（Growth Respiration，GR）之和估算，其中 MR 与叶面积指数（Leaf Area Index，LAI）等相关，GR 为年度 NPP 的 25%。最后通过NPP=max(0,0.8×(GPP?MR))计算出 NPP，进而得到年度 WUE。
• 模型参数优化与应用：运用非线性拟合算法（Trust Region Reflective algorithm）对 EF - LUE 模型参数（εmax、Topt和VPD0）进行优化。根据不同气候分区，利用通量塔观测数据进行参数校准，对于无通量塔测量数据的气候区，采用全球可用耕地站点数据优化参数。优化后的参数在全球 GPP 计算中，依据气候分类进行空间插值应用。
• 数据验证：研究使用全球 21 个耕地生态系统通量站点的观测数据对 GPP、NPP 和 WUE 进行验证。结果显示，该研究生成的 WUE 产品（GCWUE）表现出色，与地面测量相比，皮尔逊相关系数（Pearson correlation efficiency，ρ）达 0.76，均方根误差（Root Mean Square Error，RMSE）为 0.5 gC/kgH2O/yr ，偏差（BIAS）为 - 0.24gC/kgH2O/yr ，Kling - Gupta 效率（Kling - Gupta efficiency，KGE）为 0.53。与 MODIS WUE 和 GLASS WUE 相比，GCWUE 在准确性上更具优势。
• 时空变化分析：对比研究生成的 GCWUE、MOD17 和 GLASS 产品在 2001 - 2018 年的平均年度 WUE，发现三者空间格局相似，但 MODIS WUE 和 GLASS WUE 普遍低于 GCWUE。在异常变化分析中，三者在全球和不同气候区的 WUE 时间变化模式相似，均能反映耕地生态系统对气候变化的响应。不过，GCWUE 在时间序列上更可靠，极端波动点更少。

综上所述，该研究成功开发出高分辨率的全球耕地 WUE 数据集，通过多种模型和数据的结合，有效提高了 WUE 估算的准确性，能够更好地反映其时空变化特征。尽管研究存在算法和强迫数据带来的不确定性，但依然为全球和区域耕地 WUE 的评估与探索提供了重要的数据支撑，对监测和评估联合国可持续发展目标 SDG 6.4 具有关键意义，为农业水资源的合理利用和管理提供了科学依据，助力实现农业的可持续发展。