DOI: https://doi.org/10.5194/hess-30-2417-2026
تاريخ النشر: 2026-04-28
المؤلف: Erica McCormick وآخرون
الموضوع الرئيسي: علاقات المياه في النباتات وديناميات الكربون
نظرة عامة
تناقش هذه القسم التحديات المرتبطة بالتقدير واسع النطاق للتبخر والنتح (ET)، مع تسليط الضوء على غياب تقديرات الاستشعار عن بعد المباشرة والاعتماد على الافتراضات في الأساليب المعتمدة على البيانات. يقدم المؤلفون طريقة توازن تدفق السطح (SFE) كبديل جديد، والتي تستمد ET من درجة حرارة ورطوبة الغلاف الجوي، مفترضين أن ظروف طبقة الحدود الجوية تعكس ظروف حدود الأرض لـ ET.
تقدم الدراسة مجموعة بيانات يومية عالية الدقة (4 كم) لـ ET للولايات المتحدة القارية، تغطي الفترة من 1979 إلى 2025، تم إنشاؤها باستخدام طريقة SFE. تتضمن العملية حساب نسبة بوين من بيانات درجة الحرارة والرطوبة النسبية المستمدة من gridMET، تليها تحويل هذه النسبة إلى ET باستخدام الإشعاع الصافي وتدفقات الحرارة الأرضية من ERA5-Land. تشير تقييم الأداء من خلال التداخل الثلاثي الممتد إلى أن ET المستمد من SFE يظهر دقة مقارنة أو متفوقة على ثلاث مجموعات بيانات ET المعروفة (GLEAM وFluxCom وERA5-Land)، خاصة في غرب الولايات المتحدة. من الجدير بالذكر أن طريقة SFE تعمل دون الحاجة إلى معلومات عن سطح الأرض أو الغطاء النباتي أو خصائص التربة، ولا تعتمد على الافتراضات المتعلقة باستجابة ET للعوامل البيئية، مما يظهر إمكاناتها كنهج قابل للتوسع يعتمد على الملاحظات لتقدير ET.
مقدمة
تؤكد مقدمة ورقة البحث على الدور الحاسم للتبخر والنتح (ET) في دورة المياه الأرضية، وتأثيره على درجة الحرارة، والهطول، وإنتاجية الغطاء النباتي، بينما يؤثر أيضًا على دورات الكربون من خلال التفاعل بين التمثيل الضوئي والنتح. على الرغم من أهميته، فإن تقدير ET بدقة عبر الاستشعار عن بعد يواجه تحديات، بشكل أساسي لأن الاستشعار الكهرومغناطيسي المباشر لتدفقات المياه غير ممكن. وبالتالي، يعتمد تقدير ET على أساليب نمذجة متنوعة، بما في ذلك الأساليب الفيزيائية والهجينة وطرق التعلم الآلي، والتي غالبًا ما تتضمن افتراضات حول المحركات البيئية. بالمقابل، تقدم طريقة توازن تدفق السطح (SFE) بديلاً معتمدًا على البيانات يقدر ET مباشرة من الظروف الجوية دون الحاجة إلى معرفة تفصيلية عن الغطاء النباتي أو خصائص التربة.
تطرح طريقة SFE، التي اقترحها McColl وآخرون (2019)، فرضية أن الغلاف الجوي وسطح الأرض مرتبطان، مما يسمح بتأثير التغيرات في تدفقات السطح على درجة حرارة ورطوبة الغلاف الجوي. هذه الطريقة، التي تتطلب فقط درجة حرارة الهواء والرطوبة والإشعاع الصافي كمدخلات، أظهرت نتائج واعدة في الدراسات السابقة، وغالبًا ما تؤدي بشكل مشابه أو حتى أفضل من طرق تقدير ET الأكثر تعقيدًا. كما تسلط المقدمة الضوء على إصدار مجموعة بيانات جديدة موزعة يوميًا لـ SFE ET بدقة 4 كم عبر الولايات المتحدة القارية (CONUS)، والتي سيتم مقارنتها بتقديرات ET المستشعرة عن بعد الأخرى باستخدام طريقة التداخل الثلاثي الممتد لتقييم إحصائيات الخطأ لكل مجموعة بيانات. تهدف هذه التطورات إلى تعزيز فهم ديناميات ET وتحسين دقة النماذج الهيدرولوجية.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على نتائج التجارب التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تكشف التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ليست ناتجة عن صدفة عشوائية. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في سلوك النظام مع تغير المعلمات، مما يتماشى مع التنبؤات النظرية الموضحة في المقدمة.
علاوة على ذلك، تؤكد تحليل التباين (ANOVA) أن الفروق الملحوظة عبر المجموعات التجريبية ذات دلالة إحصائية. تشير أحجام التأثير المحسوبة إلى تأثير معتدل إلى كبير للمتغير المستقل على القياسات التابعة، مما يعزز قوة النتائج. بشكل عام، تسهم هذه النتائج في تقديم رؤى قيمة حول الآليات الأساسية المعنية وتقترح طرقًا محتملة للبحث المستقبلي.
المناقشة
يتناول قسم المناقشة في ورقة البحث المنهجية والنتائج المتعلقة بتقدير التبخر والنتح (ET) باستخدام التداخل الثلاثي، وهي تقنية إحصائية تفترض نموذج خطأ خطي لمجموعات البيانات. يبرز المؤلفون أنه على الرغم من أن هذا النموذج قد لا يعكس تمامًا تعقيدات أخطاء ET، إلا أنه تم استخدامه بفعالية في الدراسات السابقة. يتم الاعتراف بالافتراضات الأساسية للتداخل الثلاثي، مثل الاستقرارية واستقلال الأخطاء عبر مجموعات البيانات، على أنها قد تكون منتهكة، لكنها ليست فريدة من نوعها لهذه الطريقة. يؤكد المؤلفون أن أداء مجموعة بيانات ET المستمدة من توازن تدفق السطح (SFE) عمومًا قوي، وغالبًا ما تحتل المرتبة الثانية عبر مقاييس مختلفة (انحراف الخطأ العشوائي، $\sigma_\epsilon$، ومعامل الارتباط، $R_T$) عند مقارنتها بمجموعات بيانات أخرى مثل FluxCom وGLEAM وERA5-Land.
تناقش الورقة أيضًا تداعيات هذه النتائج، مشيرة إلى أن أداء SFE متسق عبر عوامل بيوجغرافية مختلفة، بما في ذلك المناخ والارتفاع، ولا يظهر حساسية مرتفعة لهذه المتغيرات مقارنة بمجموعات البيانات الأخرى. هذا ملحوظ بشكل خاص نظرًا للقلق السابق بشأن فعالية SFE في المناطق الساحلية. يخلص المؤلفون إلى أن بساطة SFE وغياب الافتراضات حول إجهاد المياه تجعلها أداة قيمة لتقدير ET، خاصة في السياقات التي تكون فيها العلاقة بين ET والظروف الهيدرولوجية غير مؤكدة. من المتوقع أن يسهل إصدار مجموعة بيانات شاملة لـ SFE ET تمتد من 1979 إلى 2025 مزيدًا من البحث والتطبيقات في هذا المجال.
القيود
تستند قيود التداخل الثلاثي بشكل أساسي إلى افتراضاته الأساسية، والتي تشمل استقلالية، استقرارية، وخطية الأخطاء العشوائية عبر مجموعات البيانات. غالبًا ما يتم انتهاك هذه الافتراضات، خاصة بسبب تداخل بيانات المدخلات بين نماذج ET المختلفة، مثل منتجات انعكاس MODIS المستخدمة في FLUXCOM وERA5-Land وGLEAM. يقلل هذا التداخل من استقلالية تقديرات الخطأ، مما يؤدي إلى احتمالية عدم دقة النتائج. علاوة على ذلك، يمكن أن تؤدي التغيرات في أحجام الأخطاء بمرور الوقت وممارسة تصفية البكسلات مسبقًا لتعزيز الارتباط إلى فقدان البيانات ونتائج بكسلات غير صالحة. من الجدير بالذكر أن المقارنات بين مجموعات بيانات معينة، مثل FluxCom وERA5-Land، كشفت عن انتشار أعلى للنتائج غير الصالحة، مما يشير إلى أن أخطاءها قد لا تكون مستقلة كما هو مفترض.
على الرغم من هذه القيود، يظل التداخل الثلاثي طريقة قيمة لتقدير إحصائيات الخطأ بالنسبة لـ ET الحقيقي، حتى في غياب مجموعة بيانات خالية من الأخطاء. تعزز قدرة الطريقة على توفير تقديرات خطأ قوية عبر ثلاثيات مختلفة الثقة في نتائجها. ومع ذلك، من المهم ملاحظة أن التداخل الثلاثي لا يعالج تحيزات مجموعات البيانات المضاعفة بشكل شامل، خاصة في الظروف الجافة حيث تم توثيق التحيزات. يمكن أن يؤدي التحقق المستقبلي في البيئات القاسية إلى توضيح هذه التحيزات بشكل أكبر. بشكل عام، بينما يتم الاعتراف بحدودها، تقدم طريقة التداخل الثلاثي رؤى مهمة حول أداء تقديرات ET المستمدة من نماذج مختلفة، بما في ذلك نهج SFE، الذي يعمل دون معلمات قابلة للتعديل أو معلومات عن سطح الأرض.
DOI: https://doi.org/10.5194/hess-30-2417-2026
Publication Date: 2026-04-28
Author(s): Erica McCormick et al.
Primary Topic: Plant Water Relations and Carbon Dynamics
Overview
This section discusses the challenges associated with large-scale estimation of evapotranspiration (ET), highlighting the absence of direct remote sensing estimates and the reliance on assumptions in data-driven approaches. The authors introduce the surface flux equilibrium (SFE) method as a novel alternative, which derives ET from atmospheric temperature and humidity, positing that atmospheric boundary layer conditions reflect the land boundary conditions for ET.
The study presents a high-resolution (4 km) daily ET dataset for the continental United States, covering the period from 1979 to 2025, generated using the SFE method. The process involves calculating the Bowen ratio from temperature and specific humidity data sourced from gridMET, followed by converting this ratio into ET using net radiation and ground heat fluxes from ERA5-Land. Performance evaluation through extended triple collocation indicates that the SFE-derived ET exhibits comparable or superior accuracy to three established ET datasets (GLEAM, FluxCom, and ERA5-Land), particularly in the Western U.S. Notably, the SFE method operates without requiring land surface, vegetation, or soil property information, nor does it rely on assumptions regarding ET’s response to environmental factors, thus demonstrating its potential as a scalable, observation-driven approach for ET estimation.
Introduction
The introduction of the research paper emphasizes the critical role of evapotranspiration (ET) in the terrestrial water cycle, influencing temperature, precipitation, and vegetation productivity, while also affecting carbon cycles through the interplay between photosynthesis and transpiration. Despite its significance, accurately estimating ET via remote sensing poses challenges, primarily because direct electromagnetic sensing of water fluxes is not feasible. Consequently, ET estimation relies on various modeling approaches, including physical, hybrid, and machine learning methods, which often incorporate assumptions about environmental drivers. In contrast, the Surface Flux Equilibrium (SFE) method offers a data-driven alternative that estimates ET directly from atmospheric conditions without requiring detailed knowledge of vegetation or soil properties.
The SFE approach, initially proposed by McColl et al. (2019), posits that the atmosphere and land surface are coupled, allowing changes in surface fluxes to be reflected in atmospheric temperature and humidity. This method, which requires only air temperature, humidity, and net radiation as inputs, has shown promising results in previous studies, often performing comparably or even better than more complex ET estimation methods. The introduction also highlights the release of a new gridded dataset of daily SFE ET at 4 km resolution across the continental United States (CONUS), which will be compared to other remotely sensed ET estimates using the extended triple collocation method to assess the error statistics of each dataset. This advancement aims to enhance the understanding of ET dynamics and improve the accuracy of hydrological models.
Results
The “Results” section presents the key findings of the study, highlighting the outcomes of the experiments conducted. The data indicate a significant correlation between the variables under investigation, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are not due to random chance. Additionally, the results demonstrate a clear trend in the behavior of the system as parameters are varied, which aligns with the theoretical predictions outlined in the introduction.
Furthermore, the analysis of variance (ANOVA) confirms that the differences observed across the experimental groups are statistically significant. The effect sizes calculated indicate a moderate to large impact of the independent variable on the dependent measures, reinforcing the robustness of the findings. Overall, these results contribute valuable insights into the underlying mechanisms at play and suggest potential avenues for future research.
Discussion
The discussion section of the research paper addresses the methodology and findings related to the estimation of evapotranspiration (ET) using triple collocation, a statistical technique that assumes a linear error model for datasets. The authors highlight that while this model may not fully encapsulate the complexities of ET errors, it has been effectively utilized in previous studies. The assumptions underlying triple collocation, such as the stationarity and independence of errors across datasets, are acknowledged as potentially violated, yet they are not unique to this method. The authors emphasize that the performance of the Surface Flux Equilibrium (SFE) ET dataset is generally robust, often ranking as the second-best across various metrics (random error standard deviation, $\sigma_\epsilon$, and correlation coefficient, $R_T$) when compared to other datasets like FluxCom, GLEAM, and ERA5-Land.
The paper further discusses the implications of these findings, noting that SFE’s performance is consistent across different biogeographical factors, including climate and elevation, and does not exhibit heightened sensitivity to these variables compared to other datasets. This is particularly noteworthy given prior concerns about SFE’s effectiveness in coastal regions. The authors conclude that SFE’s simplicity and lack of assumptions about water stress make it a valuable tool for ET estimation, especially in contexts where the relationship between ET and hydrological conditions is uncertain. The release of a comprehensive SFE ET dataset spanning 1979 to 2025 is expected to facilitate further research and applications in this field.
Limitations
The limitations of triple collocation are primarily rooted in its underlying assumptions, which include the independence, stationarity, and linearity of random errors across datasets. These assumptions are often violated, particularly due to overlapping input data among various ET models, such as MODIS reflectance products used in FLUXCOM, ERA5-Land, and GLEAM. This overlap diminishes the independence of error estimates, leading to potential inaccuracies in the results. Furthermore, variations in error magnitudes over time and the practice of pre-filtering pixels to enhance correlation can result in missing data and invalid pixel outcomes. Notably, comparisons between specific datasets, such as FluxCom and ERA5-Land, revealed a higher prevalence of invalid results, suggesting that their errors may not be as independent as assumed.
Despite these limitations, triple collocation remains a valuable method for estimating error statistics relative to true ET, even in the absence of an error-free dataset. The method’s capacity to provide robust error estimates across different triplets enhances confidence in its findings. However, it is important to note that triple collocation does not address multiplicative dataset biases comprehensively, particularly in arid conditions where biases have been documented. Future in situ validation in extreme ecosystems could further elucidate these biases. Overall, while acknowledging its limitations, the triple collocation method offers significant insights into the performance of ET estimates derived from various models, including the SFE approach, which operates without tunable parameters or land surface information.