Door de groeiende dreiging van droogte en de stijgende vraag naar water zijn nauwkeurige voorspellingen van het gebruik van gewaswater van cruciaal belang voor het waterbeheer en de duurzaamheid van landbouwgronden.

Maar beperkingen in bestaande modellen en satellietgegevens vormen uitdagingen voor nauwkeurige schattingen van verdamping - een combinatie van verdamping uit de bodem en transpiratie uit planten. Het proces is complex en moeilijk te modelleren, en bestaande teledetectiegegevens kunnen geen nauwkeurige, hoge resolutie informatie op een dagelijkse basis.

Een nieuw mapping framework met hoge resolutie genaamd BESS-STAIR belooft precies dat te doen, Wereldwijd. BESS-STAIR is samengesteld uit een satellietgestuurd biofysisch model dat het water van planten integreert, koolstof- en energiecycli - de Breathing Earth System Simulator (BESS) - met een generiek en volledig geautomatiseerd fusie-algoritme genaamd STAIR (SaTellite dAta Integration).

Het frame, ontwikkeld door onderzoekers van het Amerikaanse Department of Energy's Center for Advanced Bioenergy and Bioproducts Innovation (CABBI) aan de Universiteit van Illinois in Urbana-Champaign, werd getest op 12 locaties in de Amerikaanse Corn Belt, en zijn schattingen hebben tot nu toe de hoogste prestaties behaald die in een academische studie zijn gerapporteerd.

De studie, gepubliceerd in Hydrologie en aardsysteemwetenschappen , werd geleid door postdoctoraal onderzoeksmedewerker Chongya Jiang, uit het duurzaamheidsthema van CABBI, en projectleider Kaiyu Guan, Universitair docent bij de afdeling Natuurlijke Hulpbronnen en Milieuwetenschappen (NRES) en een Blue Waters Professor bij het National Center for Supercomputing Applications (NCSA).

"BESS-STAIR heeft een groot potentieel om een ​​betrouwbaar hulpmiddel te zijn voor waterbeheer en precisielandbouwtoepassingen voor de Amerikaanse maïsgordel en zelfs wereldwijd, gezien de wereldwijde dekking van zijn invoergegevens, ' zei Jiang.

Traditionele teledetectiemethoden voor het schatten van verdamping zijn sterk afhankelijk van thermische stralingsgegevens, het meten van de temperatuur van het bladerdak en de bodem terwijl ze afkoelen door verdamping. Maar die methoden hebben twee nadelen:de satellieten kunnen op bewolkte dagen geen gegevens verzamelen over oppervlaktetemperaturen; en de temperatuurgegevens zijn niet erg nauwkeurig, die op zijn beurt de nauwkeurigheid van de schattingen van de verdamping beïnvloedt, zei Jiang.

Het CABBI-team concentreerde zich in plaats daarvan op de koolstof-water-energiecycli van de fabriek. Planten transpireren water in de atmosfeer door gaten in hun bladeren die huidmondjes worden genoemd. Als het water uitgaat, kooldioxide komt binnen, waardoor de plant fotosynthese kan uitvoeren en biomassa kan vormen.

Het BESS-STAIR-model schat eerst de fotosynthese, dan de hoeveelheid koolstof en water die in en uit gaat. Eerdere teledetectiemethoden beschouwden de koolstofcomponent niet als een beperking, zei Jiang. "Dat is de opmars van dit model."

Nog een voordeel:op oppervlaktetemperatuur gebaseerde methoden kunnen alleen gegevens verzamelen bij een heldere hemel, dus moeten ze verdamping interpoleren voor bewolkte dagen, gaten in de gegevens creëren, hij zei. Het BESS-STAIR-model voor alle weersomstandigheden maakt gebruik van oppervlaktereflectie, wat vergelijkbaar is op heldere en bewolkte dagen, eventuele hiaten weg te werken.

Het STAIR-algoritme fuseerde gegevens van twee complementaire satellietsystemen - Landsat en MODIS - om dagelijks gegevens met een hoge resolutie te leveren, met zowel een hoge ruimtelijke als een hoge temporele resolutie. Landsat verzamelt elke acht tot zestien dagen gedetailleerde informatie over het land van de aarde; MODIS biedt elke dag een compleet beeld van de wereld om snellere veranderingen in het landoppervlak vast te leggen.

Dit is niet de eerste keer dat onderzoekers gegevens van de twee satellietsensoren hebben gecombineerd. maar eerdere methoden werkten slechts in een kleine regio gedurende een korte periode, zei Guan. De vorige algoritmen waren moeilijk op te schalen en waren niet volledig automatisch, veel menselijke inbreng nodig hebben, en ze konden niet over een langere periode op brede gebieden worden toegepast.

Daarentegen, het raamwerk van het CABBI-team werd gedurende twee decennia geëvalueerd in verschillende regio's in de Amerikaanse Corn Belt, zei Jiang. Onderzoekers bouwden een pijplijn op de supercomputer van NCSA om automatisch oppervlaktereflectie en verdamping op grote schaal voor langere tijdsperioden te schatten. Met behulp van gegevens van 2000 tot 2017, het team paste BESS-STAIR toe op 12 locaties in de Corn Belt, het volledig valideren van de verdampingsschattingen met metingen van de fluxtoren op elke locatie. Ze maten zowel de algehele nauwkeurigheid als de ruimtelijke, seizoensgebonden, en jaarlijkse variaties.

“We kunnen dagelijks Verdamping met een resolutie van 30 m, altijd en overal in de U.S. Corn Belt in uren, wat ongekend is, ' zei Guan.

De doorbraak zal real-time, praktische voordelen voor Amerikaanse boeren die omgaan met de toenemende ernst van droogte, zoals gedocumenteerd in een aantal recente onderzoeken.

"Precisielandbouw is een van onze belangrijkste doelen. Verdamping is erg belangrijk voor irrigatie en ook erg belangrijk voor waterbeheer, Guan zei. "Dit is een oplossing die verder gaat dan experimentele plots en een impact heeft op de echte wereld, voor miljoenen velden overal."