Coupling SEBAL with a new radiation module and MODIS products for better estimation of evapotranspiration
Coupling SEBAL with a new radiation module and MODIS products for better estimation of evapotranspiration
复制标题
将 SEBAL 与新的辐射模块和 MODIS 产品耦合，以更好地估计蒸散量
DOI：
10.1080/02626667.2015.1031762
复制
发表时间：
2016-05
期刊：
影响因子：
--
通讯作者：
Li Pingheng
中科院分区：
文献类型：
--
作者：
Zheng Chaolei;Wang Quan;Li Pingheng
摘要蒸散是干旱、半干旱地区重要的生态水文过程。在这项研究中，一个新的辐射模块的基础上，MODIS数据已经耦合到地面能量平衡算法（SEBAL），以更好地估计ET。与基于经验公式的SEBAL模型相比，耦合模型的有效能和感热（H）估算精度明显提高。与原始SEBAL相比，耦合SEBAL模拟的瞬时λ ET与中亚干旱地区的观测结果吻合得更好，偏差为-2.86 W m-2，均方根误差（RMSE）为9.75 W m-2，归一化RMSE（NRMSE）为0.13。当将ET缩放到每日或每月尺度时，准确性模糊，主要是由于与所应用的时间上尺度方法相关的不确定性。敏感性分析，这是使用数值方差为基础的技术进行的，表明估计的ET是敏感的可用能量，这表明在应用耦合SEBAL估计ET时，获得准确的净辐射估计的重要性。这项研究提供了一个简单可靠的方法来利用MODIS产品，并包含敏感性分析，以帮助正确解释的输出，这都是重要的大规模ET估计。
ABSTRACT Evapotranspiration (ET) is an important ecohydrological process especially in arid and semi-arid regions. In this study, a new radiation module based on MODIS data has been coupled with the Surface Energy Balance Algorithms for Land (SEBAL) to better estimate ET. The accuracies of the coupled model for estimating available energy and sensible heat (H) were improved significantly compared with the outputs from the original SEBAL which was based on empirical equations. The coupled SEBAL modelled instantaneous λET agreed much better with observations in the arid land of Central Asia than the original SEBAL, with a bias of −2.86 W m-2, root mean square error (RMSE) of 9.75 W m-2, and normalized RMSE (NRMSE) of 0.13. The accuracy was blurred when scaling ET to a daily or monthly scale, mainly due to the uncertainties associated with temporal upscaling methods that were applied. Sensitivity analysis, which was conducted using numerical variance-based techniques, indicated that the estimated ET is sensitive to the available energy, suggesting the importance of obtaining accurate estimates of net radiation when applying the coupled SEBAL to estimate ET. This study provides a simple and reliable way to utilize MODIS products and contains sensitivity analysis for helping to correctly interpret the outputs, which are both important for large-scale ET estimation.
登录
查看更多内容
影响因子：
13.5
作者：
A. French;F. Jacob;Martha C. Anderson;W. Kustas;W. Timmermans;A. Gieske;Z. Su;H. Su;M. Mccabe-M.-M
通讯作者：
A. French;F. Jacob;Martha C. Anderson;W. Kustas;W. Timmermans;A. Gieske;Z. Su;H. Su;M. Mccabe-M.-M
影响因子：
2.5
作者：
Andrea Saltelli;S. Tarantola;K. Chan
通讯作者：
Andrea Saltelli;S. Tarantola;K. Chan
影响因子：
3.7
作者：
V. Kongo;G. Jewitt
通讯作者：
V. Kongo;G. Jewitt
影响因子：
2.6
作者：
Chaolei Zheng;Quan Wang
通讯作者：
Chaolei Zheng;Quan Wang
DOI：
--
发表时间：
2010
期刊：
--
影响因子：
--
作者：
Andrea Saltelli;P. Annoni
通讯作者：
Andrea Saltelli;P. Annoni