科研進展
日光誘導葉綠素熒光估算陸地蒸散發(fā)研究獲新進展
日光誘導葉綠素熒光(SIF)作為直接的光合活性指標，對陸地蒸散量(ET)的動態(tài)監(jiān)測、模型優(yōu)化及區(qū)域碳-水耦合研究具有重要價值，并對氣候變化評估、水資源管理指導和田間灌溉決策產(chǎn)生重大影響。然而，由于模型存在的結構誤差和參數(shù)誤差，利用遙感SIF估算ET仍具有較大的挑戰(zhàn)。
近日，中國科學院西北生態(tài)環(huán)境資源研究院祁連山冰凍圈與生態(tài)環(huán)境綜合觀測研究站研究團隊構建了兩種融合物理約束與機器學習方法的SIF驅(qū)動耦合ET模型，即物理引導混合ET模型（ETPHEM）和物理引導純機器學習ET模型（ETPMEM）。
ETPHEM模型利用機器學習框架改進冠層氣孔導度-SIF物理模型（gc -SIF模型），再將改進的機制模型鑲嵌至Penman-Monteith模型框架，構建ET模型。ETPMEM模型則將gc?-SIF模型物理模型嵌入Penman-Monteith模型框架，再利用機器學習框架改進鑲嵌gc?-SIF物理模型后的Penman-Monteith模型，最終形成ET模型。
此外，研究人員利用全球包含8種植物功能類型的52個站點評估了2種耦合ET模型的性能，并與SIF驅(qū)動的半機理ET模型進行了比較，分析了兩種耦合ET模型的泛化性能和建模ET的優(yōu)勢。
研究表明，結合物理約束和機器學習模型的2種SIF驅(qū)動的耦合ET模型，表現(xiàn)出比SIF驅(qū)動的半機理ET模型更好的模型性能，與地面的觀測結果最為接近。2種SIF驅(qū)動的耦合ET模型中，ETPMEM模型得到了最為準確的ET估算，能較準確地捕捉ET的季節(jié)動態(tài)，其整體決定系數(shù)（R2）、均方根誤差（RMSE）、平均絕對誤差（MAE）和克林-古普塔效率系數(shù)（KGE）分別為0.84、0.58mm/day、0.39mm/day和0.88，且ETPMEM模型計算的所有站點ET多年總均值為1.79mm/day，基本接近站點觀測的ET多年總均值1.80 mm/day。2種SIF驅(qū)動的耦合ET模型在多種極端環(huán)境條件中和數(shù)據(jù)稀疏區(qū)域具有較強的泛化性能。該研究為利用遙感技術開展全球尺度蒸散發(fā)估算提供了重要的理論支持與方法參考。
該研究成果以Improving terrestrial evapotranspiration estimation using physics-guided machine learning model driven by solar-induced chlorophyll fluorescence為題發(fā)表于國際期刊Journal of hydrology。西北研究院博士研究生王仁軍為論文第一作者，秦翔研究員為論文共同第一作者和通訊作者。該研究得到甘肅省生態(tài)文明重點研發(fā)計劃、甘肅省重大科技專項、冰凍圈科學與凍土工程全國重點實驗室自主部署項目和甘肅省教育廳高校教師創(chuàng)新基金項目等聯(lián)合資助。
論文鏈接：https://doi.org/10.1016/j.jhydrol.2025.133468
SIF驅(qū)動的ET模型開發(fā)框架
