BAITSSSS

BAITSSSS

Deweloperzy	Ramesh Dhungel i grupa
Napisane w	Python (język programowania) , skrypt powłoki , GDAL , numpy
System operacyjny	Microsoft Windows
Typ	Modelowanie ewapotranspiracji , symulacja nawadniania , symulacja temperatury powierzchni , symulacja wilgotności gleby, system informacji geograficznej

BAITSSS (Backward-Averaged Iterative Two-Source Surface Temperature and Energy Balance Solution) to komputerowy model biofizycznej ewapotranspiracji (ET) , który określa zużycie wody , głównie w krajobrazie rolniczym , przy użyciu informacji opartych na teledetekcji . Został opracowany i udoskonalony przez Ramesha Dhungela i grupę zasobów wodnych w Kimberly Research and Extension Center na Uniwersytecie Idaho od 2010 roku. Był używany w różnych obszarach w Stanach Zjednoczonych, w tym w południowym Idaho , północnej Kalifornii , północno-zachodnim Kansas , Teksasie , i Arizony .

Historia rozwoju

BAITSSS wywodzi się z badań Ramesha Dhungela, absolwenta Uniwersytetu w Idaho , który dołączył do projektu o nazwie „Wytwarzanie i integracja szeregów czasowych siatkowej ewapotranspiracji do zarządzania nawadnianiem, hydrologii i zastosowań teledetekcji” pod kierownictwem profesora Richarda G. Allena.

opracowano wstępną wersję modelu krajobrazu z wykorzystaniem środowiska Python IDLE z wykorzystaniem danych pogodowych NARR (~32 km). Dhungel przedstawił swoją rozprawę doktorską w 2014 roku, w której model nazwano BATANS (uśrednione wstecznie rozwiązanie numeryczne z przyspieszeniem dwóch źródeł). Model został po raz pierwszy opublikowany w Meteorological Applications w 2016 roku pod nazwą BAITSSS jako rama do interpolacji ET między wiaduktem satelity , gdy termiczna temperatura powierzchni jest niedostępna. Ogólna koncepcja uśredniania wstecznego została wprowadzona w celu przyspieszenia procesu konwergencji iteracyjnie rozwiązywanych składowych bilansu energii powierzchniowej, co może być czasochłonne i często powodować brak konwergencji, zwłaszcza przy niskiej prędkości wiatru .

W 2017 roku krajobrazowy model BAITSSS został napisany w powłoce Pythona wraz z bibliotekami GDAL i NumPy przy użyciu danych pogodowych NLDAS (~ 12,5 km). Szczegółowy niezależny model został oceniony na podstawie pomiaru ET , temperatury w podczerwieni (IRT) i radiometru netto odpornej na suszę kukurydzy i sorgo w Conservation and Production Research Laboratory w Bushland w Teksasie przez grupę naukowców z USDA-ARS i Kansas State University. 2017 i 2020. Późniejszy rozwój BAITSSS obejmuje fizyczne komponenty produktywności upraw, tj. obliczanie biomasy i plonów .

Racjonalne uzasadnienie

Główne składniki modelu BAITSSS ET

Większość modeli chwilowego ET opartych na teledetekcji wykorzystuje frakcję oparów (EF) lub referencyjną frakcję ET (ET _r F), podobnie jak współczynniki plonów , do obliczania wartości sezonowych. W modelach tych na ogół brakuje bilansu wodnego gleby i składników nawadniania w bilansie energii powierzchniowej . Innym czynnikiem ograniczającym jest zależność od radiometrycznej temperatury powierzchni opartej na danych termicznych , która nie zawsze jest dostępna w wymaganej rozdzielczości czasowej i często jest zaciemniana przez czynniki takie jak zachmurzenie . BAITSSS został opracowany, aby wypełnić te luki w teledetekcji , uwalniając wykorzystanie radiometrycznej temperatury powierzchni opartej na temperaturze i służyć jako cyfrowy tracker wody w uprawach, symulujący mapy ET o wysokiej rozdzielczości czasowej ( godzinowej lub subgodzinnej) i przestrzennej (30 metrów ) . BAITSSS wykorzystuje teledetekcyjne informacje o formowaniu się koron drzew , tj. oszacowanie sezonowej zmienności wskaźników wegetacji i starzenia .

Podejście i struktura modelu

Bilans energii powierzchniowej jest jednym z powszechnie stosowanych podejść do ilościowego określania ET ( utajonego strumienia ciepła pod względem strumienia ), gdzie zmienne pogodowe i wskaźniki roślinności są czynnikami napędzającymi ten proces. BAITSSS przyjmuje liczne równania do obliczania bilansu energii powierzchniowej i rezystancji, z których głównie pochodzą z Javis, 1976, Choudhury i Monteith, 1988, oraz aerodynamiczne lub równania zależności strumień-gradient z funkcjami stabilności związanymi z teorią podobieństwa Monina-Obuchowa .

Podstawowe równania bilansu energii powierzchniowej

Utajony strumień ciepła (LE)

Równania aerodynamiczne lub gradientu strumienia utajonego strumienia ciepła w BAITSSS pokazano poniżej. $\ Displaystyle e_ {c} ^ {o}}$ jest prężnością pary nasyconej na czaszy i ${\ Displaystyle e_ {s} ^ {o}}$ jest dla gleby, ${\ Displaystyle e_ {a }}$ to prężność par otoczenia , r _ac to opór objętościowej warstwy granicznej elementów wegetatywnych w okapie, r _ah to opór aerodynamiczny między przemieszczeniem płaszczyzny zerowej (d) + chropowatość, długość pędu (z _om ) i wysokość pomiaru (z) wiatru prędkość , r _as to opór aerodynamiczny między podłożem a wysokością korony drzew (d + z _om ), a r _ss to opór powierzchni gleby.

${\ Displaystyle LE_ {c} = {\ Frac {\ rho _ {a} c_ {p}} {\ gamma}} {\ bigl (} {\ Frac {e_ {c} ^ { o}-e_{a}}{r_{ac}+r_{ah}+r_{sc}}}{\bigr )}\ \And \LE_{s}={\frac {\rho _{a}c_ {p}}{\gamma }}{\bigl (}{\frac {e_{s}^{o}-e_{a}}{r_{as}+r_{ah}+r_{ss}}}{ \bigr )}}$

Schemat utajonego strumienia ciepła (LE) i jawnego strumienia ciepła BAITSSS (H) jako analogia elektryczna przedstawiający różne rezystancje (opór powierzchniowy gleby: r _ss i opór korony: r _sc ) i temperatury powierzchni (temperatura czaszy: T _c i temperatura powierzchni gleby : Ts ₎ .

Wyczuwalny strumień ciepła (H) i obliczenie temperatury powierzchni

Równania strumienia-gradientu jawnego strumienia ciepła i temperatury powierzchni w BAITSSS pokazano poniżej.

${\ Displaystyle H_ {c} ={\rho _{a}c_{p}}{\bigl (}{\frac {T_{c}-T_{a}}{r_{ah}+r_{ac}}}{\bigr )}\ Długa strzałka w lewo w prawo T_{c}={\frac {H_{c}(r_{ah}+r_{ac})}{\rho _{a}c_{p}}}+{T_{a}}}$

${\ Displaystyle H_ {s} ={\rho _{a}c_{p}}{\bigl (}{\frac {T_{s}-T_{a}}{r_{ah}+r_{as}}}{\bigr )}\ Longleftrightarrow T_{s}={\frac {H_{s}(r_{ah}+r_{as})}{\rho _{a}c_{p}}}+{T_{a}}}$

Opór stropu (r _sc )

Typowe równanie typu Jarvisa r _sc przyjęte w BAITSSS pokazano poniżej, R _c-min to minimalna wartość r _sc , LAI to wskaźnik powierzchni liścia , f _c to ułamek pokrycia czaszy , funkcje wagowe reprezentujące reakcję rośliny na promieniowanie słoneczne ( F ₁ ), temperatura powietrza (F ₂ ), niedobór prężności pary wodnej (F ₃ ) i wilgotność gleby (F ₄ ), każda w zakresie od 0 do 1.

Ilustracja zbieżności oporu aerodynamicznego bilansu energii powierzchniowej z uśredniania wstecznego (zmodyfikowany - zielony) w porównaniu z nieuśredniającym (pomarańczowy)

$c-min}} {{\ Frac {LAI}} f_{c}}}F_{1}F_{2}F_{3}F_{4}}}}$

Równania bilansu wodnego gleby i decyzja o nawodnieniu

Standardowe równania bilansu wodnego gleby dla powierzchni gleby i strefy korzeniowej są zaimplementowane w BAITSSS dla każdego kroku czasowego, w którym decyzje dotyczące nawadniania są oparte na wilgotności gleby w strefie korzeniowej.

Dane

Wejście

Średnia godzinowa, iteracyjnie rozwiązana temperatura powierzchni z BAITSSS (powierzchnia kompozytowa) w porównaniu do zmierzonej temperatury w podczerwieni (IRT) i temperatury powietrza kukurydzy między 22 maja a 28 czerwca 2016 r. w pobliżu Bushland w Teksasie.

ET na ogół potrzebują informacji o roślinności (właściwości fizyczne i wskaźniki roślinności ) oraz stanie środowiska (dane pogodowe), aby obliczyć zużycie wody. Podstawowe wymagania dotyczące danych pogodowych w BAITSSS to natężenie promieniowania słonecznego (R _s↓ ), prędkość wiatru (uz ₎ , temperatura powietrza (T _a ), wilgotność względna (RH) lub wilgotność właściwa (q _a ) oraz opady (P). Wymagania dotyczące wskaźników wegetacji w BAITSSS to wskaźnik powierzchni liści (LAI) i ułamkowe pokrycie korony (f _c ), ogólnie oszacowane na podstawie znormalizowanego wskaźnika różnic wegetacji (NDVI). Zautomatyzowany BAITSSS może obliczać ET w całych Stanach Zjednoczonych przy użyciu danych pogodowych National Oceanic and Atmospheric Administration (NOAA) (tj. godzinowych NLDAS: North American Land Data Assimilation system w 1/8 stopnia ; ~ 12,5 km), wskaźników roślinności uzyskanych przez Landsat oraz gleby informacje z SSURGO .

Wyjście

BAITSSS generuje dużą liczbę zmiennych (przepływy, rezystancje i wilgotność) w postaci siatki w każdym kroku czasowym. Najczęściej używane dane wyjściowe to ewapotranspiracja , parowanie , transpiracja , wilgotność gleby, ilość nawadniania oraz mapy temperatury powierzchni i analiza szeregów czasowych .

Cechy modelu

Szeregi czasowe symulowanych dziennych skumulowanych poletek kukurydzy BAITSSS a ) transpiracja (T), b) parowanie (E _ss ), c) średnia wilgotność gleby w strefie korzeniowej (θ _root ), d) średnia wilgotność gleby na powierzchni (θ _sur ), e) ewapotranspiracja (ET), f) opady w siatce (P) i symulowane nawadnianie (I _rr ; wykres słupkowy) próbkowanego piksela w Sheridan 6 (SD-6) LEMA (100 ° 38 ′ 22 ″ W, 39 ° 21 ′ 38″ N) między 10 maja a 15 września, Kansas , Stany Zjednoczone . Odcień reprezentuje 5-letnie maksimum i minimum, a czarna linia reprezentuje wartość średnią.

Funkcja	Opis
Dwuźródłowy bilans energetyczny	BAITSSS jest dwuźródłowym modelem bilansu energetycznego (oddzielna sekcja gleby i korony), który jest integrowany przez frakcję pokrywy roślinnej (f c ) na podstawie wskaźników roślinności.
Dwuwarstwowy bilans wodny gleby	BAITSSS symuluje wilgotność powierzchni gleby (θ sur ) i wilgotność strefy korzeniowej (θ root ) warstwy są powiązane z dynamiką strumienia parowania (E ss ) i transpiracji (T). Pomija się podciąganie kapilarne (CR) z warstwy poniżej strefy korzeniowej do warstwy strefy korzeniowej. Wilgotność gleby w obu warstwach jest ograniczona do pojemności polowej (θ fc ).
Temperatura na powierzchni	BAITSSS iteracyjnie rozwiązuje równania H na powierzchni gleby ( indeks dolny s) (T s ) i na poziomie korony (indeks dolny c) (T c ) dla każdego kroku czasowego, wykorzystując ciągłe zmienne pogodowe i chropowatość powierzchni zdefiniowaną przez roślinność . .
Gruntowy strumień ciepła gruntu	BAITSSS szacuje gruntowy strumień ciepła (G) powierzchni gleby na podstawie jawnego strumienia ciepła (H s ) lub promieniowania netto (R n_s ) powierzchni gleby i pomija G na powierzchni roślinności.
Transpiracja	obliczenia transpiracji wykorzystuje się zmienną przewodność czaszy pod względem oporu czaszy (r sc ), opartą na algorytmie typu Jarvisa .
Odparowanie	Parowanie (E ss ) w BAITSSS jest obliczane na podstawie oporu gleby (r ss ) i zawartości wody w glebie w warstwie powierzchniowej (górne 100 milimetrów bilansu wodnego gleby ).
Nawadnianie	BAITSSS symuluje nawadnianie (I rr ) w krajobrazie rolniczym , naśladując podejście z przechylanym wiadrem (stosowanym na powierzchnię jako zraszacz lub warstwę podpowierzchniową jako kroplówkę ), wykorzystując zarządzanie dopuszczalnym wyczerpaniem (MAD) i reżimy zawartości wody w glebie na głębokości ukorzeniania (niższa 100-2000 milimetrów warstwy gleby).
Biomasa i plon	BAITSSS oblicza powyżej biomasy na podstawie wydajności transpiracji znormalizowanej przez deficyt prężności pary i frakcji ziarna przez empiryczną funkcję biomasy .

Cyfrowe rolnictwo — symulowana skumulowana ewapotranspiracja sezonowa (mm przy rozdzielczości przestrzennej 30 m) na podstawie godzinowych danych pogodowych z NLDAS i wskaźników wegetacji z Landsat przy użyciu automatycznego BAITSSS przy założeniu 0,5 MAD między 10 maja a 15 września 2013 r. dla regulowanego okręgu zarządzania wodami podziemnymi; SD-6 LEMA, Kansas , Stany Zjednoczone (czarne kółka, kształty praw do wody ).

Zastosowania i rozpoznawanie systemów rolniczych

BAITSSS został wdrożony do obliczania ET w południowym Idaho w 2008 r. I w północnej Kalifornii w 2010 r. Został użyty do obliczenia ET kukurydzy i sorgo w Bushland w Teksasie w 2016 r. Oraz wielu upraw w północno-zachodnim Kansas w latach 2013–2017. BAITSSS był szeroko dyskutowany wśród rówieśników na całym świecie, w tym Bhattarai i in. w 2017 r. oraz Jones i in. w 2019 r. Komisja Senatu Stanów Zjednoczonych ds. Rolnictwa, Żywienia i Leśnictwa wymieniła BAITSSS w swoim raporcie dotyczącym zmian klimatycznych . BAITSSS był również omawiany w artykułach w Open Access Government , zespole naukowym Landsat, magazynie Grass & Grain, National Information Management & Support System (NIMSS), ziemskich modelach ekologicznych, kluczowym wkładzie badawczym związanym z szacowaniem jawnego strumienia ciepła i decyzjami dotyczącymi nawadniania w oparciu o teledetekcję modele ET.

We wrześniu 2019 r. Northwest Kansas Groundwater Management District 4 (GMD 4) wraz z BAITSSS otrzymały krajowe uznanie od American Association for the Advancement of Science (AAAS). AAAS zwróciło uwagę na 18 społeczności w całych Stanach Zjednoczonych, które reagują na zmiany klimatyczne , w tym hrabstwo Sheridan w stanie Kansas, aby przedłużyć żywotność warstwy wodonośnej Ogallala poprzez zminimalizowanie zużycia wody tam, gdzie ta warstwa wodonośna szybko się wyczerpuje z powodu ekstensywnych praktyk rolniczych. AAAS omówił rozwój i wykorzystanie skomplikowanego modelu ET BAITSSS oraz wysiłki Dhungela i innych naukowców wspierające efektywne wykorzystanie wody w hrabstwie Sheridan w stanie Kansas .

Ponadto Regionalny Komitet Doradczy Górnej Republiki Kansas (czerwiec 2019 r.) i GMD 4 omówiły możliwe korzyści i wykorzystanie BAITSSS do zarządzania zużyciem wody, celów edukacyjnych i podziału kosztów. Krótka historia o wysiłkach Ogallala Aquifer Conservation z Kansas State University i GMD4 przy użyciu modelu ET została opublikowana w Mother Earth News (kwiecień / maj 2020) i Progressive Crop Consultant.

Przykład zastosowania

Wody podziemne i nawadnianie

Uśredniona histereza ewapotranspiracji między znormalizowaną ewapotranspiracją (ET) a znormalizowanym promieniowaniem netto (Rn) i znormalizowanym deficytem ciśnienia pary wodnej (VPD).

Dhungel i in., 2020, we współpracy z naukowcami zajmującymi się uprawami polowymi, analitykami systemowymi i okręgowymi zarządcami wody , zastosowali BAITSSS na szczeblu okręgowego zarządzania wodą, koncentrując się na sezonowych wskaźnikach ET i rocznych wskaźnikach poboru wód gruntowych w lokalnym ulepszonym planie zarządzania Sheridan 6 (SD-6) (LEMA) przez okres pięciu lat (2013-2017) w północno-zachodnim stanie Kansas w Stanach Zjednoczonych . Symulowane nawadnianie BAITSSS porównano z nawadnianiem zgłoszonym , a także w celu wywnioskowania nawadniania deficytowego w jednostkach zarządzania prawami wodnymi (WRMU). W Kansas zapisy dotyczące pompowania wód podziemnych są dokumentami prawnymi i są utrzymywane przez Kansas Division of Water Resources . Zaopatrzenie w wodę w sezonie porównano z symulowanym przez BAITSSS ET jako dobrze nawodnionym stanem wody upraw .

Histereza i adwekcja ewapotranspiracji

Codzienne niepewności ewapotranspiracji. Pomiary lizymetryczne przyjęto jako odniesienia. Regresje liniowe to linie czerwone, a linie jeden do jednego to czarne.

Badanie związane z niepewnością ET związaną z histerezą ET ( prężność pary i promieniowanie netto) przeprowadzono przy użyciu lizymetru, kowariancji wirów (EC) i modelu BAITSSS (w skali punktowej) w adwekcyjnym środowisku Bushland w Teksasie . Wyniki wykazały, że wzór histerezy z BAITSSS był ściśle zgodny z lizymetrem i wykazał słabą histerezę związaną z promieniowaniem netto w porównaniu z EC. Jednak zarówno lizymetr, jak i BAITSSS wykazały silną histerezę związaną z VPD w porównaniu z EC.

Ewapotranspiracja sałaty

Badanie związane z ewapotranspiracją sałaty przeprowadzono w Yuma w Arizonie przy użyciu BAITSSS w latach 2016-2020, gdzie symulowany model ET ściśle śledził dwanaście miejsc kowariancji wirów

Wyzwania i ograniczenia

Symulacja godzinowego ET w rozdzielczości przestrzennej 30 m dla sezonowej skali czasowej jest wyzwaniem obliczeniowym i wymaga dużej ilości danych . Niska prędkość wiatru komplikuje również konwergencję elementów bilansu energii powierzchniowej. Grupa rówieśnicza Pan i in. w 2017 r. oraz Dhungel i in., 2019 r. zwrócili uwagę na możliwą trudność parametryzacji i walidacji tego rodzaju modeli opartych na odporności. Symulowane nawadnianie może różnić się od faktycznie stosowanego na polu.

Zobacz też

• METRIC , inny model opracowany przez University of Idaho, który wykorzystuje dane satelitarne Landsat do obliczania i mapowania ewapotranspiracji
• SEBAL wykorzystuje bilans energii powierzchniowej do oszacowania aspektów cyklu hydrologicznego . SEBAL mapuje ewapotranspirację, wzrost biomasy, deficyt wody i wilgotność gleby

Linki zewnętrzne

• BAITSSS na Sites.google.com