https://mp.weixin.qq.com/s/Cf4WXTABXIOt3tHdYKhJkA
农业遥感与作物模型 2025年08月20日
A benchmark dataset for global evapotranspiration estimation based on FLUXNET2015 from 2000 to 2022 Wangyipu Li, Zhaoyuan Yao, Yifan Qu, Hanbo Yang, Yang Song, Lisheng Song, Lifeng Wu, and Yaokui Cui
文章标题：A benchmark dataset for global evapotranspiration estimation based on FLUXNET2015 from 2000 to 2022
发表期刊：《Earth System Science Data》
影响因子：11.6
第一单位：北京大学
在线时间：2025-08-08
蒸散（ET）是陆地水文循环的关键组成部分。通过涡度协方差（EC）技术观测到的潜热通量（LE，相当于 ET，单位为 Wm-2），通常称为 LEEC，已被广泛认为是全球 ET 估算的高精度基准。目前，对长期序列基准数据的需求日益增加，以支持气候变化分析、新模型的构建以及新产品的验证。然而，现有的 LEEC 数据集，如 FLUXNET2015，由于观测周期有限和大量数据缺失，面临着重大挑战，这阻碍了其在 ET 模型构建和全球变化分析中的应用。为了解决这些问题，本研究开发了一个针对 LEEC 数据的填补和延长框架，并建立了一个从 2000 年到 2022 年涵盖 64 个站点、不同时间尺度的全球 ET 估算基准数据集。该框架主要包括三个部分：站点选择和数据预处理、生成填补缺失的半小时/小时 LE 数据以及生成延长的日 LE 数据。我们基于严格的筛选标准从 FLUXNET2015 中选取了 64 个站点。采用了一种新颖的偏差校正随机森林方法。在该框架中使用了随机森林（RF）算法进行数据填补和延长，以生成无缝的半小时和每日的蒸散量（LE）数据。经过分析，采用新型偏差校正随机森林算法的框架在小时数据填补和每日数据延长方面均表现出色，其均方根误差值分别为 33.86 和 16.58 瓦/平方米。与原始随机森林算法和边缘分布采样算法相比，该算法显著提高了长间隔填补和极端值填补的性能。结果表明，本研究的框架在延长方向和时间稳定性方面均具有强大的延长性能。此外，本研究的填补数据集在数据分布方面与 FLUXNET2015 具有很强的一致性。总之，研究发布了首个基于 FLUXNET2015 从 2000 年到 2022 年的全球蒸散量估算基准数据集。该数据集能够为蒸散量建模、水碳循环监测和气候变化分析提供有效的数据支持。该数据集可通过以下存储库免费获取：https://doi.org/10.5281/zenodo.13853409（Li 等人，2024b）。
图 1. LEEC数据填补空白和延长框架示意图。
图2.64 个选定的 FLUXNET2015 站点的全球分布（a）和信息（b、c）。星号的大小表示数据记录的长度。图（b）显示了 2000 年至 2022 年每年的站点数量。图（c）是所有站点观测期长度的统计。
图3. 偏差校正RF算法示意图。
图4. 三种算法在不同间隙长度场景下的间隙填充性能。
图5.不同缺口长度情景下三种方法的缺口填充值与观测值之间的偏差。图中不同的行表示不同的土地覆被类型。方框的三条水平线表示第一四分位数、中位数和第三四分位数，黑点表示平均值。本图中的数据标签为偏倚的平均值。MDS：边际分布抽样。RF：随机森林。
图6. 从偏差校正RF算法获得的填补空白的结果的时间序列相比，从MDS算法下的人工30 d的间隙长度的情况下，在不同的土地覆盖类型。蓝色虚线框表示MDS差距填补结果存在显着偏差的情况。对应于每种土地覆盖类型的站点是：US-ARM、CN-Cng、FR-Fon、BR-Sa 1、RU-Fyo、CA-Gro、US-KS 2、ES-LJu、SD-Dem、AU-How和US-Myb。
图7. 向前和向后延长的一致性。(a)和（b）分别显示了预测的每日LE相对于前向和后向延长的观察值的散点图。(c)和（d）是不同土地覆被类型的具体表现。 | 
发表于 2025-8-21 11:17:38
