DOI：https://doi.org/10.5194/esd-15-1277-2024
主要内容：
大气蒸发需求是监测农业干旱的关键指标。现有的干旱指数中估计蒸发需求的方法不能忠实地反映陆地表面特征所施加的限制，并且在非均匀陆地表面上准确性较低。本研究建议将地表植被特征（例如植被动力学数据、空气动力学参数和生理参数）纳入现有的潜在蒸散量 (PET) 方法中。该方法在美国大陆 (CONUS) 实施，时间为 1981 年至 2017 年，并使用最近开发的干旱指数标准化降水-蒸散量指数 (SPEI) 进行测试。
主要结论：
我们表明，与更简单、广泛使用的方法相比，激活实际的最大表面电导率和空气动力学电导率可以将土壤水分动态和干旱影响的预测平均提高 29%-41%。我们还表明，这在森林和湿润地区尤其有效，改进率达到 86%-89%。我们的方法只需要极少量的辅助数据，同时允许进行历史重建和实时干旱预报。这提供了一种具有物理意义且易于实施的方法来解释干旱指数中的植被控制。
主要图表：
图 2用四种 PET 方法和八种测试算法得出的美国大陆生长季 AED 平均值。
图 3具有相同表面特征的 PET 方法对的空间平均相关性 ( Δ R )差异，但有一个表面特征除外：表面粗糙度、表面电导率、反照率或这些特征之间的整体一致性。
图 4选定 PET 方法与控制情景（其中 PET 设置为零）之间的相关性 ( Δ R ) 差异。计算了(a) 美国大陆、(b) 森林网格和(c) 非森林网格中 1 个月 SPEI 和 SMsurf 系列之间的相关性。条形图表示平均值Δ R，黑点表示中位数Δ R。顶部蓝色条形图显示OW 方法中的Δ R与作为参考的 PET 值零。对于每个条形图，较深的阴影表示参考Δ R，较浅的阴影表示相对于参考的任何改善（或下降）。
图 5PET 方法、SPEI 和 SMsurf 的时间演变。（a） 1981 年至 2017 年之间 PET 方法得出的 年降水量和 PET（mm yr −1 ）。（b-e） 由 PET 方法驱动的 SPEI 序列，与四个时间尺度（1、3、6 和 12 个月）的 SMsurf 时间序列保持一致。MA：多年平均值。
图 6第一行显示了 OW 方法和 SMsurf 驱动的 SPEI 之间的相关性。下面的几行显示了PET 方法相对于 OW 方法的相关性 ( Δ R ) 的差异。
图 7小提琴图显示了三种 PET 方法与 OW 方法的相关性差异，根据植被类型和干旱程度进行分类。在每个小提琴图中，黑点代表中位数，黑线代表平均值。
