DOI：https://doi.org/10.1016/j.rse.2024.114405
主要内容：
准确估算区域尺度的蒸散量（ET）和参考蒸散量（ET o）对于科学合理的水资源管理、农业灌溉决策和生态系统监测至关重要。目前，ET o或ET的估算仍然主要依赖地面气象站或通量塔的观测资料，但由于参数和模型的复杂性以及观测站分布不均，ET o或ET的估算存在很大的不确定性。本文结合植被光合作用指标和气象参数，建立了基于菲克定律和最优气孔行为模型的半经验模型，比较了利用太阳诱导叶绿素荧光（SIF）、植被近红外反射率（NIRv）以及NIRv与光合有效辐射（NIRvP）的乘积估算ET o和ET的潜力。
主要结论：
结果表明，NIRvP×VPD 0.5（水汽压差的0.5次方）估算ET o具有优势，并且在非线性模型中，使用NIRvP和VPD 0.5估算ET的精度优于使用SIF。研究还发现，温度和气压是影响NIRvP×VPD 0.5与ET o以及NIRvP与ET之间关系的主要因素。研究结果为提供更准确、更可靠的植被蒸散估算方法奠定了基础。
主要图表：
图2.技术路线。
图3.各站点ET o-PM与各指标之间R 2的空间分布。
图 4 .基于 RF 模型的ET o-PM和各种指标在各站点拟合的 R 2空间分布
图 5 .基于三种机器学习模型，ET o-PM对各指标拟合的R 2和 NRMSE
图6.各指标与FLUX ET的线性关系比较（跨所有站点）。
图 7.基于三种机器学习模型的各指标观测到的 ET 拟合值的R 2和重要性评估比较
图 8. ( a) 线性关系，(b) 和 (c) 基于 RF 的非线性关系及重要性评估注
图9. DBF -ET和GRA-ET与各种植被指数（VI）的线性和非线性关系比较
图 10 .基于地面观测的五种 SIF 和 NIRvP 与 ET 之间的线性关系。
图 11.基于NIRvP x VPD 0.5和 NIRvP 与不同辅助指标组合估算的 ETo（a）和 ET（b）的R 2比较。
图12.基于NIRvP×VPD0.5和最优辅助指标的ETo估算准确度。
图 13 .基于 NIRvP × VPD 0.5估算的 ET o与其他三种 PET 产品的精度比较。
注：ET o-PM完全基于地面观测数据。
图 14 .基于 NIRvP×VPD 0.5逐像素估算的 20 年平均 ET o的空间分布与其他三种 PET 产品比较。
图 15 .基于 NIRvP 估算的 ET 与其他四种 ET 产品估算的准确度比较。
图 16.欧洲年平均 ET 与其他四种基于 NIRvP 逐像素估算的 ET 产品的空间分布比较。
图 17.基于NIRvP 逐像素估计的美国年平均 ET 和其他四种 ET 产品的空间分布比较。
