• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Naturen
    Ny satellitbaserad algoritm pekar ut grödans vattenanvändning

    BESS-STAIR projektledare Kaiyu Guan, vänster, och huvudförfattare Chongya Jiang, höger, är forskare med Center for Advanced Biofuels and Bioproducts Innovation (CABBI) vid University of Illinois i Urbana-Champaign. Kredit:Center for Advanced Biofuels and Bioproducts Innovation (CABBI)

    Det växande hotet om torka och ökande efterfrågan på vatten har gjort korrekta prognoser för användning av grödvatten avgörande för hantering och hållbarhet av jordbruksmark.

    Men begränsningar i befintliga modeller och satellitdata utgör utmaningar för exakta uppskattningar av evapotranspiration - en kombination av avdunstning från mark och transpiration från växter. Processen är komplex och svår att modellera, och befintliga fjärranalysdata kan inte ge korrekta, högupplöst information dagligen.

    En ny högupplöst kartläggning som heter BESS-STAIR lovar att göra just det, världen över. BESS-STAIR är sammansatt av en satellitdriven biofysisk modell som integrerar växternas vatten, kol- och energicykler – Breathing Earth System Simulator (BESS) – med en generisk och helautomatiserad fusionsalgoritm som kallas STAIR (SaTellite dAta Integration).

    Ramverket, utvecklad av forskare vid U.S. Department of Energy's Center for Advanced Bioenergy and Bioproducts Innovation (CABBI) vid University of Illinois i Urbana-Champaign, testades på 12 platser över det amerikanska majsbältet, och dess uppskattningar har uppnått de högsta prestanda som rapporterats i någon akademisk studie hittills.

    Studien, publiceras i Hydrologi och geosystemvetenskap , leddes av postdoktoral forskningsassistent Chongya Jiang, från CABBIs hållbarhetstema, och projektledare Kaiyu Guan, Biträdande professor vid Institutionen för naturresurser och miljövetenskap (NRES) och en Blue Waters-professor vid National Center for Supercomputing Applications (NCSA).

    "BESS-STAIR har stor potential att vara ett tillförlitligt verktyg för vattenresurshantering och precisionsjordbruksapplikationer för det amerikanska majsbältet och till och med över hela världen, med tanke på den globala täckningen av dess indata, sa Jiang.

    Traditionella fjärranalysmetoder för att uppskatta evapotranspiration är mycket beroende av termisk strålningsdata, mäta temperaturen på plantans baldakin och jorden när de svalnar genom avdunstning. Men dessa metoder har två nackdelar:satelliterna kan inte samla in data om yttemperaturer på molniga dagar; och temperaturdata är inte särskilt exakta, vilket i sin tur påverkar noggrannheten av evapotranspirationsuppskattningarna, sa Jiang.

    CABBI-teamet fokuserade istället på anläggningens kol-vatten-energicykler. Växter transporterar vatten till atmosfären genom hål på sina blad som kallas stomata. När vattnet går ut, koldioxid kommer in, tillåter växten att utföra fotosyntes och bilda biomassa.

    BESS-STAIR-modellen uppskattar först fotosyntes, sedan mängden kol och vatten som går in och ut. Tidigare fjärranalysmetoder betraktade inte kolkomponenten som en begränsning, sa Jiang. "Det är den här modellens framsteg."

    En annan fördel:Yttemperaturbaserade metoder kan bara samla in data under klar himmel, så de måste interpolera evapotranspiration för molniga dagar, skapa luckor i data, han sa. Allvädersmodellen BESS-STAIR använder ytreflektans, som är liknande på klara och molniga dagar, eliminera eventuella luckor.

    STAIR-algoritmen slog samman data från två kompletterande satellitsystem – Landsat och MODIS – för att tillhandahålla högupplösta data dagligen, ger både hög rumslig och hög tidsupplösning. Landsat samlar in detaljerad information om jordens land var åtta till var 16:e dag; MODIS ger en komplett bild av världen varje dag för att fånga snabbare förändringar av landytan.

    Det här är inte första gången forskare har kombinerat data från de två satellitsensorerna, men tidigare metoder fungerade bara i en liten region under en kort tidsperiod, Sa Guan. De tidigare algoritmerna var svåra att skala upp och var inte helt automatiska, kräver betydande mänsklig insats, och de kunde inte tillämpas på breda områden under en längre tidsperiod.

    Däremot, CABBI-teamets ramverk utvärderades i olika regioner över det amerikanska majsbältet under två decennier, sa Jiang. Forskare byggde en pipeline på NCSA:s superdator för att automatiskt uppskatta ytreflektans samt evapotranspiration i stor skala under längre tidsperioder. Med data från 2000 till 2017, laget applicerade BESS-STAIR på 12 platser över majsbältet, omfattande validering av dess evapotranspirationsuppskattningar med mätningar av flödestorn på varje plats. De mätte övergripande noggrannhet såväl som rumslig, säsong, och mellanåriga variationer.

    "Vi kan ge dagligen, 30 m upplösning evapotranspiration när som helst och var som helst i det amerikanska majsbältet på timmar, som saknar motstycke, sa Guan.

    Genombrottet kommer att ha realtid, praktiska fördelar för amerikanska bönder som klarar den ökande svårigheten av torka, som dokumenterats i ett antal nyare studier.

    "Precisionsjordbruk är ett av våra främsta mål. Evapotranspiration är mycket viktigt för bevattning och också mycket viktigt för vattenförvaltning, ", sa Guan. "Det här är en lösning som går utöver experimentella planer och påverkar den verkliga världen, för miljontals fält överallt."


    © Vetenskap https://sv.scienceaq.com