📄 agriculture

Performance comparison of the Penman-Monteith-based evapotranspiration models in a citrus orchard of Southwest China

Diese Studie bewertet fünf auf dem Penman-Monteith-Verfahren basierende Modelle unter Verwendung von vier Jahren Eddy-Kovarianz-Daten aus einem Zitrusobstgarten in Südwestchina und zeigt auf, dass das Hybrid-Dual-Source-Modell (H-D) andere Modelle über verschiedene Zeitskalen und Wachstumsstadien hinweg generell übertrifft, während es gleichzeitig die kritische Sensitivität der Evapotranspirationsschätzungen gegenüber dem Canopy-Widerstand und dem Bodenwassergehalt hervorhebt.

Ursprüngliche Autoren: Bin Zhu, Qingyan He, Ningbo Cui, Manxue Zhang, Ziling He, Yu Feng, Yuelei Liu, Zhihui Wang, Guoyu Zhu, Liwen Xing, Shouzheng Jiang

Veröffentlicht 2026-06-24

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Bin Zhu, Qingyan He, Ningbo Cui, Manxue Zhang, Ziling He, Yu Feng, Yuelei Liu, Zhihui Wang, Guoyu Zhu, Liwen Xing, Shouzheng Jiang

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen herauszufinden, wie viel Wasser ein Zitrusobstgarten exakt „trinkt“ und „schwitzt“ (ein Prozess, der als Evapotranspiration bezeichnet wird). Dies ist entscheidend für Landwirte, die ihre Bäume perfekt bewässern wollen – also genau so viel, dass sie gedeihen, ohne kostbares Wasser zu verschwenden.

Dieses Papier ist wie ein Geschmackstest, bei dem Forscher fünf verschiedene „Rezepte“ (mathematische Modelle) getestet haben, um vorherzusagen, wie viel Wasser diese Orangenbäume verbrauchen. Sie haben diese Rezepte mit einem „Goldstandard“-Messwert verglichen, der von einem hochmodernen Wetterturm in einem echten Obstgarten in Südwestchina aufgenommen wurde.

Hier ist die Aufschlüsselung der Ergebnisse, unter Verwendung einfacher Analogien:

Die Teilnehmer: Fünf verschiedene „Rezepte“

Die Forscher haben fünf verschiedene Wege getestet, den Wasserverbrauch zu berechnen. Betrachten Sie dies als verschiedene Köche, die versuchen zu erraten, wie viel Wasser ein Baum benötigt:

Der „Einheitschef“ (Penman-Monteith / P-M): Dieser Chef behandelt den gesamten Obstgarten wie ein einziges, riesiges, einheitliches Blatt. Er ist einfach und berühmt, aber er geht davon aus, dass der Boden vollständig von Blättern bedeckt ist. In einem jungen Obstgarten, in dem man zwischen den Bäumen noch Erde sehen kann, wird dieser Chef verwirrt und schätzt zu hoch.
Der „Schicht-Chef“ (Shuttleworth-Wallace / S-W): Dieser Chef versucht, sehr detailliert vorzugehen und unterscheidet zwischen dem Wasser, das von den Blättern verbraucht wird, und dem Wasser, das aus dem Boden verdunstet. Es ist ein komplexes Rezept mit vielen Zutaten. Obwohl er klug ist, neigt er dazu, das Essen zu „übergaren“ (den Wasserverbrauch zu überschätzen), besonders um die Mittagszeit.
Der „Flickenteppich-Chef“ (Two-Patch / T-P): Dieser Chef betrachtet den Obstgarten wie eine Patchwork-Decke. Einige Flächen sind grüne Blätter, andere sind nackter Boden. Er berechnet den Wasserverbrauch für die grünen Flächen und die Erdflächen separat und addiert sie dann. Dies ist viel genauer für Obstgärten, in denen der Boden nicht vollständig bedeckt ist.
Die „Hybrid-Chefs“ (TVET und H-D): Dies sind die fortgeschrittenen Köche, die die besten Teile der „Schicht“- und „Flickenteppich“-Ansätze kombinieren. Das H-D (Hybrid-Dual Source) Modell ist der Star der Show. Es ist wie ein Koch, der nicht nur Boden und Blätter trennt, sondern auch Wind und Luftstabilität prüft, um das Rezept in Echtzeit anzupassen.

Die Ergebnisse: Wer hat gewonnen?

Die Forscher haben diese Köche über vier Jahre hinweg getestet und dabei die Daten alle 30 Minuten sowie täglich ausgewertet.

Der Gewinner: Das H-D-Modell war der klare Champion. Es war am genauesten darin, vorherzusagen, wie viel Wasser die Bäume genau verbrauchten, egal ob es sich um eine 30-Minuten-Momentaufnahme oder einen ganzen Tag handelte. Es war das einzige Modell, das nicht konsistent zu hoch oder zu niedrig schätzte.
Der Zweitplatzierte: Das T-P (Flickenteppich) Modell war ebenfalls sehr gut, insbesondere wenn die Früchte groß wurden und das Blätterdach der Bäume dicht war.
Die Verlierer: Die einfachen „Einheits-Rezepte“ (P-M) und die übermäßig komplexen „Schicht-Rezepte“ (S-W) hatten Schwierigkeiten. Sie gingen oft davon aus, dass die Bäume viel mehr Wasser tranken, als sie tatsächlich taten, insbesondere wenn die Bäume jung waren oder die Sonne zur Mittagszeit am heißesten schien.

Die „Geheimen Zutaten“ (Sensitivitätsanalyse)

Die Forscher fragten auch: „Wenn wir eine Zutat im Rezept ändern, wie sehr ändert sich dann die endgültige Schätzung?“ Das ist so, als würde man fragen: „Wenn ich eine Prise Salz hinzufüge, schmeckt die Suppe dann völlig anders?“

Die sensitivste Zutat (Kronenwiderstand): Dies ist wie der „Magen“ des Baumes. Er repräsentiert, wie eng der Baum seine winzigen Poren (Stomata) schließt, um Wasser festzuhalten. Wenn der Baum seine Poren ein wenig weiter öffnet (der Widerstand sinkt), sagt das Modell einen riesigen Sprung im Wasserverbrauch voraus. Alle Modelle reagierten sehr empfindlich auf diesen Wert.
Die zweitsensitivste Zutat (Bodenfeuchtigkeit): Dies ist das Wasser im Dreck. Wenn der Boden feuchter wird, trinken die Bäume mehr. Die Modelle reagierten sehr stark darauf; eine kleine Änderung der Bodenfeuchtigkeit verursachte eine große Änderung in der Vorhersage.
Die überraschende Wendung (Temperatur): Man könnte denken, dass Bäume bei heißerem Wetter mehr trinken. Die Modelle zeigten jedoch, dass die Bäume bei zu heißem Wetter ihre Poren schließen, um sich selbst zu schützen, was den vorhergesagten Wasserverbrauch senkt. Die Modelle erfassten diese kluge biologische Reaktion.
Die Blattanzahl (LAI): Der „Schicht-Chef“ (S-W) war sehr empfindlich gegenüber der Anzahl der Blätter. Wenn man die Blattanzahl falsch schätzte, geriet die gesamte Vorhersage aus den Fugen. Die „Flickenteppich-Chefs“ waren nachgiebiger; sie konnten mit ein paar mehr oder weniger Blättern umgehen, ohne in Panik zu geraten.

Das Faz-Sait (Das Wesentliche)

Wenn Sie ein Landwirt in einer hügeligen, subtropischen Region sind und Ihre Zitrusbäume bewässern wollen:

Verwenden Sie nicht das einfache „Einheits-Rezept“; es wird Wasser verschwenden, indem es zu hoch schätzt.
Das Hybrid-Dual-Source (H-D) Modell ist das zuverlässigste Werkzeug für Ihre Aufgabe, da es versteht, dass ein Obstgarten eine Mischung aus Blättern und Boden ist, und es sich an Wind- und Luftbedingungen anpasst.
Wenn die Bäume jedoch voll ausgewachsen sind und der Boden vollständig beschattet ist, ist das einfachere „Flickenteppich-Modell“ (T-P) ebenfalls eine großartige, leicht zu bedienende Option.

Diese Studie hilft Landwirten und Wissenschaftlern, das richtige „Rechenwerkzeug“ zu wählen, um sicherzustellen, dass die Bäume genau die richtige Menge Wasser erhalten, ohne einen Tropfen zu verschwenden.

Technische Zusammenfassung: Leistungsvergleich von auf dem Penman-Monteith-Verfahren basierenden Evapotranspirationsmodellen in einem Zitrusobstgarten in Südwestchina

Problemstellung
Die genaue Schätzung der pflanzlichen Evapotranspiration (ET) ist grundlegend für die Optimierung von Bewässerungsstrategien und die Gewährleistung einer nachhaltigen Wassernutzung in der Landwirtschaft. Während das Penman-Monteith (P-M)-Modell der Standard für gut bewachsene Ökosysteme ist, stößt sein klassisches Single-Source „Big-Leaf“-Framework in heterogenen Landschaften wie Zitrusobstgärten an seine Grenzen. Die Unfähigkeit des Modells, Bodenverdunstung (E) von der Pflanzentranspiration (T) zu trennen, sowie die Vereinfachung komplexer stomatärer Reaktionen in einen aggregierten Widerstandsterm führen häufig zu Ungenauigkeiten, insbesondere bei spärlich bewachsenen oder fleckigen Kronendächern. Obwohl Dual-Source- und Hybridmodelle vorgeschlagen wurden, um diese Einschränkungen zu adressieren, mangelt es an strengen, multiskaligen Vergleichsstudien in subtropischen Obstgarten-Ökosystemen, die die Modellleistung über verschiedene zeitliche Auflösungen (halbstündlich bis täglich) und phänologische Stadien hinweg sowie eine quantitative Sensitivitätsanalyse ihrer strukturellen Treiber evaluieren.

Methodik
Diese Studie nutzte vierjährige Eddy-Kovarianz-Daten (2020–2023) aus einem Zuckerorangen-Obstgarten (Citrus Tachibana) in Qionglai, Provinz Sichuan, Südwestchina. Die Forschung evaluierte fünf auf P-M basierende ET-Modelle mit variierenden konzeptionellen Strukturen:

Penman-Monteith (P-M): Ein Single-Source-Modell.
Shuttleworth-Wallace (S-W): Ein Dual-Source-Schichtmodell.
Two-Patch (T-P): Ein Dual-Source-Patch-Modell, das unabhängige Boden- und Vegetationsflächen annimmt.
Topography and Vegetation-based surface energy partitioning algorithm (TVET): Ein Hybridmodell, das S-W-Widerstandsnetzwerke mit T-P-Aggregation kombiniert.
Hybrid-Dual Source (H-D): Ein Modell, das ein Schichtschema zur Energieverteilung und eine Patch-Methode zur Flussaggregation verwendet und atmosphärische Stabilitätskorrekturen einbezieht.

Die Modellleistung wurde auf halbstündiger, täglicher und wachstumsstadienbezogener Ebene (Blüte/Fruchtbildung, junge Frucht, Fruchtquellung und Fruchtreifung) unter Verwendung statistischer Metriken wie $R^2$ , RMSE, MAE und dem Konsistenzindex ( $d_1$ ) bewertet. Darüber hinaus wurde eine globale Sensitivitätsanalyse durchgeführt, um den Einfluss zentraler Widerstandsparameter (Kronen-/Blattstomatawiderstand, aerodynamische Widerstände, Bodenwiderstand) und Umgebungseinflüsse (Strahlung, Temperatur, VPD, Windgeschwindigkeit, Bodenwassergehalt und Blattflächenindex) auf die simulierte ET zu quantifizieren.

Kernergebnisse

Leistung auf Zeitskala: Die Modellleistung variierte signifikant nach der zeitlichen Auflösung. Auf der halbstündlichen Skala erreichte das H-D-Modell die höchste Genauigkeit ( $R^2 = 0,84$ , RMSE = 0,038 mm·0,5h⁻¹) und bildete die diurnalen Zyklen effektiv ab. Das S-W-Modell zeigte während der Mittagsstunden eine systematische Überschätzung. Auf täglicher Ebene übertrafen Patch-basierte Modelle (T-P, TVET, H-D) konsistent die Single-Source- (P-M) und Layered-Modelle (S-W). Das H-D-Modell demonstrierte erneut eine überlegene Genauigkeit ( $R^2 = 0,91$ , RMSE = 0,47 mm·d⁻¹) mit einer minimalen durchschnittlichen Unterschätzung von 1,63 %.
Phänologische Sensitivität: Die Effizienz der Modelle war abhängig vom Wachstumsstadium. Das H-D-Modell zeichnete sich während der Blüte-/Fruchtbildungsphase und der Fruchtreifung besonders aus. Im Gegensatz dazu erbrachte das einfachere T-P-Modell während der Fruchtquellungsphase die beste Leistung ( $R^2 = 0,88$ ), was darauf hindeutet, dass unter dichten Kronendachbedingungen, in denen die Bodenverdunstung unterdrückt wird, komplexe Widerstandsnetzwerke zu abnehmenden Grenzerträgen oder zusätzlichen Fehlern führen können.
Sensitivitätsanalyse: Die simulierte ET war im P-M-Modell am sensitivsten gegenüber dem Kronenwiderstand ( $r_c$ ) und in den anderen Modellen gegenüber dem Blattstomatawiderstand ( $r_{sc}$ ); eine Verringerung dieser Parameter um 20 % erhöhte die ET um 3,71 % bis 7,41 %. Unter den Umgebungseinflüssen war der Bodenwassergehalt (SWC) der reaktivste Faktor, wobei eine Erhöhung des SWC um 20 % Variationen der ET zwischen 10,43 % und 32,27 % über alle Modelle hinweg verursachte. Das S-W-Modell zeigte die höchste Sensitivität gegenüber dem Blattflächenindex (LAI), wobei eine Verringerung des LAI um 20 % die ET um 11,38 % reduzierte, während Patch-basierte Modelle eine geringere Sensitivität zeigten, bedingt durch den kompensatorischen Trade-off zwischen Transpiration und Evaporation.

Zentrale Beiträge
Diese Studie liefert eine systematische, multiskalige Evaluierung der P-M-Modellfamilie in einem subtropischen Obstgarten und geht über eine einfache Leistungsrangliste hinaus, indem sie die strukturellen Gründe für das Modellverhalten aufdeckt. Sie identifiziert das H-D-Modell als die robusteste Option für heterogene Obstgartenumgebungen, da es die Integration von atmosphärischen Stabilitätskorrekturen und Dual-Source-Energiepartitionierung ermöglicht. Zudem klärt die Forschung, dass die Modellwahl kontextabhängig sein sollte; während H-D generell überlegen ist, können einfachere Patch-basierte Modelle wie T-P während Perioden mit dichtem Kronendach ausreichend und effizienter sein. Die Sensitivitätsanalyse dekonstruiert zudem die Abhängigkeit dieser Modelle von spezifischen Widerstandsparametern und Umgebungseinflüssen und hebt hervor, dass SWC und Stomatawiderstand die primären Treiber der Unsicherheit sind.

Bedeutung
Die Ergebnisse bieten eine mechanistische Basis für die Modellauswahl und -verbesserung in subtropischen Obstgarten-Ökosystemen. Durch die Identifizierung optimaler Modelle für spezifische zeitliche und phänologische Kontexte unterstützt diese Forschung eine präzisere Wasserbewirtschaftung und Bewässerungsstrategien für die Zitrusproduktion. Die Studie unterstreicht die Notwendigkeit einer genauen Parametrisierung pflanzlicher physiologischer Reaktionen und bodenhydrologischer Prozesse, um ET-Schätzfehler zu reduzieren und letztlich die Wassernutzungseffizienz sowie das regionale Wasserressourcenmanagement in wasserempfindlichen Agrarsystemen zu verbessern.

Die Teilnehmer: Fünf verschiedene „Rezepte“

Die Ergebnisse: Wer hat gewonnen?

Die „Geheimen Zutaten“ (Sensitivitätsanalyse)

Das Faz-Sait (Das Wesentliche)

Mehr davon