Net radiation estimation using the Brunt equation for clear sky emissivity and air and canopy temperatures for longwave radiation in well watered crops

Deze studie concludeert dat voor goed bewaterde gewassen op dagelijkse tijdschalen zowel regionaal gekalibreerde Brunt-vergelijkingen als luchttemperatuur als vervanging voor bladdertemperatuur effectief kunnen worden gebruikt om de nettostraling nauwkeurig te schatten.

De kern

De Zonne-energie Rekening: Een Simpele Uitleg

Stel je voor dat een gewas (zoals katoen of sesam) een energierekening heeft. De zon schijnt en geeft energie (warmte) aan de plant. De plant moet deze energie weer kwijtraken, anders verbrandt hij. De "Net Straling" (Rn) is eigenlijk het saldo van deze energierekening: hoeveel energie komt er binnen en hoeveel gaat er weer weg?

Dit saldo is cruciaal voor boeren en wetenschappers om te weten hoeveel water de planten nodig hebben. Maar het meten van dit saldo is lastig. Het vereist dure apparatuur die zowel zonlicht als warmtestraling (infrarood) kan meten.

Het Probleem: De "Gok" met Temperatuur

In dit onderzoek probeerden de auteurs een slimme manier te vinden om dit saldo te berekenen in plaats van het te meten. Ze gebruikten wiskundige formules (de Brunt-vergelijking).

Er was echter één groot struikelblok bij het berekenen: Temperatuur.

• Om te weten hoeveel warmte de lucht uitstraalt, heb je de luchttemperatuur nodig.
• Om te weten hoeveel warmte de plant uitstraalt, heb je de planttemperatuur (kruin temperatuur) nodig.

Het meten van de luchttemperatuur is makkelijk (een gewone thermometer). Maar het meten van de temperatuur van elke blaadje van een katoenplant is lastig en duur.

De vraag van de onderzoekers:
"Kunnen we gewoon de luchttemperatuur gebruiken in plaats van de planttemperatuur? Zou dat niet bijna hetzelfde resultaat geven, zolang de planten maar goed water krijgen?"

De Experimenten: Twee Jaar in Texas

De onderzoekers deden experimenten in Texas op velden met katoen en sesam.

1. Jaar 1: Ze maten alleen de luchttemperatuur.
2. Jaar 2: Ze maten zowel de luchttemperatuur als de temperatuur van de katoenplanten zelf.

Ze gebruikten twee verschillende "recepten" (modellen) om de straling te berekenen:

• Recept A: Een specifiek recept dat is getest in de VS (Formetta).
• Recept B: Een algemeen recept dat voor heel Amerika is gemaakt (Li).
• Het oude recept: Het standaardrecept dat vaak wordt gebruikt (Allen/FAO).

De Resultaten: Wat bleek er?

Hier zijn de belangrijkste ontdekkingen, vertaald naar alledaagse taal:

1. Dag vs. Uur: De "Grote Foto" werkt beter dan de "Snelle Video"
De berekeningen waren veel nauwkeuriger als je naar de dagelijkse gemiddelden keek, in plaats van naar elk uur apart.

• Vergelijking: Het is alsof je probeert het weer te voorspellen. Als je kijkt naar wat er precies op 14:00 uur gebeurt, kan een plotselinge windvlaag je berekening verstoren. Maar als je kijkt naar het weer van de hele dag, middelt die windvlaag zich eruit en krijg je een veel betrouwbaarder beeld.

2. De Recepten: Nieuwe vs. Oude
De twee nieuwe recepten (Formetta en Li) werkten beter dan het oude standaardrecept.

• Vergelijking: Het was alsof ze een oude, verouderde navigatieapp (Allen) vervingen door twee moderne apps die zijn bijgewerkt met recente data. De nieuwe apps gaven een betere route, zelfs zonder dat ze specifiek voor dat ene veld waren ingesteld.

3. Lucht vs. Plant: De "Tweeling" Test
Dit was het belangrijkste deel. Ze vergeleken de berekening met de echte planttemperatuur tegen de berekening met alleen de luchttemperatuur.

• Op het uur: Er was een klein verschil. De lucht was vaak iets koeler dan de plant, of andersom. Het verschil was merkbaar, maar niet groot.
• Op de dag: Het verschil was verwaarloosbaar. De lijnen lagen bijna perfect op elkaar.
• Vergelijking: Stel je voor dat je de temperatuur van je huis meet. Als je de thermostaat (lucht) gebruikt in plaats van de temperatuur van de vloer (plant), zie je op een specifiek moment misschien een klein verschil. Maar als je de hele dag kijkt, is de gemiddelde temperatuur van de vloer en de lucht bijna hetzelfde, zolang de verwarming (water) maar goed werkt.

De Conclusie: Waarom is dit belangrijk?

De onderzoekers concluderen dat:

1. Je geen dure apparatuur nodig hebt om de temperatuur van de plant te meten als je gewassen goed worden bewaterd. Je kunt gewoon de luchttemperatuur gebruiken.
2. Je geen lokale calibratie nodig hebt. De bestaande formules werken al goed genoeg voor Texas, zonder dat je ze eerst moet aanpassen aan jouw specifieke veld.
3. Voor dagelijkse planning (zoals wanneer je moet irrigeren) is deze benadering perfect.

Kortom:
Het is alsof je een dure, complexe thermometer voor je tuin wilt kopen om te weten of je moet water geven. Dit onderzoek zegt: "Nee, je kunt gewoon kijken naar de thermometer bij je voordeur (luchttemperatuur). Zolang je planten niet dorst hebben, geeft dat je precies het juiste antwoord voor je dagelijkse planning."

Dit bespaart boeren en onderzoekers geld en tijd, terwijl ze toch een nauwkeurig beeld houden van de energiebalans van hun gewassen.

Technische samenvatting

Titel: Netstralingsschatting met behulp van de Brunt-vergelijking voor helderhemel-emissiviteit en lucht- en kroontemperaturen voor langegolfstraling in goed bewaterde gewassen.

1. Probleemstelling

Netstraling ($R_n$) is een cruciale variabele in de energiebalans en een vereiste invoer voor biophysieke modellen, zoals de Penman-Monteith-vergelijking voor verdamping (ET). Hoewel $R_n$ direct gemeten kan worden, is dit vaak duur en technisch complex. Daarom wordt $R_n$ vaak geschat via modellen.
De schatting van $R_n$ bestaat uit twee componenten: netto kortegolfstraling ($S_n$) en netto langegolfstraling ($L_n$). Het berekenen van $L_n$ is uitdagend omdat het afhankelijk is van:

• Inkomende langegolfstraling: Vereist een schatting van de emissiviteit van de lucht ($\varepsilon_{sky}$), wat vaak gebeurt met modellen zoals de Brunt-vergelijking.
• Uitgaande langegolfstraling: Vereist de oppervlaktetemperatuur ($T_s$).

In de praktijk wordt $T_s$ vaak vervangen door de luchttemperatuur ($T_{air}$) onder referentiecondities (goed bewaterd gewas), maar dit kan fouten introduceren. Bovendien vereisen veel emissiviteitsmodellen lokale kalibratie, wat de toepasbaarheid beperkt. Het doel van deze studie was om te evalueren of regionaal gekalibreerde Brunt-modellen (zonder lokale kalibratie) en de vervanging van kroontemperatuur ($T_c$) door $T_{air}$ voldoende nauwkeurige $R_n$-schattingen opleveren voor katoen en sesam.

2. Methodologie

Locatie en Data:

• Locatie: Texas A&M AgriLife Research and Extension Center, Uvalde, VS.
• Periode: Twee seizoenen: 2015 (katoen en sesam) en 2025 (katoen).
• Gewassen: Goed bewaterde katoen en sesam via een centraal irrigatiesysteem (2015) en druppelirrigatie (2025).
• Metingen:
  • Directe meting van $R_n$ met een NR-Lite2 stralingsmeter.
  • Meteorologische data (luchttemperatuur, relatieve vochtigheid, straling) van een weerstation.
  • In 2025: Directe meting van de kroontemperatuur ($T_c$) met infraroodradiometers.

Modellen en Benaderingen:
De studie vergeleek verschillende methoden voor het schatten van $R_n$ op uur- en dagelijkse tijdschalen:

1. FAO-Allen (1994): De standaardmethode, gebruikt als referentie.
2. Brunt-modellen: Twee reeds bestaande, regionaal gekalibreerde varianten voor helderhemel-emissiviteit ($\varepsilon_c$):
   • Gekalibreerd door Formetta et al. (2016) (regionaal specifiek voor o.a. Texas).
   • Gekalibreerd door Li et al. (2017) (universeel, gebaseerd op grote datasets in de VS).
   • Deze werden gecombineerd met het cloudiness-factormodel van Crawford en Duchon (1999) voor bewolkte omstandigheden.
3. Temperatuurvervanging:
   • Berekening van uitgaande langegolfstraling met $T_{air}$ (luchttemperatuur).
   • Berekening met $T_c$ (gemeten kroontemperatuur, alleen in 2025).

Statistische Analyse:
De prestaties werden geëvalueerd met RMSE (Root Mean Square Error), MAE (Mean Absolute Error), Bias en KGE (Kling-Gupta Efficiency). Verder werden de Wilcoxon-signed-rank test en Bland-Altman-analyse gebruikt om de verschillen tussen $T_{air}$ en $T_c$ te beoordelen.

3. Belangrijkste Resultaten

• Tijdschaal: Fouten waren consistent groter op uurlijkse schaal dan op dagelijkse schaal. Dit wordt toegeschreven aan aannames over constante albedo en wolkenbedekking gedurende de dag/nacht.
• Emissiviteitsmodellen: Beide regionaal gekalibreerde Brunt-modellen (Formetta en Li) presteerden aanzienlijk beter dan de originele FAO-Allen-methode.
  • Jaar 1 (2015): Dagelijkse RMSE varieerde van 11,88 W m⁻².
  • Jaar 2 (2025): Dagelijkse RMSE was iets hoger (13,45 W m⁻²), waarschijnlijk door lagere LAI (Leaf Area Index) en blootgestelde grond.
  • De Li-vergelijking toonde consistent een lagere bias dan de Formetta-vergelijking.
• Vervanging $T_c$ door $T_{air}$:
  • Statistisch gezien waren er significante verschillen tussen $R_n$ berekend met $T_{air}$ versus $T_c$ (Wilcoxon-test).
  • Echter, de foutmetrieken (RMSE, MAE) waren zeer vergelijkbaar.
  • Op dagelijkse schaal was de regressielijn tussen de twee methoden zeer dicht bij de 1:1-lijn, met een intercept die niet significant afweek van nul.
  • De gemiddelde bias bij het gebruik van $T_{air}$ in plaats van $T_c$ bedroeg ongeveer -5,0 W m⁻².
  • De temperatuurverschillen tussen $T_c$ en $T_{air}$ waren het grootst op uurlijkse schaal (piekverschil tot -8,7 °C), maar veel kleiner op dagelijkse schaal (piek -3,4 °C).

4. Bijdragen en Significance

• Eliminatie van lokale kalibratie: De studie toont aan dat regionaal of universeel gekalibreerde Brunt-vergelijkingen (Formetta en Li) uitstekende resultaten opleveren voor de schatting van netto straling in de VS, zonder dat er dure lokale kalibratie nodig is. Dit maakt de modellen breder toepasbaar.
• Praktische vereenvoudiging: Voor goed bewaterde gewassen (zoals katoen) kan de kroontemperatuur ($T_c$) op dagelijkse schaal succesvol worden vervangen door de luchttemperatuur ($T_{air}$) zonder significante verlies aan nauwkeurigheid in de $R_n$-schatting. Dit is van groot belang omdat $T_c$-metingen vaak complexer en duurder zijn dan standaard meteorologische metingen.
• Tijdschaal-inzicht: De studie benadrukt dat de keuze van de tijdschaal cruciaal is; dagelijkse aggregatie minimaliseert fouten veroorzaakt door variaties in albedo en temperatuurgradiënten.

Conclusie:
Voor praktische toepassingen in de landbouw, specifiek onder goed bewaterde omstandigheden, kunnen de gekalibreerde Brunt-vergelijkingen worden gebruikt om helderhemel-emissiviteit nauwkeurig te schatten. Daarnaast is het gebruik van luchttemperatuur als vervanging voor kroontemperatuur voor dagelijkse $R_n$-berekeningen een geldige en efficiënte benadering.