📄 agriculture

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

Deze studie evalueert vijf op de Penman-Monteith-methode gebaseerde modellen met behulp van vier jaar aan eddy covariantiegegevens in een citrusboomgaard in Zuidwest-China, waarbij wordt onthuld dat het Hybrid-Dual Source (H-D)-model over het algemeen beter presteert dan andere modellen over verschillende tijdschalen en groeistadia, terwijl de kritieke gevoeligheid van evapotranspiratieschattingen voor kanaalweerstand en bodemvochtgehalte wordt benadrukt.

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

Gepubliceerd 2026-06-24

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

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

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je precies probeert uit te vogelen hoeveel water een citrusboomgaard dagelijks "drinkt" en "zweet" (een proces dat evapotranspiratie wordt genoemd). Dit is cruciaal voor boeren die hun bomen perfect willen bewateren—ze net genoeg geven om te gedijen zonder kostbaar water te verspillen.

Dit artikel is als een smaaktest waarbij onderzoekers vijf verschillende "recepten" (wiskundige modellen) hebben getest om te voorspellen hoeveel water deze sinaasappelbomen gebruiken. Ze hebben deze recepten vergeleken met een "gouden standaard"-meting van een hightech weerstation in een echte boomgaard in Zuidwest-China.

Hier is de uitsplitsing van wat ze vonden, met behulp van eenvoudige analogieën:

De Deelnemers: Vijf Verschillende "Recepten"

De onderzoekers hebben vijf verschillende manieren getest om waterverbruik te berekenen. Zie dit als verschillende chefs die proberen te raden hoeveel water een boom nodig heeft:

De "One-Size-Fits-All" Chef (Penman-Monteith / P-M): Deze chef behandelt de hele boomgaard als één gigantisch, uniform blad. Het is simpel en beroemd, maar het gaat ervan uit dat de grond volledig bedekt is met bladeren. In een jonge boomgaard waar je nog steeds de aarde tussen de bomen kunt zien, raakt deze chef in de war en schat de behoefte te hoog in.
De "Gelaagde" Chef (Shuttleworth-Wallace / S-W): Deze chef probeert heel gedetailleerd te zijn door het water dat door de bladeren wordt gebruikt te scheiden van het water dat door de bodem verdampt. Het is een complex recept met veel ingrediënten. Hoewel slim, heeft deze chef de neiging om het eten te laten "overkoken" (het waterverbruik te overschatten), vooral rond het middaguur.
De "Patchwork" Chef (Two-Patch / T-P): Deze chef bekijkt de boomgaard als een lappendeken. Sommige stukjes zijn groene bladeren en andere zijn kale aarde. Ze berekenen het waterverbruik voor de groene stukjes en de modderige stukjes apart en tellen ze vervolgens bij elkaar op. Dit is veel nauwkeuriger voor boomgaarden waar de grond niet volledig bedekt is.
De "Hybride" Chefs (TVET en H-D): Dit zijn de geavanceerde chefs die de beste delen van de "Gelaagde" en "Patchwork" benaderingen combineren. De H-D (Hybrid-Dual Source) model is de ster van de show. Het is als een chef die niet alleen de bodem en de bladeren scheidt, maar ook de wind en de luchtstabiliteit controleert om het recept in realtime aan te passen.

De Resultaten: Wie heeft er gewonnen?

De onderzoekers hebben deze chefs over vier jaar getest, waarbij ze de gegevens elke 3 30 minuten en per dag bekeken.

De Winnaar: Het H-D model was de duidelijke kampioen. Het was het meest nauwkeurig in het voorspellen van exact hoeveel water de bomen gebruikten, of het nu ging om een momentopname van 30 minuten of een volledige dag. Het was het enige model dat niet consistent te hoog of te laag schatte.
De Runner-up: Het T-P (Patchwork) model was ook erg goed, vooral wanneer het fruit groot werd en de boomkroon dikker werd.
De Verliezers: De simpele "One-Size-Fits-All" (P-M) en de overdreven complexe "Gelaagde" (S-W) modellen hadden moeite. Ze dachten vaak dat de bomen veel meer water dronken dan ze in werkelijkheid deden, vooral wanneer de bomen jong waren of wanneer de zon het heetst was rond het middaguur.

De "Geheime Ingrediënten" (Gevoeligheidsanalyse)

De onderzoekers vroegen ook: "Als we één ingrediënt in het recept veranderen, hoeveel verandert de uiteindelijke gok dan?" Dit is als vragen: "Als ik een snufje meer zout toevoeg, smaakt de soep dan totaal anders?"

Het Meest Gevoelige Ingrediënt (Canopy Resistance/Kroonweerstand): Dit is als de "maag" van de boom. Het vertegenwoordigt hoe strak de boom zijn kleine poriën (stomata) sluit om water vast te houden. Als de boom zijn poriën een beetje verder opent (de weerstand afneemt), voorspelt het model een enorme sprong in het waterverbruik. Alle modellen waren hier erg gevoelig voor.
Het Tweede Meest Gevoelige Ingrediënt (Bodemvocht): Dit is het water in de grond. Als de bodem natter wordt, drinken de bomen meer. De modellen waren zeer reactief op dit punt; een kleine verandering in bodemvochtigheid veroorzaakte een grote verandering in de voorspelling.
De Verrassende Wending (Temperatuur): Je zou denken dat warmer weer betekent dat bomen meer drinken. Echter, de modellen lieten zien dat wanneer het te warm wordt, de bomen hun poriën juist sluiten om zichzelf te beschermen, wat het voorspelde waterverbruik verlaagt. De modellen vingen deze slimme biologische reactie op.
Het Bladaantal (LAI): De "Gelaagde" chef (S-W) was erg gevoelig voor het aantal bladeren. Als je het aantal bladeren fout inschatte, liep de hele voorspelling uit de bocht. De "Patchwork" chefs waren toleranter; ze konden omgaan met wat meer of wat minder bladeren zonder in paniek te raken.

De Kern van het Verhaal

Als je een boer bent in een heuvelachtig, subtropisch gebied en je wilt je citrusbomen bewateren:

Gebruik niet het simpele "One-Size-Fits-All" recept; dit zal water verspillen door te hoog in te schatten.
Het Hybrid-Dual Source (H-D) model is het meest betrouwbare hulpmiddel voor jouw werk, omdat het begrijpt dat een boomgaard een mix is van bladeren en bodem, en het past zich aan voor wind- en luchtcondities.
Echter, als de bomen volgroeid zijn en de grond volledig in de schaduw ligt, is het eenvoudigere "Patchwork" (T-P) model ook een uitstekende, gemakkelijk te gebruiken optie.

Deze studie helpt boeren en wetenschappers om de juiste "rekenmachine" te kiezen, zodat de bomen precies de juiste hoeveelheid water krijgen zonder een druppel te verspillen.

Technische Samenvatting: Prestatievergelijking van op de Penman-Monteith gebaseerde evapotranspiratiemodellen in een citrusboomgaard in Zuidwest-China

Probleemstelling
Nauwkeurige schatting van de gewasverdamping (ET) is fundamenteel voor het optimaliseren van irrigatiestrategieën en het waarborgen van duurzaam watergebruik in de landbouw. Hoewel het Penman-Monteith (P-M) model de industriestandaard is voor goed begroeide ecosystemen, worstelt het klassieke single-source "big-leaf" raamwerk in heterogene landschappen zoals citrusboomgaard. Het onvermogen van het model om bodemverdamping (E) te scheiden van planttranspiratie (T) en de vereenvoudiging van complexe stomatale responsen tot een bulkweerstandsterm leiden vaak tot onnauwkeurigheden, met name in dun begroeide of versnipperde kronen. Hoewel dual-source en hybride modellen zijn voorgesteld om deze beperkingen aan te pakken, is er een gebrek aan rigoureuze, multi-schaal vergelijkende studies in subtropische boomgaardecosystemen die de prestaties van modellen evalueren over verschillende temporele resoluties (halfuur tot dagelijks) en fenologische stadia, naast een kwantitatieve sensitiviteitsanalyse van hun structurele drijvers.

Methodologie
Deze studie maakte gebruik van vier jaar aan eddy covariantie (EC) gegevens (2020–2023) van een suikeroranje (Citrus Tachibana) boomgaard in Qionglai City, provincie Sichuan. Het onderzoek evalueerde vijf op P-M gebaseerde ET-modellen met variërende conceptuele structuren:

Penman-Monteith (P-M): Een single-source model.
Shuttleworth-Wallace (S-W): Een dual-source gelaagd model.
Two-Patch (T-P): Een dual-source patch-model dat onafhankelijke bodem- en vegetatiepatches veronderstelt.
Topography and Vegetation-based surface energy partitioning algorithm (TVET): Een hybride model dat S-W weerstandsnetwerken combineert met T-P aggregatie.
Hybrid-Dual Source (H-D): Een model dat een gelaagd schema gebruikt voor energieverdeling en een patch-methode voor fluxaggregatie, inclusief atmosferische stabiliteitscorrecties.

Modelprestaties werden beoordeeld op halfuur-, dagelijkse en groeistadiumspecifieke schalen (bloei/vruchtzetting, jonge vruchten, vruchtzwelling en rijping van vruchten) met behulp van statistische metrieken zoals $R^2$ , RMSE, MAE en de consistentie-index ( $d_1$ ). Bovendien werd een globale sensitiviteitsanalyse uitgevoerd om de invloed van cruciale weerstandsparameters (canopy/blad stomatale weerstand, aerodynamische weerstanden, bodemweerstand) en omgevingsinputs (straling, temperatuur, VPD, windsnelheid, bodemvochtgehalte en bladindex) op de gesimuleerde ET te kwantificeren.

Belangrijkste Resultaten

Prestaties op Temporele Schaal: De modelprestaties varieerden aanzienlijk per temporele resolutie. Op de halfuurlijkse schaal behaalde het H-D-model de hoogste nauwkeurigheid ( $R^2 = 0,84$ , RMSE = 0,038 mm·0,5h⁻¹), waarbij de dagelijkse cycli effectief werden gereproduceerd. Het S-W-model vertoonde systematische overschattingen tijdens de middaguren. Op dagelijkse schaal presteerden patch-gebaseerde modellen (T-P, TVET, H-D) consequent beter dan single-source (P-M) en gelaagde (S-W) modellen. Het H-D-model toonde opnieuw een superieure nauwkeurigheid ( $R^2 = 0,91$ , RMSE = 0,47 mm·d⁻¹) met een minimale gemiddelde onderschatting (1,63%).
Fenologische Sensitiviteit: De effectiviteit van het model was afhankelijk van het groeistadium. Het H-D-model blonk uit tijdens de bloei-/vruchtzetting en de rijping van de vruchten. Daarentegen presteerde het eenvoudigere T-P-model het best tijdens de vruchtexpansiefase ( $R^2 = 0,88$ ), wat suggereert dat onder dichte kroningsomstandigheden waar bodemverdamping wordt onderdrukt, complexe weerstandsnetwerken een verminderde meeropbrengst of extra fouten kunnen introduceren.
Sensitiviteitsanalyse: Gesimuleerde ET was het meest gevoelig voor de canopy-weerstand ( $r_c$ ) in het P-M-model en de blad-stomatale weerstand ( $r_{sc}$ ) in de andere modellen; een afname van 20% in deze parameters verhoogde de ET met 3,71%–7,41%. Onder de omgevingsinputs was het bodemvochtgehalte (SWC) de meest responsieve factor, waarbij een toename van 20% in SWC leidde tot ET-variaties tussen 10,43% en 32,27% over de modellen heen. Het S-W-model vertoonde de hoogste gevoeligheid voor de bladindex (LAI), waarbij een afname van 20% in LAI de ET met 11,38% verminderde, terwijl patch-gebaseerde modellen een lagere gevoeligheid vertoonden door de compenserende afweging tussen transpiratie en verdamping.

Belangrijkste Bijdragen
Deze studie biedt een systematische, multi-schaal evaluatie van de P-M-modelfamilie in een subtropische boomgaard, waarbij verder wordt gegaan dan eenvoudige rangschikking van prestaties om de structurele redenen achter het gedrag van modellen te ontdekken. Het identificeert het H-D-model als de meest robuuste optie voor heterogene boomgaardomgevingen vanwege de integratie van atmosferische stabiliteitscorrecties en dual-source energiepartitionering. Daarnaast verheldert het onderzoek dat modelselectie contextafhankelijk moet zijn; hoewel H-D over het algemeen superieur is, kunnen eenvoudigere patch-gebaseerde modellen zoals T-P voldoende en efficiënter zijn tijdens perioden met een dichte kroonbedekking. De sensitiviteitsanalyse deconstrueert verder de afhankelijkheid van deze modellen van specifieke weerstandsparameters en omgevingskrachten, waarbij het benadrukt dat SWC en stomatale weerstand de primaire drijvers van onzekerheid zijn.

Betekenis
De bevindingen bieden een mechanische basis voor modelselectie en verbetering in subtropische boomgaardecosystemen. Door de optimale modellen voor specifieke temporele en fenologische contexten te identificeren, ondersteunt dit onderzoek preciezer waterbeheer en irrigatiestrategieën voor de citrusproductie. De studie onderstreept de noodzaak om plantfysiologische responsen en bodemhydrologische processen nauwkeurig te parametriseren om fouten in de ET-schatting te verminderen, wat uiteindelijk bijdraagt aan een verbeterde watergebruiksefficiëntie en regionaal waterbeheer in watersensitieve landbouwsystemen.

De Deelnemers: Vijf Verschillende "Recepten"

De Resultaten: Wie heeft er gewonnen?

De "Geheime Ingrediënten" (Gevoeligheidsanalyse)

De Kern van het Verhaal

Meer zoals dit