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

该研究证实，在充分灌溉条件下，利用区域校准的 Brunt 方程估算晴空发射率并结合日尺度气温替代冠层温度，可有效提高芝麻和棉花等作物净辐射的估算精度。

要点

这篇文章主要是在研究如何更准确地计算农田里的“能量账本”。

想象一下，太阳是农田的“老板”，它每天给作物发工资（辐射能量）。作物拿到这笔钱后，一部分要存起来（反射掉），一部分要花在“散热”上（发出长波辐射），剩下的才是真正能用来干活（比如让植物生长、蒸发水分）的净收入，科学家称之为净辐射（Rn）。

这篇论文就像是在教农民和科学家如何不用昂贵的“高级计算器”（专业测量仪器），也能算出这笔“净收入”大概是多少。

以下是用大白话和比喻对论文核心内容的解读：

1. 核心难题：算账太难了

• 现状：要算出准确的“净收入”，必须知道两件事：
  1. 天空给多少“暖气”（向下长波辐射）：这取决于大气的“保温层”有多厚（天空发射率）。
  2. 作物表面有多热（向上长波辐射）：这取决于叶子是凉快还是滚烫。
• 问题：直接测量这些非常贵，而且很难测准。通常大家只能用空气温度（Tair）来代替叶子温度（Tc），或者用一些老公式来估算天空的“保温层”。但老公式有时候不太准，或者需要针对每个地方重新调整参数（就像每个地方的方言不同，翻译需要本地化）。

2. 研究者的“实验”：找更通用的算账工具

研究团队在德克萨斯州的农田里（种了芝麻和棉花），做了两年的实验。他们想验证两个想法：

1. 能不能用“通用翻译”代替“本地翻译”？
   • 他们测试了两种以前由其他科学家在大规模数据上校准过的布兰特方程（Brunt equation）。这就好比以前大家算账都要找当地会计（本地校准），现在他们想直接用一本“全美国通用会计手册”（区域/通用校准模型），看看能不能省掉重新校准的麻烦，而且算得一样准。
2. 能不能用“气温”代替“叶温”？
   • 在庄稼喝饱水（灌溉充足）的情况下，叶子通常和空气一样凉快。研究者想确认：是不是只要庄稼不缺水，直接用空气温度（Tair）来代替叶子温度（Tc）算账，误差也不会太大？毕竟测空气温度容易，测叶子温度得拿专门的红外枪对着叶子扫，比较麻烦。

3. 实验结果：两个发现

• 发现一：通用手册很好用！

  • 结果证明，使用那两种经过大范围校准的“通用会计手册”（Formetta 和 Li 的模型），算出来的净辐射比传统的旧方法（Allen/FAO 方法）要准得多。
  • 比喻：就像是用一本经过千锤百炼的《全球通用食谱》做菜，比用几十年前的老菜谱味道更好，而且你不需要为了每个厨房重新调整配方。这意味着以后在不同地方种地，不用每次都费劲重新校准公式了。

• 发现二：空气温度能代替叶子温度（但在特定条件下）。

  • 短期看（每小时）：如果把时间切得很细（比如每小时算一次），用空气温度代替叶子温度会有点误差。就像你每小时看一次体温计，可能因为刚运动完，体温和室温有微小差别，导致算出来的“热量”有点偏差。
  • 长期看（每天）：如果把时间拉长到一天，用空气温度代替叶子温度，误差就非常小了，几乎可以忽略不计。
  • 比喻：如果你只关心“今天总共花了多少钱”，那么用“平均气温”代替“叶子温度”完全没问题；但如果你非要算“下午 3 点那一刻花了多少钱”，那还是得用精确的“叶子温度”。
  • 前提：这个结论只适用于喝饱水的庄稼。如果庄稼干旱缺水，叶子会像发烧一样比空气热很多，这时候就不能偷懒用气温代替了。

4. 总结：这对大家意味着什么？

这篇论文给农业科学家和农民带来了一个好消息：

1. 省事了：以后计算农田能量平衡，可以直接套用那两个“通用公式”，不用在每个新地方都重新做复杂的本地校准。
2. 省钱了：在灌溉充足的日子里，不需要专门去测昂贵的叶子温度，直接用气象站里的空气温度就能算出相当准确的“净辐射”数据。
3. 更准了：特别是在按“天”来计算的时候，这种简化方法既简单又准确，足以满足大多数农业模型（比如预测作物需水量）的需求。

一句话总结：只要庄稼喝饱了水，我们就不需要那么复杂的仪器和公式，用通用的“老办法”加上空气温度，就能把农田的“能量账”算得明明白白。

技术摘要

以下是基于该论文《利用 Brunt 方程估算净辐射：在充分灌溉作物条件下，使用空气温度替代冠层温度估算长波辐射》的详细技术总结：

1. 研究背景与问题 (Problem)

• 净辐射 ($R_n$) 的重要性与测量难点：净辐射是驱动蒸散发、显热通量等生物物理过程的关键能量来源，也是 Penman-Monteith 方程等模型的重要输入变量。然而，直接测量 $R_n$ 设备昂贵且难以维护，因此常需通过模型估算。
• 估算难点：$R_n$ 的估算主要依赖于净短波辐射和净长波辐射 ($L_n$)。其中，$L_n$ 的计算最为复杂，因为它取决于大气发射率（需估算天空发射率 $\epsilon_{sky}$）和地表温度。
• 核心挑战：
  1. 天空发射率 ($\epsilon_{sky}$)：通常使用 Brunt 方程等模型估算，但许多模型需要针对特定地点进行校准。是否存在无需重新校准、基于区域或通用校准参数的模型能直接应用？
  2. 地表/冠层温度 ($T_s/T_c$)：计算向上长波辐射需要地表温度。在参考作物（充分灌溉）条件下，通常假设空气温度 ($T_{air}$) 可近似替代地表/冠层温度 ($T_c$)。但在非充分灌溉或不同时间尺度（小时 vs 日）下，这种替代的准确性尚需验证，尤其是在棉花等作物中。

2. 研究方法 (Methodology)

• 实验地点与作物：
  • 地点：美国德克萨斯州 Uvalde 的 Texas A&M AgriLife 研究与推广中心。
  • 作物与年份：
    • 2015 年：芝麻 (Sesame) 和棉花 (Cotton)。
    • 2025 年：棉花 (Cotton)。
  • 条件：所有作物均处于充分灌溉 (well-watered) 状态。
• 数据采集：
  • 使用 NR-Lite2 净辐射计测量实际 $R_n$。
  • 2025 年额外测量了冠层温度 ($T_c$) 和空气温度 ($T_{air}$)。
  • 时间分辨率：小时级和日级。
• 模型对比：
  1. 天空发射率模型 ($\epsilon_{sky}$)：
     • 测试了两种基于 Brunt 方程的区域/通用校准模型：Formetta et al. (2016)（针对美国特定州校准）和 Li et al. (2017)（基于全美国数据的通用校准）。
     • 对比对象：FAO-Allen (1994) 标准方法。
     • 云层修正：使用 Crawford and Duchon (1999) 模型将晴空发射率修正为全天空发射率。
  2. 温度替代测试：
     • 在 2025 年数据中，分别使用实测的 $T_c$ 和 $T_{air}$ 作为向上长波辐射计算的地表温度，对比两者对 $R_n$ 估算的影响。
• 统计评估指标：
  • 均方根误差 (RMSE)、平均绝对误差 (MAE)、偏差 (Bias)、Kling-Gupta 效率 (KGE)。
  • 使用 Wilcoxon 符号秩检验和 Bland-Altman 分析来评估 $T_{air}$ 替代 $T_c$ 的统计学差异和一致性。

3. 主要贡献 (Key Contributions)

1. 验证了区域/通用校准参数的有效性：证明了使用 Formetta (2016) 和 Li (2017) 预先校准的 Brunt 方程参数，无需针对特定站点进行重新校准，即可在棉花和芝麻田中实现比 FAO-Allen 方法更准确的 $R_n$ 估算。
2. 明确了 $T_{air}$ 替代 $T_c$ 的适用性边界：在充分灌溉条件下，系统评估了用空气温度替代冠层温度估算净辐射的可行性，并量化了不同时间尺度下的误差差异。
3. 揭示了时间尺度的影响：指出了净辐射估算在小时尺度上的误差显著大于日尺度，并分析了造成这种差异的潜在原因（如反照率假设、云层函数变化等）。

4. 研究结果 (Results)

• 天空发射率模型性能：
  • 两种 Brunt 校准模型（Formetta 和 Li）的表现均优于原始的 FAO-Allen 方法。
  • 日尺度误差：第一年（2015）RMSE 为 11.88 W m⁻²，第二年（2025）为 13.45 W m⁻²。
  • 小时尺度误差：显著较高（2015 年 RMSE 约 38.95 W m⁻²，2025 年约 55.94 W m⁻²），主要归因于反照率日变化假设和云层函数的简化处理。
• $T_{air}$ 与 $T_c$ 的对比：
  • 统计差异：Wilcoxon 检验显示，$T_{air}$ 和 $T_c$ 估算的 $R_n$ 存在统计学显著差异（中位数差异不为零）。
  • 实际误差：尽管存在统计差异，但线性回归和误差指标显示差异较小。
    • 日尺度：回归线接近 1:1，截距不显著异于零，表明差异可忽略不计。
    • 小时尺度：存在系统性偏差（Bias），使用 $T_{air}$ 估算的 $R_n$ 平均比使用 $T_c$ 低约 5 W m⁻²。
  • 温度差异：在充分灌溉条件下，$T_c$ 通常略低于 $T_{air}$（平均差约 -0.82°C），但在日尺度上这种差异被平滑，影响最小。
• 误差来源分析：
  • 2025 年误差略高于 2015 年，可能与 2025 年叶面积指数 (LAI) 较低导致土壤背景暴露增加有关，这改变了反照率和地表长波辐射特性，而模型假设了固定的反照率 (0.21)。

5. 意义与结论 (Significance & Conclusion)

• 实践指导：
  • 对于充分灌溉的作物（如棉花），在日尺度上进行净辐射估算时，完全可以使用空气温度 ($T_{air}$) 替代难以测量的冠层温度 ($T_c$)，而不会显著降低精度。这大大简化了数据需求，降低了监测成本。
  • 推荐使用 Formetta (2016) 或 Li (2017) 校准的 Brunt 方程来计算晴空发射率，这比传统的 FAO-Allen 方法更准确，且无需本地校准。
• 局限性说明：
  • 该结论仅适用于充分灌溉条件。在水分胁迫条件下，冠层温度会显著升高（可能比气温高 10°C 以上），此时 $T_{air}$ 替代 $T_c$ 将不再适用。
  • 小时尺度的估算误差较大，主要受反照率动态变化和云层函数假设的影响，未来研究需关注这些参数的动态修正。
• 总体结论：该研究为在缺乏专用辐射和温度传感器网络的情况下，利用常规气象数据（$T_{air}$）和区域校准参数准确估算作物净辐射提供了可靠的理论依据和实用方案。