BAITSSS ( Solución iterativa de equilibrio de energía y temperatura de superficie de dos fuentes promediada hacia atrás) es un modelo informático de evapotranspiración biofísica (ET) que determina el uso del agua , principalmente en el paisaje agrícola , utilizando información basada en sensores remotos . [1] Fue desarrollado y perfeccionado por Ramesh Dhungel y el grupo de recursos hídricos del Centro de Investigación y Extensión Kimberly de la Universidad de Idaho desde 2010. Se ha utilizado en diferentes áreas de los Estados Unidos, incluido el sur de Idaho , el norte de California y el noroeste de Kansas. , y Texas .
Desarrollador (es) | Ramesh Dhungel y grupo |
---|---|
Escrito en | Python (lenguaje de programación) , script de shell , GDAL , numpy |
Sistema operativo | Microsoft Windows |
Tipo | Modelado de evapotranspiración , simulación de riego , simulación de temperatura superficial, simulación de humedad del suelo, sistema de información geográfica |
Historia del desarrollo
BAITSSS se originó a partir de la investigación de Ramesh Dhungel, un estudiante de posgrado de la Universidad de Idaho , [2] quien se unió a un proyecto llamado "Producción e integración de series de tiempo de evapotranspiración cuadriculada para aplicaciones de gestión de riego, hidrología y detección remota" bajo el profesor Richard G. Allen. [3]
En 2012, la versión inicial del modelo de paisaje se desarrolló utilizando el entorno Python IDLE utilizando datos meteorológicos NARR (~ 32 kilómetros). [1] Dhungel presentó su tesis doctoral en 2014, donde el modelo se llamó BATANS (solución numérica acelerada de dos fuentes con promediado hacia atrás). [1] [2] El modelo se publicó por primera vez en la revista Meteorological Applications en 2016 bajo el nombre BAITSSS como un marco para interpolar ET entre el paso elevado del satélite cuando la temperatura de la superficie basada en la temperatura no está disponible. [1] El concepto general de promediado hacia atrás se introdujo para acelerar el proceso de convergencia de los componentes del balance de energía superficial resueltos iterativamente que pueden llevar mucho tiempo y con frecuencia pueden sufrir no convergencia, especialmente a baja velocidad del viento . [1]
En 2017, el modelo de paisaje BAITSSS se escribió en Python shell , junto con las bibliotecas GDAL y NumPy utilizando datos meteorológicos NLDAS (~ 12,5 kilómetros). [1] El modelo independiente detallado se evaluó contra la ET medida con lisímetro de pesaje , la temperatura infrarroja (IRT) y el radiómetro neto de maíz y sorgo tolerantes a la sequía en el Laboratorio de Investigación de Conservación y Producción en Bushland, Texas, por un grupo de científicos del USDA-ARS y Kansas. State University entre 2017 y 2020. [1] Algún desarrollo posterior de BAITSSS incluye componentes de productividad de cultivos con base física, es decir, cálculo de biomasa y rendimiento de cultivos . [1] [4] [5]
Razón fundamental
La mayoría de los modelos de ET instantáneos basados en sensores remotos utilizan la fracción evaporativa (EF) o la fracción ET de referencia (ET r F), similar a los coeficientes de cultivo , para calcular los valores estacionales, estos modelos generalmente carecen del balance hídrico del suelo y los componentes de riego en el balance energético superficial . [1] Otros factores limitantes es la dependencia de la temperatura superficial radiométrica de base térmica , que no siempre está disponible con la resolución temporal requerida y con frecuencia se ve oscurecida por factores como la cobertura de nubes . [1] [6] BAITSSS fue desarrollado para llenar estos vacíos en modelos basados en sensores remotos que liberan el uso de temperatura superficial radiométrica basada en térmicas y para servir como un rastreador de agua de cultivo digital que simula alta resolución temporal (horaria o sub-horaria) y espacial. (30 metros ) mapas ET . [1] [7] [8] BAITSSS utiliza información de formación de dosel basada en sensores remotos , es decir, estimación de la variación estacional de los índices de vegetación y senescencia . [1]
Enfoque y estructura del modelo
El balance de energía superficial es uno de los enfoques comúnmente utilizados para cuantificar ET ( flujo de calor latente en términos de flujo ), donde las variables climáticas y los índices de vegetación son los impulsores de este proceso. BAITSSS adopta numerosas ecuaciones para calcular el balance de energía superficial y las resistencias donde principalmente son de Javis, 1976, [9] Choudhury y Monteith, 1988, [10] y métodos aerodinámicos o ecuaciones de relación flujo-gradiente [11] [12] con funciones de estabilidad asociadas con la teoría de la similitud de Monin-Obukhov .
Ecuaciones fundamentales subyacentes del balance energético superficial
Flujo de calor latente (LE)
Las ecuaciones aerodinámicas o de gradiente de flujo del flujo de calor latente en BAITSSS se muestran a continuación.es la presión de vapor de saturación en el dosel y es para suelo, es la presión de vapor ambiental , r ac es la resistencia de la capa límite a granel de los elementos vegetativos en el dosel, r ah es la resistencia aerodinámica entre el desplazamiento del plano cero (d) + la longitud de la rugosidad del momento (z om ) y la altura de medición (z) de la velocidad del viento , r como es la resistencia aerodinámica entre el sustrato y la altura del dosel (d + z om ), y r ss es la resistencia de la superficie del suelo. [1]
Flujo de calor sensible (H) y temperatura de la superficie cálculo [1]
Las ecuaciones de gradiente de flujo del flujo de calor sensible y la temperatura de la superficie en BAITSSS se muestran a continuación.
Resistencia del dosel (r sc )
A continuación se muestra la ecuación de tipo Jarvis típica de r sc adoptada en BAITSSS, R c-min es el valor mínimo de r sc , LAI es el índice de área foliar , f c es la fracción de la cubierta del dosel , funciones de ponderación que representan la respuesta de la planta a la radiación solar ( F 1 ), temperatura del aire (F 2 ), déficit de presión de vapor (F 3 ) y humedad del suelo (F 4 ), cada uno de los cuales varía entre 0 y 1. [1]
Ecuaciones de balance hídrico del suelo y decisión de riego.
Las ecuaciones estándar de balance hídrico del suelo para la superficie del suelo y la zona de la raíz se implementan en BAITSSS para cada paso de tiempo, donde las decisiones de riego se basan en la humedad del suelo en la zona de la raíz. [1]
Datos
Aporte
Los modelos ET , en general, necesitan información sobre la vegetación (propiedades físicas e índices de vegetación ) y las condiciones ambientales (datos meteorológicos) para calcular el uso del agua. Los requisitos primarios de datos meteorológicos en BAITSSS son la irradiancia solar (R s ↓ ), la velocidad del viento (u z ), la temperatura del aire (T a ), la humedad relativa (RH) o la humedad específica (q a ) y la precipitación (P). Los requisitos de índices de vegetación en BAITSSS son el índice de área foliar (LAI) y la cobertura de dosel fraccional (f c ), generalmente estimados a partir del índice de vegetación de diferencia normalizada (NDVI). BAITSSS automatizado [1] puede calcular ET en todo Estados Unidos utilizando datos meteorológicos de la Administración Nacional Oceánica y Atmosférica (NOAA) (es decir, NLDAS por hora: sistema de asimilación de datos terrestres de América del Norte a 1/8 de grado ; ~ 12,5 kilómetros). Índices de vegetación los adquiridos por Landsat. , e información del suelo de SSURGO .
Producción
BAITSSS genera un gran número de variables (flujos, resistencias y humedad) en forma de cuadrícula en cada paso de tiempo. Los resultados más utilizados son la evapotranspiración , la evaporación , la transpiración , la humedad del suelo, la cantidad de riego y los mapas de temperatura de la superficie y el análisis de series de tiempo .
Características del modelo
Característica | Descripción |
---|---|
Balance de energía de dos fuentes | BAITSSS es un modelo de balance de energía de dos fuentes (sección separada de suelo y dosel) que está integrado por la fracción de cobertura vegetal (f c ) basado en índices de vegetación. |
Balance hídrico del suelo de dos capas | BAITSSS simula la humedad de la superficie del suelo (θ sur ) y las capas de humedad de la zona de la raíz (θ raíz ) están relacionadas con la dinámica del flujo evaporativo (E ss ) y transpirativo (T). Se descuida la elevación capilar (CR) desde la capa debajo de la zona de la raíz hasta la capa de la zona de la raíz. La humedad del suelo en ambas capas está restringida a la capacidad de campo (θ fc ). |
Temperatura de la superficie | BAITSSS resuelve iterativamente la temperatura de la superficie invirtiendo las ecuaciones de gradiente de flujo de H en la superficie del suelo (subíndice s) (T s ) y en el nivel del dosel (subíndice c) (T c ) para cada paso de tiempo utilizando variables meteorológicas continuas y rugosidad de la superficie definida por índices de vegetación . |
Flujo de calor del suelo del suelo | BAITSSS estima el flujo de calor del suelo (G) de la superficie del suelo basándose en el flujo de calor sensible (H s ) o la radiación neta (R n_s ) de la superficie del suelo y desprecia G en la superficie con vegetación. |
Transpiración | La conductancia variable del dosel en términos de resistencia del dosel (r sc ), basada en el algoritmo de tipo Jarvis, se utiliza para calcular la transpiración . |
Evaporación | La evaporación (E ss ) en BAITSSS se calcula basándose en el suelo de resistencia (r ss ) y del suelo contenido de agua en el suelo capa de superficie (superior a 100 milímetros de suelo balance de agua ). |
Riego | BAITSSS simula el riego (I rr ) en paisajes agrícolas [13] [14] imitando un enfoque de balde basculante (aplicado a la superficie como rociador o capa subterránea como goteo ), utilizando el agotamiento permitido por el manejo (MAD) y el contenido de agua del suelo regímenes a profundidad de enraizamiento (menos de 100-2000 milímetros de capa de suelo). |
Biomasa y rendimiento | BAITSSS calcula la biomasa anterior a partir de la eficiencia de transpiración normalizada por el déficit de presión de vapor y la fracción de grano por la función empírica de la biomasa . |
Aplicaciones y reconocimiento de sistemas agrícolas
BAITSSS se implementó para calcular la ET en el sur de Idaho para 2008 y en el norte de California para 2010. [1] Se utilizó para calcular la ET de maíz y sorgo en Bushland, Texas para 2016, y cultivos múltiples en el noroeste de Kansas para 2013-2017. [1] [15] [16] [4] BAITSSS se ha debatido ampliamente entre los pares de todo el mundo, incluidos Bhattarai et al. en 2017 y Jones et al. en 2019. [17] El Comité Senatorial de Agricultura, Nutrición y Silvicultura de los Estados Unidos incluyó a BAITSSS en su informe sobre el cambio climático . [18] BAITSSS también fue cubierto por artículos de Gobierno Abierto de acceso , [6] [19] Landsat equipo científico, [20] la revista hierba y de grano, [21] Sistema de Apoyo (NIMSS), Administración Nacional de Información y [22] ecológicos terrestres modelos, [23] contribución clave a la investigación relacionada con la estimación del flujo de calor sensible y la decisión de riego en modelos de ET basados en teledetección. [24] [25]
En septiembre de 2019, el Distrito 4 de Gestión de Aguas Subterráneas del Noroeste de Kansas (GMD 4) junto con BAITSSS recibieron el reconocimiento nacional de la Asociación Estadounidense para el Avance de la Ciencia (AAAS). [26] [27] [15] [28] [29] [30] AAAS destacó 18 comunidades en los EE. UU. Que están respondiendo al cambio climático [31] [32] [33] incluido el condado de Sheridan, Kansas para prolongar la vida de Acuífero Ogallala al minimizar el uso de agua donde este acuífero se está agotando rápidamente debido a prácticas agrícolas extensivas. La AAAS discutió el desarrollo y el uso del intrincado modelo ET BAITSSS y los esfuerzos de Dhungel y otros científicos que apoyan el uso efectivo del agua en el condado de Sheridan, Kansas . [15]
Además, el Comité Asesor Regional de la Alta República de Kansas (junio de 2019) [16] y el GMD 4 [34] discutieron los posibles beneficios y la utilización de BAITSSS para gestionar el uso del agua, el propósito educativo y la participación en los costos. En Mother Earth News (abril / mayo de 2020) se publicó una historia corta sobre el esfuerzo de conservación del acuífero Ogallala de la Universidad Estatal de Kansas y GMD4 utilizando el modelo ET . [35]
Aplicación de ejemplo
Agua subterránea y riego
Dhungel et al., 2020, [1] combinado con científicos de cultivos de campo, analistas de sistemas y administradores de agua del distrito , aplicaron BAITSSS a nivel de gestión del agua del distrito concentrándose en la ET estacional y las tasas anuales de extracción de agua subterránea en Sheridan 6 (SD-6) Local Plan de Manejo Mejorado (LEMA) por un período de cinco años (2013-2017) en el noroeste de Kansas , Estados Unidos . El riego simulado de BAITSSS se comparó con el riego informado , así como para inferir el riego deficitario dentro de las unidades de gestión de derechos de agua (WRMU). En Kansas , los registros de bombeo de agua subterránea son documentos legales y los mantiene la División de Recursos Hídricos de Kansas. El suministro de agua durante la temporada se comparó con la ET simulada por BAITSSS como condición de agua de cultivo bien regada .
Evapotranspiración histéresis y de advección
Se realizó un estudio relacionado con la incertidumbre ET asociada con la histéresis ET ( presión de vapor y radiación neta) usando lisímetro, covarianza Eddy (EC) y modelo BAITSSS (escala de puntos) en un ambiente advectivo de Bushland, Texas . [1] Los resultados indicaron que el patrón de histéresis de BAITSSS siguió de cerca al lisímetro y mostró una histéresis débil relacionada con la radiación neta en comparación con la CE. Sin embargo, tanto el lisímetro como el BAITSSS mostraron una fuerte histéresis relacionada con VPD en comparación con EC.
Desafíos y limitaciones
La simulación de ET por hora a una resolución espacial de 30 m para una escala de tiempo estacional es un desafío computacional y requiere muchos datos . [1] [36] La baja velocidad del viento también complica la convergencia de los componentes del balance energético de la superficie. [1] El grupo de pares Pan et al. en 2017 [14] y Dhungel et al., 2019 [1] señalaron la posible dificultad de parametrización y validación de este tipo de modelos basados en resistencias. El riego simulado puede variar del que se aplica realmente en el campo. [1]
Ver también
- METRIC , otro modelo desarrollado por la Universidad de Idaho que utiliza datos del satélite Landsat para calcular y mapear la evapotranspiración.
- SEBAL , utiliza el balance energético superficial para estimar aspectos del ciclo hidrológico . SEBAL mapea la evapotranspiración, el crecimiento de biomasa, el déficit de agua y la humedad del suelo
Referencias
- ^ a b c d e f g h i j k l m n o p q r s t u v w x y Artículos revisados por pares de Dhungel y otros:
- Dhungel, Ramesh; Allen, Richard G .; Trezza, Ricardo; Robison, Clarence W. (2016). "Evapotranspiración entre pasos elevados de satélites: metodología y estudio de caso en zonas agrícolas semiáridas dominantes" . Aplicaciones meteorológicas (publicado en octubre de 2016). 23 (4): 714–730. Código bibliográfico : 2016MeApp..23..714D . doi : 10.1002 / met.1596 . ISSN 1469-8080 .
- Dhungel, Ramesh; Aiken, Robert; Colaizzi, Paul; Lin, Xiaomao; Baumhardt, Roland; Brauer, David; Marek, Gary; Evett, Steven; O'Brien, Dan (11 de abril de 2019). "Mayor sesgo en el modelado de evapotranspiración debido a fuentes de datos de índices de vegetación y clima" . Revista de agronomía . 111 (3): 1407-1424. doi : 10.2134 / agronj2018.10.0636 . Consultado el 9 de abril de 2019 a través del Servicio de Investigación Agrícola .
- Dhungel, Ramesh; Aiken, Robert; Colazzi, Paul D .; Lin, Xiaomao; O'Brien, Dan; Baumhardt, Roland Louis; Brauer, David; Marek, Gary W .; Evett, Steve (3 de junio de 2019). "Evaluación del modelo de balance energético no calibrado (BAITSSS) para la estimación de la evapotranspiración en un clima advectivo semiárido" . Procesos hidrológicos . 33 (15). Código Bibliográfico : 2019HyPr ... 33.2110D . doi : 10.1002 / hyp.13458 . Consultado el 9 de abril de 2019 a través del Servicio de Investigación Agrícola .
- Dhungel, Ramesh; Aiken, Robert; Lin, Xiaomao; Kenyon, Shannon; Colaizzi, Paul D .; Luhman, Ray; Baumhardt, R. Louis; O'Brien, Dan; Kutikoff, Seth; Brauer, David K. (21 de octubre de 2019). "Asignaciones de agua restringidas: simulaciones de balance energético a escala de paisaje y ajustes en aplicaciones de agua agrícola" . Gestión del agua agrícola . 227 : 105854. doi : 10.1016 / j.agwat.2019.105854 . Consultado el 23 de octubre de 2019 a través del Servicio de Investigación Agrícola .
- Dhungel, Ramesh; Allen, Richard G .; Trezza, Ricardo (9 de junio de 2016). "Mejora de la convergencia del balance energético de superficie iterativa para el cálculo de flujo basado en teledetección". Revista de percepción remota aplicada . 10 (2): 026033. Bibcode : 2016JARS ... 10b6033D . doi : 10.1117 / 1.JRS.10.026033 . ISSN 1931-3195 . S2CID 124338728 .
- Dhungel, Ramesh; Aiken, Rob; Lin, Xiaomao; Kutikoff, Seth; Zuo, Guanqiang (2019). "B31L-2467 - Un marco analítico integrado para la producción de agua y cultivos en agroecosistemas" . Reunión de otoño de AGU . Unión Geofísica Americana .
- Dhungel, Ramesh; Aiken, Robert; Evett, Steven R .; Colaizzi, Paul D .; Marek, Gary; Moorhead, Jerry E .; Baumhardt, R. Louis; Brauer, David; Kutikoff, Seth; Lin, Xiaomao (14 de diciembre de 2020). "Desequilibrio energético e histéresis de evapotranspiración en un entorno advectivo: evidencia de lisímetro, covarianza de Eddy y modelado de equilibrio energético" . Cartas de investigación geofísica . 48 . doi : 10.1029 / 2020GL091203 . ISSN 0094-8276 .
- ^ a b Dhungel, Ramesh (mayo de 2014). "Integración de tiempo de la evapotranspiración utilizando un modelo de balance de energía de superficie de dos fuentes utilizando datos meteorológicos de reanálisis de Narr y datos métricos basados en satélites" . Consultado el 19 de octubre de 2019 a través de la biblioteca digital de la Universidad de Idaho .
- ^ "Universidad de Idaho sometido a: producción e integración de series de tiempo de evapotranspiración cuadriculada para aplicaciones de gestión de riego, hidrología y teledetección" . Sistema de información sobre investigación, educación y economía (REEIS) . Departamento de Agricultura de los Estados Unidos . Consultado el 2 de noviembre de 2019 .
- ^ a b "Estrategia de gestión eficaz del agua agrícola con algoritmo de evapotranspiración biofísica (BAITSSS)" .
- ^ "Economía agrícola, personal, programas y publicaciones - Kansas State University" (PDF) .
- ^ a b Eccleston, Sally (30 de noviembre de 2018). "Agua para el crecimiento de las plantas: la base del suministro mundial de alimentos y los servicios de los ecosistemas" . Gobierno de acceso abierto . Consultado el 13 de noviembre de 2019 .
- ^ " Reunión de Sistemas Alimentarios Globales ' Se trata de agua'" . www.k-state.edu . Consultado el 21 de octubre de 2019 .
- ^ "Herramientas de evapotranspiración de paisaje de próxima generación: ¿es factible?" . ASA, CSSA y SSSA - Reunión anual internacional de ASA, CSSA y CSA . Consultado el 11 de mayo de 2019 .
- ^ Jarvis, PG (1976). La interpretación de las variaciones en el potencial hídrico foliar y la conductancia estomática encontradas en las copas de los árboles en el campo . OCLC 709369248 .
- ^ CHOUDHURY, BJ; MONTEITH, JL (15 de enero de 1988). "Un modelo de cuatro capas para el balance de calor de superficies terrestres homogéneas". Revista trimestral de la Royal Meteorological Society . 114 (480): 373–398. doi : 10.1256 / smsqj.48005 . ISSN 1477-870X .
- ^ Hatfield, JL; Baker, JM; Prueger, John H .; Kustas, William P. (2005), "Métodos aerodinámicos para estimar flujos turbulentos" , Micrometeorología en sistemas agrícolas , Sociedad Estadounidense de Agronomía, Sociedad Estadounidense de Ciencias de los Cultivos y Sociedad Estadounidense de Ciencias del Suelo, doi : 10.2134 / agronmonogr47.c18 , ISBN 978-0-89118-268-9
- ^ Pagán, Brianna; Maes, Wouter; Gentine, Pierre; Martens, Brecht; Miralles, Diego (18 de febrero de 2019). "Exploración del potencial de la fluorescencia inducida por el sol satelital para restringir las estimaciones de transpiración global" . Percepción remota . 11 (4): 413. Bibcode : 2019RemS ... 11..413P . doi : 10.3390 / rs11040413 . ISSN 2072-4292 .
- ^ Él, Ruyan; Jin, Yufang; Kandelous, Maziar; Zaccaria, Daniele; Sanden, Blake; Snyder, Richard; Jiang, Jinbao; Hopmans, enero (5 de mayo de 2017). "Estimación de la evapotranspiración en un huerto de almendros utilizando observaciones satelitales Landsat" . Percepción remota . 9 (5): 436. Bibcode : 2017RemS .... 9..436H . doi : 10.3390 / rs9050436 . ISSN 2072-4292 .
- ^ a b Pan, Xin; Liu, Yuanbo; Gan, Guojing; Fan, Xingwang; Yang, Yingbao (2017). "Estimación de la evapotranspiración mediante un enfoque no paramétrico bajo todo el cielo: evaluación de la precisión y análisis de errores". IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing . 10 (6): 2528-2539. Código bibliográfico : 2017IJSTA..10.2528P . doi : 10.1109 / JSTARS.2017.2707586 . ISSN 1939-1404 . S2CID 43662524 .
- ^ a b c "Los agricultores de Kansas minimizan el uso de agua a medida que las Grandes Llanuras del Sur se vuelven más áridas" . Cómo respondemos . Consultado el 20 de septiembre de 2019 .
- ^ a b "Comité Asesor Regional de la Alta República" (PDF) . kwo.ks.gov . Consultado el 21 de septiembre de 2019 .
- ^ Discusión entre compañeros:
- Bhattarai, Nishan; Wagle, Pradeep; Gowda, Prasanna H .; Kakani, Vijaya G. (2017). "Utilidad de modelos de balance de energía de superficie basados en sensores remotos para rastrear el estrés hídrico en pasto varilla de secano en condiciones secas y húmedas". Revista ISPRS de Fotogrametría y Percepción Remota . 133 : 128-141. Código bibliográfico : 2017JPRS..133..128B . doi : 10.1016 / j.isprsjprs.2017.10.010 .
- Jones, Andrew S .; Andales, Allan A .; Chávez, José L .; McGovern, Cullen; Smith, Garvey EB; David, Olaf; Fletcher, Steven J. (2019). "Uso de incertidumbres meteorológicas predictivas en una herramienta de programación de riego, parte I: una revisión de métricas y métodos adjuntos" . Revista JAWRA de la Asociación Estadounidense de Recursos Hídricos . 56 (2): 187–200. doi : 10.1111 / 1752-1688.12810 . ISSN 1752-1688 .
- Jin, Yufang; Él, Ruyan; Marino, Giulia; Whiting, Michael; Kent, Eric; Sanden, Blake L .; Culumber, Mae; Ferguson, Louise; Pequeño, Cayle; Grattan, Stephen; Paw U, Kyaw Tha (15 de noviembre de 2018). "Evapotranspiración espacialmente variable sobre huertos de pistachos afectados por la sal analizada con estimaciones de teledetección por satélite". Meteorología agrícola y forestal . 262 : 178-191. Código bibliográfico : 2018AgFM..262..178J . doi : 10.1016 / j.agrformet.2018.07.004 . ISSN 0168-1923 .
- Majozi, Nobuhle; Mannaerts, Chris; Ramoelo, Abel; Mathieu, Renaud; Mudau, Azwitamisi; Verhoef, Wouter (24 de marzo de 2017). "Una intercomparación de estimaciones de evapotranspiración diaria basadas en satélites en diferentes regiones eco-climáticas en Sudáfrica" . Percepción remota . 9 (4): 307. Bibcode : 2017RemS .... 9..307M . doi : 10.3390 / rs9040307 . ISSN 2072-4292 .
- Pagán, Brianna; Maes, Wouter; Gentine, Pierre; Martens, Brecht; Miralles, Diego (18 de febrero de 2019). "Exploración del potencial de la fluorescencia inducida por el sol satelital para restringir las estimaciones de transpiración global" . Percepción remota . 11 (4): 413. Bibcode : 2019RemS ... 11..413P . doi : 10.3390 / rs11040413 . ISSN 2072-4292 .
- Khand, Kul; Taghvaeian, Saleh; Gowda, Prasanna; Paul, George (2 de marzo de 2019). "Un marco de modelado para derivar series de tiempo diarias de mapas de evapotranspiración utilizando un modelo de equilibrio energético de superficie" . Percepción remota . 11 (5): 508. Bibcode : 2019RemS ... 11..508K . doi : 10.3390 / rs11050508 . ISSN 2072-4292 .
- Numata, Izaya; Khand, Kul; Kjaersgaard, Jeppe; Cochrane, Mark; Silva, Sonaira (6 de enero de 2017). "Evaluación de modelos METRIC basados en Landsat para proporcionar estimaciones de evapotranspiración de alta resolución espacial para bosques amazónicos" . Percepción remota . 9 (1): 46. Bibcode : 2017RemS .... 9 ... 46N . doi : 10.3390 / rs9010046 . ISSN 2072-4292 .
- Khand, Kul Bikram (1 de mayo de 2019). "Evaluación y desarrollo de enfoques de modelado de evapotranspiración por detección remota" . Cite journal requiere
|journal=
( ayuda )
- ^ "Investigación revisada por pares sobre el cambio climático por autores del USDA de enero de 2017 a agosto de 2019" (PDF) .
- ^ "Noticias | Programa Acuífero Ogallala" . ogallala.tamu.edu . Consultado el 13 de noviembre de 2019 .
- ^ "Publicaciones del equipo científico Landsat" .
- ^ "Sheridan 6 LEMA una historia de éxito en la conservación y gestión del agua" .
- ^ "Física del suelo, el agua y el medio ambiente para sustentar la agricultura y los recursos naturales" .
- ^ Li, Sinan; Zhang, Li; Ma, Rui; Yan, Min; Tian, Xiangjun (1 de noviembre de 2020). "Mejor asimilación de ET mediante la incorporación de observaciones de humedad del suelo SMAP utilizando un modelo de proceso acoplado: un estudio de las regiones áridas y semiáridas de Estados Unidos" . Revista de hidrología . 590 : 125402. Código bibliográfico : 2020JHyd..59025402L . doi : 10.1016 / j.jhydrol.2020.125402 . ISSN 0022-1694 .
- ^ Mohan, MM Prakash; Kanchirapuzha, Rajitha; Varma, Murari RR (15 de octubre de 2020). "Revisión de enfoques para la estimación del flujo de calor sensible en modelos de evapotranspiración basados en teledetección" . Revista de percepción remota aplicada . 14 (4): 041501. Bibcode : 2020JARS ... 14d1501M . doi : 10.1117 / 1.JRS.14.041501 . ISSN 1931-3195 .
- ^ Zhang, Jingwen; Guan, Kaiyu; Peng, Bin; Jiang, Chongya; Zhou, Wang; Yang, Yi; Pan, Ming; Franz, Trenton E .; Heeren, Derek M .; Rudnick, Daran R .; Abimbola, Olufemi (8 de febrero de 2021). "Retos y oportunidades en sistemas de apoyo a la decisión de riego de precisión para pivotes centrales" . Cartas de investigación ambiental . 16 (5): 053003. doi : 10.1088 / 1748-9326 / abe436 . ISSN 1748-9326 .
- ^ How We Respond - Communities and Scientists Taking Action on Climate Change , consultado el 14 de noviembre de 2019
- ^ "Cómo respondemos: historias de respuesta comunitaria al cambio climático" . Cómo respondemos . Consultado el 18 de septiembre de 2019 .
- ^ "GMD 4" . www.gmd4.org . Consultado el 11 de noviembre de 2019 .
- ^ "Asociación de agua rural de Kansas> RECURSOS EN LÍNEA> Artículo de noticias" . krwa.net . Consultado el 12 de noviembre de 2019 .
- ^ "Informe destaca el esfuerzo climático del condado de Sheridan" . Progreso de la granja . 2019-09-20 . Consultado el 12 de noviembre de 2019 .
- ^ " ' Cómo respondemos' destaca cómo las comunidades estadounidenses están abordando los impactos del cambio climático" . EurekAlert! . Consultado el 18 de noviembre de 2019 .
- ^ "Revista de ciencia" (PDF) .
- ^ "Cómo las comunidades estadounidenses se están preparando para los impactos del cambio climático • Earth.com" . Earth.com . Consultado el 18 de noviembre de 2019 .
- ^ Actas de la reunión de Kansas GMD 4:
- "Acta: Distrito de gestión de aguas subterráneas del noroeste de Kansas 4 08 de agosto de 2019 Reunión de la Junta" (PDF) .
- "Acta: Distrito de gestión de aguas subterráneas del noroeste de Kansas 4 13 de junio de 2019 Reunión de la Junta" (PDF) .
- "Acta: Distrito de gestión de aguas subterráneas del noroeste de Kansas 4 de enero de 2019 Reunión de la Junta" (PDF) .
- "Minutos Northwest Kansas Groundwater Management District 4 1 de noviembre de 2018 Reunión de la Junta" (PDF) .
- ^ "Las ciudades avanzan hacia la energía renovable para el tránsito" .
- ^ "Punto a escala de paisaje: rasgos en agroecología" . Área de Ciencias de la Tierra y del Medio Ambiente . Consultado el 12 de junio de 2020 .
enlaces externos
- BAITSSS en Sites.google.com