Comparación de estimaciones de modelos de evaporación REEM y EEFlux en cuerpos de agua someros. Caso: laguna de Bustillos, Chihuahua, México

Hugo Rojas-Villalobos; Zohrab Samani; Christopher Brown; Luis Alatorre-Cejudo; Blair Stringam; Víctor Salas-Aguilar

Comparación de estimaciones de modelos de evaporación REEM y EEFlux en cuerpos de agua someros. Caso: laguna de Bustillos, Chihuahua, México

2022

La evaporación de cuerpos de agua (E) dentro de cuencas endorreicas en áreas semiáridas es un factor crítico para la determinación del balance hídrico. Mediciones precisas de E pueden proporcionar información valiosa para gestionar recursos hídricos de forma sustentable ante los escenarios de cambio climático. Sin embargo, la evaporación puede estimarse a través de métodos tan eficientes como la ecuación simplificada de Penman (S-Penman) utilizando variables de estaciones agroclimáticas, como la velocidad del viento, la radiación neta, la humedad relativa y la temperatura del aire, que tienen una variabilidad espacio-temporal. Dentro de los modelos de evaporación basados en sensores remotos (RS) se encuentra el modelo de balance de energía de superficie (SEB), que se ha aplicado a diferentes metodologías y extiende las mediciones de evapotranspiración (ET) a nivel regional. Las metodologías basadas en SEB utilizan principios físicos con requisitos mínimos de datos climáticos para estimar ET. Este artículo compara dos metodologías que estiman la evaporación utilizando RS: el modelo de estimación de evapotranspiración regional (REEM) y el flujo de evapotranspiración earth engine (EEFlux). La comparación de mediciones de ET obtenidas de REEM y EEFlux para siete escenas Landsat OLI en el ciclo agrícola de abril a septiembre de 2019 comparadas contra S-Penman mostró que REEM tuvo un mejor desempeño (d = 94 %) que el EEFlux (d = 68 %) para el periodo indicado. Aunque la comparación de REEM y EEFlux muestra mediciones precisas de E (REEM), es necesario mejorar los datos meteorológicos cuadriculados (EEFlux) aumentando la escala utilizando información local.

Показать больше [+]