南京信息工程大学陆气相互作用团队博士生以第一作者身份在《Scientific Data》发布最新数据集!

1. 研究背景及数据信息

作为蒸散发的上限，潜在蒸散发（Potential Evapotranspiration，PET）在气候变化研究、水文模拟、农业灌溉及生态系统评估等领域具有关键作用。然而，现有主流PET数据产品通常依赖单一模型或默认参数设定，存在引入较大的不确定性风险。

南京信息工程大学NUIST陆气相互作用团队孙善磊教授指导的博士生毕早莹及合作者利用全球124个涡动协方差站点的观测数据，对五个常用PET模型进行了参数率定与系统评估，筛选出了不同植被生态系统的最优PET模型：常绿针叶林（ENF）、常绿阔叶林（EBF）、落叶针叶林（DNF）、混交林（MF）和农作物（CRO）的最优模型为Milly-Dunne（MD）模型，而落叶阔叶林（DBF）、灌木林（SHRB）、木本稀树草原（WSA）、稀树草原（SAV）、草地（GRA）和湿地（WET）则为Priestley-Taylor（PT）模型，这两个最优模型均能够在原始观测站点以外的区域有效应用。在此基础上，基于四套气象再分析数据以及逐年土地利用/覆盖数据，构建了1992—2022年全球植被带逐月PET数据集（空间分辨率为0.1°×0.1°），具体流程如图1。相关论文发表在《Scientific Data》；数据可在国家青藏高原科学数据中心免费获取（https://doi.org/10.11888/Terre.tpdc.302843）。

图1 研究流程图。

2. 模型验证与对比

基于124个涡动协方差（EC）观测站点（A组）的验证结果表明，最优模型在站点校准、交叉验证及最终验证中均表现出优异性能，其KGE均在0.8以上，明显优于其他模型（图2）。同时，基于独立观测数据（B组）的验证进一步表明，所筛选的最优模型仍具有良好的稳定性和空间适用性：ENF、MF、CRO中MD模型KGE略高于PT模型，其他植被生态系统（除WSA）PT模型最优（图3）。基于上述验证结果，确认了MD和PT模型的最终参数具有良好的空间可移植性，适用于不同植被生态系统的PET模拟，可用于生产全球PET数据集。

与广泛应用的GLEAM全球陆地蒸散发数据集相比，发现新数据集在多数植被生态系统中表现更优，并能够再现一致的年PET变化趋势（基于MSWX-Past气象数据生成的数据集记为PET-MSWX）。基于全部EC站点（含A、B组）的日尺度验证显示，PET-MSWX在大多数植被生态系统中的平均KGE高于0.50（WET和CRO超过0.65），而GLEAM普遍在0.50左右或以下；除ENF和DNF外，PET-MSWX在其余生态系统中的平均KGE均高于GLEAM PET（图4）。年际变化趋势上（图5），1992—2022年间PET-MSWX显示全球80%的植被区呈增加趋势（其中56%显著），显著减少区域占7%，主要分布在南美东北部、印度南部等地；GLEAM PET显示86%的植被区呈增加趋势（51%显著），24%减少（4%显著），两者整体趋势一致。

图2 不同PET模型在（a）站点校准、（b）交叉验证与（c）最终验证情况下的KGE（基于A组数据集）。误差线表示一个标准差。PM：Penman-Monteith模型；HS：Hargreaves and Samani模型；OU：Oudin模型；PT：Priestley-Taylor模型；MD：Milly-Dunne模型。

图3 不同PET模型（采用A组最终参数）在B组数据集上的KGE。误差线表示一个标准差。由于MF、WSA和SAV均只有一个站点，故不显示其误差线。

图4 基于最优模型的PET-MSWX与GLEAM PET的KGE（基于A、B组数据集）。误差线表示一个标准差。

图5 基于最优模型的（a）PET-MSWX与（b）GLEAM PET年际趋势的空间分布。打点区域表示趋势显著（p<0.05）。饼图表示面积占比，绿色表示增加但不显著的面积占比，绿色打点表示显著增加的面积占比，红色表示减小但不显著的面积占比，红色打点表示显著减小的面积占比。

3. 科学意义和应用价值

该数据集具有重要的科学研究与应用价值。首先，PET作为影响水文模拟及农业灌溉用水估算的重要变量，其估算精度提升有助于提高水文模型模拟能力及优化水资源利用。其次，PET是多种干旱指数和干燥度指标的核心输入，其精度提升将有助于更加准确地刻画干旱的时空变化特征。再次，本数据集引入土地利用/覆盖变化信息，为从人类活动与地表变化角度研究干旱机制提供了新的数据支撑。最后，PET能够反映气候对生态系统能量限制及初级生产力的影响，对理解生物多样性对环境变化的响应具有重要意义。

相关文章及数据：

1. Zaoying Bi, Shanlei Sun*, Qianrong Ma, Yi Liu, Xiaoyuan Li, Jinjian Li, Yibo Liu, Yang Zhou, Botao Zhou, & Haishan Chen. (2026). A 0.1° monthly potential evapotranspiration dataset based on the optimal models over global vegetation zones. Scientific Data. https://doi.org/10.1038/s41597-026-06956-3.

2. Zaoying Bi, Shanlei Sun*, & Haishan Chen. (2025). A 0.1° monthly potential evapotranspiration dataset based on the optimal models over global vegetation zones. National Tibetan Plateau/Third Pole Environment Data Center.https://doi.org/10.11888/Terre.tpdc.302843. https://cstr.cn/18406.11.Terre.tpdc.302843.