蒸散发（ET）是陆地水循环、碳循环和能量平衡的重要组成部分。由于ET的时空动态变化具有高度复杂性，且受到多种生物物理因素的交互影响，地面观测数据的空间覆盖度和时间连续性有限，不同估算方法（如基于遥感、机器学习、再分析、陆面过程模型等）得到的格点ET产品间存在较大差异。这种不确定性阻碍了陆地水平衡的精确量化及对气候变化影响的认知。然而，现有ET融合数据集大多仅依赖单一类型ET数据，限制了其有效捕捉区域ET变异的能力。研究从多空间尺度评估了30套ET数据集（图1）的精度与不确定性，并采用贝叶斯模型平均（BMA）算法构建了1980–2020年全球陆地蒸散发数据集（图2）。该数据集的关键创新在于其动态加权方案，主要针对不同植被类型及非重叠年份的权重进行调整。

图1 各ET数据集的覆盖年份（其中1982–2011为所有ET数据集的共同覆盖年份）。

图2 ET融合方案流程图。

研究基于30套全球蒸散发数据集，从站点尺度到格点尺度进行了综合评估，为不同空间尺度的研究提供数据参考。在综合评估各蒸散发数据集在季节和植被类型方面的表现后，研究推荐基于遥感反演和机器学习重建的蒸散发数据集，其中MTE（Model Tree Ensemble）数据集、PML（Penman-Monteith-Leuning）数据集和PLSH（Process-based Land Surface Evapotranspiration/Heat Fluxes）数据集表现较为突出，但具体数据选择需考虑季节变化与植被类型（图3）。

图3 1991–2011年间各数据集的ET精度评估结果。子图a、b、c分别为各数据集ET与FLUXNET2015站点ET的相关系数、平均绝对误差、均方根误差。

      基于融合数据集BMA-ET，1980–2020年期间全球陆地ET呈上升趋势，年均增幅为0.65（0.51–0.78）mm/年。基于FLUXNET2015通量站点的验证结果表明，BMA-ET与超过70%的站点相关系数高于0.6。研究采用独立数据源对BMA-ET进行验证（图4），结果表明BMA-ET与AmeriFlux、ChinaFlux、ICOS及FLUXNET2015（2012–2015年）站点蒸散发观测值的相关系数分别达到0.61、0.72、0.74和0.58，并在不同植被类型中均展现出较高精度。同时，BMA-ET的数据精度对站点划分方案不敏感，精度评估结果显示在不同训练集比例（60%、70%和80%）下表现出较高一致性。此外，研究对比了基于贝叶斯三角帽法（BTCH）与等权重法对站点所在植被类型未覆盖区域进行ET融合的结果，显示二者的ET估算值在未覆盖区域的相关系数较高。研究通过排除在数据集生产过程中已知使用FLUXNET观测数据的ET数据集，开展敏感性实验，结果表明在排除与FLUXNET相关的ET数据集前后，对BMA-ET数据集的性能影响甚微。

图4 BMA-ET数据集的精度评估。观测数据分别来自（a）FLUXNET2015（2012–2015年）、（b）AmeriFlux（1994–2020年）、（c）ChinaFlux（2003–2010年）、（d）ICOS（2003–2010年）。

该研究成果以“Multi-spatial scale assessment and multi-dataset fusion of global terrestrial evapotranspiration datasets”为题，发表在国际期刊《Earth System Science Data》（IF = 11.6），博士生吴怡为论文第一作者，缪驰远教授为论文通讯作者。该研究得到国家重点研发计划（2024YFF0809301）、国家自然科学基金（U24A20572）以及中央高校基本科研业务费等项目资助。

原文链接：https://essd.copernicus.org/articles/17/6445/2025/