Síntesis de la evapotranspiración real global de 1982 a 2019

Resumen. Como un vínculo entre los ciclos de agua, energía y carbono, la evapotranspiración real global (ET) desempeña un papel esencial en la agricultura, la gestión de recursos hídricos y el cambio climático. Aunque es difícil estimar la ET a gran escala y durante un largo período, existen varios conjuntos de datos globales de ET disponibles con incertidumbre asociada a diversas suposiciones respecto a sus algoritmos, parámetros e insumos. En este estudio, proponemos un producto de ET sintetizado a largo plazo con una resolución espacial de un kilómetro y una resolución temporal mensual de 1982 a 2019. A través de una evaluación de píxeles de sitio de 12 productos globales de ET en diferentes períodos de tiempo, tipos de superficie terrestre y condiciones, se seleccionaron los productos de alto rendimiento para la síntesis del nuevo conjunto de datos utilizando una covariación de flujo de eddy (EC) de alta calidad que cubre todo el globo. Según los resultados del estudio, se eligieron los productos de ET Penman–Monteith–Leuning (PML), el Balance Energético Superficial Simplificado Operativo (SSEBop), el Espectrorradiómetro de Imágenes de Resolución Moderada (MODIS, MOD16A2105) y el Grupo de Simulación Terradinámica Numérica (NTSG) para crear el conjunto de ET sintetizado. El producto propuesto coincidió bien con la ET del flujo EC en la mayoría de los niveles de comparación, con un error medio relativo máximo (RME) de 13.94 mm (17.13 %) y un error cuadrático medio relativo máximo (RRMSE) de 38.61 mm (47.45 %). Además, el producto mostró un mejor desempeño que los productos locales de ET en China, Estados Unidos y el continente africano, y presentó una estimación de ET a través de todas las clases de cobertura terrestre. Aunque ningún producto puede ser el mejor en todos los casos, la ET propuesta se puede utilizar sin necesidad de consultar otros conjuntos de datos y realizar evaluaciones adicionales. Los datos están disponibles en el repositorio público Harvard Dataverse a través del siguiente Identificador de Objeto Digital (DOI): https://doi.org/10.7910/DVN/ZGOUED (Elnashar et al., 2020), así como en la aplicación Google Earth Engine (GEE) a través de este enlace: https://elnashar.users.earthengine.app/view/synthesizedet (último acceso: 21 de enero de 2021).