Estimation and modeling of crop resistance across european flux tower stations

Evapotranspiration is essential for insighting land–atmosphere interactions under increasing climatic variability and crop water requirement for reliable quantification. Crop resistance (Rc), is a function which regulates transpiration and is a major source of uncertainty in physically based models since it cannot be directly measured and must be inferred. In this research, we focused on estimation and modelling of crop resistance across 14 European tower flux stations using ICOS metadata. Rc was estimated using two approaches: (i) inversion of the Penman–Monteith(PM) equation from eddy covariance latent heat flux measurements, and (ii) the empirical Jarvis formulation based on leaf area index and soil moisture. To analyse the model performance, a comparative evaluation is done using three metrics- Mean difference, RMSE, and Nash-Sutcliffe Coefficient. Thus, Rc values from PM inversion show lower and more dynamically variable, whereas the Jarvis formulation generated higher, less variable estimates which reflect inadequate forecasting ability, particularly under water-stressed and structurally complex dynamics. Consistently negative Nash-Sutcliffe values indicate the Jarvis model’s constrained capability in reproducing physically derived Rc. Performance varied by ecosystem type, with managed croplands, grasslands, and productive forests exhibiting better consistency compared to arid or alpine ecosystems. Statistical and machine-learning models- linear regression and NN+Forward approach is performed, more effectively reproducing seasonal dynamics of Rc variability using core surface energy fluxes where finally founds NN+Forward approach works reliably. Overall, the findings highlight strong ecosystem-specific variability in Rc and the empirical formulation constraints, supporting integration of physically constrained and data-driven approaches in crop resistance modeling.

L'evapotraspirazione è essenziale per comprendere le interazioni terra-atmosfera in condizioni di crescente variabilità climatica e il fabbisogno idrico delle colture, al fine di una quantificazione affidabile. La resistenza delle colture (Rc) è una funzione che regola la traspirazione e rappresenta una delle principali fonti di incertezza nei modelli basati sulla fisica, poiché non può essere misurata direttamente e deve essere dedotta. In questa ricerca, ci siamo concentrati sulla stima e sulla modellazione della resistenza delle colture in 14 stazioni di misura del flusso di calore a torre europee utilizzando i metadati ICOS. Rc è stata stimata utilizzando due approcci: (i) l'inversione dell'equazione di Penman-Monteith (PM) a partire dalle misurazioni del flusso di calore latente con covarianza di vortici e (ii) la formulazione empirica di Jarvis basata sull'indice di area fogliare e sull'umidità del suolo. Per analizzare le prestazioni del modello, viene effettuata una valutazione comparativa utilizzando tre parametri: differenza media, RMSE e coefficiente di Nash-Sutcliffe. Pertanto, i valori di Rc derivanti dall'inversione PM mostrano valori inferiori e una maggiore variabilità dinamica, mentre la formulazione di Jarvis ha generato stime più elevate e meno variabili, che riflettono una capacità previsionale inadeguata, in particolare in condizioni di stress idrico e dinamiche strutturalmente complesse. Valori di Nash-Sutcliffe costantemente negativi indicano la limitata capacità del modello di Jarvis di riprodurre Rc derivato fisicamente. Le prestazioni variavano a seconda del tipo di ecosistema, con terreni coltivati gestiti, praterie e foreste produttive che mostravano una migliore coerenza rispetto agli ecosistemi aridi o alpini. Modelli statistici e di apprendimento automatico: regressione lineare e approccio NN+Forward vengono eseguiti, riproducendo in modo più efficace le dinamiche stagionali della variabilità di Rc utilizzando i flussi energetici superficiali del nucleo, dove alla fine si scopre che l'approccio NN+Forward funziona in modo affidabile. Nel complesso, i risultati evidenziano una forte variabilità specifica dell'ecosistema in Rc e i vincoli della formulazione empirica, supportando l'integrazione di approcci basati su vincoli fisici e basati sui dati nella modellazione della resistenza delle colture.