王万同，赵庆良，杜 佳

基于遥感技术的区域地表蒸散研究进展

王万同1，2，赵庆良1，杜 佳2

(1.河南大学环境与规划学院，开封 475001;2.中国科学院地理科学与资源研究所，北京 100101)

遥感技术的发展为大面积的区域地表蒸散(evapotranspiration，ET)反演和估算提供了一种新的手段，国内外学者围绕该领域在理论和技术方法上开展了大量研究。能量平衡原理是遥感估算地表ET的理论基础，由此发展出多种遥感ET模型与算法。在分析几种常见ET模型算法的基本原理及优缺点的基础上，阐述了不同方法的适应性及相关研究进展情况，提出了目前遥感ET研究所存在的问题，展望了遥感ET的发展趋势。

遥感;地表蒸散;能量平衡;蒸散模型

0 引言

蒸散(evapotranspiration，ET)既包括地表和植被表面的水分蒸发，也包括植被的蒸腾［1］;它是土壤－植被－大气系统中能量、水分交换的主要途径，涉及到土壤、植被和大气等多种复杂过程。对ET过程的研究既是了解地表能量平衡和水分循环的重要环节，也是深入认识陆面过程的基础。

影响ET的因子很复杂，大气条件、土壤特性、植被几何结构和生长状况等都会影响蒸散量的大小和分布格局。传统计算方法都是以点的观测资料为基础开展ET研究的，如波文比能量平衡法(bowen ratioenergybalance，BREB)［2］、Thornthwaite 和Holzman［3］利用近地面边界层相似理论提出的空气动力学方法、Penman［4］提出的能量平衡和空气动力学联合蒸散方程以及Monteith［5］在作物蒸散研究中引入表面阻抗概念提出的Penman－Monteith(P－M)公式等。但对于大范围非均匀地表区域而言，这种以点代面的ET估算方法难以满足精度上的要求。

遥感技术的迅猛发展，为估算区域ET开辟了一条新途径，使得遥感技术成为监测大范围地区的地表能量平衡和水分状况的一种有效手段。遥感数据能够综合反映地表类型、植被覆盖及水分空间分布状况。将遥感数据与地面监测的气象、水文等数据相结合，用于研究区域地表ET过程被认为是一种很有效的方法［6］。

1 遥感蒸散估算方法

1.1 能量平衡原理

能量平衡是各种用于遥感ET研究的理论基础。其表达式为

式中:Rn为地表净辐射，W·m－2;G为地表的土壤热通量，W·m－2;H为显热通量，W·m－2，表征下垫面与大气间以湍流方式进行的热量交换;LE为潜热通量，W·m－2，是以蒸散的形式进入大气的地表热量;PH为用于植被光合作用和生物量增加的能量(其值很小，可以忽略)。

1.2 统计经验法

基于遥感数据反演的植被指数和地表温度在一定程度上能够反映土壤水分和植被生长状况差异［7－8］。将植被指数、地表温度(或地表温度与大气温度的差值)与地面观测的潜热通量进行回归分析，建立经验方程，从而估算区域ET。

1.2.1 能量平衡方程简化法

Jackson 等［9］和 Idso等［10］对能量平衡方程进行了简化，提出利用地表温度估算农田ET的方法。其后，Seguin 和 Itier［11］进一步利用 Jackson 等提出的经验方法加以分析，发现此回归系数与植被覆盖率有很大的相关性，因此Seguin与Lagouarde等应用NOAA/AVHRR资料，修改了此经验方程，并成功估算了日ET量，即

式中:ETd为日ET量，mm;Ts为地表温度，K;Ta为大气温度，K;A，B为回归系数。

式(2)常被称为“简化法”，其所需参数少，计算过程简单，被广泛应用于区域ET的估算［12－14］。但在植被不完全覆盖区域，或在多云天气条件下，此方法的误差较大［15］。

1.2.2 植被指数－温度梯形法

Moran 等［16］对作物缺水指数(crop water stress index，CWSI)模型进行了改进，采用植被指数－温度梯形法来计算CWSI和ET，如图1所示。

图1 植被指数－温度梯形关系Fig.1 Trapezoidal shaped relationship between the vegetation index and temperature

式中:ETp为潜在蒸散量，mm;ΔTmax，ΔTmin，ΔTr分别为地表温度与大气温度差值的最大值、最小值和观测值，K。

由梯形法可知，地表温度与植被指数存在着一定的相关性，潜热通量越大，则地表温度越低。

1.2.3 植被指数－地表温度三角法

Lambin和 Ehrlich［17］发现遥感影像的植被指数(VI)与地表温度(Ts)散点图常呈三角形分布，进而开发出如图2所示的三角法，以简化梯形法估算ET量。

图2 植被指数－地表温度三角法示意图［17］Fig.2 Vegetation index and surface temperature triangulation schemes

Jiang和Islam［18］假设遥感数据符合土壤含水量从干到湿、植被从无到完全覆盖的条件，且在大气稳定、无云情况下，蒸发比与地面温度和植被指数呈线性相关，将VI－Ts三角法改良成无需地面观测资料的NDVI－Ts三角法，以估算区域 ET量。Batra等［19］利用NDVI－Ts三角法对美国南方大平原区分析比较了不同分辨率影像所估算的潜热通量。此外，Carlson等［20］也利用 NDVI－Ts图的“干边”和“湿边”估算了土壤含水量。

三角法可估算部分植被覆盖区域的ET量，但在阴天或多云天气下，由于缺乏遥感反演的地表温度而无法运用。

统计经验法计算过程简单，所需参数较少。但由于蒸散与地形条件、植被状况、土壤水分及大气条件等呈非线性关系，使得经验法有较大的局地性。

1.3 能量平衡余项法

能量平衡余项法以能量平衡方程为基础，通过计算净辐射通量(Rn)、土壤热通量(G)和显热通量(H)来推算蒸散量(ET)。能量平衡余项法包括单源模型和双源模型。这类模型以遥感反演的地表参数为主，结合与之相关的经验方程加以实现。由于必要的大气参数(如近地层大气的温度和风速)不能由遥感得到，加之其他方法得到的有关数据的空间分辨率低、精度不够，所以这类模型的应用存在着一定的适用范围和误差［21］。

1.3.1 单源模型

单源模型是将植被和土壤看成单一的混合层，整个混合层的温度是均匀的，并与外界空气交换动量、热量和水汽［22］。由于地表净辐射(Rn)、土壤热通量(G)的估算精度较高，误差可控制在10%左右，所以模型的研究重点一般都放在显热通量(H)的计算上［23］。

显热通量H的计算公式为

式中:ρ为空气密度，kg·m－3;Cp为空气比热容，J·kg－1·K－1;ΔT=(Taero－Ta)为空气动力学温度Taero与大气温度Ta的差值，K;ra为空气动力学阻抗，m·s－1。

空气动力学温度(Taero)是气温廓线向下延伸到冠层热量源汇处的空气温度，在实际应用中较难确定，常以地表温度Ts来代替空气动力学温度Taero进行估算，由此可能导致较大的估算误差。为此，陈镜明［24］、Kustas等［25］、谢贤群［26］提出利用剩余阻抗来进行误差校正。但这种方法涉及的参数较多，在应用上有一定困难。

从式(5)中可以看出，ΔT的两个极值可通过H估算。当H=0时，代表ΔT有最小值;当H=Rn－G时，代表ΔT有最大值。在ΔT=0时，即地面热辐射处于较低的情形，此时可用地表温度Ts来估算ΔT。

Bastiaanssen等［27］在陆地表面能量平衡算法(surface energy balance algorithm for land，SEBAL)模型中，提出通过Ts与ΔT之间的简单线性关系来计算显热通量，并利用尼日尔地区不同地表覆盖的分析资料，建立线性方程

式中 a，b为线性回归系数，根据遥感影像中的“冷”、“热”像元的温差来确定。如图3所示，在“冷”像元处，地表所获得的辐射能量大部分用于蒸发，因而ΔT可以假设为0;在“热”像元处，净辐射几乎完全用于地表的加热，地表ET接近于0，显热通量Hhot为地表净辐射“热”像元 Rn，hot与土壤热通量“热像元”Ghot的差值，即 Hhot=Rn，hot－ Ghot，依据式(5)反推得到“热”像元处的ΔT，进而求解出回归系数 a，b值。

图3 SEBAL模型中地表温度Ts与温差ΔT的关系［27］Fig.3 Relationship between the Tsand ΔT in SEBAL model

SEBAL模型基于遥感反演的地表参数并结合少量辅助气象数据来估算地表ET量，具有较坚实的物理基础，适用范围较广，估算精度较高，在地表覆盖均匀的情况下，ET量的估算精度可达85%以上［28－30］，被认为是一种准业务化的计算方法［31］。该模型不足之处在于:①许多参数都采用简化的经验公式进行估算，其区域可行性与计算精度需要进一步的检验;②在显热通量的计算中，对“冷”、“热”像元的选择存在主观性;对“冷”、“热”像元的计算用线性关系建立，这种带有统计模式的关系具有局地性。

Menenti和 Choudhury［32］利用遥感影像中的干、湿区产生“蒸发比”(evaporative fraction)的概念，开发出陆面能量平衡指数(surface energy balance index，SEBI)模型，以估算区域ET量。此概念除了被Su［33］引入到地表能量平衡方程中，开发出陆面能量平衡系统(surface energy balance system，SEBS)外，也被Roerink等［34］简化成不需要利用地表观测资料的简化陆面能量平衡指数(simplified surface energy balance index，S－SEBI)模型。

蒸发比的计算公式［32］为

只要分别求出净辐射通量(Rn)、土壤热通量(G)和蒸发比(Er)，就可以得到潜热通量(LE)。图4是S－SEBI模型中地表反照率与地表温度的关系图，可利用获得的干湿控制曲线计算每个像元的蒸发比值。

图4 S－SEBI模型中地表反照率与地表温度Ts的关系Fig.4 Relationship between albedo and Tsin S－SEBI model

对于每个像元，地表反照率和地表温度Ts是确定的，蒸发比可由

得到瞬时蒸散量。式中 λ为水的汽化潜热，J·kg－1，估算式为

Gómez等［35］对 S －SEBI模型进行了扩展，并反演了日 ET量。Sobrino等［36］则对 Gomez的方法进一步扩展，使用高分辨率数据进行实验，反演的日ET量精度为1 mm。

S－SEBI模型要求遥感影像中有充足的干、湿像元，且大气为稳定状态下，才可以从反照率和地表温度散点图中得到干湿控制曲线，进而求得蒸发比值。

由于单源模型将植被和土壤看成单一的混合层，忽略了植被与土壤之间以及与外界大气的动量、热量和水汽交换，所以只适用于地表均一、密闭的植被，在地表不完全覆盖时会有较大误差。

1.3.2 双源模型

鉴于单源模型的不足，Shuttleworth等［37］在单源模型的基础上提出了双源模型的概念。该模型考虑在地表有植被覆盖的情况下，将ET过程分为土壤蒸发和植物蒸腾两个部分来分别估算。之后一些学者不断对模型进行改进，直到Norman等［38］对其进行了

求解。式中:TH是极干状态下的温度;TLE是极湿状态下的温度。

最后由式(7)得到潜热通量LE，再由简化，提出了独立平行双层模型，该模型假设土壤通量和冠层通量互相平等，各自独立地与空气进行湍流交换，总通量为各组分通量的简单相加。Lhomme等［39］对上述两种方法进行了比较，认为双源模型的精度要高于单源模型，但二者估算的相对精度均与稀疏指数(植被间裸露土壤的斑块尺度和植被高度的比值)有关，稀疏指数越高，则模型给出的精度就越高。

还有一种“斑块”模型，认为土壤是裸露的，植被像补丁一样缀在土壤表面，土壤与植被间无耦合关系，总通量为各组分通量的面积权重之和［40－42］。

双源模型考虑了土壤和植被间的耦合关系，更接近地表－大气能量与水分交换的实际物理过程;但其计算过程复杂，且模型中的各种阻抗计算建立在经验公式的基础上，具有很强的局地性。“斑块”模型则是双源模型的简化，精度略低于双源模型，但高于单源模型。

1.4 数值模型

由于简单的回归经验方程常受到许多特定条件的限制，造成无法满足众多的使用需求，因此有些研究将已经发展成熟的土壤－植被－大气传输模型(soil－vegetation－atmosphere transfer，SVAT)与遥感技术相结合，开发出估算地表ET量的数值模型，如双源能量平衡模型(two－source energy balance model，TSEB，亦称 TSM)［38］和双源时间集成模型(two － source time － integrated model，TSTIM)［43］。

近年来，在TSEB和TSTIM基础上发展起来的大气 －陆地交换反演模型(atmosphere－land exchange inversion model，ALEXI)，通过耦合 TSEB模型和简化边界层模型，减少了对气象数据的依赖，可快速模拟区域地表能量转换状况，在估算地表ET量方面的可靠性和准确性已得到广泛验证［44］。

将遥感数据输入到SVAT模型中主要有两种方式:①强迫法［45］，通过空间和时间的内插，将遥感数据强制输入到SVAT模型中;②数据同化法［46］，图5表示出了SVAT模型与其他资料同化的过程。

图5 SVAT模型与其他资料同化示意图［47］Fig.5 Assimilation schematic representation of the SVAT and other data

遥感数据与SVAT模型的耦合为综合利用遥感数据提供了一种可行的方法，遥感反演的数据可为SVAT模型提供某些地面观测难以获取的参数，在一定程度上提高了模拟精度。但SVAT模型往往需要大量参数，如果参数的精度较低，将会影响最后的结果;同时有些参数如土壤参数、连续变化的气象要素等难以大范围获取，且加之较大的计算量，从而造成SVAT模型与遥感数据的同化技术在实际应用中还存在一定的距离［46］。

2 存在的问题

2.1 地表参数反演的困难

在地表ET估算中，对地表反照率、NDVI、比辐射率和地表温度等地表参数的反演将影响最后的估算精度，其中地表温度的反演尤为重要。目前用于地表温度反演的算法有单窗/单通道算法、分裂窗/劈窗算法等，均建立在同温均匀像元的假设之上，反演得到的地表温度是缺少物理意义的平均温度，而具有真正物理意义的混合像元组分温度才是遥感所要反演的。目前主要困难还在于必要的大气参数(如近地层大气的温度和风速)不能通过遥感数据反演的方法获得，而其他方法得到的有关数据的空间分辨率低、精度不够。

2.2 蒸散模型的局地性与误差

在用能量平衡原理估算ET量时，重心都落在显热通量的计算上;而在实际计算中，常常用遥感反演的地表温度来代替空气动力学温度。但是，两者只有在植被完全覆盖的情况下才近似相同，在部分覆盖或有裸地的情况下，两者之间差值能达到10 K［48］，由此造成ET模型存在较大的局地性。另外，模型中还需要估算地表温度与大气温度的差值，由于气温在一定区域范围内的变化量不大，因此往往将相邻测站1.5或2 m高的气温测量值输入到模型。但是如果地表过于复杂或植被覆盖不均匀，遥感得到的地面温度有时可能是10 m以上的树冠层温度，有时也可能代表1 m高的树冠层温度，因而常存在较大的估算误差［49］。

2.3 几种不确定性

地表能量平衡原理是理论基础，其本身就存在着抽象、简化、经验性等不确定因素。另外，能量平衡方程各通量的计算实际上采用的是间接求解法，各通量参数的计算都有多种模型，这些模型间存在的不确定性又会造成各通量最终计算结果的不确定性。

许多ET模型都属于半经验性质，由经验公式所带来的局地性和人为获取数据的不确定性将最终表现为各种遥感反演参数的不确定性。更为重要的是，由于遥感数据自身的瞬时性，所反演出的数据以及所估算出的ET量不能表达地表连续的蒸散发过程。为了将瞬时的遥感数据转换为时段数据，需要进行积分运算。如对于日ET量的计算，谢贤群等［26］认为日ET量与任一时刻的瞬时ET存在着正弦关系。但其并没有考虑到任何瞬间湍流的影响(如风速的瞬时变化)都会使正弦曲线出现波动，从而产生较大的误差。

2.4 真实性检验的困难

科学、严格的真实性检验是遥感数据产品精度和数据使用可靠性的重要保证，也是检验模型适用性以及改进模型的手段之一。真实性检验涉及到地面观测、同步观测、模型反演、遥感产品获取和尺度转换等定量遥感的关键环节［6］。目前对于遥感ET的真实性检验多利用地面实测的方法，例如蒸渗仪、波文比和涡度相关仪。但是，实测数据仅能代表“点”，而像元尺度“面”的检验是目前所有遥感ET模型所面临的难题。在均匀地表条件下，可以认为点状的观测数据具有“面”上较好的代表性，但在地形起伏、植被覆盖复杂等条件下就难以具备像元尺度的代表性［50］。近年来发展的大口径闪烁仪(LAS)的测值通过一定算法可以转换为路径上由地面进入大气的面平均显热通量，实验结果表明，LAS与涡度相关仪所测结果具有较好的一致性，被认为是遥感方法和数值模拟结果的最佳验证工具，但涉及的源区影响、地表特征参数、掺混高度等问题还需要更加深入的实验与研究［51］。

3 总结与展望

模型是整个遥感蒸散应用的核心，模型算法的结构和复杂程度也决定着遥感应用的范围。遥感ET模型的发展经历了由简到繁、由经验性到机理性的理论与技术的提升过程。局地水平非均匀问题和时间动态过程的模型将是今后遥感ET研究的重点。遥感的最终目的是要将获取的地表参数及能量通量输入到陆面过程模式，从而对陆面过程的参数进行改进，并为遥感ET模型的区域化应用提供修正参数。因此，如何将遥感与陆面模式结合起来是遥感在ET研究中更为深入的问题。

由于不同的遥感传感器具有各自的优点，利用不同的遥感数据获取不同特征的地表参数，联合利用各种遥感数据获取同一种参数，相互补充、相互验证，是今后遥感ET研究的发展趋势。将目前应用的可见光、红外光波段的遥感扩展到微波遥感领域，必然会促进遥感ET模型的发展。

［1］ Burman R，Pochop L.Evaporation，Evapotranspiration and Climatic Data［M］.The Netherlands:Elsevier Science，1994.

［2］ Bowen I S.The Ratio of Heat Losses by Conduction and by Evaporation from any Water Surface［J］.Physical Review，1926，27(6):779－787.

［3］ Thornthwaite C W，Holzman A.Report of the Commutation on Transpiration and Evaporations［J］.Transactions of the American Geophysical Union，1944，25(1):683 －693.

［4］ Penman H L.Natural Evaporation from Open Water，Bare Soil and Grass［J］.Proceedings of the Royal Society of London，Series A，Mathematical and Physical Sciences，1948，193(1032):120 －145.

［5］ Monteith J L.Principles of Environmental Physics［D］.London:Edward Arnold，1973.

［6］ 张仁华.定量热红外遥感模型及地面实验基础［M］.北京:科学出版社，2009.

［7］ Nagler P L，Scott R L，Westenburg C，et al.Evapotranspiration on Western U.S.Rivers Estimated Using the Enhanced Vegetation Index from MODIS and Data from Eddy Covariance and Bowen Ratio Flux Towers［J］.Remote Sensing of Environment，2005，97(3):337－351.

［8］ Prater M R，Delucia E H.Non－native Grasses Alter Evapotranspiration and Energy Balance in Great Basin Sagebrush Communities［J］.Agricultural and Forest Meteorology，2006，139(1/2):154 －163.

［9］ Jackson R D，Reginato R J，Idso S B.Wheat Canopy Temperature:a Practical Tool for Evaluating Water Requirements［J］.Water Resource Research，1977，13(3):651 －656.

［10］ Idso S B，Reginato R J，Jackson R D.An Equation for Potential Evaporation from Soil，Water and Crop Surfaces Adaptable to Use by Remote Sensing［J］.Geophysical Research Letters，1977，4(5):187－188.

［11］ Seguin B，Itier B.Using Midday Surface Temperature to Estimate Daily Evaporation from Satellite Thermal IR Data［J］.International Journal of Remote Sensing，1983，4(2):371 －383.

［12］田国良.黄河流域典型地区遥感的动态研究(一)［J］.遥感技术与应用，1990(2):25 －32.

［13］陈 鸣，潘之棣.用卫星遥感热红外数据估算大面积蒸散量［J］.水科学进展，1994，5(2):126 －133.

［14］ Sánchez J M，Caselles V，Niclós R，et al.Evaluation of the B －method for Determining Actual Evapotranspiration in a Boreal Forest from MODIS Data［J］.International Journal of Remote Sensing，2007，28(6):1231 －1250.

［15］ Carlson T N，Capehart W J，Gillies R R.A New Look at the Simplified Method for Remote Sensing of Daily Evapotranspiration［J］.Remote Sensing of Environment，1995，54(2):161 －167.

［16］ Moran M S，Clarke T R，Inoue Y，et al.Estimating Crop Water Deficit Using the Relation Between Surface－air Temperature and Spectral Vegetation Index［J］.Remote Sensing of Environment，1994，49(3):246 －263.

［17］ Lambin E F，Ehrlich D.The Surface Temperature － vegetation Index Space for Land Cover and Land － cover Change Analysis［J］.International Journal of Remote Sensing，1996，17(3):463 －487.

［18］ Jiang L，Islam S.An Intercomparison of Regional Latent Heat Flux Estimation Using Remote Sensing Data［J］.International Journal of Remote Sensing，2003，24(11):2221 －2236.

［19］ Batra N S，Islam V，Venturini G，et al.Estimation and Comparison of Evapotranspiration from MODIS and AVHRR Sensors for Clear Sky Days over the Southern Great Plains［J］.Remote Sensing of Environment，2006，103(1):1 －15.

［20］ Carlson T N，Ripley D A.On the Relation Between NDVI，Fractional Vegetation Cover，and Leaf Area Index［J］.Remote Sensing of Environment，1997，62(3):241 － 252.

［21］甘甫平，陈伟涛，张绪教，等.热红外遥感反演陆地表面温度研究进展［J］.国土资源遥感，2006(1):6－11.

［22］ Zhang L，Lemeur R，Goutorbe J P.A One－layer Resistance Model for Estimating Regional Evapotranspiration Using Remote Sensing Data［J］.Agricultural and Forest Meteorology，1995，77(3/4):241－261.

［23］ Schmugge T J，Kustas W P，Ritchie J C，et al.Remote Sensing in Hydrology［J］.Advances in Water Resources，2002，25(8/12):1367－1385.

［24］陈镜明.现用遥感蒸散模式中的一个重要缺点及改进［J］.科学通报，1988(6):454 －457.

［25］ Kustas W P，Choudhury B J，Moran M S，et al.Determination of Sensible Heat Flux Sparse Canopy Using Thermal Infrared Data［J］.Agricultural and Forest Meteorology，1989，44(3/4):197 －216.

［26］谢贤群.遥感瞬时作物表面温度估算农田全日蒸发散总量［J］.环境遥感，1991，6(4):253 －259.

［27］ Bastiaanssen W G M，Menenti M，Feddes R A，et al.A Remote Sensing Surface Energy Balance Algorithm for Land(SEBAL)－1.Formulation［J］.Journal of Hydrology，1998，212/213:198 －212.

［28］ Bastiaanssen W G M，Pelgrum H，Wang J，et al.A Remote Sensing Surface Energy Balance Algorithm for Land(SEBAL)－2.Validation［J］.Journal of Hydrology，1998，212/213(1/4):213 － 229.

［29］ Bastiaanssen W G M.SEBAL－based Sensible and Latent Heat Fluxes in the Irrigated Gediz Basin，Turkey［J］.Journal of Hydrology，2000，229(1/2):87 －100.

［30］ Bastiaanssen W G M，Noordman E J M，Pelgrum H D，et al.SEBAL Model with Remotely Sensed Data to Improve Water－resources Management under Actual Field Conditions［J］.ASCE Journal of Irrigation and Drainage Engineering，2005，131(1):85 －93.

［31］ Tasumi M，Allen R G.Satellite－based ET Mapping to Assess Variation in ET with Timing of Crop Development［J］.Agricultural Water Management，2007，88(1/3):54 －62.

［32］ Menenti M，Choudhury B.Parameterization of Land Surface Evaporation by Means of Location Dependent Potential Evaporation and Surface Temperature Range［C］//Proceedings of IAHS Conference on Land Surface Processes，1993:561 －568.

［33］ Su Z.The Surface Energy Balance System(SEBS)for Estimation of Turbulent Heat Fluxes［J］.Hydrology and Earth System Sciences，2002，6(1):85 －99.

［34］ Roerink G J，Su Z，Menenti M.A Simple Remote Sensing Algorithm to Estimate the Surface Energy Balance［J］.Physics and Chemistry of the Earth(B)，2000，25(2):147 －157.

［35］ Gómez M，Olioso A，Sobrino J A，et al.Retrieval of Evapotranspiration over the Alpilles/ReSeDA Experimental Site Using Airborne POLDER Sensor and a Thermal Camera［J］.Remote Sensing of Environment，2005，96(3/4):399 － 408.

［36］ Sobrino J A，Gómez M，Jiménez－ Munoz J，et al.A Simple Algorithm to Estimate Evapotranspiration from DAIS Data:Application to the DAISEX Campaigns［J］.Journal of Hydrology，2005，315(1/4):117－125.

［37］ Shuttleworth W J，Gurney R J.The Theoretical Relationship Between Foliage Temperature and Canopy Resistance in Sparse Crop［J］.Quarterly Journal of Royal Meteorological Society，1990，116(492):497－519.

［38］ Norman J M，Kustas W P，Humes K S.Source Approach for Estimating Soil and Vegetation Energy Fluxes in Observations of Directional Radiometric Surface Temperature［J］.Agricultural and Forest Meteorology，1995，77(3/4):263 －293.

［39］ Lhomme J P，Chehbouni A.Comments on Dual－ source Vegetation Atmosphere Transfer Models［J］.Agricultural and Forest Meteorology，1999，94(3/4):269 －273.

［40］ Blyth E M，Harding R J.Application of Aggregation Model to Surface Heat Flux from the Sahelian Tiger Bush［J］.Agricultural and Forest Meteorology，1995，72(3/4):213 －215.

［41］ Nishida K，Nemani R R，Running S W，et al.Remote Sensing of Land Surface Evaporation(I)Theoretical Basis for an Operational Algorithm［EB/OL］.［2011 － 05 －20］.Http://secure.ntsg.umt.edu/projects/files/documents/mod16/SER－ver9－JGR.DOC.

［42］何 玲，莫兴国，汪志农.基于MODIS遥感数据计算无定河流域日蒸散［J］.农业工程学报，2007，23(5):114 －149.

［43］ Anderson M C，Norman J M，Diak G R，et al.A Two－source Time－integrated Model for Estimating Surface Fluxes Using Thermal Infrared Remote Sensing［J］.Remote Sensing of Environment，1997，60(2):195 －216.

［44］ Anderson M C，Norman J M，Mecikalski J R，et al.A Climatological Study of Evapotranspiration and Moisture Stress Across the Continental United States Based on Thermal Remote Sensing 1.Model Formulation［J］.Journal of Geophysical Research，2007，112(D10):117－129.

［45］ Delécollet R，Mass S J，Guérif M，et al.Remote Sensing and Crop Production Models:Present Trends［J］.ISPRS Journal of Photogrammetry and Remote Sensing，1992，47(2/3):145 －161.

［46］徐同仁，刘绍民，秦 军，等.同化MODIS温度产品估算地表水热通量［J］.遥感学报，2009，13(6):999 －1009.

［47］ Olioso A，Chauki H，Courault D，et al.Estimation of Evapotranspiration and Photosynthesis by Assimilation of Remote Sensing Data into SVAT Models［J］.Remote Sensing of Environment，1999，68(3):341－356.

［48］辛晓洲，田国良，柳钦火.地表蒸散定量遥感的研究进展［J］.遥感学报，2003，7(3):233 －240.

［49］ Cleugh H A，Leuning R，Mu Q Z，et al.Regional Evaporation Estimates from Flux Tower and MODIS Satellite Data［J］.Remote Sensing of Environment，2007，106(3):285 －304.

［50］李 新，马明国，王 建，等.黑河流域遥感—地面观测同步试验科学目标与试验方案［J］.地球科学进展，2008，23(9):897 －914.

［51］卢 俐，刘绍民，孙敏章，等.大孔径闪烁仪研究区域地表通量的进展［J］.地球科学进展，2005，20(9):932 －938.

Advances in the Study of Evapotranspiration of Regional Land Surface Based on Remote Sensing Technology

WANG Wan － tong1，2，ZHAO Qing － liang1，DU Jia2
(1.College of Environment and Planning，Henan University，Kaifeng 475001，China;2.State Key Laboratory of Resources and Environmental Information System，Institute of Geographical Sciences and Natural Resources Research，CAS，Beijing 100101，China)

The development of remote sensing technology provides a new means for the inversion and estimation of widespread land surface evapotranspiration(ET).Researchers both in China and abroad have already studied the theories and techniques of this field.The principle of energy balance is the basic theory of estimating land surface ET，which has led to the formulation of a lot of models and algorithms of remote sensing ET.Based on an analysis of basic principles as well as merits and shortcomings of several models，the authors expound the adaptability and progress of different methods，point out the existing problems of the study of remote sensing ET，and finally prospect the development trend of remote sensing ET.

remote sensing;land surface evapotranspiration(ET);energy balance;ET model

TP 79;S 161.4

A

1001－070X(2012)01－0001－07

10.6046/gtzyyg.2012.01.01

2011－05－20;

2011－06－19

国家自然科学基金项目(编号:40801180)资助。

王万同(1974－)，男，博士研究生，主要从事遥感影像处理和定量遥感研究。E－mail:kfwwt@yahoo.com.cn。

(责任编辑:邢 宇)