1.3　蒸散发估算方法

1.3.1　传统方法

1.3.1.1　水量平衡法

水量平衡法是计算蒸散发方法中比较简单但比较实用的一种，其计算公式简便且具有明确的物理原理即质量守恒定律，因此在蒸散发计算中应用广泛，如在大区域长时间尺度蒸散发计算中，其计算结果多为其他方法计算结果的验证数据。水量平衡方程如下：

式中：P为时段内流域上的降水量；E为时段内流域的蒸发量；RO为时段内流出流域的水量；RI为时段内流入流域的水量；q为时段内用水量；ΔW为时段内流域蓄水量的变化。

若为闭合流域，则RI=0，再假设用水量q=0，则原式（1.4）转换为

式中：RO为时段内流出流域的水量。

若已知降水量、径流量以及流域蓄水量变化，由式（1.5）可以计算出流域蒸散发量，当时间尺度为月、旬，甚至日时，误差依次增大，由于精度太低难以在日尺度计算中采用，因此一般以季度和年尺度进行计算。

水量平衡中降水量是相对容易获取的数据，来源有各种地面观测站点数据如雨量站和气象站、雷达以及卫星数据等。地面站点数据有着很长的时间序列，大部分能追溯到20世纪初，个别区域的站点甚至有更早的数据。但是地面数据最大的缺陷在于空间分布，由于观测站点以点状分布，而且密度有异，在人烟稀少环境恶劣的区域如荒漠、热带雨林以及高纬度地区只有零星分布（Villarini等，2008），因此获取区域降水量空间分布往往需要空间插值，利用泰森多边形、距离反比加权平均法以及Kriging法等，但是其结果有误差存在。雷达测雨或是卫星直接获取降水量能获取空间分布比较好及时间上连续的数据，由于遥感技术发源于20世纪70年代，因此有很长时间段内的数据无法通过这种方式获取。近年来，有大量研究结合地面站点数据与遥感数据，获取长序列空间最优分布的区域降水量。根据美国地质勘探局（USGS）标准（Wang等，2012），式（1.5）中径流量的获取一般通过径流站，日精度为5％～10％，月尺度及更大时间尺度上精度更高。式（1.5）中比较难以获得的数据是流域蓄水量的变化。由于人类活动的影响，流域蓄水量会不断发生变化，目前获取流域蓄水量变化的数据主要依靠2002年发射的GRACE（Gravity Recovery and Climate Experiment）卫星测得的数据，其精度为400km左右，将GRACE卫星数据同化进陆面模型中，精度远高于直接使用GRACE卫星数据（Wang等，2012）。一般来说流域蓄水量变化不会太大，因此可以忽略式（1.5）中这一项，这在计算多年平均蒸散发量时使精度有明显提高。

1.3.1.2　Penman-Monteith公式

Penman公式（Penman，1948；1952）最早是由英国人Penman于1948年提出的计算开阔自由水面蒸发能力的半理论半经验公式。该公式结合了能量平衡理论和空气动力学相关理论，具有较强的物理意义。1965年Monteith在Penman公式基础之上，将水汽扩散方程理论中叶片表面阻抗的概念融入到Penman公式中，从而使该公式可以用来计算非饱和下垫面的作物蒸发量，即Penman-Monteith公式。其表达式如下：

式中：LE为潜热通量；Δ为饱和水汽压与温度关系曲线的斜率；Rn为到达地球表面的净辐射通量；G为土壤热通量；ρ为空气密度；Cp为定压比热；Ta为空气温度；γa为温度计常数；ra为空气动力学阻抗；rs为冠层表面阻抗。

为了在实践中更方便地应用Penman-Monteith公式，联合国粮农组织于1994年定义了一种高度为0.12cm、反射率为0.23，表面阻抗为70s/m的短草的蒸发量为参考作物蒸发量，通过将该蒸发量乘以作物系数、土壤水分胁迫系数来推求实际蒸发量，后经过Allen等的修正被推荐为计算蒸散发的首选方法（Allen，1998）。

日蒸散量可采用式（1.7）、式（1.8）计算：

式中：ETr为参考日蒸散量；T为2m高处日平均温度；u2为2m高处风速；e2为饱和水汽压；e1为实际水汽压；ETa为实际日蒸散量；KC为参考作物系数；S为土壤胁迫系数；其余各项物理意义同式（1.6）。

Penman-Monteith公式的优点在于不需知道表面湿度，难点在于表面阻抗的确定。在应用于植被、农作物时，表面阻抗可用冠层阻抗近似代替，但植被蒸腾受到生长状态、生理特征及根系供水等影响，导致冠层阻抗的性质非常复杂（宋立生等，2017）。同时，土壤表面在供水不充分的情况下，其蒸发阻力性质很复杂，因此表面阻抗也难以准确描述。表面阻抗的准确计算在粗糙和复杂下垫面时比较困难，从而使Penman-Monteith公式在复杂下垫面上的应用受到限制（辛晓洲等，2003）。表面阻抗中涉及的土壤水分状况和植被生理特征，在区域尺度上仍难以通过遥感直接获得，但遥感可以提供Penman-Monteith公式中计算净辐射和土壤热通量的参数及各种阻抗所涉及的部分下垫面参数（张荣华等，2012）。

1.3.1.3　互补相关模型

Bouchet于1963年提出了陆面实际蒸散与潜在蒸散之间的互补相关原理，即：在1～10km2大而均一的表面，外界能量保持不变（Bouchet，1963）。当水分充足时，表面上的实际蒸散量Ea与潜在蒸散量Ep之和，为湿润环境蒸散量Ew。若土壤水分减少，则实际蒸散量Ea将减小，原先用于蒸散的能量过剩。实际蒸散量与潜在蒸散量之间的关系式为

互补相关原理开辟了区域蒸散量计算的一条新途径，基于此原理，Morton（Morton，1983）、Brutsaert和Stricker（Brutsaert等，1979）、Granger和Grey（Granger等，1989a；Granger，1989b）分别提出了估算区域蒸散量的模型。此类模型不需要径流和土壤湿度资料，只用常规气象资料，因此便于大范围推广。近20多年来许多学者利用该类模型计算了区域蒸散量，也有人利用观测资料或其他模型的模拟结果对一些互补相关模型进行比较并改进了模型（赵玲玲等，2011a；2011b）。

（1）平流-干旱模型。Brutsaert等依据Bouchet的互补相关原理，用Penman公式计算可能蒸散发，用Priestley-Taylor公式计算湿润环境下蒸散发，提出了平流-干旱模型：

式中：Δ为温度-饱和水汽压曲线斜率；γ为干湿表常数；Rn为地表净辐射；G为土壤热通量；Eb为干燥力；α为经验系数，实际上反映了平流的变化情况。

（2）CRAE模型。Morton（1983）根据Bouche的互补相关理论，引入平衡温度概念，即在此温度下对于一个湿润的陆面，由能量平衡方程求算的蒸发量与由水汽输送方程求算的蒸发量相等，基于此，可以求得可能蒸散发量Ep为

式中：λp为平衡温度下的热传导系数；fT为水汽输送系数；Tp为平衡温度；Ta为气温；ep为平衡温度下的饱和水汽压；ea为平衡温度下的实际水汽压；其他符号意义同前。

通过对式（1.11）进行迭代，能够求出Tp及相应的ep。同时，Morton提出了一个经验公式来求解湿润环境蒸散量Ew：

式中：b1、b2为经验系数，推荐取值分别为14.0、1.2；Δp为Tp下的饱和水汽压曲线斜率；其他符号意义同前。

由式（1.13）可求得Ea：

（3）GG模型。Granger和Grey引进相对蒸散发的概念，利用道尔顿蒸散发定律推导出实际蒸散发和可能蒸散发的定量互补关系，Ea的估算方程为

其中

式中：G为无量纲的相对蒸散发参数；其他符号意义同前。

定义相对干燥力D=Ea/（Ea+Rn），且G与相对干燥力D之间存在关系：

式中：a、b为经验系数，其推荐取值分别为0.793、0.200。

1.3.2　遥感模型

传统实测和估算蒸散发的方法大都基于局地尺度，考虑到区域尺度下垫面条件的复杂多变，会造成蒸散发时空分布不均匀，局地尺度得到的结果存在以点代面、以偏概全，不能完全反映研究区域蒸散发的空间变异性等问题。随着遥感技术的发展，尤其是高分辨率遥感影像的出现，各种基于遥感的模型涌现，精度也不断提高，克服了传统研究方法中定点观测难以推广到大尺度的难题，为区域大尺度研究蒸散发提供了可能（宋璐璐等，2012；宋立生等，2017）。

1.3.2.1　经验模型

经验模型是地面观测数据与遥感技术相结合，利用已有的观测数据拟合热通量与下垫面参数（如地表温度、归一化植被指数等）的关系，进而反演区域上的蒸散发。主要有以下5个典型的经验模型。其中具有代表性的是1977年Jackson等在日蒸散发和午间瞬时地表温度及参考高度温度差之间建立的统计经验模型：

式中：d和i分别代表日总值和瞬时值；A和B为统计回归系数；Rn，d为日净辐射，J/（m2·d）；LEd为日潜热通量，J/（m2·d）；Tc，i和Ta，i分别为午间瞬时冠层表面辐射温度及参考高度处气温，K。

1983年，Seguin等（Seguin等，1983）将其发展为更为普遍的形式，如下：

式中：B和n为回归系数；Ts和Ta分别是当地时间13：00—14：00的地表温度和50m高处的空气温度，℃；其他参数意义同式（1.17）。

1999年，Jiang等将Priestley-Taylor公式推广，所得公式中的常数Ф主要受地表温度和植被指数变化的影响，根据地表温度-植被指数的三角形空间分布对Ф进行插值，并计算蒸散发。

式中：Φ与Priestley-Taylor公式中的α相似，但是变化范围更大，比如在无明显的平流和对流时，蒸散发不能超过Rn-G，因此Φ介于0和之间；其他参数意义同式（1.18）。

2000年，Bella（Di Bella等，2000）利用NOAA/AVHRR资料，拟合了阿根廷潘帕斯地区日平均地表蒸散发与植被指数和地表温度的关系：

式中：Ts为地表温度；NDVI为植被归一化指数。

2004年，Rivas和Caselles通过研究发现，辐射项除去含有地表温度项的剩余项与空气动力学项之和几乎为一个常数，假设含有地表温度项辐射项与潜在蒸散发之间呈线性变化，提出一种地表温度与参考作物蒸散发的统计模型如下：

式中：a*和b*均为经验常数；其他参数意义同前。

2007年，Wang等构建Rn-ET与植被指数和温度的简单线性回归方程来计算瞬时蒸散发：

式中：ET，Rn分别为卫星过境时的瞬时蒸散发和净辐射；T为地表温度或者大气温度；VI为植被指数（Vegetation index）；取植被归一化指数（Normalized Difference Vegetation Index，NDVI）或者增强植被指数；a0，a1，a2为回归系数。

2008年，Wang在式（1.22）基础上考虑土壤水分（压力）对蒸散发的影响，通过加入地表温度日变化范围（Diurnal Temperature Range，DTR）作为土壤水分（压力）的指示因子，得到以下改进后的回归方程：

式中：b0，b1，b2，b3为回归系数；DTR为地表温度日变化范围；其余参数意义同式（1.22）。

1.3.2.2　地表能量平衡模型

地表能量平衡是自然界能量守恒的重要表现之一，在不考虑由平流引起的水平能量传输以及消耗于植被光合作用和新陈代谢活动引起的能量转换和植被组织内部及植被冠层空间的热量贮存的情况下，地表单位面积上垂直方向上存在如下的平衡公式：

式中：Rn为地表净辐射；LE为潜热通量；H为感热通量；G为土壤热通量。

地表净辐射是各种能量交换的起点，地面在获取太阳辐射能的同时也因为自身的有效辐射而丧失能量，地表净辐射的计算公式如下：

式中：α为地表反照率；Rs为太阳短波辐射；σ为Stefan-Boltzman常数，即5.678×10-8 W/（m2·K4）；ε为地表发射率∊；a为大气发射率；其他参数意义同式（1.24）。

土壤热通量（G）用来加热地表，通常用净辐射和下垫面特征参数来表示，如叶面积指数LAI或是植被覆盖度的经验关系见式（1.26）：

式中：Γc=0.05，为全植被覆盖条件下土壤热通量与净辐射的比率；Γs=0.315，为裸土条件下土壤热通量与净辐射的比率；fc为植被覆盖度，其计算公式如下：

式中：NDVI为归一化植被指数；NDVImax、NDVImin分别为研究区中NDVI的最大值和最小值，分别对应植被覆盖率为98％和5％时的NDVI值。白天土壤热通量通常为零，因此当蒸散发模型时间尺度不小于日时，可忽略土壤热通量（G）。

显热（感热）通量用于大气升温，其公式一般根据空气动力学原理计算：

式中：ρa为空气密度；Cp为空气定压比热；γa为空气动力学阻抗。

潜热通量则是蒸散发过程所吸收的热量，其计算根据式（1.24），已知地表净辐射，土壤热通量以及显热通量，可以通过余项法计算得出。

地表能量平衡模型当前主要有单源模型和双源模型。

（1）单源模型：单源模型不区分土壤和植被，将地表视为一张大叶与外界进行水分和能量的交换，通过表面阻抗和空气动力学阻抗将气象数据、遥感表面温度以及能量通量联系起来，因此又称为大叶模型（王军等，2016），是最早用来定量描述陆面辐射、热量、物质转化过程的模型，在气候学的模拟中有着广泛的应用（易永红等，2008）。单源模型在局地范围内下垫面是单一、均匀和密闭的植被的情况下精度较高，在稀疏植被区域精度差异较大。

单源模型的计算思路为：先用式（1.28）计算得出显热通量，再利用能量平衡方程式（1.24）计算出潜热通量，得出蒸散发。单源模型因为其所需的参数少、计算简便以及物理意义明确，因此应用非常广泛。最早的单源模型为Menenti等于1993年提出的SEBI模型，在此模型的基础上相继衍生出了SEBAL（Bastiaanssen等，1998）、SSEBI（Roerink等，2000）、SEBS（Su，2002）、METRIC（Allen等，2007）等单源模型，这些模型区别明显，各有优缺点，在实际应用中根据具体环境条件选择合适的模型。

单源模型的感热通量计算公式中，遥感获取的辐射表面温度并非实际计算所要求的地表温度。根据空气动力学相似理论，与湍流热通量直接相关的是冠层空气动力学温度，该温度是气温廓线向下延伸到冠层中通量源（汇）高度处的空气温度；遥感所得的表面温度实际上与植被群叶几何结构、温度垂直廓线和土壤表面温度存在函数关系（刘钰等，2009；易永红等，2008）。研究表明空气动力学温度与辐射表面温度在不同的植被中差别明显，对于计算感热通量误差较大（Kustas等，1989）。单源模型的计算精度，通过以下两种方法有明显的改善：①添加一项“剩余阻抗”rex或热扩散系数k B-1来修正空气动力学阻抗，但是k B-1随下垫面条件和气象条件变化很大，很难找到一个确定的表达式（Troufleau等，1997）；②利用经验公式直接调整空气动力学温度和辐射温度的温差，如Chehouni等（Troufleau等，1997）通过模拟稀疏植被的地表辐射温度和空气动力学温度的关系，提出了一个经验公式：T0-Ta=β（Tr-Ta），其中β采用LAI的负指数形式估算，但是这种经验公式会受到植被类型、生长状况、土壤湿度等一系列环境因素影响，很难建立确定的转换关系。

单源模型中应用最为广泛的代表性模型主要有陆面能量平衡算法（Surface Energy Balance Algorithm for Land，SEBAL）和地表能量平衡系统模型（Surface Energy Balance System Model，SEBS），具体如下。

1）SEBAL模型。Bastiaanssen等1998年提出陆面能量平衡算法（Surface Energy Balance Algrithm for Land，SEBAL）估计能量平衡方程各分量，该模型本质上讲是单源模型的“进化版”。模型利用气象站点提供的风速、气温等气象数据及遥感影像，可计算出能量平衡方程中地表净辐射量、土壤热通量。模型的核心是在流域范围内选取“干点”和“湿点”两个特殊像元，结合风速、气温等气象资料，利用莫宁-奥布霍夫（Monin-Obukhov）相似理论循环递归运算求得稳定的显热通量。最后根据能量平衡方程求得瞬时蒸散发（王军等，2016）。该模型计算显热通量同式（1.28），其中地表温度和空气动力学阻抗表达式分别为

式中：Z1为略高于植被冠层的平均高度（0.01m）；Z2为略低于边界层的参考高度（2m）。

SEBAL模型中计算感热通量的方法保证了热量传输粗糙长度、温度梯度与感热通量耦合关系的自动调整，使得遥感辐射温度能直接用在感热通量的计算中，规避了剩余阻抗的经验性调整和气象要素插值带来的误差（高彦春等，2008）。但是SEBAL模型在实际应用中也有不足之处：①研究区冷热点的选择具有极大的经验性，热点粗糙长度对感热通量的计算较为敏感；②由于风速和地表温度反演的不确定性，感热通量有可能超过能量收入，这会对反演潜热通量带来误差；③复杂下垫面情况下，用经验法定义粗糙长度会产生较大的误差。

2）SEBS模型。SEBS模型是由苏中波（2002）提出的估算湍流热通量的单源模型，模型利用遥感数据和气象观测资料，可以获得非均匀下垫面尺度不同的地表湍流热通量和蒸发比。SEBS模型包含以下4个模块（李琴等，2014）：①利用遥感数据反演地表物理参数，例如地表反照率、比辐射率、地表温度、植被覆盖度等；②结合Choudhury和Monteith提出的完全植被覆盖下k B-1系数计算模式，Brutsaert提出的计算部分植被覆盖条件下的k B-1，从而确定热量传输粗糙长度；③根据莫宁-奥布霍夫相似理论或整体大气边界层相似（Bulk Atmosphere Boundary Layer Similarity，BAS）原理，利用风速、参考高度温度、地表温度计算感热通量，并分近地面层或者大气边界层尺度进行稳定度修正；④利用逐像元极限状态的能量平衡原理为感热通量提供边界条件，求得相对蒸发比，从而确定潜热通量。

SEBS模型的主要创新点（吴雪娇等，2014）在于：第一，提出k B-1的参数化计算方法，减小了在反演大尺度非均匀地表情况下由于热量传输粗糙长度不确定性所带来的误差，其计算公式如下：

式中：fc为植被覆盖率；fs=1-fc；Cd为叶片拖曳系数，一般取0.2；Ct为叶片热交换系数，其取值范围为0.005N＜Ct＜0.075N（N为叶片参与热交换的面数，取1或2）；u（h）为冠层顶部的水平风速，m/s；为土壤热交换系数，，Pr为Prandtl数，取0.71，为粗糙度Reynolds数；h为冠层高度。第二，基于能量平衡指数概念（Surface Energy Balance Index，SEBI），逐像元计算“干限”和“湿限”的能量平衡以确定温度梯度的边界条件，使得反演的感热通量被调整在可获得能量、气象要素和地表温度所确定的范围内。

（2）双源模型：单源模型将下垫面视为一个整体单一和均匀致密的“大叶”，但是当地表存在部分植被覆盖时，土壤和植被与大气的水热交换可能不在同一高度而且温度也不相同，此时单源模型这一假设就无法成立（易永红等，2008）。近些年来，定量描述陆面非均匀性对地表通量的影响以分别获得植被和土壤潜热通量的双源模型应运而生，其基本原理与单源模型一样，都是基于能量余项法，分别建立土壤表层和植被的能量平衡方程式，把能量平衡方程中的四分量对土壤和植被分别考虑，从而将土壤蒸发和植被蒸腾分开（张荣华等，2012）。双源模型根据土壤和植被相互作用的机制及阻抗连接方式的不同，分为串联模型（Series Model）、平行模型（Parallel Model）以及补丁模型（Patch Model）或马赛克模型（Mosaic Model）等（李放等，2014）。其中应用最为广泛的为串联模型和平行模型，串联模型将下层土壤和植被叶片看作连续的湍流输送源，鉴于下层和上层的温度和湍流是互相作用和影响的，考虑其耦合关系；平行模型对串联模型进行了简化，不考虑土壤和冠层之间的交互作用，利用平行假设使得计算感热通量时的阻抗更易求解。两种模型计算结果和精度相似，只是平行模型用于分离植被和土壤的重要参数（植被覆盖度）的误差更为敏感（宋立生等，2017）。

双源模型中的代表性模型为Shuttleworth和Wallace于1985年提出的描述植被冠层推流热通量的SW模型。模型考虑到土壤对蒸散发的贡献，假设下垫面植被冠层和土壤是两个相对独立的界面，两者之间相互叠加，下层土壤的通量只能透过顶部冠层才能传输出去，分别进行下垫面的植被冠层和土壤表面的能量平衡计算。

式中：LETs为土壤中的潜热通量；Rns为土壤中的净辐射；Hs为土壤中的感热通量；G为土壤热通量；LETp为植被中的潜热通量；Rnp为植被中的净辐射；Hp为植被中的感热通量；LET为潜热通量。

S-W模型假设下垫面分成土壤和植被两层界面，较好地描述了两者之间的能量耦合规律，物理意义较为明确。该模型在植被较为稀疏的地区得到了广泛应用（刘钰等，2009）。但从上述表达式看，模型在计算过程中需要将很多参数进行分解计算，在实际计算过程中较为复杂。针对这一系列问题，后人在S-W模型基础上提出了改进，以便于数据的获取和计算（Gardiol等，2003；Ortega-Farias等，2010），这些改进对推进反演蒸散发起到了相当重要的作用。

1.3.2.3　温度-植被模型

蒸散发众多估算模型中，温度和归一化植被指数是对蒸散发估算影响比较强的两个关键变量。而且地表温度与植被指数同蒸散发和土壤水分的关系一直以来备受关注，研究表明当研究区域的植被覆盖度和土壤水分条件变化范围较大时，瞬时地表温度和NDVI形成的散点图呈三角形或梯形分布，称为LSTVI（温度-植被）特征空间（Price，1990）。因此，温度-植被模型一般有三角形法和梯形法两种计算方法。梯形法需要大量的气象数据，一般难以获取，而三角形法相对于梯形法简单易行，但是在通过图像的地表温度和植被指数散点图进行边界拟合时有一定的随意性，会造成很大的误差。温度-植被特征空间主要包括4种类型（田苗等，2010；张荣华等，2012）：①地表温度和植被指数/覆盖度构成的特征空间；②地表温度和反照率构成的特征空间；③地气温差和植被指数/覆盖度构成的特征空间；④昼夜温差和植被指数/覆盖度构成的特征空间。

温度-植被模型只需要气象站点观测的气象数据而不需要地表观测数据就可以完整地反演地表蒸散发量，而且不需要估算地表或植被层与空气层之间的空气动力学阻抗Ts，从而可以避免校正复杂的空气动力学阻抗Ts所带来的误差（宋立生等，2017）。但是此方法估算蒸散发量存在很大的不确定性，主要表现在观测地区需要含有各种土壤温度的变化和植被覆盖度变化的像元从而保证同时存在干像元和湿像元，即干边和湿边的确定困难以及在干湿边极限条件的选择中具有很大的主观性（张荣华等，2012）。

1.3.2.4　与传统模型相结合

估算蒸散发的传统方法Penman-Monteith公式、Priestley-Taylor公式等都是要以点为基础，在大区域蒸散发计算中适用性较差，但是在利用遥感技术计算传统模型中所需的净辐射、土壤热通量以及各种阻抗等输入参数在区域尺度上的数值，可以有效地提高传统模型估算区域蒸散发的精度。

Monteith以能量平衡和水汽扩散为基础提出的Penman-Monteith公式既考虑了作物的生理特征，又考虑了空气动力学参数的变化，具有较为充分的理论依据和较高的计算精度。随着遥感技术的快速发展，利用遥感数据和气象数据，基于Penman-Monteith公式反演地表蒸散发的研究越来越多，主要集中在结合遥感数据对空气动力学阻抗和植被冠层阻抗的改进中，如利用叶面积指数（LAI）估算地表阻抗值（Mu等，2007），利用MODIS数据将地表覆盖进行分类并根据下垫面信息计算这两种阻抗（Cleugh等，2007）等。

Priestley-Taylor（P-T）公式用来估算饱和下垫面的蒸散发量，由于该式参数机制简单且具有一定的物理基础，在估算非饱和下垫面的蒸散发量时也有广泛应用。P-T公式中比较重要的一个参数为α，最开始α为定值1.26，但是研究表明不同的地区不同的时间段α值变化较大，并不是一个常数，它实际上反映了平流的变化情况。随后结合遥感数据，可以比较方便地获取α值，比如利用温度-植被特征空间计算α值（Jiang等，1999；Moran等，1994）等。

1.3.3　陆面数据同化

遥感估算的蒸散发一般都是卫星过境时的瞬时值，再将瞬时值进行扩展，得到日、月等时间尺度的蒸散发量，因而难以提供水文模型所要求的时间连续的蒸散发量。陆面数据同化方法能融合遥感的区域信息和数值模型的连续时间信息，估算得到在时间上连续的地表蒸散发。当前，陆面数据同化的研究主要为：在陆面模型和水文模型基础上，采用不同的数据同化算法同化地表观测资料、卫星和雷达数据，优化地表和根区土壤水分、温度、地表能量通量等的估算。主要用到的数据同化方法有最优插值法、变分法、Kalman滤波、集合Kalman滤波等。在蒸散发的模拟方面，变分法和Kalman滤波发挥了重要的作用（李艳等，2014）。

基于数据同化估算地表蒸散发的方法主要分为两类：直接同化遥感反演的蒸散发/地表通量数据和同化遥感数据（地表温度、叶面积指数、土壤水分等）间接改进地表通量。第一类方法利用数据同化方法将反演蒸散发数据同化到陆面过程模型中，以优化模型参数，从而提高蒸散发的模拟精度（Schuurmans等，2003；Jang等，2010）；第二类利用数据同化方法将地表温度、叶面积指数、土壤湿度等参数同化到陆面过程模型中，间接提高了地表通量的模拟精度（Boni等，2001；Xu等，2011）。

目前，国内外对地表通量陆面数据同化系统的研究主要侧重于土壤水分、土壤温度和径流等，对于蒸散发的数据同化研究较少，因此，发展能有效结合陆面观测资料与多尺度遥感数据以及陆面过程模型的地表通量陆面数据同化系统对于提高模拟蒸散发的精度和效率具有重要意义（李艳等，2014；Wang等，2012）。

1.3.4　蒸散发观测与估算的难点及发展趋势

蒸散发观测方法主要有涡度相关法、波文比能量平衡法、蒸渗仪法、闪烁通量仪法以及液流法5种常用方法，其中液流法研究单株植被，范围非常小，若是研究大尺度蒸散发则会因为尺度扩展产生很大的误差，其次未研究土壤蒸发，在区域蒸散发估算中会严重低估最终值；蒸渗仪法比较简便，具有一定精度，多应用于森林冠层以下小型植被及其土壤的蒸散发以及林下土壤蒸发的测定，但是由于其成本较高，观测尺度不大，虽然其提供一种直接的潜热通量测量方法，但是却受到能量闭合问题的困扰，因此使用有限；涡度相关法具有完备的物理学基础，精度较高，但是其成本高，技术复杂，而且不能解释蒸散发的物理过程和影响机制，因此使用受到限制，目前还在探索阶段；波文比能量平衡法虽然需要高精度的仪器，而且要求在均匀的下垫面以及无平流影响的条件下使用，但是该方法不破坏下垫面，简单而且精度很高，可以作为常规观测方法，并且可用于测量不饱和水分条件下的植被蒸腾情况，因此得到了广泛的应用，如全球FLUXNET和美国的ARM计划均采用涡度相关法和波文比能量平衡法来提供高质量和高时间精度的蒸散发数据；闪烁通量仪法中大孔径闪烁通量仪（Large Aperture Scintillometer，LAS）应用较为广泛，因为其具有较好的稳定性和可靠性，而且具有设备价格相对低廉、使用方便、维护及保养成本相对较低等优点，最重要的是其观测尺度介于涡度相关法等传统观测方法和遥感模型估算方法之间，用于遥感影像像元尺度通量的验证是可靠有效的，而且闪烁通量仪是唯一能直接测量面元尺度显热通量的仪器。

虽然蒸散发实测方法缺陷比较明显，而且均为站点测量，所得结果难以直接应用在区域蒸散发中，但是由于其为实地测量，可以作为蒸散发估算方法的检验标准，而且方法简单实用，因此有必要不断地提高实测方法精度，作为蒸散发计算的基础。

蒸散发估算方法较多，主要分为传统估算方法和遥感估算方法，传统估算方法基于站点进行估算，其结果与实测方法一样难以直接应用到区域蒸散发中，而遥感估算方法很好地解决了这个问题，利用快速发展的遥感技术，可以比较精确地获取区域蒸散发的值。传统估算方法中水量平衡法虽然不受气象条件限制，但是难以估算短期蒸散发量；Penman-Monteith公式由于表面阻抗难以确定，在下垫面复杂情况下应用受到较大的限制；Priestley-Taylor公式和互补相关模型均受到平流的影响，其重要的参数α也会随之发生变化，变得难以确定。遥感技术提供了很好的从点向面拓展的模型方法，可以实时地获取连续的区域空间分布的遥感数据，其空间分辨率也在不断提高。

但是遥感估算方法仍然存在很大的不确定性，主要有以下三个方面的问题：①地表参数反演的困难，遥感反演的地表参数受到天气条件的影响，如有云会造成数据的缺失，以及温度反演时得到的是混合像元的平均温度，无法得到双源模型中所需的混合像元的组分温度；②遥感模型估算结果检验的困难，目前均是由蒸散发实测方法验证遥感模型估算结果，但由于实测方法都是基于点、斑块或是小区域尺度，难以获取区域面上像元尺度的蒸散特征，大孔径闪烁通量仪相对来说能比较可靠地检验遥感模型估算结果，但是由于成本太高，仪器难以维护，难以大规模推广；③尺度问题，尺度一直是水文研究中最重要的部分之一，同样在遥感模型估算方法中也是重中之重。很多遥感模型会使用地面观测数据，这就涉及空间数据的融合，目前常用的融合方法有线性变换、非线性变换以及STARFM融合等方法（李艳等，2014）。由于遥感信息是瞬时的，其反演结果也是瞬时的，若要获取日及以上尺度的蒸散发结果，需要进行时间上的拓展，比如由瞬时向日尺度拓展有蒸发比不变法和正弦关系法两种方法应用较广泛，但是由于非晴日、灌溉等外界因素对蒸散发的干扰，利用遥感蒸散发模型并不能完全真实地反映区域实际的蒸散发状况，从而使得蒸散发时间尺度拓展存在很大的不确定性（王军等，2016；李放等，2014）。

虽然蒸散发遥感模型估算方法目前存在的问题较多，但是从长远来看，与其他手段相比遥感技术具有绝对的优势。高空间、高时间分辨率的蒸散发数据是未来遥感反演蒸散发的趋势之一，同时对遥感模型在原理以及方法上进行改进将是未来蒸散发估算方法发展的方向。