文章快速检索     高级检索
  中国水土保持科学   2017, Vol. 15 Issue (5): 8-15.  DOI: 10.16843/j.sswc.2017.05.002
0

引用本文 

于文颖, 纪瑞鹏, 徐德增, 贾庆宇, 冯锐, 孙龙彧, 武晋雯, 张玉书. 基于SEBAL模型的盘锦湿地日蒸散估算及其分布特征[J]. 中国水土保持科学, 2017, 15(5): 8-15. DOI: 10.16843/j.sswc.2017.05.002.
YU Wenying, JI Ruipeng, XU Dezeng, JIA Qingyu, FENG Rui, SUN Longyu, WU Jinwen, ZHANG Yushu. Daily evapotranspiration estimation of Panjin wetland based on SEBAL model and its distribution characteristics[J]. Science of Soil and Water Conservation, 2017, 15(5): 8-15. DOI: 10.16843/j.sswc.2017.05.002.

项目名称

国家自然科学基金"辽河三角洲芦苇湿地冠层尺度蒸腾与蒸发过程模拟研究"（41405109）；中国气象局项目"FY-3湿地遥感监测评价应用示范"（FY-3（02）-UDS-1.7.1）；2017年度中国气象局沈阳大气环境研究所面上项目"辽河三角洲芦苇群落光合参数垂直分布特征及其参数模拟"（2017SYIAEMS4）

第一作者简介

于文颖(1978-), 女, 副研究员。主要研究方向:农业气象与遥感。E-mail:ywyywy20000@163.com

通信作者简介

纪瑞鹏(1972-), 男, 正研级高工。主要研究方向:农业气象与遥感。E-mail:jiruipeng@163.com

文章历史

收稿日期：2017-03-17
修回日期：2017-09-21
Contents              Abstract              Full text              Figures/Tables              PDF
基于SEBAL模型的盘锦湿地日蒸散估算及其分布特征
于文颖1, 纪瑞鹏1, 徐德增2, 贾庆宇1, 冯锐1, 孙龙彧3, 武晋雯1, 张玉书1     
1. 中国气象局沈阳大气环境研究所, 110166, 沈阳;
2. 辽宁省水利水电勘测设计研究院, 110006, 沈阳;
3. 沈阳市气象局, 110168, 沈阳
收稿日期：2017-03-17; 修回日期：2017-09-21
项目名称：国家自然科学基金"辽河三角洲芦苇湿地冠层尺度蒸腾与蒸发过程模拟研究"（41405109）；中国气象局项目"FY-3湿地遥感监测评价应用示范"（FY-3（02）-UDS-1.7.1）；2017年度中国气象局沈阳大气环境研究所面上项目"辽河三角洲芦苇群落光合参数垂直分布特征及其参数模拟"（2017SYIAEMS4）
第一作者简介：于文颖(1978-), 女, 副研究员。主要研究方向:农业气象与遥感。E-mail:ywyywy20000@163.com
通信作者简介：纪瑞鹏(1972-), 男, 正研级高工。主要研究方向:农业气象与遥感。E-mail:jiruipeng@163.com
摘要：为了验证SEBAL模型对湿地蒸散量估算的准确性，本研究基于Landsat 8卫星数据和SEBAL模型，以盘锦湿地生态系统野外观测站的涡动相关实测数据为检验，估算盘锦湿地2013-2015年典型晴天卫星过境时刻的瞬时蒸散量，并利用正弦函数法将遥感反演订正后的蒸散瞬时值转换为日尺度的蒸散值，分析芦苇和稻田湿地的日蒸散量分布特征。结果表明：SEBAL模型反演的盘锦湿地瞬时蒸散量比实测值偏高，平均相对误差为31.6%，但相关系数达0.79，为了提高反演精度，利用线性方程进行订正，订正后的遥感估算值与实测值平均相对误差为6.4%，提高了25.2%；芦苇湿地日蒸散量集中在3.4~4.0 mm/d之间，占总面积的64.7%~82.4%；稻田湿地日蒸散量集中在3.6~4.1 mm/d之间，占总面积的67.4%~86.6%；稻田湿地日蒸散量普遍比芦苇湿地高0.1~0.2 mm/d。应用订正后的SEBAL模型反演湿地蒸散量，可为湿地区域蒸散估算及湿地水资源管理提供依据。
关键词：湿地    遥感    蒸散    SEBAL模型    
Daily evapotranspiration estimation of Panjin wetland based on SEBAL model and its distribution characteristics
YU Wenying1, JI Ruipeng1, XU Dezeng2, JIA Qingyu1, FENG Rui1, SUN Longyu3, WU Jinwen1, ZHANG Yushu1     
1. Institute of Atmospheric Environment, China Meteorological Administration, 110166, Shenyang, China;
2. Liaoning Water Conservancy and Hydropower Survey and Design Research Institute, 110006, Shenyang, China;
3. Meteorological Bureau of Shenyang, 110168, Shenyang, China
Abstract: [Background] The Liaohe Delta wetland is rich in water resources, but in recent decades, "warm dry" trend is obvious in wetland due to the climate change and human activities. Wetland evapotranspiration is the main way of water loss in wetland ecosystem, and the study of wetland evapotranspiration may enhance the understanding of wetland water balance, and provide a basis for the protection of wetland ecological function and water resources management. [Methods] In order to test the accuracy of SEBAL model for simulating the wetland evapotranspiration, the instantaneous evapotranspiration of Panjin wetland at satellite transit time in typical sunny day from 2013 to 2015 was estimated using Landsat 8 data and SEBAL model, and was corrected by the observed data of eddy covariance system. By using the sine function method, the corrected instantaneous evapotranspiration was converted to daily evapotranspiration, and then the distribution characteristic of daily evapotranspiration for reed and rice wetland was analyzed. [Results] The result showed that the instantaneous evapotranspiration of Panjin wetland estimated by SEBAL model was higher than the measured value of eddy covariance system, and the average relative error was 31.6%. However, the correlation between the estimated value and the measured value was significant, with a correlation coefficient 0.79, thus it was feasible to estimate the wetland evapotranspiration by using SEBAL model. In order to improve the precision, the linear equation was established and the estimated values were corrected; the relative error was 6.4% between the corrected value and measured value, and the precision increased by 25.2%. Daily evapotranspiration of reed and rice wetland were in the range of 2.5-5.0 mm/d, with the average daily evapotranspiration of reed wetland and rice wetland were 3.55-3.83 mm/d and 3.66-4.01 mm/d, respectively. In spatial distribution, there was no significant difference in the terrain, and the daily evapotranspiration was uniform; the daily evapotranspiration of reed wetland was concentrated in 3.4-4.0 mm/d which accounted for 64.7%-82.4% of total area; the daily evapotranspiration of rice wetland was concentrated in 3.6-4.1 mm/d which accounted for 67.4%-86.6% of total area; the daily evapotranspiration of rice wetland was 0.1-0.2 mm/d higher than that of reed wetland in most area of Panjin wetland. The spatial distribution of evapotranspiration is mainly affected by the underlying surface, the terrain is flat in Panjin, and the distribution of wetland vegetation is uniform. [Conclusions] The application of SEBAL model for wetland evapotranspiration provided an accurate assessment method of regional evapotranspiration in wetland, but due to the large number of parameters in the SEBAL model, the error increased, thus the parameters in SEBAL model needed to be improved. In addition, the remote sensing data may only be applied in the sunny day, and it was difficult to determine the evapotranspiration in cloudy day, which needs a further research.
Key words: wetland    remote sensing    evapotranspiration    SEBAL model    

湿地蒸散包括土壤、水面、植被表面的蒸发和蒸腾过程，是湿地生态系统水分损失的主要途径，是湿地生态水文过程综合作用的结果[1-3]。在全球气候变化背景下，由于湿地特殊的生态水文特征以及对气候变化和人类活动的敏感反应，湿地生态水文过程一直是国内外科学家研究的热点。开展湿地蒸散估算和模拟研究，可为湿地蒸散量的准确评估提供科学依据，同时对湿地水资源管理、生物多样性保护以及全球气候变化均有重要意义[4-5]。

传统的蒸散研究方法多基于“点”尺度，而遥感法从“面”尺度研究，适用于区域尺度的湿地蒸散估算[6]。国内外利用遥感技术估算蒸散的模型可分为经验模型法和地表能量平衡模型法。经验模型法是将遥感获得的数据应用于传统的蒸散模型，如Priestly-Taylor(P-T)模型、Penman、Penman-Monteith(P-M)模型；能量平衡法是通过遥感技术获取辐射和通量等数据，利用能量平衡方程推算蒸散量[7]。经验模型法中，P-M模型综合能量平衡方程和空气动力学法，广泛应用于估算区域参考作物蒸散量。地表能量平衡法是基于地表能量平衡原理发展起来的模型，主要分为2类，一类为单层模型，另一类为多层模型。单层模型是将土壤和植被视为均匀的单层“大叶”模型，适用于下垫面均匀、覆盖度较高的条件；多层模型则考虑土壤和植被水热传输特性的差异和相互作用，适用于稀疏植被和下垫面不均一的地表条件[8-9]。

目前，基于遥感数据估算湿地蒸散的模型常用单源模型(如SEBAL模型)，而双层模型(如TSEB模型)应用较少。SEBAL模型可利用较少的实测资料估算区域蒸散，近几十年在全球得到广泛应用，并对其反演精度进行了反复验证[10-11]；NOAA/AVHRR、EOS/MODIS、Landsat/TM等数据为遥感估算区域蒸散的主要数据源[12-14]，检验模型模拟精度多采用Penman-Montieth模型、波文比方法、涡动相关法等方法。

辽河三角洲湿地水资源丰富，在调节河流水位和保持水量平衡中起着重要作用[15]；但受到气候变化和人类活动的共同影响，近几十年来“暖干化”趋势明显[16]，导致生态用水不足甚至湿地退化，因此，研究湿地蒸散可增进对湿地水量平衡的理解，为保护湿地生态功能和水资源管理提供依据。盘锦湿地是辽河三角洲的主体[5]，本文以盘锦湿地为研究对象，利用Landsat 8遥感数据和SEBAL模型，以涡动相关数据的实测结果为检验，基于SEBAL模型模拟湿地主要植被(芦苇和稻田)的蒸散量，为区域尺度的湿地蒸散评估提供方法。

1 研究区概况

盘锦湿地地处E 121°25′~122°31′，N 40°39′~41°27′，是辽河三角洲湿地的主体。辽河三角洲湿地是全国最大的湿地之一，也是亚洲第2大的芦苇生产基地。辽河三角洲地处暖温带大陆性半湿润季风气候区，四季分明，雨热同期，其年平均气温为8.6℃，年降水量约631mm，年蒸发量1390~1705mm。土壤有草甸土、盐土、沼泽土、水稻土等类型；湿地植被主要以芦苇沼泽和稻田为主[17-18]。该区域海拔低于7m，地势平坦，坡降小，由北向南缓慢倾斜于辽东湾[5, 15]。

2 材料与方法 2.1 遥感数据

本研究采用的遥感数据为美国陆地卫星系列的Landsat-8卫星和国产GF-1号卫星数据，下载地址分别为USGS官网http://glovis.usgs.gov/和中国资源卫星应用中心网站http://218.247.138.121/DSSPlatform/index.html，影像空间分辨率分别为30和16m。选择2013—2015年7—9月的晴空数据共9景(均为不受云影响的晴天数据)，具体影像资料介绍见表 1。

表 1 卫星资料详细信息 Table 1 Detailed information of satellite data
2.2 涡动相关数据

观测资料来源于盘锦湿地生态系统野外观测站(属于中国气象局沈阳大气环境研究所)，该站位于辽河三角洲双台子河口，海拔为0~3.8m。盘锦湿地生态系统野外观测站包括芦苇观测站(E 121°57′, N 40°56′)和稻田观测站(E 121°58′, N 40°56′)，观测场配备有小气候梯度观测系统、涡动相关观测系统(Li-cor，Inc，USA)，采用的数据包括2013—2015年盘锦芦苇湿地、稻田湿地观测站涡动相关系统的潜热通量、小气候梯度等数据。涡动相关法以其高精度常作为地面蒸散实际值，可用来检验模型或遥感蒸散值的估算精度，且广泛应用于各种类型湿地[19]。笔者以涡动相关数据作为模型模拟蒸散的检验，利用Eddypro 5.0.1软件对涡动相关系统获取的通量数据进行坐标旋转、WPL校正等处理，转化为30min观测频率的潜热通量数据，并进行QA/AC奇异值剔除[20]。

2.3 处理方法

芦苇和稻田湿地的最佳提取时相为水稻移栽期，由于缺少相应时段的Landsat 8晴天数据，因此利用国产GF-1号卫星影像进行分类提取，采用2015年5月24日1景GF-1号16m分辨率WFV1传感器的卫星影像。首先对GF-1号卫星数据进行正射校正、辐射定标和大气校正等处理，利用NDVI植被指数和非监督分类法对研究区的湿地进行分类提取(图 1)。

图 1 盘锦湿地解译图 Figure 1 Interpretation map of Panjin wetland

利用ENVI遥感软件，首先GF-1号湿地遥感反演结果通过重采样，降低空间分辨率为30m，分别提取芦苇湿地和稻田湿地作为掩膜。对Landsat 8遥感影像进行辐射定标、大气校正、投影转换，并与GF-1号影响进行图像配准等处理后，利用SEBAL模型估算地表瞬时蒸散量，利用芦苇湿地和稻田湿地的掩膜提取估算结果。

2.4 SEBAL模型的计算原理及各参数计算方法

盘锦芦苇和稻田湿地长势均匀，当覆盖度较高时，可视为单一层次。Landsat 8提供了SEBAL模型要求的地表温度、比辐射率、反照率等特征参数，而且空间分辨率较高，因此可利用Landsat 8遥感数据与SEBAL模型反演区域蒸散[21]。

利用SEBAL模型估算地表瞬时蒸散量为[22-24]

$ \lambda \text{E=}{{R}_{\text{n}}}\text{-}H-G。$ (1)

式中：λE为潜热通量，W/m2；Rn为净辐射，W/m2；H为感热通量，W/m2；G为土壤热通量，W/m2。

2.4.1 净辐射
$ {R_{\rm{n}}} = \left( {1 - \alpha } \right){R_{{\rm{S}} \downarrow }} + ({R_{{\rm{L}} \downarrow }} - {R_{{\rm{L}} \uparrow }}) - (1 - {\varepsilon _0}){R_{{\rm{L}} \downarrow }}。$ (2)

式中：Rn为净辐射，W/m2；α为地表反照率；RS↓为下行的太阳短波辐射，W/m2；RL↓为下行的长波辐射，W/m2；RL↑为上行长波辐射，W/m2；ε0为地表比辐射率。

$ 其中:{\rm{ }}{R_{\rm{S}}} = {G_{{\rm{SC}}}}{\rm{cos}}\theta {d_{\rm{r}}}{\tau _{{\rm{sw}}}};{\rm{ }} $ (3)
$ {{R}_{\rm{L}\uparrow }}={{\varepsilon }_{0}}\sigma T_{\rm{s}}^{4}; $ (4)
$ {R_{{\rm{L}} \downarrow }} = 1.08{( - {\rm{ln}}{\tau _{{\rm{sw}}}})^{0.265}}\sigma T_{{\rm{s\_cold}}}^4;{\rm{ }} $ (5)
$ \alpha = \frac{{{\alpha _{{\rm{toa}}}} - {\alpha _{{\rm{path\_radiance}}}}}}{{\tau _{{\rm{sw}}}^2}}; $ (6)
$ {{\varepsilon }_{0}}=1.0094+0.0047\text{ln}I; $ (7)
$ {{\tau }_{\rm{sw}}}=0.75+2\times {{10}^{-5}}\rm{z}; $ (8)
$ {{T}_{\text{s}}}=\frac{{{K}_{2}}}{\varepsilon _{0}^{0.25}\text{ln}\left( \frac{{{K}_{1}}}{{{L}_{10}}}+1 \right)}\text{ }。$ (9)

式中：RS为下行的太阳短波辐射，w/m2；GSC为太阳常数，1367W/m2；θ为太阳天顶角；dr为日地距离因子，可通过儒略日求得；τsw为大气单向透射率，根据研究区内气象观测站的海拔获得；z为气象站的海拔，m；σ为Stefan Boltzman常数，5.67×10-8W/(m2·K4)；Ts为地表温度，K；Ts_cold为“冷”点地表温度；α为地表反射率；αtoa为大气层顶反射率；αpath_radiance为大气层辐射值，本文选取经验值0.03；为归一化植被指数；K1为辐射定标系数，W/m2；K2为温度定标系数，K；L10为波段亮温值。

2.4.2 感热通量
$ H=\frac{\rho {{c}_{p}}\rm{dT}}{{{r}_{\rm{ah}}}}; $ (10)
$ {{r}_{\rm{ah}}}=\frac{\rm{ln}~\left( \frac{{{z}_{2}}}{{{z}_{1}}} \right)}{{{u}^{*}}k};\rm{ } $ (11)
$ {{u}^{*}}=\frac{k{{u}^{200}}}{\rm{ln}~\left( \frac{200}{{{z}_{\rm{om}}}} \right)}。$ (12)

式中：H为感热通量，W/m2；ρ是空气密度，kg/m3，cp是空气比定压热容(1004J/(kg·K)，dT是高度z1和z2间的温差，rah是空气动力学阻抗。z1和z2是参考高度植被的零平面位移，m; u*是摩擦速度，m/s；k是卡门常数，取0.4；u200是200m的摩擦风速，m/s；z0m是地表动量传输的粗糙度长度，m。其中，rah和dT通过选取冷热像元迭代试算取得。

2.4.3 土壤热通量
$ \begin{align} &G=\frac{{{T}_{\rm{s}}}-273.16}{\alpha }(0.0038\alpha +0.0074{{\alpha }^{2}}) \\ &(1-0.98{{I}^{4}}){{R}_{\rm{n}}}\rm{。} \\ \end{align} $ (13)
2.4.4 潜热通量
$ \lambda \text{E}={{R}_{n}}-H-G。$ (14)
2.4.5 日蒸散量估算
$ \frac{\text{E}{{\text{T}}_{\text{d}}}}{\text{E}{{\text{T}}_{\text{i}}}}=\frac{2{{N}_{\text{E}}}}{\text{ }\!\!\pi\!\!\text{ sin}~(\pi t/{{N}_{\text{E}}})}。$ (15)

式中：ETd为日蒸散量，采用正弦函数法估算[22]；ETi为瞬时蒸散量；NE为日蒸散时数，t为日出到卫星过境时刻的时间间隔。

3 结果分析 3.1 湿地蒸散量遥感反演 3.1.1 反演结果验证

SEBAL模型适用于在高植被覆盖度时期进行湿地蒸散量的反演；因此，选取2013—2015年7—9月的晴天遥感影像，反演卫星过境时刻(10:30左右)的瞬时蒸散量。本文采用的验证数据来源于盘锦湿地生态观测站的芦苇和稻田涡动观测数据。考虑到遥感影像的采样误差，针对芦苇和稻田湿地观测点分别截取3×3窗口内(即90m×90m)的平均值作为该像元的遥感估算值。利用反演结果，分别求取2个观测点的蒸散平均值。由于遥感影像卫星过境时刻均为10:30左右，因此选取10:30涡动观测系统的瞬时蒸散值，与遥感估算值进行比对(表 2)。蒸散遥感估算值比实测值偏高，平均相对误差为31.6%。

表 2 芦苇和稻田湿地蒸散遥感估算数据与实测数据 Table 2 Estimated data and observed data of ET in reed and rice wetland
3.1.2 反演结果订正

对瞬时蒸散的遥感估算值与实测值进行相关分析，发现相关系数为0.79，相关性显著，因此利用SEBAL模型反演盘锦湿地蒸散量是可行的，但需要对遥感估算值进行订正。针对估算值(x)和实际值(y)，建立线性方程(样本数n为8，决定系数R为0.78)：

$ y=0.1275x+202.28。$ (16)

根据方程，对遥感估算值进行订正。订正后的遥感估算值与实测值平均相对误差为6.4%，提高了25.2%。

表 3 芦苇和稻田湿地遥感蒸散订正后数据 Table 3 Corrected ET data in reed and rice wetland
3.2 芦苇和稻田湿地日蒸散量空间分布 3.2.1 日蒸散量的空间分布

对瞬时蒸散的遥感估算值进行订正后，利用正弦函数法将卫星过境时刻反演的蒸散瞬时值转换为日尺度的蒸散量。先将GF-1号卫星提取的湿地解译图转化为与Landsat 8卫星影像的分辨率一致(30m)，然后将芦苇湿地和稻田湿地分别作为掩膜，提取芦苇湿地蒸散(图 2) 和稻田湿地蒸散图(图 3)。

图 2 芦苇湿地日蒸散量空间分布 Figure 2 Daily ET distribution in reed wetland
图 3 稻田湿地日蒸散量空间分布 Figure 3 Daily ET distribution in rice wetland

从数值上看，芦苇和稻田蒸散量均在2.5~5.0mm/d之间。2013年7月26日、2014年8月30日、2014年9月15日和2015年9月2日的芦苇湿地日平均蒸散量分别为3.65，3.55，3.62和3.83mm/d；稻田湿地日平均蒸散量分别为3.83，3.66，3.73和4.01mm/d。空间分布上，盘锦地区地势平坦，湿地蒸散无明显的地形差异，日蒸散量空间分布较均一；盘锦大部地区的稻田湿地日蒸散量比芦苇湿地略高0.1~0.2mm。

3.2.2 日蒸散量的频率分布

盘锦湿地日蒸散量的频率图显示，芦苇和稻田(图 4) 湿地日蒸散量在2.5~5.5mm/d之间，数值分布频率均呈单峰变化。2013年7月26日、2014年8月30日、2014年9月15日和2015年9月2日的芦苇湿地日蒸散量分别集中在3.5~3.7，3.4~3.7，3.5~3.7和3.7~4.0mm/d之间，分别占总面积的64.7%，82.4%，67.4%和73.2%；稻田湿地日蒸散量分别集中在3.6~3.8，3.6~3.8，3.6~3.8和3.9~4.1mm/d之间；分别占总面积的67.4%，86.6%，74.0%和74.2%。稻田湿地日蒸散量集中区域的数值比芦苇湿地略高0.1~0.2mm。

图 4 芦苇和稻田湿地日蒸散量频率分布 Figure 4 Frequency distribution of daily ET for reed wetland and rice wetland
4 结论与讨论

本文基于landsat 8遥感影像，应用SEBAL模型反演盘锦湿地2013—2015年典型晴天卫星过境时刻的瞬时蒸散量，并与对应时刻的站点实测涡动蒸散通量数据进行比较，发现遥感模拟值比实测值偏高，平均相对误差为31.6%。相关分析表明湿地瞬时蒸散的遥感估算值与实测值相关性显著，相关系数达0.79；利用SEBAL模型反演湿地蒸散是可行的，但SEBAL模型反演的湿地日蒸散量存在高估现象。研究认为，SEBAL模型的参数计算大多采用简化的经验公式，其适用性和精度均需检验[25]。曾丽红等[21]利用松嫩草地生态试验站的涡动相关实测蒸散数据验证SEBAL模型的估算结果，发现二者相关性较强，相关系数达0.8，但SEBAL模型存在高估现象，误差为20%，与笔者所得结论一致；因此，为了提高反演精度，笔者建立了线性方程，对遥感估算值进行订正，订正后的遥感估算值与实测值平均相对误差为6.4%，提高25.2%。

利用正弦函数法将对遥感反演订正后的蒸散瞬时值转换为日尺度的蒸散值，对盘锦芦苇和稻田湿地2013年7月26日、2014年8月30日、2014年9月15日和2015年9月2日的日蒸散特征分析，发现：从数值上看，芦苇和稻田蒸散量均在2.5~5.0mm/d之间，芦苇湿地日平均蒸散量为3.55~3.83mm/d；稻田湿地日平均蒸散量为3.66~4.01mm/d。空间分布上，湿地蒸散无明显的地形差异，日蒸散量空间分布较均一；芦苇湿地日蒸散量集中在3.4~4.0mm/d之间，占总面积的64.7%~82.4%；稻田湿地日蒸散量集中在3.6~4.1mm/d之间，占总面积的67.4%~86.6%；盘锦大部地区的稻田湿地日蒸散量比芦苇湿地略高0.1~0.2mm。研究表明湿地蒸散的空间分布差异主要受下垫面状况影响[2]，盘锦地区地势平坦，湿地植被分布均一，因此湿地日蒸散量的空间分布差异小。

由于SEBAL模型的参数较多，导致反演芦苇湿地日蒸散量误差增大，需要对SEBAL模型的各个反演参数进行验证，提高反演精度。日蒸散量的反演结果反映了盘锦芦苇和稻田湿地的蒸散特征，但若研究气候变化和土地利用变化对湿地蒸散的影响，还需长时间序列的研究。另外，遥感反演蒸散量只能选取晴空数据，而阴天蒸散量难以确定，由于晴天和阴天对遥感反演结果影响大，Landsat过境数据又较少，导致本文的可利用遥感数据较少；因此今后的研究在数据源选择上将侧重于应用国产气象卫星如风云三号系列卫星和国产高分系列卫星进行蒸散遥感估算。

参考文献
[1]
邓伟, 胡金明. 湿地水文学研究进展及科学前沿问题[J]. 湿地科学, 2003, 1(1): 12.
DENG Wei, HU Jinming. Development of wetland hydrology research and key scientific issues[J]. Wetland Science, 2003, 1(1): 12.
[2]
于文颖, 纪瑞鹏, 冯锐, 等. 芦苇湿地多时空尺度蒸散模拟研究进展[J]. 生态学杂志, 2014, 33(5): 1388.
YU Wenying, JI Ruipeng, FENG Rui, et al. Advances in simulation of reed wetland evapotranspiration based on multiple time and space scales[J]. Chinese Journal of Ecology, 2014, 33(5): 1388.
[3]
于文颖, 周广胜, 周莉. 盘锦湿地芦苇群落蒸发散模拟研究[J]. 气象与环境学报, 2006, 22(4): 47.
YU Wenying, ZHOU Guangsheng, ZHOU Li. Simulating evapotranspiration of Phragmites communis in Panjin Wetland[J]. Journal of Meteorology and Environment, 2006, 22(4): 47.
[4]
王昊, 许士国. 扎龙湿地芦苇沼泽蒸散耗水预测[J]. 生态学报, 2006, 26(5): 1352.
WANG Hao, XU Shiguo. The prediction on reed swamp evapotranspiration in Zhalong wetland, China[J]. Acta Ecologica Sinica, 2006, 26(5): 1352.
[5]
周广胜, 周莉, 关恩凯, 等. 辽河三角洲湿地与全球变化[J]. 气象与环境学报, 2006, 22(4): 7.
ZHOU Guangsheng, ZHOU Li, GUAN Enkai, et al. Liaohe delta wetland and global change[J]. Journal of Meteorology and Environment, 2006, 22(4): 7.
[6]
曾丽红, 宋开山, 张柏, 等. 基于SEBAL模型的扎龙湿地蒸散量反演[J]. 中国农业气象, 2008, 29(4): 420.
ZENG Lihong, SONG Kaishan, ZHANG Bai, et al. Retrieval of evapotranspiration in Zhalong wetland based on SEBAL model[J]. Chinese Journal of Agrometeorology, 2008, 29(4): 420.
[7]
奚歌, 刘绍民, 贾立. 黄河三角洲湿地蒸散量与典型植被的生态需水量[J]. 生态学报, 2008, 28(11): 5356.
XI Ge, LIU Shaomin, JIA Li, et al. Estimation of regional evapotranspiration and ecological water requirement of vegetation by remote sensing in the Yellow River Delta wetland[J]. Acta Ecologica Sinica, 2008, 28(11): 5356. DOI: 10.3321/j.issn:1000-0933.2008.11.018.
[8]
李放, 沈彦俊. 地表遥感蒸散发模型研究进展[J]. 资源科学, 2014, 36(7): 1479.
LI Fang, SHEN Yanjun. Progress in remote sensing based models for surface heat and water fluxes[J]. Resources Science, 2014, 36(7): 1479.
[9]
张宝忠, 许迪, 刘钰, 等. 多尺度蒸散发估测与时空尺度拓展方法研究进展[J]. 农业工程学报, 2015, 31(6): 12.
ZHANG Baozhong, XU Di, LIU Yu, et al. Review of multi-scale evapotranspiration estimation and spatio-temporal scale expansion[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(6): 12.
[10]
赵丽雯, 吉喜斌. 基于FAO-56双作物系数法估算农田作物蒸腾和土壤蒸发研究:以西北干旱区黑河流域中游绿洲农田为例[J]. 中国农业科学, 2010, 43(19): 4016.
ZHAO Liwen, JI Xibin. Quantification of transpiration and evaporation over agricultural field using the FAO-56 dual crop coefficient approach:a case study of the maize field in an oasis in the middle stream of the Heihe River basin in Northwest China[J]. Scientia Agricultura Sinica, 2010, 43(19): 4016. DOI: 10.3864/j.issn.0578-1752.2010.19.014.
[11]
刘振华, 赵英时, 李笑宇, 等. 基于蒸散发模型的定量遥感缺水指数[J]. 农业工程学报, 2012, 28(2): 114.
LIU Zhenhua, ZHAO Yingshi, LI Xiaoyu, et al. Quantitative remote sensing of water deficit index based on evapotranspiration[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(2): 114.
[12]
白娟, 杨胜天, 董国涛, 等. 基于多源遥感数据的三江平原日蒸散量估算[J]. 水土保持研究, 2013, 20(3): 190.
BAI Juan, YANG Shengtian, DONG Guotao, et al. Estimation of daily evapotranspiration based on the multi-source remote sensing data in the Sanjiang Plain[J]. Research of Soil and Water Conservation, 2013, 20(3): 190.
[13]
赵红, 赵玉金, 李峰, 等. FY-3/VIRR卫星遥感数据反演省级区域蒸散量[J]. 农业工程学报, 2014, 30(13): 111.
ZHAO Hong, ZHAO Yujin, LI Feng, et al. Modeling evapotranspiration in provincial regions based on FY-3/VIRR remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(13): 111. DOI: 10.3969/j.issn.1002-6819.2014.13.014.
[14]
朱明明, 李明杰, 侯西勇. 黄河三角洲日蒸散发遥感估算及其空间格局特征分析[J]. 科技导报, 2012, 30(23): 17.
ZHU Mingming, LI Mingjie, HOU Xiyong. Daily evapotranspiration estimation by remote sensing method and its spatial pattern analysis on the Yellow River Delta[J]. Science and Technology Review, 2012, 30(23): 17. DOI: 10.3981/j.issn.1000-7857.2012.23.001.
[15]
刘红玉, 吕宪国, 刘振乾, 等. 辽河三角洲湿地资源与区域持续发展[J]. 地理科学, 2000, 20(6): 545.
LIU Hongyu, LV Xianguo, LIU Zhenqian, et al. Study on wetland resources and regional sustainable development in Liaohe Delta[J]. Scientia Geographica Sinica, 2000, 20(6): 545.
[16]
罗先香, 张蕊, 严登华. 辽宁双台子河口湿地生态水文模拟与调控[J]. 地理研究, 2011, 30(6): 1089.
LUO Xianxiang, ZHANG Rui, YAN Denghua. Eco-hydrological simulation and regulation of Shuangtaizi estuarine wetland[J]. Geographical Research, 2011, 30(6): 1089.
[17]
甄晓杰, 周广胜, 贾庆宇, 等. 盘锦芦苇湿地近地面层湍流量参数化方案研究[J]. 气象与环境学报, 2009, 25(5): 7.
ZHEN Xiaojie, ZHOU Guangsheng, JIA Qingyu, et al. Parameterization scheme of turbulent flux in the atmospheric surface layer in reed wetland of Panjin, Liaoning province[J]. Journal of Meteorology and Environment, 2009, 25(5): 7.
[18]
王莉雯, 卫亚星. 盘锦湿地净初级生产力时空分布特征[J]. 生态学报, 2012, 32(19): 6006.
WANG Liwen, WEI Yaxing. Variation analysis about net primary productivity of the wetland in Panjin region[J]. Acta Ecologica Sinica, 2012, 32(19): 6006.
[19]
Zhou Li, Zhou Guangsheng. Measurement and modeling of evapotranspiration over a reed (Phragmites australis) marsh in Northeast China[J]. Journal of Hydrology, 2009, 372: 41. DOI: 10.1016/j.jhydrol.2009.03.033.
[20]
贾庆宇, 刘晶淼, 梁成华, 等. 辽河三角洲稻区近地层CH4浓度与通量特征[J]. 生态环境学报, 2015, 24(5): 804.
JIA Qingyu, LIU Jingmiao, LIANG Chenghua, et al. The characteristics of CH4 concentration and flux of the near surface in Liaohe Delta rice region[J]. Ecology and Environmental Sciences, 2015, 24(5): 804.
[21]
曾丽红, 宋开山, 张柏, 等. 松嫩平原不同地表覆盖蒸散特征的遥感研究[J]. 农业工程学报, 2010, 26(9): 233.
ZENG Lihong, SONG Kaishan, ZHANG Bai, et al. Analysis of evapotranspiration characteristics for different land cover types over Songnen Plain based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(9): 233.
[22]
连晋姣, 黄明斌, 李杏鲜, 等. 夏季黑河中游绿洲样带蒸散量遥感估算[J]. 农业工程学报, 2014, 30(15): 122.
LIAN Jinjiao, HUANG Mingbin, LI Xingxian, et al. Evapotranspiration estimation for oasis transect in middle reach of Heihe river basin based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(15): 122.
[23]
李根. 基于SEBAL和SEBS模型的鹰潭小流域蒸散发估算研究[D]. 南京: 南京信息工程大学, 2014: 13.
LI Gen. Estimating evapotranspiration in Yingtan agricultural watershed using SEBAL and SEBS model[D]. Nanjing:Nangjing University of Information Science and Technology, 2014:13.
[24]
BASTIAANSSEN W G M, MENENTI M, FEDDES R A, et al. The surface energy balance algorithm for land (SEBAL):Part 1 formulation[J]. Journal of Hydrology, 1998, 212(98): 801.
[25]
李红军, 雷玉平, 郑力, 等. SEBAL模型及其在区域蒸散研究中的应用[J]. 遥感技术与应用, 2005, 20(3): 321.
LI Hongjun, LEI Yuping, ZHENG Li, et al. SEBAL model and its application in the study of regional evapotranspiration[J]. Remote Sensing Technology and Application, 2005, 20(3): 321. DOI: 10.11873/j.issn.1004-0323.2005.3.321.