基于多源數(shù)據(jù)的黑河流域日尺度蒸散發(fā)量模擬

張戈 夏建新 王樹東

摘要：植被蒸散發(fā)是地表水量平衡和熱量平衡的重要參量，也是衡量植被生長狀況和作物產(chǎn)量的重要指標(biāo)，同時也是進(jìn)行流域水資源優(yōu)化配置的依據(jù)。遙感技術(shù)的快速發(fā)展使其成為區(qū)域尺度蒸散發(fā)模擬的重要手段。以黑河流域為例，構(gòu)建遙感驅(qū)動的蒸散發(fā)模擬模型，結(jié)合多源遙感數(shù)據(jù)（MODIS、TRMM等）以及GLDAS全球陸面數(shù)據(jù)同化系統(tǒng)數(shù)據(jù)，對黑河流域2005、2010、2015年三個時期的潛在蒸散發(fā)和實(shí)際蒸散發(fā)進(jìn)行了時間尺度為每日、空間尺度為1 km的模擬。研究結(jié)果表明：潛在蒸散發(fā)月際變化明顯，從5月開始增長，于7月達(dá)到峰值，然后逐漸減少;實(shí)際蒸散發(fā)在月份之間變化趨勢明顯，在2015年均達(dá)到了最高值;精度檢驗結(jié)果表明本研究采用的兩個模型均達(dá)到了很好的效果，Kristensen-Jensen模型更適合用于黑河流域。本研究為黑河流域地表特征數(shù)據(jù)集提供了重要的日尺度蒸散發(fā)數(shù)據(jù)。

關(guān)鍵詞：黑河流域;蒸散發(fā);地表特征;遙感數(shù)據(jù);GLDAS數(shù)據(jù)

中圖分類號：P426文獻(xiàn)標(biāo)志碼：A開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：張戈

Simulating the daily evapotranspiration in Heihe river basin with multi-sensor remote sensing data

ZHANG Ge1，2，XIA Jianxin.1，WANG Shudong2

（1.Minzu University of China，Beijing 100081，China;2.Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing 100101，China）

Abstract：Vegetation evapotranspiration is an important parameter involving ground surface water and heat balance.It is also an important index to measure vegetation growth and crop yield and the basis for optimized allocation of watershed water resources.The remote sensing technology has become an important method for simulation of regional scale evapotranspiration.With the Heihe River Basin as a case study，we constructed a remote sensing-driven evapotranspiration simulation model，combining multi-source remote sensing data （MODIS，TRMM，etc.） and GLDAS data，we simulated the potential evapotranspiration and actual evapotranspiration of Heihe River basin in 2005，2010 and 2015 on daily scale at a 1-km spatial resolution.The results showed that：the potential evapotranspiration varied significantly between different months，starting to grow in May，peaking in July，and then gradually decreasing.The actual evapotranspiration varied significantly between the months and reached the highest value in 2015.The results of precision test showed that the two models used in this study both had good effects.The Kristensen-Jensen model was more suitable for the Heihe river basin.This research can provide important diurnal evapotranspiration data for the Heihe river basin surface feature dataset.

Key words：Heihe river basin;evapotranspiration;surface feature;remote sensing data;GLDAS data

遙感數(shù)據(jù)具有很高的時間和空間連續(xù)性，為連續(xù)地監(jiān)測地表植被特征提供了重要的手段。遙感技術(shù)的快速發(fā)展，提供了更高時間分辨率和更高空間分辨率的高光譜、多波段遙感數(shù)據(jù)，使準(zhǔn)確、實(shí)時、定量地模擬區(qū)域尺度的地標(biāo)特征成為可能。相對于傳統(tǒng)站點(diǎn)監(jiān)測，遙感技術(shù)在區(qū)域尺度動態(tài)模擬監(jiān)測領(lǐng)域具有很大的優(yōu)勢。目前遙感技術(shù)已用于區(qū)域尺度的農(nóng)作物、城市范圍、植被覆蓋、水質(zhì)、土壤水分、蒸散發(fā)監(jiān)測，均取得了較好的效果[1-6]。

蒸散發(fā)是地表水量平衡和熱量平衡的重要參量，也是衡量植被生長狀況和作物產(chǎn)量的重要指標(biāo)，對流域水資源配置具有參考價值[7]。目前已有眾多基于遙感數(shù)據(jù)的區(qū)域尺度蒸散發(fā)模擬研究，采用不同的模型對于同一區(qū)域結(jié)果也可能出現(xiàn)差別[8-11]。研究及比較模型在不同地區(qū)的適用性，對于區(qū)域尺度蒸散發(fā)的準(zhǔn)確模擬具有重要意義。

黑河流域是我國西北地區(qū)第二大內(nèi)陸流域，遠(yuǎn)離海洋，高山環(huán)繞。該流域氣候具有明顯的東西差異和南北差異，其地形及氣候復(fù)雜性使得蒸散發(fā)模擬具有較大的挑戰(zhàn)性。目前已有眾多該流域的遙感蒸散發(fā)模擬研究[12-14]，然而不同模型在該流域的適用性的研究仍然較為缺乏。本研究以黑河流域為例，采用多源遙感數(shù)據(jù)并結(jié)合實(shí)測站點(diǎn)數(shù)據(jù)進(jìn)行精度驗證，探討基于不同遙感蒸散發(fā)模擬模型的適用性，為該流域的水文過程及植被生長模型研究提供重要的參考數(shù)據(jù)集。

1研究區(qū)簡介

黑河流域位于我國河西走廊中部，面積約13萬km.2，全長約810 km，流經(jīng)青海、內(nèi)蒙、甘肅三省，跨越高山濕冷及半干旱區(qū)、溫帶及暖溫帶干旱區(qū)三種不同的自然地理帶。黑河流域位于歐亞大陸中部，遠(yuǎn)離海洋，周圍高山環(huán)繞，流域氣候主要受中高緯度的西風(fēng)帶環(huán)流控制和極地冷氣團(tuán)影響，氣候干燥，降水稀少而集中，多大風(fēng)，日照充足，太陽輻射強(qiáng)烈，晝夜溫差大。土壤類型有寒漠土、草甸土、灰鈣土、栗鈣土等。上游地區(qū)經(jīng)濟(jì)以牧業(yè)為主，中游地區(qū)為主要的綠洲農(nóng)業(yè)經(jīng)營區(qū)，下游是以蒙古族為主體的荒漠牧業(yè)區(qū)[15]。

2數(shù)據(jù)及方法

2.1潛在蒸散發(fā)估算

本文選擇Priestley-Taylor公式[16]，結(jié)合能量平衡原理，基于MODIS數(shù)據(jù)產(chǎn)品計算潛在蒸散發(fā)，作為蒸散發(fā)模型的輸入?yún)?shù)。該模型的主要特點(diǎn)是所需的參數(shù)較少，并且基本可以通過遙感數(shù)據(jù)反演得到。本文采用Priestley-Taylor模型主要是考慮到黑河流域的站點(diǎn)觀測資料（例如太陽輻射、濕度、風(fēng)速等）有限，尤其是在2005年和2010年。要模擬黑河流域潛在蒸散發(fā)，Priestley-Taylor模型很好地解決了資料缺乏的問題。

Priestley-Taylor公式的表達(dá)式如下：

ETp=α[JB（（][SX（]Rn-G[]λ[SX）][JB））] [JB（（][SX（]Δ[]Δ+γ[SX）][JB））]（1）

式中：ETp為潛在蒸散發(fā)（mm）;α為Priestley-Taylor系數(shù)，取值為1.26;Rn為地表凈輻射量（W/m.2）;G為土壤熱通量（W/m.2）;λ為汽化潛熱（MJ/kg）;Δ為飽和水氣壓-溫度曲線斜率（kPa/℃）;γ為干濕表常數(shù)（kPa/℃）。模型的主要參數(shù)及數(shù)據(jù)來源見表1。

通過遙感能獲取衛(wèi)星過境時刻的凈輻射量以及大氣溫度可由Priestley-Taylor公式估算衛(wèi)星過境時刻的潛在蒸散發(fā)，結(jié)合余弦曲線法即可估算日最大潛在蒸散發(fā)量[17]，計算公式如下：

ETp_max=[SX（]EINET，p[]sin[JB（[][JB（（][SX（]tpass-（trise+1）[]tset-trise-2[SX）][JB））]π[JB）]] [SX）]（2）

式中：EINET，p為衛(wèi)星過境時刻的潛在蒸散發(fā)量;tpass為衛(wèi)星過境時刻的當(dāng)?shù)貢r間;trise為當(dāng)?shù)厝粘鰰r間;tset為當(dāng)?shù)厝章鋾r間。由日最大潛在正能散發(fā)推出日潛在蒸散發(fā)總量計算公式為

ETp=∫[DD（]tset[]trise[DD）]ETp（t）dt=∫[DD（]tset[]trise[DD）]ETp_maxsin[JB（[][JB（（][SX（]t-（trise+1）[]tset-trise-2[SX）][JB））]π[JB）]]dt（3）

2.2基于Kristensen-Jensen模型的實(shí)際蒸散發(fā)模擬

本文采用以遙感葉面積指數(shù)（ILA） 為主要參數(shù)的Kristensen-Jensen[18]模型，模型包括了蒸散發(fā)的3個方面。

2.2.1植被截留蒸發(fā)

模型將冠層截留過程模擬為截留貯水過程，并認(rèn)為植被截留的水分最終均以蒸發(fā)的形式返回到大氣中。因此，植被截留蒸發(fā)公式如下：

Ecan=min（Sv[WTBX]ETp，P）（4）

式中：Ecan為植被截留層蒸發(fā)量（mm）;Sv為植被截留量（mm），由植被截留模型輸出;ETp為潛在蒸散發(fā)量（mm），由潛在蒸散發(fā)模型估算;P為降水量（mm），由經(jīng)過站點(diǎn)數(shù)據(jù)校正后的TRMM數(shù)據(jù)集獲取。

2.2.2植被蒸騰

植物蒸騰模型表達(dá)式如下：

Eat=f1（ILA）·f2（θ）·RDF·（ETp-Econ）（5）

式中：Eat為實(shí)際植被蒸騰（mm）;RDF為根系分布系數(shù);f1和RDF反映植被覆蓋對植被蒸騰的影響，分別表示蒸騰對植被葉面積和根系密度的依賴度;f2為根系層土壤水分函數(shù)，反映土壤水分狀況對蒸騰的影響;ETp-Ecan為扣除林冠截留量后的最大蒸發(fā)能力。

f1、f2和RDF的表達(dá)式如下：

f1（ILA）=max（0，min（1，（C2+C1·ILA）））（6）

f2（θ）=[JB（{][HL（2]0[]θ≤θw

1-（[SX（]θf-θ[]θf-θw[SX）]）.[SX（]C3[]ETp[SX）][]θw≤θ≤θf

1[]θ≥θf[HL）][JB）]（7）

RDF=[SX（]∫[DD（]z2[]z1[DD）]R（z）dz[]∫[DD（]LR[]0[DD）]R（z）dz[SX）]（8）

且：

logR（z）=logR0-AROOT×z（9）

RDF的計算形式可轉(zhuǎn)化為與植被根系深度有關(guān)的形式

RDF=[SX（]e.-AROOT×z2-e.-AROOT×z1[]e.-AROOT×LR-1[SX）]（10）

式中：ILA為葉面積指數(shù)，由MODIS數(shù)據(jù)集獲取;θ為土壤含水量（%）;θf為田間持水量（%）;θw為萎蔫含水量（%）;C1，C2，C3為參數(shù)，在本模型中取值分別為0.5、0.4和5.0;AROOT為描述根主要分布的參數(shù);z1，z2分別為所求土壤層垂直方向上的兩端坐標(biāo)（m）;LR為根系深度（m）。

2.2.3土壤蒸發(fā)

土壤蒸發(fā)計算公式如下：

Es=ETp[KG-*6]·[KG-*6]f3（θ））[KG-*6]·[KG-*6]f4（θ）[KG-*6]·[KG-*6]（1-f1（ILA））（11）

f3（θ）=[JB（{][HL（2]0[]θ≤θr

C2（θ/θw[WTBX]）[]θr≤θ≤θw[WTBX]

C2[]θ≥θw[WTBX][HL）][JB）]（12）

f4（θ）=[JB（{][HL（2][SX（]θ-0.5（θw[WTBX]+θf）[]

θf-0.5（θw[WTBX]+θf）[SX）][]θ≥0.5（θw[WTBX]+θf）

0[]θ<0.5（θw[WTBX]+θf）[HL）][JB）]（13）

式中：Qr為土壤剩余含水量。

非水面單元上的蒸散發(fā)為植被截留蒸發(fā)、植被蒸騰、土壤蒸發(fā)之和。模型的輸入?yún)?shù)主要包括決定蒸發(fā)能力的潛在蒸散發(fā)、影響植被截留和植被蒸騰的LAI、影響植被蒸騰的根系深度、影響植被蒸騰和土壤蒸發(fā)的土壤水分特征參數(shù)。

模型使用的公共平臺數(shù)據(jù)包括GLDAS土壤濕度、潛在蒸散發(fā)、TRMM降雨觀測數(shù)據(jù)、植被截留、葉面積指數(shù)、土壤屬性數(shù)據(jù)。各數(shù)據(jù)集詳細(xì)信息見表2。

2.3基于Penman-Monteith公式的實(shí)際蒸散發(fā)模擬

Penman-Monteith計算方法[19]中，實(shí)際蒸散量和潛在蒸散量表示為：

EPp=Kc·ET0（14）

EPa=Ks·ETp（15）

式中：ET0為參考作物蒸散量（mm/d）;ETp為潛在蒸散量（mm/d）;ETa為實(shí)際蒸散量（mm/d）;Ks為土壤水分脅迫系數(shù);Kc為作物系數(shù)。

Ks通過下式計算：

式中：Wp為凋萎含水量;Wf為田間持水量;Wj為毛管斷裂含水量;W為土壤實(shí)際含水量，由GLDAS土壤水?dāng)?shù)據(jù)集獲得。

3結(jié)果與討論

3.1潛在蒸散發(fā)模擬結(jié)果

基于已構(gòu)建的遙感驅(qū)動的潛在蒸散發(fā)動態(tài)模擬模型以及研究區(qū)潛在蒸散發(fā)模型參數(shù)空間數(shù)據(jù)庫，對研究區(qū)2005、2010、2015年三個年份3月-10月潛在蒸散發(fā)空間分布進(jìn)行日尺度上的數(shù)值模擬，得到研究區(qū)空間分辨率1 km、時間分辨率1 d的潛在蒸散發(fā)空間分布。本文選取3月-10月進(jìn)行模擬的主要原因是作物生長季主要集中在這段時間，而其它月份降雨量和蒸發(fā)量都非常少，研究這些月份意義不大。如圖1所示，潛在蒸散發(fā)月際變化明顯，從5月開始增長，于7月達(dá)到峰值，然后逐漸減少。潛在蒸散發(fā)月份之間的差異可能是由于月平均氣溫的差異引起，加上5月、6月、7月降雨量大，因此這幾個月份的潛在蒸散發(fā)量相對其它月份較高，本文中的GLDAS氣溫數(shù)據(jù)以及TRMM降雨數(shù)據(jù)也驗證了這一區(qū)域溫度和降雨量確實(shí)在這幾個月達(dá)到峰值。

而潛在蒸散發(fā)的年際變化結(jié)果（圖2）表明，黑河流域2015年平均潛在蒸散發(fā)最高，全流域平均值達(dá)到了3.23 mm，2005年和2010年流域潛在蒸散發(fā)量相差不大，平均值均為2.68 mm。說明在2015年，整個流域的潛在蒸散發(fā)量驟升。一方面，是由流域平均氣溫升高造成，另一方面，該年份降雨量的增加也是造成潛在蒸散增加的主要因素。該流域TRMM降雨數(shù)據(jù)以及GLDAS氣溫數(shù)據(jù)均支持這一結(jié)論。而在空間分布上來看，流域南部海拔較高的山區(qū)潛在蒸散發(fā)量比其它區(qū)域更高，山區(qū)的高降雨量可能是形成這一分布格局的重要因素。

3.2實(shí)際蒸散發(fā)模擬結(jié)果

基于已構(gòu)建的Kristensen-Jensen蒸散發(fā)模型以及Penman-Monteith模型，對研究區(qū)2005年、2010年、2015年三個年份3月-10月實(shí)際蒸散發(fā)空間分布分別進(jìn)行日尺度上的數(shù)值模擬，得到研究區(qū)空間分辨率1 km、時間分辨率1 d的實(shí)際蒸散發(fā)空間分布（圖3）。并利用黑河流域生態(tài)過程模擬驗證數(shù)據(jù)集對結(jié)果進(jìn)行驗證。

在月份之間，兩個模型模擬的實(shí)際蒸散發(fā)與潛在蒸散發(fā)具有相似的變化趨勢，即在5、6、7月達(dá)到最高值，而從8月開始下降。分析實(shí)際蒸散發(fā)年際之間的變化趨勢可以得知，由兩個模型模擬的2015年實(shí)際蒸散發(fā)值均比2005和2010年的實(shí)際蒸散發(fā)高-由Kristensen-Jensen模型模擬出的2015年平均實(shí)際蒸散發(fā)為3.75 mm，高于2005年的1.70 mm以及2010年的1.27 mm。 而penman模型模擬的結(jié)果在年際變化趨勢上較相似，同樣也是2015年最高，但整體來看penman模型模擬的實(shí)際蒸散發(fā)值比Kristensen-Jensen模型更低。

整體來看penman模型更依賴于土壤水分?jǐn)?shù)據(jù)，并且該模型輸入?yún)?shù)較少，受輸入數(shù)據(jù)集的影響較大，尤其受GLDAS土壤水?dāng)?shù)據(jù)集的影響，整體模擬數(shù)值偏低。相對而言kristensen-Jensen模型輸入?yún)?shù)多，模擬結(jié)果受單個數(shù)據(jù)集的影響較小。

3.3模型精度檢驗結(jié)果

由于阿柔站只有2010和2011年的觀測數(shù)據(jù)，因此選取研究區(qū)內(nèi)阿柔（100.4529°E，38.06337°N）以及關(guān)灘（100.25°E，38.533°N）兩個觀測站2010年月尺度的實(shí)測蒸散發(fā)數(shù)據(jù)對本文的Kristensen-Jensen實(shí)際蒸散發(fā)模型進(jìn)行精度驗證，結(jié)果見圖4。

Kristensen-Jensen模型模擬值與實(shí)測值的相關(guān)系數(shù)達(dá)到了0.9以上，表明本文的模擬取得了很好的效果，可為黑河流域地表特征數(shù)據(jù)集提供準(zhǔn)確的蒸散發(fā)數(shù)據(jù)。Kristensen-Jensen模型模擬結(jié)果覆蓋了黑河流域幾乎全部的區(qū)域，而Penman模型模擬的數(shù)據(jù)則存在大面積的缺失，表明Kristensen-Jensen模型更適合用于黑河流域?qū)嶋H蒸散發(fā)的模擬。在本文采用的GLDAS土壤水?dāng)?shù)據(jù)中，2005年及2010年的土壤水分普遍較低，部分地區(qū)低于萎蔫含水量，這可能是造成Penman模型大面積缺失的原因，而Kristensen-Jensen模型輸入?yún)?shù)較多，可抵消較大部分GLDAS土壤水分?jǐn)?shù)據(jù)的影響。利用Penman模型數(shù)據(jù)，在非缺失區(qū)域選取100個隨機(jī)點(diǎn)，對Kristensen-Jensen模型模擬結(jié)果進(jìn)行驗證，二者也具有很好的相關(guān)性（R.2=0.888），進(jìn)一步驗證了Kristensen-Jensen模型的可靠性。

4結(jié)論

本文采用遙感驅(qū)動的蒸散發(fā)模擬模型，對三個不同年份的黑河流域蒸散發(fā)進(jìn)行區(qū)域尺度的模擬，模擬結(jié)果表明潛在蒸散發(fā)和實(shí)際蒸散發(fā)的變化趨勢較為一致，二者均在5月-7月達(dá)到最大值，而在模擬的三個年份中，2015年黑河流域的蒸散量明顯高于其它兩個年份。精度檢驗結(jié)果表明本文采用的Kristensen-Jensen模型方法準(zhǔn)確可靠，模型模擬結(jié)果可為黑河流域的地表過程及水文循環(huán)提供重要的數(shù)據(jù)支撐。遙感技術(shù)的快速發(fā)展以及更多高精度數(shù)據(jù)集的出現(xiàn)，使得更高空間及空間分辨率的區(qū)域尺度蒸散發(fā)模擬成為可能，本研究也為后續(xù)的遙感蒸散發(fā)模擬研究奠定了基礎(chǔ)。然而，基于多源數(shù)據(jù)模擬遇到的數(shù)據(jù)不一致性問題以及模型結(jié)構(gòu)之間的差異，有待在今后的研究中重點(diǎn)研究和解決。

參考文獻(xiàn)（References）：

[1]LILLESAND T，KIEFER R W，CHIPMAN J.Remote sensing and image interpretation[M].New York：John Wiley & Sons，2014.

[2]王碧輝，吳運(yùn)超，黃曉春.基于高分辨率遙感影像的城市用地分類研究[J].遙感信息，2012（4）：111-115.（WANG B H，WU Y C，HUANG X C.Urban land-use classification using high resolution remote sensing data[J].Remote Sensing Information，2012（4）：111-115.（in Chinese） ） DOI：10.3969/ j.issn.1000-3177.2012.04.020.

[3]孫睿，劉昌明，朱啟疆.黃河流域植被覆蓋度動態(tài)變化與降水的關(guān)系[J].地理學(xué)報，2010，56（6）：667-672.（SUN R，LIU C M，ZHU Q J.Relationship between the fractional vegetation cover change and rainfall in the yellow river basin[J].Acta Geographica Sinica，2010，56（6）：667-672.（in Chinese））

[4]王彥飛，李云梅，呂恒，等.環(huán)境一號衛(wèi)星高光譜遙感數(shù)據(jù)的內(nèi)陸水質(zhì)監(jiān)測適宜性——以巢湖為例[J].湖泊科學(xué)，2011，23（5）：789-795.（WANG Y F，LI Y M，LV H，et al.Suitability assessment of lake water quality monitoring on water body images acquired by HJ-1A hyperspectral imager：a case study of Lake Chaohu[J].Journal of Lake Sciences，2011，23（5）：789-795.（in Chinese））

[5]王鳴程，楊勝天，董國濤，等.基于條件溫度植被指數(shù)（VTCI） 的中國北方地區(qū)土壤水分估算[J].干旱區(qū)地理，2012，35（3）：446-455.（WANG M CH，YANG SH T，DONG G T，et al.Estimating soil water in northern China based on vegetation temperature condition index（VTCI）[J].Arid Land Geography，2012，35（3）：446-455.（in Chinese） ） DOI：10.13826/j.cnki.cn65-1103/x.2012.03.017.

[6]白娟，楊勝天，董國濤，等.基于多源遙感數(shù)據(jù)的三江平原日蒸散量估算[J].水土保持研究，2013，20（3）：190-195.（BAI J，YANG SH T，DONG G T，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）：190-195.（in Chinese））

[7]張榮華，杜君平，孫睿.區(qū)域蒸散發(fā)遙感估算方法及驗證綜述[J].地球科學(xué)進(jìn)展，2012，27（12）：1295-1307.（ZHANG R H，DU J P，SUN R.Review of estimation and validation of regional evapotranspiration based on remote sensing[J].Advances in Earth Sciences，2012，27（12）：1295-1307.（in Chinese））

[8]周劍，程國棟，李新，等.應(yīng)用遙感技術(shù)反演流域尺度的蒸散發(fā)[J].水利學(xué)報，2009，40（6）：679-687.（ZHOU J，CHENG G D，LI X，et al.Application of remote sensing technology to estimate river basin evapotranspiration[J].Journal of Hydraulic Engineering，2009，40（6）：679-687.（in Chinese） ） DOI ：10.13243/j .cnki .slxb.2009.06.003.

[9]李守波，趙傳燕.基于能量平衡的關(guān)川河流域蒸散發(fā)的遙感反演[J].遙感技術(shù)與應(yīng)用，2006（6）：521-526.（LI SH B，ZHAO CH Y.Estimating evapotranspiration based on energy balance in Guanchuan River Basin using remote sensing[J].Remote Sensing Technology and Application，2006（6）：521-526.（in Chinese））

[10][ZK（#]李寶富，陳亞寧，李衛(wèi)紅，等.基于遙感和SEBAL模型的塔里木河干流區(qū)蒸散發(fā)估算[J].地理學(xué)報，2011，66（9）：1230-1238.（LI B F，CHEN Y N，LI W H，et al.Remote sensing and the SEBAL model for estimating evapotranspiration in the Tarim River[J].Acta Geographica Sinica，2011，66（9）：1230-1238.（in Chinese））

[11]董國濤，王鳴程，白娟，等.基于遙感的涇河流域日蒸散量估算[J].水土保持研究，2015，22（2）：101-106.〔DONG G T，WANG M C，BAI J，et al.Estimation of Daily Evapotranspiration Based on Remote Sensing Data in Jinghe Basin[J].Research of Soil and Water Conservation，2015，22（2）：101-106.（in Chinese））

[12]KANG Y X，LU J H，WU Z Y，et al.Comparison and analysis of bare soil evaporation models combined with ASTER data in Heihe River Basin[J].Water Science and Engineering，2009，2（4）：16-27.DOI：10.3882/j.issn.1674-2370.2009.04.002.

[13]TIAN F，QIU G Y，YAN Y H，et al.Estimation of evapotranspiration and its partition based on an extended three-temperature model and MODIS products[J].Journal of Hydrology，2013（498）：210-220.

[14]WANG Y Q，XIONG Y J，QIU G Y，et al.A multi-scale study in the Heihe oasis using thermal remote sensing and the three-temperature model[J].Agricultural and Forest Meteorology，2016（230）：128-141.

[15]潘竟虎，董曉峰.基于GIS的黑河流域生態(tài)環(huán)境敏感性評價與分區(qū)[J].自然資源學(xué)報，2006，21（2）：267-273.（PAN J H，DONG X F.GIS-based assessment and division on eco-environmental sensitivity in the Heihe River Basin[J].Journal of Natural Resources，2006，21（2）：267-273.（in Chinese））

[16]PRIESTLEY C H B，TAYLOR R J.On the assessment of surface heat flux and evaporation using large-scale parameters[J].Monthly weather review，1972，100（2）：81-92.

[17]謝賢群.遙感瞬時作物表面溫度估算農(nóng)田全日蒸散總量[J].環(huán)境遙感，1991，6（4）：253-260.（XIE X Q.Estimation of daily evapo-transpiration（ET）from one time-of-day remotely sensedcanopy temperature[J].Remote Sensing of Environment，1991，6（4）：253-260.（in Chinese））

[18]KRISTENSEN K J，JENSEN S E.A model for estimating actual evapotranspiration from potential evapotranspiration.Nordic Hydrol，1975（6）：170-188

[19]ALLEN R G，PEREIRA L S，DIRK R，et al.Crop evapotranspiration guidelines for computing crop water requirements[M].FAO Irrigation and Drainage Paper，Rome，998（56）：17-64.[LM]