Page 78 - 2023年第54卷第9期

面有巨大潜力，且能更好地响应二者在多时空尺度的需求。
过去 ２０多年，在美国对地观测系统、欧洲哥白尼计划、我国高分辨率对地观测系统等重大对地
观测计划开展下，卫星遥感对地观测信息源不断丰富，遥感反演地表变量和参数的理论方法和多源数
据融合技术不断成熟，遥感反演水循环变量包括蒸散发的时空分辨率、时空连续性和精度也在逐步提
高。高分辨率商业卫星和无人机的推广使用，使超高分辨率的蒸散发遥感反演成为可能，有力地推动
了农业精细化管理 ［６］ 。本文在概述国内外蒸散发遥感反演和数据融合研究前沿及相关数据集的基础
上，重点对遥感蒸散发在灌溉用水量估算、灌溉制度优化和灌溉效益评价三方面的应用场景（如图 １），
进行了系统梳理和总结，以期为农业水资源高效利用和精细化管理提供参考。

图 １ 遥感蒸散发在灌溉用水管理（灌溉用水量估算、灌溉制度优化和灌溉效益评价）中的应用优势概述图

２ 蒸散发遥感反演与数据融合

２．１ 主要遥感反演方法和数据集 过去 ２０年，光学、热红外遥感的迅速发展，使蒸散发遥感反演模
型得以广泛应用 ［７］ 。蒸散发估算方法主要包括以下 ５类：①数理统计方法；②植被指数 － 地表温度梯
形?三角形关系模型；③Ｐｅｎｍａｎ类模型；④单源能量平衡模型；⑤双源能量平衡模型等 ［８］ 。上述方法
大多需要气象驱动数据和遥感反演的地表变量（如地表温度和植被指数）作为输入数据。其中，数理统
计方法对输入数据要求较低（输入变量较少），简便易操作，但其区域依赖性较强，可移植性较差；植
被指数－ 地表温度梯形?三角形关系模型，对数据的空间分辨率要求较高，在土壤水分变化范围较大的
区域构建的特征空间更为合理 ［９］ ；Ｐｅｎｍａｎ类模型依赖的作物系数与作物类型、生育阶段等有关，难
以用遥感手段直接获取，因此，该方法在复杂种植结构条件下的应用效果有待提升；单源能量平衡模
型的计算较为简便，但适用于相对单一的下垫面；双源能量平衡模型的物理机制较好，适用于较为复
杂的下垫面，但对地表温度数据的精度要求较高，在大范围应用上存在不足 ［８］ 。
遥感蒸散发模型的日臻完善和多源数据的日趋丰富，形成了丰富的蒸散发遥感数据集，为灌溉用
水管理提供了数据参考。然而，由于卫星传感器和轨道的约束、天空地协同观测机制的不足，遥感蒸
散发数据在精度、时空分辨率和连续性方面，存在相互制约的内在矛盾。而复杂气候和下垫面加剧了
上述内在矛盾，使数据精度和质量下降的问题更为严重，以致现有的全球蒸散发数据集 ［１０］ （如表 １），
难以满足灌溉用水管理的实际需要。其中，极轨卫星反演的蒸散发尚无法达到小时尺度；小时尺度的
全球蒸散发数据大多来源于陆面模式 ［１０］ 。遥感反演的日尺度蒸散发产品相对较多，空间分辨率最高为

— １ ０ ８ —
８