虞文丹，張友靜，2，鄭淑倩

(1．河海大學地球科學與工程學院，南京 210098;2．河海大學水文水資源與水利工程科學國家重點實驗室，南京 210098;3．浙江華東測繪有限公司，杭州 310030)

0 引言

鑒于傳統(tǒng)干旱監(jiān)測的局限性和遙感技術的宏觀、動態(tài)、客觀、時效性等特點，利用遙感技術進行干旱監(jiān)測已成為當前的研究熱點［1］。遙感監(jiān)測干旱的方法有熱慣量法、冠層溫度法、植被指數(shù)法、作物缺水指數(shù)法和微波遙感法等。其中，作物缺水指數(shù)法以能量平衡為基礎，物理意義明確，適用范圍廣，在植被覆蓋度較大的地區(qū)，估算精度高于熱慣量法。袁國富等［2］對國內(nèi)外基于冠層溫度的作物缺水指標進行了總結。Jackson等［3－4］利用土壤水分和農(nóng)田蒸散來診斷作物水分脅迫狀況，并在植被覆蓋條件下取得了較高的監(jiān)測精度。申廣榮等［5］建立單層作物缺水指數(shù)(crop water stress index，CWSI)模型來監(jiān)測黃淮海平原旱情，基本實現(xiàn)了準確、實時監(jiān)測。獲取CWSI的關鍵在于實際蒸散發(fā)量的計算，王純枝等［6］對潛在蒸散量計算和CWSI法干旱遙感監(jiān)測模型進行了簡化，實現(xiàn)對土壤水分的定量反演，簡化后的CWSI法充分考慮到下墊面植被覆蓋信息和氣象要素狀況，能夠準確反演土壤缺水狀況。宋小寧等［7］利用MODIS數(shù)據(jù)，通過建立基于亞像元尺度的雙層蒸散模型，在CWSI基礎上利用地表缺水指數(shù)進行了非均質下墊面區(qū)域缺水監(jiān)測，但其研究范圍局限于西北半干旱草原區(qū)。劉振華等［8］在植被覆蓋區(qū)，利用半干旱地區(qū)基于亞像元的土壤蒸發(fā)和植物蒸騰雙層模型，剝離土壤的影響，獲取缺水指數(shù)模型中的植被潛熱通量，并利用遺傳算法對該區(qū)進行混合像元分解，獲取模型中的地表組分溫度參量，但其采用的ASTER數(shù)據(jù)分辨率較低，樣點較少，反演精度受到一定影響。

本文以2010年江蘇省徐州市為研究區(qū)域，以MODIS數(shù)據(jù)為主要數(shù)據(jù)源，結合地面實測數(shù)據(jù)和氣象數(shù)據(jù)，運用蒸散發(fā)雙層遙感模型，建立作物缺水指數(shù)模型，估算20 cm土層土壤相對含水量。在蒸散發(fā)模型中，考慮土壤水分可供率對顯熱通量的影響，改進了原模型。

1 研究區(qū)概況與數(shù)據(jù)源

徐州市位于江蘇省的西北部，介于E116°22'～118°40'，N33°43'～ 34°58'之間，暖溫帶季風氣候，四季分明，雨熱同期，年均氣溫14°C。土地總面積11 258 km2，是我國重要的糧食產(chǎn)區(qū)。近幾十年來，干旱成為徐州市主要的氣象災害，一般年缺水量約30×108m3，干旱年份缺水量高達80×108m3。研究區(qū)概況見圖1。

圖1 研究區(qū)概況Fig．1 General situation of research area

研究區(qū)數(shù)據(jù)主要包括5個方面:①研究區(qū)矢量邊界、氣象站空間位置坐標以及水文專題數(shù)據(jù)層等基礎地理信息數(shù)據(jù);②用于反映地表溫度、地表植被覆蓋情況以及地表比輻射率等信息的MODIS影像數(shù)據(jù)，包括陸地3級標準數(shù)據(jù)產(chǎn)品，2010年日尺度、8 d尺度、16 d尺度的產(chǎn)品影像數(shù)據(jù);③氣溫、風速及降水等地面氣象站觀測數(shù)據(jù);④20 cm土層土壤相對含水量的農(nóng)業(yè)氣象觀測數(shù)據(jù);⑤用于地形修正的DEM數(shù)字高程模型。所有影像數(shù)據(jù)都統(tǒng)一到同一投影系統(tǒng)下，并重采樣到1 000 m。對于基于點尺度的氣象數(shù)據(jù)，采用克里金法插值到像元尺度。

2 研究方法

2．1 作物缺水指數(shù)模型

土壤含水量對蒸散速率有一定影響。Jackson等［9］以能量平衡為基礎，利用熱紅外遙感溫度和氣象資料，間接監(jiān)測植被覆蓋條件下的土壤水分，提出了CWSI的概念，即

式中:Et為實際蒸散發(fā)量，mm;Etp為潛在蒸散發(fā)量，根據(jù) Penman－Monteith公式［10］計算得到，mm。

CWSI的實質是反映植被蒸騰與最大可能蒸發(fā)的比值，由作物冠層溫度值轉化而來，可在一定程度上反映植物根系范圍內(nèi)土壤水分的信息，用來度量作物缺水程度。由式(1)可知，獲取CWSI的關鍵在于實際蒸散發(fā)量的計算。本文通過構建土壤表層含水量W與作物缺水指數(shù)CWSI之間的關系來對土壤含水量進行模擬，即

2．2 實際蒸散發(fā)量的估算

2．2．1 雙層蒸散發(fā)模型

雙層模型的理論基礎為能量平衡方程，簡化的能量平衡原理的方程滿足

式中:Rn為地表凈輻射通量，是地表所接收到的能量總和，W·m－2;G為下墊面地表的土壤熱通量，表明土壤表層和深層熱量傳遞的情況，用于下墊面地表升溫，W·m－2;H為地表與空氣間進行熱交換的部分能量，稱為感熱通量或顯熱通量，W·m－2;LE為潛熱通量，為地表與大氣間水汽熱交換的定量描述，W·m－2，其中L為單位質量的水汽化過程中所吸收的熱量，俗稱水的汽化潛熱，W·m－2，E為瞬時蒸散量，mm。

由于雙層模型明確了冠層和土壤2個界層的能量交換、傳輸和平衡關系，能從蒸散過程原動力—能量角度揭示蒸散機理，因而提高了模擬精度。雙層模型的基本思想是:水汽和熱量的2個源是互相疊加的，底層的水與熱量只能通過頂層離開或進入，從整個冠層散發(fā)的總顯熱通量是各層顯熱通量之和。雙層模型分離土壤和植被，利用遙感反演的地表特征參數(shù)，結合必要的氣象參數(shù)，分別考慮地表平衡方程中各地表通量，并建立各自的植被冠層和土壤大氣界面處的能量平衡方程［11－14］，即

式中:下標veg，soil分別表示各通量在植被層和土壤層的分量大小;g為下墊面植被覆蓋度。地表凈輻射通量Rn的計算公式為

式中:Rs↓，αRs↓分別表示入射短波輻射以及地表反射短波輻射，W·m－2，其中 α 為地表反照率;Rl↓，Rl↑為入射長波輻射以及地表向大氣發(fā)射的長波輻射，W·m－2。通常，Rs↓除受到影像獲取時刻太陽輻射強度的影響外，相應的大氣條件，如云量、濕度、空氣清潔度以及大氣厚度等對到達地面的太陽輻射能量具有一定的削減作用。綜合考慮以上因素，在晴空無云的狀況下，Rs↓的計算過程為

式中:Gsc為太陽常數(shù)，通常取1 367W·m－2;dr為日地相對距離;τsw為單向透過率;z為地面高程;θ為太陽天頂角;D為數(shù)據(jù)獲取日在一年中的順序天數(shù)。

地表入射長波輻射R1↓和R1↑出射長波輻射根據(jù)stefarr－boltzmann定律計算，即

式中:εs，εa分別為地表比輻射率和空氣比輻射率，前者采用產(chǎn)品數(shù)據(jù)，后者可通過氣溫和實際水汽壓計算得到;Ts，Ta分別為地表溫度和空氣溫度，K，前者采用產(chǎn)品數(shù)據(jù)，后者可通過對氣象站點的觀測數(shù)據(jù)克里金插值得到;σ為玻爾茲曼常數(shù)，通常取5．67 ×10－8W·m－2·K－4。

在雙層模型中，土壤組分和植被組分各自獨立地與外界空氣進行湍流交換，即

式中:εsoil為裸土地表比輻射率，通常取0．93;εveg為全植被覆蓋情況下的地表比輻射率，通常取0．993;αveg，αsoil為地表組分反照率;Tveg，Tsoil分別為植被和土壤組分溫度。

混合像元的凈輻射通量Rn則可通過組分凈輻射通量關于植被覆蓋度加權計算得到，即

式中f為權值。土壤熱通量與凈輻射通量的比值是關于植被覆蓋度、地表溫度以及地表反照率的非線性函數(shù)。本文綜合考慮這些因子，采用

進行土壤熱通量G的估算。式中NDVI為歸一化植被指數(shù)。通常，G白天為正，夜晚為負，一般在計算日尺度土壤熱通量時可近似為0。

雙層模型深入到亞像元級別，認為復雜下墊面主要由植被層和土壤層組成，各層顯熱通量的計算方式有所差異。在密集植被區(qū)，地表溫度(Ts)與空氣動力學溫度(T0)近似相等，因此在計算植被組分顯熱通量時可直接采用植被組分溫度(Tveg)代替T0。而在土壤層，土壤組分溫度(Tsoil)與T0間溫差較大，若采用Tsoil直接代替T0，則需引入“剩余阻抗”以修正觀測角度和風速等對輻射溫度的影響。綜上，各組分顯熱通量(Hveg，Hsoil)的計算方法為

式中:ρ為空氣密度，kg·m－3，可根據(jù)氣溫和高程計算得到;Cp為空氣定壓比熱常量，通常取值1 004 J·kg－1·℃－1;Ta為參考高度(2 m)處的空氣溫度，K;ra為空氣動力學阻抗，s·m－1;rbh為剩余阻抗，s·m－1。

雙層蒸散發(fā)模型計算的蒸散發(fā)數(shù)據(jù)為瞬時蒸散發(fā)，利用謝賢群［15］正弦曲線法將其拓展到日尺度。

2．2．2 地表參數(shù)的反演

2．2．2．1 地表組分溫度

圖2 植被覆蓋度g與地表溫度T s梯形空間Fig．2 Trapezoidal space of g and T s

本文參考了像元排序對比法(pixel component arranging and comparing algorithm，PCACA)法的理論基礎對地表組分溫度進行計算，并對其加以改進。首先，假設土壤和植被冠層的耦合機制符合雙層模型的平行模式，單株植被與貼近的土壤構成了雙層模型的最小單元，兩者的輻射源和驅動力可以有所區(qū)別，土壤表面溫度和植被冠層溫度也不一樣，但是由于植被根系的擴展和土壤水分的側滲作用，在最小單元內(nèi)，植被和土壤的水分供應狀況視為相同。因此，干邊和濕邊間存在的過渡等土壤濕度線與等斜率線一致。如圖2所示，在大部分情況下，研究區(qū)內(nèi)并不存在所有條件的點。通過散點擬合方法得到的干濕邊(③④分別表示相對干邊和相對濕邊)并不能完全等同于絕對意義上的極端情況。本文絕對干邊定義為地表含水量接近凋萎系數(shù)，水分脅迫作用顯著，蒸散量幾乎為0;絕對濕邊定義為發(fā)生在地表充分供水的情況下，實際蒸散發(fā)接近潛在蒸散發(fā)。可通過搜索干裸地(P1)、干全植被覆蓋地(P2)、濕裸地(P3)及濕全植被覆蓋地(P4)來確定絕對干濕邊的線性方程，進而得到“覆蓋度－地表溫度”的梯形結構。P1，P2，P3和P4對應到縱坐標上的值為Tsd，Tvd，Tsw和Tvw，分別表示干裸地的地表溫度、干全植被覆蓋地的地表溫度及濕裸地的地表溫度和濕全植被覆蓋地的地表溫度。Tsmin，Tsmax分別表示特征空間的濕邊和干邊在某植被蓋度下的溫度取值，即相應植被覆蓋度下的最小溫度和最大溫度。

當土壤相當干燥時，地表含水量接近凋萎含水量，此時已經(jīng)不存在土壤蒸發(fā)及植被蒸騰作用，地表所接收的凈輻射通量完全用于加熱近地表大氣H以及土壤內(nèi)部的熱量交換G，能量平衡方程可簡化為

對于干裸地，植被覆蓋度g=0，其能量平衡方程滿足

干裸地的地表溫度可以表示為

式中:Tsd為干裸地的地表溫度;αsd為干裸地的地表反照率;εsky和εsd分別為空氣和干裸地的地表比輻射率;rsd為干裸地所受的阻抗，包括空氣動力學阻抗以及剩余阻抗;Tsky為像元上空天穹的平均溫度，可利用水汽壓ea和空氣溫度Ta計算得到，即

考慮到天空等效溫度T4sky及風速的單點地面觀測值具有一定的局地代表性，因此氣象參數(shù)采用研究區(qū)內(nèi)最干裸地對應的像元值。Tsd，αsd是計算絕對干裸地地表溫度的關鍵參數(shù)，鑒于“植被覆蓋度－地表溫度”“地表反照率－地表溫度”均滿足梯形結構，擬采用散點擬合干邊在植被覆蓋度為0處的取值作為Tsd，αsd的輸入。根據(jù)式(22)計算出Tsd，從而得到梯形4個特征點中P1的解。延著上述思路，當?shù)乇硖幱谕耆脖桓采w時，反照率、空氣動力學阻力及植被冠層表面溫度會發(fā)生較明顯的變化。完全植被覆蓋點的冠層表面溫度Tvd滿足

式中:Tvd為干全植被覆蓋地的地表溫度;αvd為干全植被覆蓋地的地表反照率;εvd為干全植被覆蓋地的地表比輻射率;rvd為干全植被覆蓋地所受的阻抗，包括空氣動力學阻抗以及剩余阻抗。氣象參數(shù)仍可通過研究區(qū)內(nèi)最高植被覆蓋度地所在像元值獲取。此時下層土壤達到凋萎含水量，植被受到較嚴重的水分脅迫作用。

2．2．2．2 地表組分反照率

就研究區(qū)而言，紅外波段的每個像元熱輻射能Li是由地表植被和土壤共同作用的結果，即

2．2．2．3 剩余阻抗

剩余阻抗是風速等參數(shù)對輻射溫度影響的經(jīng)驗值，其實質是引入無量綱參數(shù)KB－1，以獲取動量粗糙度長度和熱量粗糙度長度之間的轉換，即

式中:SKB為經(jīng)驗系數(shù)，有效值范圍在0．05～0．25之間;k為von Karman常數(shù)，通常取0．41;μ*為摩阻速度;μz為參考高度z處的風速。

2．2．3 改進雙層蒸散發(fā)模型

在原有的雙層模型基礎上引入土壤水分可供率參數(shù)，可增強模型對地表濕度變化的敏感性。目前，大多數(shù)能量平衡模型并沒有明確地指出土壤濕度與蒸散發(fā)間的關系，而是在計算顯熱通量時以地表溫度來反映地表供水狀況。當太陽熱輻射成為抑制蒸散作用的重要因子時，上述假設是成立的。當下墊面干燥、太陽輻射強度較大的情況下，應用上述模型估算的日蒸散發(fā)往往較實際值高 1．5 ～3．0 mm［16］，主要原因是由顯熱通量計算值偏小導致的。Gokmen M［17］利用站點的土壤濕度觀測值改進了SEBS模型中參數(shù)KB－1的計算方法，顯熱通量的估算精度有了明顯的提高。

本文在原有的雙層模型基礎上引入土壤水分可供率參數(shù)，增強模型對地表濕度變化的敏感性。土壤水分可供率是實際蒸散發(fā)耗水量的定量描述，可通過溫度植被干旱指數(shù)(temperature vegetation dryness index，TVDI)計算得到，有效地解決了空間尺度不一致的問題，即

式中M為土壤水分可供率。

在顯熱通量的計算中引入剩余阻抗項，采用土壤水分可供率對剩余阻抗的經(jīng)驗公式進行改進，采用式(31)擬合剩余阻抗的修正因子［17］，即

式中:rbh－new為改進后的剩余阻抗;SF為剩余阻抗的修正因子;Mtrape為基于溫度植被干旱指數(shù)法估算得到的土壤水分可供率;a，b，c為系數(shù)。

將修正后的剩余阻抗引入到雙層模型中，計算區(qū)域瞬時蒸散發(fā)數(shù)據(jù)，利用謝賢群正弦曲線法將其拓展到日尺度后取平均得到月平均蒸散發(fā)值，分布圖如圖3。從中可以看出，區(qū)域整體蒸散發(fā)分布為西面蒸散發(fā)較低，東面蒸散發(fā)較高;7月份區(qū)域蒸散發(fā)高于11月份。

圖3 基于改進雙層模型的月平均蒸散發(fā)量分布圖Fig．3 Map of monthly average evapotranspiration based on improved double layer model

2．3 土壤相對含水量估算模型構建

2．3．1 基于雙層蒸散發(fā)模型

利用式(1)計算基于雙層蒸散發(fā)模型的CWSI，利用式(2)構建基于CWSI的土壤相對含水量模型。得到實測的各觀測站點20 cm土層土壤相對含水量值與計算出的CWSI值構建的散點圖(圖4)。

圖4 土壤相對含水量實測值與CWSI關系圖Fig．4 Diagram of CWSI and measured values of the relative content of water

從圖4看出，土壤相對含水量與CWSI呈反比關系，CWSI值越小，土壤表層水分含量越大。擬合的相關系數(shù)分別為0．53和0．72。7月份作物播種及農(nóng)田灌溉影響了部分站點模型的擬合精度。

2．3．2 基于改進雙層蒸散發(fā)模型

利用公式(1)計算基于改進雙層蒸散發(fā)模型的CWSI，得到區(qū)域7月和11月的月平均CWSI，如圖5所示。

圖5 基于改進雙層模型的月平均CWSI分布圖Fig．5 Map of monthly average CWSI based on improved double layer model

從圖5看出，區(qū)域CWSI分布為西低東高。根據(jù)土壤相對含水量與CWSI之間的關系反演土壤水分。反演結果表明，7月份和11月份實測值與估算值的決定系數(shù)都為0．84，平均相對誤差分別為3．47%和6．03%，擬合精度明顯高于改進前模型的擬合精度，擬合直線斜率為1，截距為0，模型沒有系統(tǒng)誤差。具體關系圖見圖6。

圖6 土壤相對含水量估算值與實測值關系圖Fig．6 Diagram of estimated values and measured values of the relative content of water

繪制徐州市2010年7月與11月20 cm土層月 平均土壤相對含水量反演圖，如圖7所示。

圖7 徐州市20 cm土層月平均土壤相對含水量反演圖Fig．7 Inversed maps of the monthly average relative content of water with 20 cm depth soil in Xuzhou City

由圖7可以看出，徐州市土壤含水量空間變化為西高東低，時間上受降雨影響7月份土壤含水量高于11月份。

3 結論

本文主要從能量平衡角度出發(fā)，利用土壤水分可供率對雙層模型剩余阻抗進行修正，計算改進后實際蒸散發(fā)量，構建日作物缺水指數(shù)，建立了作物缺水指數(shù)與土壤水分含量之間的經(jīng)驗關系式，進而估算空間大范圍區(qū)域的土壤水分含量。

1)利用改進后的實際蒸散發(fā)估算土壤表層含水率的精度高于改進前，2010年7月份與11月份的相對誤差分別為3．47%和6．03%。

2)大多數(shù)能量平衡模型并沒有明確地指出土壤濕度與蒸散發(fā)間的關系，改進后的雙層模型考慮了下墊面濕度的影響，意在解決下墊面干燥、太陽輻射強度較大的情況下，顯熱通量計算值偏小的問題，也更具有物理意義。

3)土壤含水量的準確監(jiān)測依賴于遙感參數(shù)定量反演的精度和數(shù)據(jù)在時間尺度、空間尺度上的匹配，這也成為下一步的努力方向。

［1］ 馮蜀青，殷青軍，肖建設，等．基于溫度植被旱情指數(shù)的青海高寒區(qū)干旱遙感動態(tài)監(jiān)測研究［J］．干旱地區(qū)農(nóng)業(yè)研究，2006，24(5):141－145．Feng SQ，Yin Q J，Xiao JS，et al．Monitoring drought dynamic variation based on temperature vegetation drought index in Qinghai high and cold area［J］．Agricultural Research in the Arid Areas，2006，24(5):141－145．

［2］ 袁國富，唐登銀，羅 毅，等．基于冠層溫度的作物缺水研究進展［J］．地球科學進展，2000，16(1):49－54．Yuan G F，Tang D Y，Luo Y，et al．Advances incanopy－temperature based crop water stress research［J］．Advances in Earth Science，2000，16(1):49－54．

［3］ Jackson R D，Idso SB，Reginato R J，et al．Canopy temperature as a crop water stress indicator［J］．Water Resources Research，1981，17(4):1133－1138．

［4］ Zhang RH．A newmodel for estimating crop water stress based on infrared radiation information［J］．Science in China B，1986，7:776－784．

［5］ 申廣榮，田國良．作物缺水指數(shù)監(jiān)測旱情方法研究［J］．干旱地區(qū)農(nóng)業(yè)研究，1998，16(1):123－128．Shen GR，Tian G L．Drought monitoring with crop water stress index［J］．Agricultural Research in the Arid Areas，1998，16(1):123－128．

［6］ 王純枝，毛留喜，呂厚荃，等．基于作物缺水指數(shù)的區(qū)域旱情遙感監(jiān)測［C］//中國氣象學會2007年年會生態(tài)氣象業(yè)務建設與農(nóng)業(yè)氣象災害預警分會場論文集．北京:中國氣象學會，2007．Wang C Z，Mao L X，Lv H Q，etal．Monitor regional drought based on crop water stress index［C］//Meteorological Service Construction and Agricultural Meteorological Disaster Warning Breakout of China Meteorological Society in 2007．Beijing:China Meteorological Society，2007．

［7］ 宋小寧，趙英時．改進的區(qū)域缺水遙感監(jiān)測方法［J］．中國科學(D 輯:地球科學)，2006，36(2):188－194．Song X N，Zhao Y S．Improved regional drought test method［J］．Science in China(Ser D:Earth Sciences)，2006，36(2):188－194．

［8］ 劉振華，趙英時，李笑宇，等．基于蒸散發(fā)模型的定量遙感缺水指數(shù)［J］．農(nóng)業(yè)工程學報，2012，28(2):114－120．Liu Z H，Zhao Y S，Li X Y，et al．Quantitative remote sensing of water deficit index based on evapotranspiration［J］．Transactions of the CSAE，2012，28(2):114－120．

［9］ Jackson T J，Le Vine D M，Hsu A Y，et al．Soil moisture mapping at regional scales usingmicro wave radiometry:The Southern Great Plains Hydrology Experiment［J］．IEEE Transactions on Geoscience and Remote Sensing，1999，37(5):2136－2151．

［10］ 劉 鈺，Pereira L S，Teixeira J L，等．參照騰發(fā)量的新定義及計算方法對比［J］．水利學報，1997(6):27－33．Liu Y，Pereira L S，Teixeira JL，et al．Update definition and computation of reference evapotranspiration comparison with former method［J］．Journal of Hydraulic Engineering，1997(6):27－33．

［11］ 辛曉洲，田國良，柳欽火．地表蒸散定量遙感的研究進展［J］．遙感學報，2003，7(3):233－240．Xin X Z，Tian G L，Liu Q H．A review of researches on remote sensing of land surface evapotranspiration［J］．Journal of Remote Sensing，2003，7(3):233－240．

［12］ James Shuttle worth W，Gurney R J．The theoretical relationship between foliage temperature and canopy resistance in sparse crops［J］．Quarterly Journal of the Royal Meteorological Society，1990，116(492):497－519．

［13］ Norman JM，KustasW 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):263－293．

［14］ 張仁華，孫曉敏，王偉民，等．一種可操作的區(qū)域尺度地表通量定量遙感二層模型的物理基礎［J］．中國科學(D輯:地球科學)，2004，34(s2):200－216．Zhang R H，Sun X M，Wang W M，et al．An operational regional scale surface fluxes of quantitative remote sensing model of two layers ofbasic physics［J］．Science in China(Ser D:Earth Sciences)，2004，34(s2):200－216．

［15］ 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 sensed canopy temperature［J］．Remote Sensing of Environment China，1991，6(4):253－260．

［16］ Lubczynski M W，Gurwin J．Integration of various data sources for transient groundwater modeling with spatio－temporally variable fluxes－Sardon study case，Spain［J］．Journal of Hydrology，2005，306(1/4):71－96．

［17］ Gokmen M，Vekerdy Z，Verhoef A，etal．Integration of soil moisture in SEBS for improving evapotranspiration estimation under water stress conditions［J］．Remote Sensing of Environment，2012，121:261－274．