鉴于基于点源的蒸散估算方法逐渐被基于遥感数据的以SEBAL(Surface Energy Balance Algorithm for Land)为主的蒸散估算模型方法所取代,但在不同地貌和气候特征的区域该模型的适用性尚待得到证实,该文利用SEBAL模型基于MODIS数据产品和...鉴于基于点源的蒸散估算方法逐渐被基于遥感数据的以SEBAL(Surface Energy Balance Algorithm for Land)为主的蒸散估算模型方法所取代,但在不同地貌和气候特征的区域该模型的适用性尚待得到证实,该文利用SEBAL模型基于MODIS数据产品和野外实测气象数据对大沽河流域的日蒸散量进行了估算,并与气象站蒸散量实测值进行对比验证。结果表明,SEBAL模型反演结果与实测值之间具有良好的一致性。在此基础上将日蒸散量结果推算至月蒸散量,并分析了蒸散量的年内变化趋势和特征,发现大沽河流域年内蒸散量的变化呈单峰趋势,季节性变化特征明显:夏季>秋季>春季>冬季。最后,结合大沽河流域土地利用现状,比较分析了不同土地利用类型蒸散量的差异,结果表明水体蒸散量最大,林地和耕地次之,城镇及建筑用地蒸散量最小。展开更多
文摘鉴于基于点源的蒸散估算方法逐渐被基于遥感数据的以SEBAL(Surface Energy Balance Algorithm for Land)为主的蒸散估算模型方法所取代,但在不同地貌和气候特征的区域该模型的适用性尚待得到证实,该文利用SEBAL模型基于MODIS数据产品和野外实测气象数据对大沽河流域的日蒸散量进行了估算,并与气象站蒸散量实测值进行对比验证。结果表明,SEBAL模型反演结果与实测值之间具有良好的一致性。在此基础上将日蒸散量结果推算至月蒸散量,并分析了蒸散量的年内变化趋势和特征,发现大沽河流域年内蒸散量的变化呈单峰趋势,季节性变化特征明显:夏季>秋季>春季>冬季。最后,结合大沽河流域土地利用现状,比较分析了不同土地利用类型蒸散量的差异,结果表明水体蒸散量最大,林地和耕地次之,城镇及建筑用地蒸散量最小。
