摘要:采用Landsat和MODIS數(shù)據,,通過增強自適應融合算法(Enhanced spatial and temporal adaptive reflectance fusion model,,ESTARFM)對蒸散發(fā)進行空間降尺度,構建田塊尺度蒸散發(fā)數(shù)據集,;利用2015年田間水量平衡方法計算的蒸散發(fā)數(shù)據對融合結果進行評價。在融合蒸散發(fā)基礎上,,結合解放閘灌域2000—2015年間種植結構信息,,提取不同作物各自生育期和非生育期內年際蒸散發(fā)量,并分析了大型灌區(qū)節(jié)水改造以來,作物蒸散發(fā)占比的年際變化,。研究結果表明:融合蒸散發(fā)與水量平衡蒸散發(fā)變化過程較吻合,,小麥耗水峰值出現(xiàn)在6月中下旬—7月初,玉米和向日葵峰值出現(xiàn)在7月份,。在相關性分析中,,玉米、小麥和向日葵的決定系數(shù)R2分別達到了0.85,、0.79和0.82,;生育期內玉米(5—10月份)、小麥(4—7月份)和向日葵(6—10月份)的均方根誤差均不高于0.70mm/d,;平均絕對誤差均不高于0.75mm/d,;相對誤差均不高于16%。在農田蒸散發(fā)總量驗證中,,融合蒸散發(fā)與水量平衡蒸散發(fā)相關性較好,,兩者決定系數(shù)達到了0.64?;贓STARFM融合算法生成的高分辨率蒸散發(fā)(ET)結果可靠,,具有較好的融合精度。融合結果與Landsat 蒸散發(fā)的空間分布和差異性一致,,7月23日,、8月24日和9月1日相關系數(shù)分別達到0.85、0.81和0.77,;差值均值分別為0.24mm,、0.19mm和0.22mm;標準偏差分別為0.81mm,、0.72mm和0.61mm,。ESTARFM融合算法在農田蒸散發(fā)空間降尺度得到較好的應用,可有效區(qū)分不同作物蒸散發(fā)之間的差異,。不同作物在生育期和非生育期內耗水量差別較大,;生育期內套種(4—10月份)耗水量最大,達到637mm,,玉米(5—10月份)和向日葵(6—10月份)次之,,分別為598mm和502mm,小麥(4—7月份)最低為412mm,;非生育期內,,小麥(8—10月份)耗水量最大,年均達到214mm,,玉米(4月份)和向日葵(4—5月份)分別為42mm和128mm,。不同作物多年平均耗水量(4—10月份)差異較小,,其年際耗水總量主要隨作物種植面積的變化而變化。