摘要:采用Landsat和MODIS數(shù)據(jù),通過(guò)增強(qiáng)自適應(yīng)融合算法(Enhanced spatial and temporal adaptive reflectance fusion model,,ESTARFM)對(duì)蒸散發(fā)進(jìn)行空間降尺度,構(gòu)建田塊尺度蒸散發(fā)數(shù)據(jù)集,;利用2015年田間水量平衡方法計(jì)算的蒸散發(fā)數(shù)據(jù)對(duì)融合結(jié)果進(jìn)行評(píng)價(jià)。在融合蒸散發(fā)基礎(chǔ)上,,結(jié)合解放閘灌域2000—2015年間種植結(jié)構(gòu)信息,,提取不同作物各自生育期和非生育期內(nèi)年際蒸散發(fā)量,,并分析了大型灌區(qū)節(jié)水改造以來(lái),作物蒸散發(fā)占比的年際變化,。研究結(jié)果表明:融合蒸散發(fā)與水量平衡蒸散發(fā)變化過(guò)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(guān)性分析中,,玉米、小麥和向日葵的決定系數(shù)R2分別達(dá)到了0.85,、0.79和0.82,;生育期內(nèi)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(duì)誤差均不高于0.75mm/d,;相對(duì)誤差均不高于16%。在農(nóng)田蒸散發(fā)總量驗(yàn)證中,,融合蒸散發(fā)與水量平衡蒸散發(fā)相關(guān)性較好,,兩者決定系數(shù)達(dá)到了0.64?;贓STARFM融合算法生成的高分辨率蒸散發(fā)(ET)結(jié)果可靠,,具有較好的融合精度。融合結(jié)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(guān)系數(shù)分別達(dá)到0.85、0.81和0.77,;差值均值分別為0.24mm,、0.19mm和0.22mm;標(biāo)準(zhǔn)偏差分別為0.81mm,、0.72mm和0.61mm,。ESTARFM融合算法在農(nóng)田蒸散發(fā)空間降尺度得到較好的應(yīng)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(nèi)耗水量差別較大,;生育期內(nèi)套種(4—10月份)耗水量最大,達(dá)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(nèi),小麥(8—10月份)耗水量最大,,年均達(dá)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,。