基于MODIS影像的藏北高寒草甸的蒸散模擬

付剛，沈振西，張憲洲，武建雙，石培禮

（1.中國科學院地理科學與資源研究所 生態系統網絡觀測與模擬重點實驗室 拉薩高原生態系統研究站，北京100101；2.中國科學院研究生院，北京100049）

蒸散（evapotranspiration，ET）包括植被蒸騰（vegetation transpiration）和土壤蒸發（soil evaporation）2個部分，它是一個水從土壤、植被向大氣輸送的過程。在全球尺度上，幾乎2／3的降水將以蒸散的形式歸還給大氣［1］。同時在大多數生態系統中，蒸散是水分收支平衡關系中的第二大組成部分［2］，因此，蒸散在水循環過程中是一個非常重要的因子。

遙感以其獨特的優勢為點到面的外推提供了可能，因此，遙感模型被極力推薦作為大區域連續蒸散管理的方法［3，4］。近年來，已有很多研究成功地運用遙感方法對蒸散進行了模擬［1，3，5－12］。

目前，物理模型和經驗模型是2種常用的預測蒸散的方法［3］。物理模型是建立在表面能量平衡概念基礎上的，通過能量平衡等式對蒸散進行預測。其中，Penman－Monteith模型就是一個被廣泛運用的蒸散物理模型［13－16］。但是，Penman－Monteith蒸散模型自身存在缺點，它需要氣象數據、空氣動力學表面阻力參數作為輸入因子［3］，這就限制了該模型的實際運用。而經驗模型主要是建立植被指數（vegetation indices，VI）與蒸散間的統計關系并以此為基礎對蒸散進行預測。近年來，已有一些研究者成功利用經驗統計模型，將渦度相關技術得到的水、碳通量外推到區域尺度。Zhang等［3］在森林生態系統中建立了增強型植被指數（enhanced vegetation indices，EVI）和蒸散間的關系。Nagler等［17］則指出通量觀測的蒸散和EVI有著很強的線性關系。Cleugh等［7］則利用通量數據和Penman－Monteith模型對蒸散進行了成功的模擬。這些研究結果為基于遙感和通量觀測的蒸散模擬提供了可靠依據。

很多研究并不是直接模擬蒸散，而是利用遙感對蒸散比（蒸散和可利用能量的比值）或者水分利用效率（water use efficiency，WUE）進行估計的方式間接模擬蒸散［1，3，5，11，12］。

高寒草甸是青藏高原典型植被之一，面積約1.2×106km2，相當于西藏全區草地總面積的30.92%；它在亞洲中部高寒環境以及世界高寒地區都具有代表性［18］。因此，對于高寒草甸生態系統的蒸散研究就顯得非常有意義。基于此，本研究利用中分辨率成像光譜儀（moderate resolution imaging spectroradiometer，MODIS）影像數據和通量觀測數據模擬了藏北高寒草甸生態系統的蒸散。

本研究的蒸散模型是建立在總初級生產力（gross primary productivity，GPP）和 WUE之比的概念上的。首先，利用植被指數和氣象數據建立WUE模型，然后利用植被光合模型模擬的GPP和WUE模型對蒸散進行模擬。

1 材料與方法

1.1 研究地概況

通量觀測系統（91°04′E，30°30′N）位于拉薩市當雄縣草原站，該站距當雄縣城約3 km，地處念青唐古拉山的南緣，屬丘間盆地類型，地勢平坦。當雄縣素有拉薩北大門之稱，平均海拔4 200 m，位于藏北藏南的交錯地帶。該地區屬于高原性季風氣候。降水量有明顯的季節之分，80%的降水集中在生長季節的6－8月份。冰凍期較長，持續3個月（11月至翌年1月）。土壤類型為高寒草甸土，土壤厚度30～50 cm。植物根系主要分布在0～20 cm土層內。植被類型屬于典型的藏北嵩草草甸植被，主要的植被類型有藏北嵩草（Kobresialittledalei）沼澤草甸和草原化小嵩草（K.parva）草甸。草原化小嵩草草甸的建群種主要有小嵩草、絲穎針茅（Stipacapillacea）、窄葉苔草（Carexmontis－everestii）等，伴生有多種密叢生嵩草。

1.2 野外數據

通量數據和氣象數據取自當雄通量觀測系統，該通量觀測系統以開路渦度相關系統（open－path eddy covariance system）為主，并對常規氣象要素進行觀測。該系統自2003年7月份開始運行。常規氣象要素主要包括光合有效輻射、空氣溫／濕度、水汽壓、降水量、土壤溫／濕度和顯熱／潛熱通量等。

本研究將光合有效輻射（photosynthetically active radiation，PAR）＞10μmol／（m2·s）時作為白天，而光合有效輻射（PAR）≤10μmol／（m2·s）時作為晚上。摩擦風速u＊的閾值采用了0.15 m／s。本研究假定白天和晚上的生態系統呼吸對溫度的響應一致，因此，可以利用晚上的生態系統呼吸模擬方程和白天的土壤溫度估計白天的生態系統呼吸。首先，利用Van’t Hoff指數關系，將晚上的u＊＞0.15 m／s的凈生態系統交換量（nighttime net ecosystem exchange，NEEn）數據和土壤5 cm 處的溫度（soil temperature，Ts）進行擬合，式（1）。然后根據擬合的方程和白天5 cm的土壤溫度估計白天的生態系統呼吸（ecosystem respiration，Re），用白天的凈生態系統交換量（daytime net ecosystem exchange，NEEd）減去估計的白天的生態系統呼吸（Re）就可以得到總初級生產力GPP，式（2）。利用GPP和PAR的關系，可以對缺失的GPP進行插補，進而可以將GPP合成為每8 d的GPP，從而可以與MODIS數據進行匹配。

本研究中的生態系統水平的水分利用效率WUE（g C／mm H2O）指的是每8 d的GPP和ET之比。利用通量觀測系統可以得到每8 d的GPPEC和ETEC，進而可以求得通量觀測的水分利用效率（WUEEC）。

1.3 MODIS數據及植被指數

本研究利用了MODIS的MOD09A1數據產品，該產品包括每8 d的7個波段的反射率值和一些質量控制數據等。這7個波段分別對應可見光波段的紅波段（620～670 nm）、藍波段（459～479 nm）、綠波段（545～565 nm），2個近紅外波段（841～876 nm，1 230～1 250 nm）和2個短波紅外波段（1 628～1 652 nm，2 105～2 155 nm）。本研究利用了紅波段、近紅外波段（841～876 nm）、藍波段和短波紅外波段（1 628～1 652 nm）分別計算了歸一化植被指數（normalized difference vegetation indices，NDVI）、增強型植被指數（enhanced vegetation indices，EVI）和陸地表面水分指數（land surface water indices，LSWI）。

式中，ρred、ρnir和ρblue分別是 MODIS傳感器第1，2和3波段的數據，而ρswir是第6波段的數據。系數G＝2.5，C1＝6，C2＝7.5，L＝1［19，20］，其中C1和C2是氣溶膠等大氣影響物的校正系數；L是冠層背景和雪覆蓋校正系數［19，21］。

1.4 模型的構建

蒸散ET是利用GPP和WUE得到的，即：

GPP是通過光合植被模型（vegetation photosynthetic model，VPM）估計的。式中，VIs表示植被指數，Ta表示空氣溫度。關于VPM的詳細介紹可參照Xiao等［22－25］文獻。

為了得到WUE方程，即方程（7），對通量塔觀測的生長季節（5－10月）的水分利用效率（WUEEC）和植被指數（NDVI、EVI和LSWI）的關系，以及 WUEEC和氣象數據［包括光合有效輻射（photosynthetically active radiation，PAR）、空氣溫度（air temperature，Ta）、空氣相對濕度（relative air humidity，Ha）、土壤含水量（soil water content，SWC）、水汽壓（vapor pressure，Pv）、降水（precipitation，Precip）、潛熱通量（latent heat flux，LE）和顯熱通量（sensible heat flux，H）］的關系進行了分析。

2 結果與分析

2.1 水分利用效率的模擬

簡單的線性相關分析表明，WUE和 NDVI（r＝0.616）、EVI（r＝0.584）、LSWI（r＝0.472）、SWC（r＝0.414）、H（r＝－0.587）以及PAR（r＝－0.461）都達到了極顯著水平；并且和 Ha（r＝0.350）、Pv（r＝0.345）也達到了顯著性水平；而和 Ta（r＝0.145）、Precip（r＝0.236）、LE（r＝－0.058）沒有達到顯著性水平。

NDVI、EVI、LSWI、SWC、H、PAR、Ha和Pv（這8個因子和WUE的相關性都達到了顯著性水平）的相關分析結果表明（表1），每個因子都至少和其中4個其他因子的相關性達到了顯著或極顯著水平，說明沒有必要將這8個因子同時用來模擬WUE，而只需要從中篩選出1～3個因子即可。所采用的篩選方法是多重逐步線性回歸分析，使用軟件是SAS 9.1。

表1 與水分利用效率有顯著相關關系的8個因子間的相關分析Table 1 Correlation analysis among 8 factors which all have significant correlation with water use efficiency

鑒于截距項可能會影響自變量因子進入回歸方程的機會，因此，對有截距項和無截距項2種情況分別進行了多重逐步線性回歸分析。無論是否考慮截距項，都是NDVI入選，決定系數R2分別為0.362 6（有截距項）和0.893 0（無截距項）；且考慮截距項時，截距項并沒有達到顯著水平（P＝0.861 7），說明，此時截距項對解釋 WUE意義不大，因此，本研究只考慮沒有截距項的NDVI模擬的 WUE回歸方程（WUENDVI＝1.255 0NDVI，P＜0.000 1，n＝46）。

如果只對氣象因子（SWC、H、PAR、Ha和Pv）和WUE進行多重逐步線性回歸分析，則考慮截距項時，H入選（WUEH＝－0.010 8H＋0.741 1，R2＝0.326 4，P＝0.000 1，n＝46）；而不考慮截距項時，Ha入選（WUEHa＝0.629 7Ha，R2＝0.848 6，P＜0.000 1，n＝46）。因此，雖然 Ha和 WUE的相關系數的絕對值小于 H 和 WUE的絕對值，但Ha比H更能解釋WUE的變異程度。

H和Ha都能夠在一定程度上解釋WUE的變異性，但是如果將兩者同時引入到WUE回歸方程中，會使得其中一個因子的估計值不能達到顯著水平，這可能與兩者的相關性較高有關（r＝－0.785，P＜0.01）。

簡單線性相關分析和多重逐步線性回歸分析結果表明，不同因子對WUE的影響程度不同。

2.2 水分利用效率（WUE）的季節變化和年際動態

經T檢驗，WUEEC和 WUENDVI、WUEHa都沒有顯著性差異，而和 WUEH有顯著性差異，這可能和 WUE模擬方程的R2值有關（NDVI和Ha模擬的方程的R2值都在0.8以上，而H模擬的R2值則不到0.33）。同時，WUENDVI和WUEHa也沒有顯著性差異，且都與WUEH有顯著性差異。這表明，H對WUE的模擬效果最差。

WUEEC和模擬的水分利用效率（WUENDVI、WUEHa和 WUEH）都表現出了明顯的季節變化（圖1，表2）：基本上為單峰曲線，峰值一般出現在生長旺季的7－8月份；總的來說，返青期（第121～152天）和枯黃期（第249～304天）都比生長期（第153～248天）的小。

圖1 通量觀測的水分利用效率和模擬的水分利用效率的季節變化Fig.1 Seasonal change of observed water use efficiency and modeled water use efficiency

2004－2005年WUE的年際變化趨勢（表2）是：返青期，除了2004年的 WUEEC大于2005年的 WUEEC外，模擬值都是2004年的小于2005年；生長期的值則都是2004年的大于2005年；枯黃期，WUEEC和WUEH都是2004年的大于2005年，而WUENDVI和WUEHa則是2004年的小于2005年。

2.3 蒸散（ET）的季節變化和年際動態

通量觀測的蒸散（ETEC）和模擬的蒸散（ETNDVI、ETHa和ETH）的季節變化趨勢一致（圖2，表3）：ET曲線為單峰曲線，模擬的ET曲線峰值出現在生長旺季的7－8月份；返青期（第121－152天）和枯黃期的值（第249－304天）都比生長期（第153－248天）的小。

2004－2005年ET的年際變化趨勢（表3）是：返青期的值都是2004年的大于2005年；生長期，除了2004年的ETNDVI小于2005年外，ETEC、ETHa和ETH都是2004年的大于2005年；枯黃期則都是2004年的小于2005年。2005年返青期的ETHa和ETH的平均數小于其標準差（表3），這說明Ha和H對返青期的ET的模擬效果較差。

表2 不同物候期的水分利用效率比較Table 2 Different phonological water use efficiency g C／mm H2 O

圖2 通量觀測的蒸散和模擬的蒸散季節變化Fig.2 Seasonal change of observed evapotranspiration and modeled evapotranspiration

2004和2005年枯黃期的最后一個8天（第297～304天）的ET量都為0（圖2），這主要是因為用VPM估計GPP時，由于此階段的空氣溫度已經低于本研究在該模型中設定的最小空氣溫度（0℃），從而使得此時的GPP值為0。

2004年和2005年生長季節（5－10月份）的 ETEC、ETNDVI、ETHa和 ETH總量分別為541.716，678.646，713.321，1 081.969和407.042，697.108，655.209，1 026.448 mm H2O／m2。這些數據表明，模擬的生長季節的ET總量大于ETEC總量，其中ETH總量最大；除了ETNDVI外，2005年生長季節的ET總量小于2004年的；2004年生長季節的ETNDVI總量小于ETHa總量，而2005年生長季節的ETNDVI總量則大于ETHa總量。

2.4 觀測的蒸散（ETEC）和模擬的蒸散（ET H、ET Ha和ET NDVI）的比較

通量觀測的蒸散（ETEC）和模擬的蒸散（ETH、ETHa和ETNDVI）的簡單線性回歸（圖3，表4）表明，2004年的模擬值比2005年的更接近于ETEC，即2004年的模擬結果好于2005年的；ETHa和ETNDVI比較接近，且都小于ETH，即H的模擬效果最差，這與前面提到的H對WUE的模擬效果最差一致；2004年NDVI的模擬效果好于Ha的模擬效果，而2005年則是Ha的模擬效果好于NDVI的。

2004－2005年2個生長季的ETEC和ETHa、ETNDVI的線性回歸方程分別是ETHa＝1.311 8ETEC（R2＝0.748 7，n＝46，P＜0.000 1）和 ETNDVI＝1.298 5ETEC（R2＝0.802 9，n＝46，P＜0.000 1），表明NDVI的模擬效果好于Ha。

表3 不同物候期的蒸散比較Table 3 Different phonological evapotranspirationmm H 2 O／m2·d

圖3 通量觀測的蒸散和模擬的蒸散的線性擬合Fig.3 Linear fitting between modeled evapotranspiration and observed evapotranspiration

為了定量分析蒸散差值（ETEC－ETHa和ETEC－ETNDVI）的影響因子，本研究對蒸散差值和一些可能會造成該差值的11個因子（包括 WUEHa／WUENDVI、GPPVPM、NDVI、LSWI、EVI、SWC、PAR、Ha、Pv、H 和LE）進行了簡單的線性相關分析和多重逐步線性回歸分析。

簡單的相關分析表明：ETEC－ETHa和PAR、GPPVPM、NDVI、EVI、LSWI、WUENDVI的相關性分別都達到了顯著或極顯著水平，和其他5個因子的相關性沒有達到顯著性水平；而ETEC－ETNDVI和Ha、PAR、GPPVPM、WUEHa的相關性分別都達到了極顯著水平，和其他7個因子的相關性沒有達到顯著性水平。

多重逐步線性回歸分析結果表明，ETEC－ETHa和ETEC－ETNDVI的回歸方程分別是ETEC－ETHa＝0.045 7PAR＋2.405 4GPPVPM－4.606 4EVI－0.046 4LE （R2＝0.942 5，P＜0.000 1，n＝46）和ETEC－ETNDVI＝0.050 1PAR＋1.322 0 GPPVPM－1.839 1EVI－0.036 3LE（R2＝0.908 4，P＜0.000 1，n＝46）。

3 討論

3.1 水分利用效率（WUE）的影響因子

影響WUE的因子很多，包括來自植物的內在因子和來自環境的外在因子［26，27］。不同的研究者對此的看法不盡相同。黃立華等［28］在對羊草（Leymuschinensis）受蘇打鹽堿脅迫下的 WUE進行研究時指出，隨著鹽堿迫害程度的增大，WUE有所提高。劉國利等［29］在研究紫花苜蓿（Medicagosativa）WUE時指出，水分脅迫可提高紫花苜蓿的 WUE。孫洪仁等［30］指出，紫花苜蓿不同茬次間的 WUE有差異。鄭有飛等［31］對小麥（Triticumaestivum）的 WUE的研究結果顯示，影響WUE的主要因子為光照、相對濕度、氣孔傳導率和土壤肥力等。楊秀芳等［32］則指出，WUE隨光合有效輻射通量密度的增大呈拋物線狀變化。Hatfield等［33］指出土壤管理措施（如耕種）能夠增加25%～40%的WUE。邵新慶等［34］則認為麥草覆蓋和免耕技術是提高WUE的重要措施之一。Oweis等［35］研究表明，WUE受灌溉、氮素和播種期的影響。Alfieri等［1］在用植被蒸騰模型對美國大平原草地的蒸騰效率進行模擬時，則假定WUE是個恒值。Zhang等［3］在對長白山地區森林的ET進行遙感模擬時指出，ET和NDVI、EVI以及空氣溫度的相關性很高，且和EVI的關系強于和NDVI的關系。

本研究結果表明，WUE和NDVI的關系最為密切；在只考慮氣候因子的情況下，WUE和H、Ha的關系最為密切。WUE和NDVI的相關關系強于WUE和EVI的，這一點和Zhang等［3］的結果恰好相反，這可能和植被類型有關［36－40］，本試驗研究的是藏北地區的高寒草甸，而Zhang等［3］研究的是東北地區長白山的森林植被。除此之外，WUE還受到CO2的影響［41］。

表4 通量觀測的蒸散和模擬的蒸散的線性回歸方程（n＝23）Table 4 Linear regression equations between observed evapotranspiration and modeled evapotranspiration from 2004 to 2005，respectively

3.2 通量觀測的蒸散（ETEC）和模擬的蒸散（ETHa和ET NDVI）

簡單的線性相關分析和多重逐步回歸分析結果都顯示NDVI是最好的模擬WUE的因子。雖然2004年NDVI的ET模擬效果好于Ha的模擬效果，而2005年則是Ha的模擬效果好于NDVI的，但是綜合2004和2005年2個生長季節的ET數據，可以得到NDVI的模擬效果好于Ha的。總之，在研究的時間段內，NDVI是反應高寒草甸植被生態系統的WUE和ET的最好因子。

模擬的蒸散值大于通量觀測值（圖2，表4），尤其是2005年的更為明顯，即觀測的蒸散和模擬的蒸散間存在著不一致。產生不一致的可能原因來自2個方面，一是WUE的模擬；二是GPP的模擬。WUE的模擬是基于NDVI或氣候數據（Ha和H）；GPP的模擬是基于VPM。所有影響WUE和GPP模擬的因子都可能造成觀測蒸散和模擬蒸散間的不一致。雖然NDVI或Ha模擬的WUE方程能夠解釋84%以上的WUE變異，且模擬的水分利用效率（WUENDVI和WUEHa）和觀測的水分利用效率（WUEEC）間差異不顯著，但是模擬的水分利用效率并沒有100%解釋WUEEC的變異，即模擬的水分利用效率和WUEEC間仍存在某種或幾種因素能夠解釋不足16%的WUEEC變異。植被光合模型模擬的總初級生產力（GPPVPM）和通量觀測的總初級生產力（GPPEC）兩者間的差異并不顯著，但該差異仍可能會對蒸散的模擬造成影響，關于可能會對GPP的模擬產生影響的因素的相關介紹可參照 Xiao等的研究［22－25］。

觀測的蒸散和模擬的蒸散的差值（ETEC－ETHa和ETEC－ETNDVI）的多重逐步線性回歸分析結果顯示，觀測的蒸散和模擬的蒸散間的差異主要由PAR、GPPVPM、EVI和LE共同解釋（R2＞0.90）。與此同時，相關分析結果表明，ETEC－ETHa和其中的PAR、GPPVPM、EVI的相關性分別都達到了顯著性水平；而ETEC－ETNDVI和其中的PAR、GPPVPM的相關性分別都達到了極顯著水平。因此，ETEC－ETHa主要受PAR、GPPVPM和EVI的影響；而ETEC－ETNDVI主要受PAR和GPPVPM的影響。GPP是ET模擬中的一個關鍵因子，因此，GPP對觀測蒸散和模擬蒸散間的不一致可能會產生影響。PAR不僅是VPM中的一個重要參數［22－25］，對于GPPVPM的模擬有直接影響，而且和WUE的相關性達到了極顯著水平，即PAR對于本研究所采用的蒸散模擬方法中的GPP和WUE都會產生影響。在VPM中，EVI被用來估計冠層尺度的葉綠素吸收的PAR的比例［22－25］，是GPPVPM模擬的一個重要因子，同時EVI和WUE的相關性達到了極顯著水平，因此，對于觀測蒸散和模擬蒸散間的不一致也可能會產生一定的影響?？傊?，對于觀測的蒸散和模擬的蒸散間的不一致而言，PAR和GPPVPM是2個非常重要的因子。

4 結論

影響水分利用效率（WUE）的植被指數主要為NDVI，其模擬的水分利用效率（WUENDVI）和通量觀測的水分利用效率（WUEEC）間差異不顯著。

影響WUE的氣象因子主要是Ha和H，其中Ha模擬的水分利用效率（WUEHa）和WUEEC差異也不顯著，而H模擬的水分利用效率（WUEH）和WUEEC差異顯著。

WUE和ET都存在著季節變化和年際動態，它們的季節變化趨勢為單峰曲線，峰值一般出現在生長旺季的7－8月份。2004年NDVI的ET模擬效果好于Ha的模擬效果，而2005年則是Ha的模擬效果好于NDVI的，因此，模擬的2004和2005年生長季節的ET總量分別為678.646 mm H2O／m2（來自NDVI的模擬結果）和655.209 mm H2O／m2（來自 Ha的模擬結果）。

通量觀測的蒸散（ETEC）和NDVI模擬的蒸散（ETNDVI）間的差異ETEC－ETNDVI主要受PAR和GPPVPM的影響；而ETEC和Ha模擬的蒸散（ETHa）間的差異ETEC－ETHa主要受PAR、GPPVPM和EVI的影響。

［1］Alfieri J G，Xiao X M，Niyogi D，etal.Satellite－based modeling of transpiration from the grasslands in the Southern Great Plains，USA［J］.Global and Planetary Change，2009，67：78－86.

［2］Nachabe M，Shah N，Ross M，etal.Evapotranspiration of two vegetation covers in a shallow water table environment［J］.Soil Science Society of America Journal，2005，69（2）：492－499.

［3］Zhang J H，Hu Y L，Xiao X M，etal.Satellite－based estimation of evapotranspiration of an old－growth temperate mixed forest［J］.Agricultural and Forest Meteorology，2009，149：976－984.

［4］Verstraeten W W，Veroustraete F，Feyen J.Estimating evapotranspiration of European forest from NOAA－imagery at satellite overpass time：Towards an operational processing chain for integrated optical and thermal sensor data products［J］.Remote Sensing of Environment，2005，96（2）：256－276.

［5］Venturim V，Islam S，Rodriguez L.Estimation of evaporative fraction and evapotranspiration from MODIS products using a complementary based model［J］.Remote Sensing of Environment，2008，112：132－141.

［6］Suleiman A，Crago R.Hourly and daytime evapotranspiration from grassland using radiometric surface temperatures［J］.Agronomy Journal，2004，96：384－390.

［7］Cleugh H A，Leuning R，Mu Q Z，etal.Regional evaporation estimates from flux tower and MODIS satellite data［J］.Remote Sensing of Environment，2007，106：285－304.

［8］Holifield C D，McElroy S，Moran M S，etal.Temporal and spatial changes in grassland transpiration detected using Landsat TM and ETM＋imagery［J］.Canadian Journal of Remote Sensing，2003，29：259－270.

［9］Nishida K，Nemani R R，Running S W，etal.An operational remote sensing algorithm of land surface evaporation［J］.Journal of Geophysical Research，2003，108：1－14.

［10］Kustas W P，Norman J M.Use of remote sensing for evapotranspiration monitoring over land surfaces［J］.Hydrological Sciences，1996，41（4）：495－516.

［11］Batra N，Islam S，Venturini V，etal.Estimation and comparison of evapotranspiration from MODIS and AVHRR sensors for clear sky days over the Southern Great Plains［J］.Remote Sensing of Environment，2006，103：1－15.

［12］Venturini V，Bisht G，Islam S，etal.Comparison of evaporative fractions estimated from AVHRR and MODIS sensors over South Florida［J］.Remote Sensing of Environment，2004，93：77－86.

［13］da Silva V D R，de Azevedo P V，da Silva B B.Surface energy fluxes and evapotranspiration of a Mango Orchard grown in a semiarid environment［J］.Agronomy Journal，2007，99：1391－1396.

［14］Granger R J，Gray D M.Evaporation from natural nonsaturated surfaces［J］.Journal of Hydrology，1989，111：21－29.

［15］Tolk J A，Howell T A，Evett S R.Nighttime evapotranspiration from Alfalfa and Cotton in a semiarid climate［J］.Agronomy Journal，2006，98：730－736.

［16］Lascano R J，van Bavel C H M.Explicit and recursive calculation of potential and actual evapotranspiration［J］.Agronomy Journal，2007，99：585－590.

［17］Nagler P L，Glenn E P，Kim H，etal.Relationship between evapotranspiration and precipitation pulses in a semiarid rangeland estimated by moisture flux towers and MODIS vegetation indices［J］.Journal of Arid Environment，2007，70（3）：443－462.

［18］徐玲玲，張憲洲，石培禮，等.青藏高原高寒草甸生態系統表觀量子產額和表觀最大光合速率的確定［J］.中國科學，2004，34（增刊Ⅱ）：125－130.

［19］Justice C O，Vermote E，Townshend J R G，etal.The moderate resolution imaging spectroradiometer（MODIS）：Land remote sensing for global change research［J］.IEEE Transactions on Geo－science and Remote Sensing，1998，36：1228－1249.

［20］Xiao X M，Braswell B，Zhang Q Y，etal.Sensitivity of vegetation indices to atmospheric aerosols：Continental－scale observations in Northern Asia［J］.Remote Sensing of Environment，2003，84：385－392.

［21］Huete A，Didan K，Miura T，etal.Overview of the radiometric and biophysical performance of the MODIS vegetation indices［J］.Remote Sensing of Environment，2002，83：195－213.

［22］Xiao X M，Zhang Q Y，Hollinger D，etal.Modeling gross primary production of an evergreen needleleaf forest using MODIS and climate data［J］.Ecological Applications，2005，15：954－969.

［23］Xiao X M，Zhang Q Y，Saleska S，etal.Satellite－based modeling of gross primary production in a seasonally moist tropical evergreen forest［J］.Remote Sensing of Environment，2005，94：105－122.

［24］Xiao X M，Hollinger D，Aber J D，etal.Satellite－based modeling of gross primary production in an evergreen needle leaf forest［J］.Remote Sensing of Environment，2004，89：519－534.

［25］Xiao X M，Zhang Q Y，Braswell B，etal.Modeling gross primary production of temperature deciduous broadleaf forest using satellite images and climate data［J］.Remote Sensing of Environment，2004，91：256－270.

［26］李榮生，許煌燦，尹光天，等.植物水分利用效率的研究進展［J］.林業科學研究，2003，16（3）：366－371.

［27］張歲岐，山侖.植物水分利用效率及其研究進展［J］.干旱地區農業研究，2002，20（4）：1－5.

［28］黃立華，梁正偉，馬紅媛.蘇打鹽堿脅迫對羊草光合、蒸騰速率及水分利用效率的影響［J］.草業學報，2009，18（5）：25－30.

［29］劉國利，何樹斌，楊惠敏.紫花苜蓿水分利用效率對水分脅迫的響應及其機理［J］.草業學報，2009，18（3）：207－213.

［30］孫洪仁，張英俊，歷衛宏，等.北京地區紫花苜蓿建植當年的耗水系數和水分利用效率［J］.草業學報，2007，16（1）：41－46.

［31］鄭有飛，萬長建，顏景義，等.小麥的水分利用效率及其最優化問題［J］.中國農業氣象，1997，18（4）：13－17.

［32］楊秀芳，玉柱，徐妙云，等.2種不同類型的尖葉胡枝子光合－光響應特性研究［J］.草業科學，2009，26（7）：61－65.

［33］Hatfield J L，Sauer T J，Prueger J H.Managing soils to achieve greater water use efficiency：A Review［J］.Agronomy Journal，2001，93：271－280.

［34］邵新慶，沈禹穎，王堃.水土保持耕作對夏種大豆光合、蒸騰及水分利用效率的影響［J］.草業學報，2005，14（6）：82－86.

［35］Oweis T，Zhang H P，Pala M.Water use efficiency of rainfed and irrigated bread wheat in a Mediterranean Environment［J］.Agronomy Journal，2000，92：231－238.

［36］渠春梅，韓興國，蘇波，等.云南西雙版納片斷化熱帶雨林植物葉片δ13C值的特點及其對水分利用效率的指示［J］.植物學報，2001，43（2）：186－192.

［37］Farquhar G D，O’Leary M H，Berry J A.On the relationship between carbon isotope discrimination and intercellular carbon dioxide concentration in leaves［J］.Australian Journal of Plant Physiology，1982，9：121－137.

［38］王月福，于振文，潘慶民.土壤水分脅迫對耐旱性不同的小麥品種水分利用效率的影響［J］.山東農業科學，1998，（3）：5－7.

［39］蔣高明，何維明.毛烏素沙地若干植物光合作用、蒸騰作用和水分利用效率種間及生境差異［J］.植物學報，1999，41（10）：1114－1124.

［40］Nobel P S.Achievable productivities of certain CAM plants：Basis for high values compared with C3and C4plants［J］.New Phytologist，1991，119：183－205.

［41］Allen L H，Pan D Y，Boote K J，etal.Carbon dioxide and temperature effects on evapotranspiration and water use efficiency of soybean［J］.Agronomy Journal，2003，95：1071－1081.