 Climate Change Research Letters 气候变化研究快报, 2012, 1, 106-112 http://dx.doi.org/10.12677/ccrl.2012.13013 Published Online October 2012 (http://www.hanspub.org/journal/ccrl.html) Advances in Application of Remote Sensing in Ecohydrological Modeling Lajiao Chen, Lizhe Wa ng Center for Earth Observation and Digital Earth, Chinese Academy of Sciences, Beijing Email: chenlajiao@ceode.ac.cn Receiv ed: Aug . 10th, 2012; revised: Aug. 31st, 2012; accepted: Sep. 7th, 2012 Abstract: Remote sensing, with advantages of short period, abundance information, low cost, plays an important role in ecohydrological modeling. This paper firstly introduces the characteristics of ecohydrological model and their require- ment for remote sensing data. Then the paper provides a perspective on current state of application of remote sensing in eco-hydrological modeling. The key problems of the application of remote sensing in ecohydrological modeling are addressed (i.e., the complex issues of uncertainty, scale mismatching et al.) which may be solved by data assimilation. With the development of remote sensing technology, hyperspectral and multispectral image becomes more and more popular, which will expand the application of remote sensing in ecohydrological modeling. Keywords: Remote Sensing; Eco-Hydrological Model; Application; Data Assimilation 遥感在生态水文模型中的应用进展 陈腊娇，王力哲 中国科学院对地观测与数字地球科学中心，北京 Email: chenlajiao@ceode.ac.cn 收稿日期：2012 年8月10 日；修回日期：2012 年8月31 日；录用日期：2012 年9月7日 摘 要：遥感数据具有周期短、信息量大和成本低的特点，在生态水文模型中具有广泛的应用前景。本文从生 态水文模型的概念出发，阐述了将遥感技术应用于生态水文模型的必要性，在此基础上总结了遥感在生态水文 模型中的应用现状，最后，对遥感在流域生态水文模型应用中存在的关键问题(如遥感数据的不确定性、遥感的 时空尺度与水文模型的不匹配、遥感数据与其他输入数据的空间尺度不兼容、模型参数估计与遥感数据同化)进 行讨论。随着遥感技术的进步，高光谱、多波段数据的不断涌现，流域生态模拟的输入数据更加丰富和多样化， 数据同化技术作为多源数据的融合和集成的重要手段，将极大推动遥感生态水文模型中的应用。 关键词：遥感；生态水文模型；应用；数据同化 1. 引言 遥感是通过不接触探测目标的情况下，利用某种 传感器装置在获取其特征信息，并对这些信息进行提 取、加工、表达和应用的一门综合技术。自 1960 年 E. L. Pruitt提出以来，遥感的发展迅速，其作为一门 技术已广泛应用于资源普查、灾害监测、作物估产等 多个领域。遥感的探测范围可遍布全球，具有周期短、 信息量大和成本低的特点，是当代一种很重要的信息 源[1,2]。 遥感技术在生态水文模型的应用体现在遥感可 以获得与生态水文过程相关的流域资料，遥感技术可 以提供土壤、植被、地形、土地利用和水系水体等许 多有关下垫面条件的信息，也可以测定估算蒸散发、 土壤含水量和可能成为降雨的云中水汽含量[3]。遥感 Copyright © 2012 Hanspub 106  遥感在生态水文模型中的应用进展 技术在生态水文模型中的应用将极大推动生态水文 模型的发展和应用。 2. 遥感在生态水文模型中的应用必要性 2.1. 生态水文模型 传统的水文模型，主要研究区域的降水、陆地表 面蒸发、地表径流、土壤水分变化及其下渗等水分运 动过程中的分配和反馈机制。随着生态水文学的兴 起，生态水文过程的耦合研究日益重要，生态水文模 型应运而生[4]。 生态水文模型是生态过程与水文过程的耦合模 型，在模型计算中考虑林冠截留、植物蒸腾、土壤蒸 发、入渗、地表径流、壤中流、植物生长等生态水文 过程，并模拟植被与水的相互作用关系。生态水文模 型主要侧重模拟水文过程对生态系统的结构和功能的 影响以及生态过程对于水文过程的反 馈作用[5]。生态水 文模型的实现可以是在水文模型的基础上，融入植被 的动态过程和生物地球化学过程，或者是在生态模型 的基础上，考虑水分在植被或生态系统内的循环过 程。 基于水文物理过程和植被生态过程的分布式生 态水文耦合模型是目前生态水文模型开发的重点领 域。目前应用的比较广的分布式生态水文模型主要有 SHE 模型，SWAT 模型、SWIMM模型等。 2.2. 生态水文模型对数据的要求 生态水文过程具有显著时空异质性和尺度依赖 性[6]，生态水文模型中许多变量的时空变化幅度非常 大，也极为频繁，尤其是降水、蒸发数据，即使是在 很小的尺度内，也会表现出很大的空间异质性。流域 生态水文过程的模拟结果很大程度上依赖于输入数 据的质量。而长期以来，传统的水文输入数据，大多 为单点观测数据，如降水、蒸发的数据都来自于气象 台站。有限的空间点位上的观测数据并不能真实反映 实际的空间分布规律，即单点观测的数据并不能代表 流域尺度的面状信息，用这种资料对生态水文过程进 行模拟使得模拟结果的可靠程度受到很大的质疑[3]。 随着生态水文模型的发展，从最初的集总式发展 到分布式的模型，其对输入的空间数据的要求也越来 越高，用点状信息来代替面状信息的问题就显得尤为 突出。传统集总式的模型把流域作为一个整体，不考 虑水文过程、输入变量的空间异质性，参数和变量都 取的是流域的平均值，对空间数据的要求比较低，但 其主要缺陷是假定集水区内降水分布均匀或至少其 空间分布保持不变，这种假定与实际是不符合的。针 对这个问题，Freeze R.A.最早提出分布式的水文模型 框架，成为生态水文模型中的一场革命[7]。分布式生 态水文模型将流域离散成多个计算单元，以离散栅格 的形式来体现流域特征和空间输入数据的空间变异 性[8]。其优点是充分考虑水文生态要素的空间异质性， 更加接近实际情况。但近年来分布式模型应用的经验 [3]表明，即使用流量数据进行充分的率定，这些完全 的分布式模型仍不能完全提高模型的预测精度，其主 要原因在于现有的生态水文输入数据不能满足模型 计算的要求，没有足够多的高精度数据来定量流域参 数的空间变异性，遥感技术正是解决该问题最有效的 手段之一。 2.3. 遥感在生态水文模型应用中的优势 遥感技术为生态水文过程的定量模拟提供大量 的数据源，其突出优势体现在能以不同的时空尺度提 高多种地表特征信息。作为一种信息源，栅格格式的 遥感数据与分布式生态水文模型的数据格式的一致 性，给概念理解和使用上都带来了方便。遥感技术可 以直接或间接地获取常规手段无法观测到的水文变 量和参数，可以提供长期、动态和连续的大范围资料， 以遥感为手段获取的上述信息在确定植被生长信息、 流域产汇流特性等模型参数时是十分有用的[8]。因此， 遥感技术在生态水文模型的应用中有着广泛的应用 前景。 与传统的数据收集方法相比，遥感数据在生态水 文模型中应用的优点可以归纳为以下几点[3]：1) 遥感 技术获得的是面上观测数据而不是点上的观测数据， 以区域的分布观测代替了点观测；2) 遥感的时空分辨 率都比较高。航天微波遥感就是因为其较高的时空分 辨率引起了学者们的兴趣；3) 可收集、存储同一地点 不同时间的全部信息，即多时相信息，这使得遥感卫 星数据具有实时性的特点，可以捕捉地表信息的动态 变化，非常有利于水文过程的模拟；4) 数据不仅是可 见光的信息，也可以是多光谱的信息，有利于利用与 水文地质有关的谱段信息；5) 可获得遥远的、无人可 及的偏僻区域的信息。 Copyright © 2012 Hanspub 107  遥感在生态水文模型中的应用进展 3. 遥感在生态水文模型中的主要应用 目前遥感在生态水文模型中的应用，在生态水文 模型中的应用，体现在遥感可以为生态水文模型提供 输入数据和关键参数。遥感在生态水文模型中的应用 (图1)，大致可以分为两大类：一是直接应用，为模型 准备输入数据，如应用遥感来反演降水量等。二是应 用卫星遥感资料来推算生态水文过程相关的参数和 变量，如推算植物地生物物理参数等。 当前利用遥感来反演流域的生态水文相关参数， 国内外开展了不少的研究[9-13]，如 Anderson[9]介绍了 用遥感数据在生态水文模型 MIKESHE模型中测定土 壤湿度、降雨和叶面积的方法，为其提供蒸散发、土 壤水分等资料，研究Senegal(塞内加尔)河流域的水文 状况。O’Donnell 等[10]把遥感资料作为变量输入，在 俄亥俄河流域上应用大尺度的VIC(Variable Infiltra- tion Capacity)模型进行有关水文要素的研究。许有鹏 等[11]以浙江曹娥江流域为试验区，利用萨克拉门托模 型，重点探讨了 Landsat T.M.影像数据直接或辅助确 定水文模型参数的途径与方法。凌峰等[12]利用SRTM 数据反演流域下垫面参数，并将其应用到分布式的生 态水文模型SWAT 模型和 TOPMODEL 中。下文就目 前遥感在生态水文模型中应用比较广或是具有比较 大的应用潜力的(如土壤水分的遥感反演)做简要的总 结。 3.1. 降水数据反演 遥感在降水资料获取方面，包括地面雷达、卫星 可见光/红外线技术，其中应用比较广泛的是利用气象 雷达获得降水的空间分布数据。雷达是微波遥感中的 一种类型，其原理是利用大气中降水粒子对电磁波的 光合作用 能量传输 植被动态变化 气象数据（降水、太阳 辐射、温度等） 空间数据 （植被、土壤等） 蒸腾作用 产流过程 汇流过程 生态水文模型 遥感数据 模型参数 （植被参数等） 遥感数据 ... Figure 1. Application of remote sensing in ecohydrological model 图1. 遥感在生态水文模型中的应用示意图 吸收和散 ，来确 水 感数据也 3.2. 蒸散发反演 蒸散发包括土壤蒸发和植被蒸腾两个方面，蒸散 发的 算，其主要原理是利用可 见光 L 高 究比 较多 射作用，通过对回波信号的分析处理 定来自空间采样体积中的降水例子的后向散射能量， 再计算出实时地面降雨量[3]。雷达不能直接进行降水 量的测量，而是通过对水汽凝结体的反射率进行测 量。雷达在单点位置能较好地提供覆盖范围内降水的 时空分布，但这些数据在输入生态水文模型之前，必 须进行整理分析和全面的质量控制。雷达数据在大部 分情况下，其模拟的精度还是可以接收的，可以应用 于分布式生态水文模型中。目前雷达技术反演降水， 主要应用于水文预报[14,15]，作为水文预报的输入数据， 也用一些研究，在生态 文模型中的应用相对较少。 除了雷达数据外，也可以利用可见光和近红外遥 可以进行降水反演，其原理主要是应用云层 的顶部的辐射。如陈利群等基于遥感数据，分析了黄 河河源区降水强度与云亮温、云反射率及云斜率参数 的基础上，建立了黄河河源区基于 NOAA/AVHRR 资 料估算的降水资料[16]。 强弱与植物的光合作用、干物质积累和水资源的 合理利用密切相关，它既是生态系统水量平衡的重要 组成部分，也是流域生态水文模型的关键环节。传统 的蒸散发计算，主要采取能量平衡法和物质传输法， 对蒸散发计算局限于局地尺度，难以获取区域尺度的 蒸散发[17]。对于区域尺度上蒸散发的估算，遥感技术 具有得天独厚的优势。 遥感技术对蒸散发的估 、近红外和热红外波段的反射和辐射信息及其变 化规律进行相关参数的反演，结合近地面的风速、温 度、湿度信息，通过能量平衡方程，得出计算需要的 参数和变量。国内外关于蒸散发的遥感估算研究已有 不少[18,19]，针对不同的研究区和卫星遥感资料提出了 众多基于遥感的蒸散发模型，李小文[2]把遥感估算蒸 散模型分为三类：平衡余项法，SEBA 模型和 SEBS 模型，其中 SEBAL 模型由于其所需辅助参数较少、 估算精度较 ，得到国内外学者的认可，被广泛应用 于世界各地不同的气候条件下的国家和地区。 遥感反演蒸散发在生态水文模型中应用研 ，陈镜明[20]等在分布式的生态水文模型DHSVM Copyright © 2012 Hanspub 108  遥感在生态水文模型中的应用进展 的基础上，利用遥感来反演蒸散发作为输入，获得区 域的蒸散发分布；何玲和莫兴国等[21]利用 MODIS 数 据反演计算了无定河流域的日蒸散发量，林三超和张 万昌等[22]利用改进的 DHSVM 模型结合 TM 数据对汉 江上游的蒸散发空间分布。 3.3. 土壤含水量的反演计算 土壤含水 中的重要部分，它直 接控 根据土壤表面 发射 壤含水量，从遥感光谱波段的 使用 波遥感监测土壤水分。由于微波对云 层有 生态水文模型显著的特点之一是将植物的生长 状况 指数 光谱反映敏感，叶绿素能够大量吸 收红 文模型中的重要作用体现在， 一方 3.4.2. 叶面积指数(LAI) 态水文模型的重要参数，在 很多 归纳为两大 类： 量是生态水文过程 制着地表水量和能量平衡，是生态水文模拟中的 一个重要状态变量。由于传统的方法在测量连续分布 的土壤含水量极为困难，土壤含水量并没有广泛直接 地应用到生态水文模型中。而遥感可以用于测量各种 地形和地表覆盖的地表土壤含水量。 遥感计算土壤含水量的原理主要 或反射电磁辐射能的测量。土壤水分特性在不同 波段有不同的反映，可以根据土壤的物理特性与其辐 射理论，利用可见光–近红外–热红外–微波等不同 波段的遥感资料，与环境要素进行相关分析，来监测 土壤水分的变化[17]。 利用遥感来计算土 ，主要分为两大类[23]。第一类方法是光学遥感方 法监测土壤含水量，比较成熟的方法主要有：1) 热惯 量法[24]。最早由 Watson 等提出，利用热红外遥感影 像反演下垫面温度，建立与土壤热惯量、土壤水分含 量的关系模型。2) 植被指数法[25]。其原理是认为植被 的缺水状况可以通过不同的遥感植被指数来表征，通 过植被指数间接估算土壤水分。一般来说，土壤水分 供应好，植被生长状态好，植被指数与土壤含水之间 呈正相关。3) 作物缺水指数法[26]。作物缺水指数(Crop Water Stress Index, CWSI)是土壤水分的一个度量指 标，是利用热红外遥感温度和常规气象资料来间接监 测植被条件下的土壤水分，是遥感监测土壤水分的一 种重要方法。 第二类是微 较强的穿透力，不受光照条件限制，可以全天候 工作，使得微波遥感在土壤水分监测中具有独特点优 越性，这是遥感监测土壤水分最有希望的方法，但其 成本很高，目前尚未进入实用阶段。 3.4. 植被参数的反演 融入水文模型中，植物生长状况的模拟是生态水 文模型中生态模块的重要部分，因此，应用遥感来反 演地表植被参数是遥感应用于生态水文模型的重要 内容。 3.4.1. 植被 由于植被对于 光辐射，同时对于近红外存在显著的发射效果， 所以，常用遥感计算植被指数再来反演植物的生物物 理参数，其中使用最多的是比值植被指数(SVI)和归一 化植被指数(NDVI)。 植被指数在生态水 面，植被指数是植物状态信息的表达，是生态水 文模型的重要输入参数之一；另一方面，植被指数与 生物物理参数，如叶面积指数LAI，植被覆盖度，光 合作用有效吸收辐射分量FPAR 之间存在显著相关关 系，因此，可以作为提取植被生物物理参数的“中间 变量”。 叶面积指数LAI 是生 的生态水文模型中，LAI 是必需的输入参数。叶 面积指数表征植被冠层结构的基本参量，它直接控制 生态水文过程中植物的光合作用，水分的蒸发蒸腾， 冠层截留，地表枯枝落叶层[27]。此外，叶面积的动态 变化，如季节变化，对于植物生长动态模拟和水文过 程的模拟是非常重要的。LAI 的地面测量费时费力， 而且只能获得小地块的LAI数据。遥感数据的大面积 和时间序列的重复观测的特点为实现时间序列上大 面积的 LAI 估算提供了有效的数据源。 遥感在叶面积估指数算中的应用，可 统计模型法和光学模型法。统计模型法是以LAI 为因变量，以光谱数据或植被指数作为自变量建立的 估算模型，即 LAI f x。其中，x为光谱反射率或 植被指数。国内外大量 研究[28]关注植被指数与 LAI 的相关关系，从而推算叶面积指数。统计模型形式灵 活，但属于经验性，对于不同的数据需要重新拟合参 数，模型需要不断地调整，因此许多的学者致力于研 究出具有普适性的LAI 定量模型。目前，相对成熟的 是基于物理光学基础的光学模型，其建模基础是植被 的非朗伯体特性，用双向反射率分布函数(BRDF)来定 的 Copyright © 2012 Hanspub 109  遥感在生态水文模型中的应用进展 量表示。近年来，随着遥感技术的发展，高光谱技术 被广泛应用于叶面积指数的研究[29]。由于高光谱数据 具有波段窄且波谱连续的特点，因此可以构建许多对 LAI 相对敏感的植被指数。 3.4.3. 光合有效辐射分量(FPAR) 生长的模拟，都要 涉及 表明[30,31]，FPAR 与植被指数 之间 为生态水文模型研究和 应用 4.1. 遥感数据的不确定性 遥感数据 历了从辐射源穿过大气 层到 遥感的时空尺度与水文模型的不匹配 遥感是在瞬时或很短的时间内获得地表信 通 过这 4.3. 遥感数据与其他空间数据的尺度不兼容 由于目前遥感数据的应用并没有渗透到生态水 文模 4.4. 模型参数估计与遥感数据同化 流域生态水文模型包括对水文过程、植物生理生 态过 在生态水文模型中，对于植物 到植被有效光合辐射的计算。绿色植物冠层吸收 的光合有效辐射直接与光合作用相连，光合有效辐射 (PAR)、植物吸收光合有效辐射(APAR) 及植 物吸收 光 合有效辐射分量(FPAR)三者间的数学关系为：APAR = FPAR × PAR。其中 APAR 不容易直接测量，FPAR 可以通过遥感数据进行反演，在生态水文模型中用来 模拟植被的生产力。 国内外大量的研究 也存在显著的相关关系，归一化指数 NDVI 之间 存在近似线性的关系，这就可以根据遥感提取的植被 指数来进行 FPAR 的反演。FPAR的估算主要采用的 光谱植被指数的遥感模型，其主要的遥感数据源是 AVHRR、MODIS 和TM数据。 4. 现存的关键问题 尽管目前遥感技术可以 提供大量有关资料，但在应用上受传感器时空分 辨率不能统一以及解译图像精度等影响，很多数据资 料还不能被直接利用、充分利用。同时，由于生态水 文过程和尺度问题的复杂性，也对遥感数据在生态水 文模型中的应用产生了一定的阻碍。 的成像过程，经 达地面，再穿过大气层最后到达探测器的过程， 每一个环节都涉及无穷多的参数，加上数据处理方法 和遥感模型精度的影响，遥感数据受到诸多不确定性 因素的影响。另一方面，遥感数据的反演算法将不确 定性引入地表特征参数，对利用这些数据进行生态水 文过程模拟将带来很大的影响[17]。 4.2. 息， 些信息反演的地表参数也应该是瞬时量，无论是 长期定点观测数据或者遥感直接反演的数据都是瞬 时值，而生态水文过程无论是时间上还是空间上，都 是连续的[32]。在生态水文模型模拟过程中，需要的参 数往往是小时、日时间尺度的。这就需要把遥感数据 在时空尺度上延拓。以蒸发为例，传统的方法常采用 统计经验法与地表能量平衡余项法通常利用比值法 或积分法将瞬时值延拓到全天值。但是，这两种延拓 方法的假设条件，只有在晴天条件下才能满足：在瞬 时蒸散变化比较大的多云或大风的天气下，这些延拓 方法会产生很大的误差。 拟的各个方面，生态模型输入要素的空间信息很 大部分还是来源于常规数据。常规的空间数据主要还 是通过地面观测或采样获得，而遥感数据，尤其是高 空间分辨率遥感数据，与用于刻画其他生态要素的空 间数据往往在空间尺度上是不一样的(即不兼容的)， 这种不兼容性严重影响到对生态要素空间协同变化 的正确刻画，将在生态水文模型的模拟过程中引入错 误的空间协同变化信息，以致造成生态水文模拟结果 的严重偏差。Zhu 等[33]等发现，分辨率低的土壤数据， 其与遥感数据获得的精细空间数据，由于空间尺度的 不匹配，其对空间要素的协同关系刻画是错误的，将 这些数据输入 RHESSys 模型时发现模拟结果存在很 大的误差。Quinn 等[34]通过数据不兼容性对生态模拟 影响的尺度效应的研究，发现当模拟尺度与要素中空 间尺度最粗的数据的空间尺度接近时，数据不兼容性 对模拟的结果影响最小。因此，当存在数据不匹配时， 通常是将数据向粗的尺度转换，通过栅格数据重采样 的等方法实现。 程如光合作用、呼吸作用等多个过程的模拟，对 各个过程的定量刻画涉及大量水文参数和生物物理 参数，在分布式模拟的框架下，如何获取空间异质的 模型参数是生态水文模型区域应用的瓶颈问题。遥感 技术能反演和提取区域的地面物理参数和植被生物 物理参数，但如上文所述，仅仅依靠遥感观测数据势 Copyright © 2012 Hanspub 110  遥感在生态水文模型中的应用进展 必在模型参数估算中引入了很大程度的不确定性。为 最大限度地利用易获取的遥感数据，减小参数估算的 误差，近年来数据同化开始活跃于模型参数估算中。 数据同化的基本含义是通过数值模型与观测数 据相 数据具有分布式特点，可以提供面状信 息而 过数值模型与观测数据相结合来提 高所 (References) [1] 陈述彭. 地球信息科学[M]. 北京: 科学出版社, 2007. : 科学出版社, 2008. 布式水文模型[M]. 郑州: 黄 河水利出版社, 2003. 出版 2-903. , 23(3): 580-587. response model. Journal of Hy- 模型研究的若干进展[J]. 地理科 scales using remote sensing data. kowski, R. O. Dubayah, et al. 用[J]. 河海大学学报(自然科学版), 2004, 遥感反演[J]. 资源科学, 6, 126(7): 87-91. 程大学, 2008. ng evapotranspiration using remote sensing in- . 基于MODIS遥感数据计算无定河流 s in Space Research, 英, 盛永 andsat TM images. Remote Sensing of 述[J]. 国土 结合来提高所研究系统状态的模拟和预报能力， 能够融合不同来源与不同分辨率的直接或间接观测， 一定程度上提高生态水文模型模拟的准确度，成为一 种集成多源地理空间数据的新方法。目前，在应用遥 感进行流域生态水文过程模拟中，数据同化的应用已 有不少的研究开展。如 Olioso 等[35]成功同化中等分辨 率MODIS 高光谱遥感数据到作物生长模型和SVAT 模型中，对土壤水分蒸发蒸腾损失总量进行了连续监 测。Konstantin 等[36]利用集合卡尔曼滤波(Ensemble Kalman filter)算法将MODIS 的数据同化到VIC模型 中，研究表明集合卡尔曼滤波算法是一种有效可行的 同化算法，能够不断更新积雪覆盖程度模型的预测 值，使其更加接近实际观测值；并与微波遥感数据 AMSR-E 反演的积雪覆盖程度结果进行比较，发现直 接反演的数据存在比较大的误差。随着遥感技术的进 步，高光谱、多波段数据的不断增多，流域生态模拟 的输入数据更加多样化，迫切需要数据同化技术来实 现多源、多分辨率空间数据的融合、集成和尺度推绎 等，因此，在未来生态水文模型的应用研究中，数据 同化技术将是实现数据融合、集成和有效使用的非常 有效的手段，将具有广阔的应用前景。 5. 结论 由于遥感 非点状信息，直接或间接测量常规手段无法测量 到的生态水文变量和参数(如区域土壤湿度)，因此在 生态水文模型的应用中有着广泛的应用前景。但由于 遥感数据的自身存在不确定性，遥感数据的时空分辨 率与生态水文过程尺度不匹配等问题的存在，限制了 遥感的应用。 数据同化通 研究系统状态的模拟和预报能力，能够很好地解 决观测值与模型模拟结果的集成和融合问题，一定程 度上提高生态水文模型模拟的准确度，成为一种集成 多源地理空间数据的新方法。目前在应用遥感进行流 域生态水文过程模拟中，数据同化的应用已开展积极 探索[35-37]。 参考文献 [2] 李小文. 遥感原理与应用[M]. 北京 [3] M. B. Abbott, J. C. Refsgaard. 分 [4] J. B. Andrew, L. W. Robert. 生态水文学[M]. 北京: 海军 社, 2002. [5] 王根绪, 刘桂民, 常娟. 流域尺度生态水文研究评述[J]. 生 态学报, 2005, 25(4): 89 [6] 黄奕龙, 傅伯杰, 陈立项. 生态水文过程研究进展[J]. 生态 学报, 2003 [7] R. A. Freeze, R. L. Harlan. Blueprint for a physically-based, digitally-simulated hydrologic drology, 1969, 9(3): 237-258. [8] 吴险峰, 刘昌明. 流域水文 学进展, 2002, 21(4): 341-348. [9] W. Mauser, S. Sehadlich. Modelling the spatial distribution of evapotranspiration on different Hydrology, 1998, 212-213: 250-256. [10] G. M. O’Donnell, K. P. Czaj Macro-scale hydrological modeling using remotely sensed in- puts: Application to the Ohio River basin. Journal of Geophysi- cal Research-Atmosphere, 2001, 105(D10): 12499-12516. [11] 许有鹏, 陈钦峦, 朱静玉. 遥感 信息在水文动态模拟中的应 用[J]. 水科学进展, 1995, 6(2): 156-161. [12] 凌峰. 基于空间信息技术的流域分布式水文模型研究[D]. 华 中科技大学, 2006. [13] 傅国斌, 刘昌明. 遥感技术在水文学中的应用与研究进展[J]. 水科学进展, 2001, 12(4): 547-559. [14] 李致家, 刘金涛, 葛文忠等. 雷达估测降雨与水文模型的耦 合在洪水预报中的应 32(6): 601-606. [15] 王建华. 年尺度下黄河流域降水 2003, 25(6): 8-13. [16] 陈利群, 刘昌明, 杨胜天等. 黄河源区降水遥感反演[J]. 中 国环境科学, 200 [17] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003. [18] 高彦春, 龙笛. 遥感蒸散发模型研究进展[J]. 遥感学报, 2008, 12(3): 516-528. [19] 刘朝顺. 区域尺度地表水热的遥感模拟及应用研究[D]. 南京 信息工 [20] J. M. Chen, X. Y. Chen and W. M. Ju. Distributed hydrological model for mappi puts. Journal of Hydrology, 2005, 305(1-4): 15-39. [21] 何玲, 莫兴国, 汪志农 域日蒸散[J]. 农业工程学报, 2007, 23(5): 144-149. [22] 刘三超, 张万昌等. 分布式水文模型结合遥感研究地表蒸散 发[J]. 地理科学, 2007, 27(3): 354-358. [23] 肖国杰, 李国春. 遥感方法进行土壤水分监测的现状与进展 [J]. 西北农业学报, 2006, 15(6): 121-126. [24] 张仁华. 土壤含水量的热惯量模拟[J]. 科学通报, 1991, 36(12): 924-927. [25] F. N. Kogan. Application of vegetation index and brighness temperature for drought detection. Advance 1995, 15(11): 91-100. [26] 肖乾广, 陈维 伟等. 用气象卫星监测土壤水分的实 验研究[J]. 应用气象学报, 1994, 14(6): 736-739. [27] Chen, J. M. and J. Cihlar. Retrieving leaf area index for boreal conifer forests using L Environment, 1996, 55(2): 153-162. [28] 方秀琴, 张万昌. 叶面积指数的遥感定量方法综 资源遥感, 2003, 3: 736-739. [29] 杨吉龙, 李家存, 杨德明等. 高光谱分辨率遥感在植被监测 Copyright © 2012 Hanspub 111  遥感在生态水文模型中的应用进展 Copyright © 2012 Hanspub 112 3): 307-312. , 2004, 19(4): 585-590. index of detailed soil spa- n watershed modeling across different model 16. ote sensing data into oscale hydrology model. 中的应用综述[J]. 世界地质, 2001, 20( [30] 吴炳芳, 曾源, 黄进良. 遥感提取植物生理参数 LAI/FPAR 的 研究进展与应用[J]. 地球科学进展 [31] S. N. Goward, K. F. Huemmrich. Vegetation canopy PAR ab- sorptance and the normalized difference vegetation : An [ assessment using the SAIL model. Remote Sensing of Environ- ment, 1992, 39: 119-140. [32] 傅国斌, 李丽娟, 刘昌明. 遥感遥感水文应用中的尺度问题 [J]. 地球科学进展, 2001, 16(6): 755-759. [33] A. X. Zhu, D. S. Mackay. Effects of spatial detail of soil infor- mation on watershed modeling. Journal of Hydrology, 2001, 248(1-4): 54-77. [34] T. Quinn, A. X. Zhu and J. E. Burt. Effects tial information o scales. International Journal of Applied Earth Observation and Geoinformation, 2005, 7: 324-338. [35] 李新, 黄春林. 数据同化——一种集成多源地理空间数据的 新思路[J]. 科技导报, 2004, 12: 13- 36] A. Olioso, Y. lnoue. Future directions for advanced evapotran- spiration modeling: Assimilation of rem crop simulation models and SVAT models. Irrigation and Drain- age Systems, 2005, 19(3-4): 377-412. [37] K. M. Aandreadis, D. P. Lettenmaier. Assimilating remotely sensed snow observations into a macr Advanced in Water Resources, 2006, 29(6): 872-886. |