劉萌，彭中，黃凌霄，李召良，段四波，唐榮林

1.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/北方干旱半干旱耕地高效利用全國(guó)重點(diǎn)實(shí)驗(yàn)室,北京 100081;

2.中國(guó)科學(xué)院地理科學(xué)與資源研究所 資源與環(huán)境信息系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100101;

3.中國(guó)科學(xué)院大學(xué),北京 100049

1 引言

地表蒸散發(fā)ET（Evapotranspiration）是指從地表傳輸?shù)酱髿庵械乃?，包括土壤表面水分蒸發(fā)、植被水分蒸騰和冠層截留蒸發(fā)。水分蒸發(fā)的過程需要吸收能量來冷卻地表，這部分能量被稱為潛熱通量LE（Latent heat flux ），是蒸散發(fā)的能量表達(dá)形式，二者可以相互轉(zhuǎn)化（Wang 和Dickinson，2012）。蒸散發(fā)和潛熱連接了水循環(huán)和能量循環(huán)，是地表水熱循環(huán)中的關(guān)鍵過程參量，也是其中最難估算的地表特征參量。遙感技術(shù)因其大范圍觀測(cè)能力，為獲取豐富的區(qū)域地表特征參量提供了可能，遙感反演蒸散發(fā)是獲取區(qū)域、國(guó)家和全球尺度蒸散發(fā)時(shí)空分布的有效方法（Li 等，2009）。目前，國(guó)內(nèi)外學(xué)者已經(jīng)先后生產(chǎn)發(fā)布了不同時(shí)空分辨率的區(qū)域及全球蒸散發(fā)遙感反演產(chǎn)品，如MOD16產(chǎn)品（Mu 等，2011）、LSA?SAF 產(chǎn)品（Ghilain 等，2011）、SSEBop產(chǎn)品（Senay等，2013）、GLASS產(chǎn)品（Yao等，2014）、ETMonitor產(chǎn)品（Hu和Jia，2015）、BESS 產(chǎn) 品（Jiang 和Ryu，2016）、GLEAM 產(chǎn) 品（Martens 等，2017）、PML?V2 產(chǎn)品（Zhang 等，2019）、FLUXCOM 產(chǎn)品（Jung 等，2019）和CR?ET 產(chǎn)品（Ma 等，2019）等。相關(guān)研究已經(jīng)詳細(xì)介紹了現(xiàn)有的過程驅(qū)動(dòng)的蒸散發(fā)遙感產(chǎn)品（李佳 等，2021）和數(shù)據(jù)驅(qū)動(dòng)的蒸散發(fā)遙感產(chǎn)品（劉萌 等，2021）。由于不同產(chǎn)品之間存在反演方法機(jī)理差異、產(chǎn)品特征差異等，在使用這些產(chǎn)品前，需要對(duì)產(chǎn)品的精度進(jìn)行驗(yàn)證和評(píng)估（熊育久 等，2021）。然而，由于近地表大氣的復(fù)雜多變性、地表下墊面的異質(zhì)性等特點(diǎn)，蒸散發(fā)產(chǎn)品的驗(yàn)證目前仍面臨諸多困難和挑戰(zhàn)。張圓等（2020）詳細(xì)綜述了蒸散發(fā)真實(shí)性檢驗(yàn)的發(fā)展現(xiàn)狀和研究進(jìn)展，將蒸散發(fā)真實(shí)性檢驗(yàn)方法分為像元尺度和區(qū)域尺度的直接檢驗(yàn)方法以及交叉檢驗(yàn)、多尺度逐級(jí)檢驗(yàn)和時(shí)空變化趨勢(shì)分析等間接檢驗(yàn)方法，并指出像元尺度地表蒸散發(fā)相對(duì)真值的獲取是其核心問題?，F(xiàn)有的蒸散發(fā)相對(duì)真值獲取的通量觀測(cè)方法包括蒸滲儀方法、渦動(dòng)相關(guān)技術(shù)、能量平衡波文比法、大孔徑閃爍儀方法和微波閃爍儀方法。其中，渦動(dòng)相關(guān)技術(shù)（EC）利用熱通量、水汽變化和風(fēng)速間的協(xié)方差來觀測(cè)顯熱通量和潛熱通量，是目前全球使用最廣泛的通量觀測(cè)方法，被廣泛應(yīng)用于蒸散發(fā)精度驗(yàn)證研究中。EC 得到的通量其觀測(cè)源區(qū)與風(fēng)速風(fēng)向、儀器觀測(cè)高度和下墊面狀況等因素有關(guān)，受大氣湍流的影響而時(shí)刻變化，EC 觀測(cè)源區(qū)大約在幾十米到幾百米之間（Jia 等，2012）。對(duì)于高分辨率蒸散發(fā)估算，可以考慮通量觀測(cè)源區(qū)來進(jìn)行源區(qū)內(nèi)多個(gè)像元的精度驗(yàn)證（Jia 等，2012；Bai 等，2015；Liu 等，2016）；針對(duì)中低分辨率蒸散發(fā)估算，目前主要是站點(diǎn)觀測(cè)作為像元相對(duì)真值來直接驗(yàn)證（Jung 等，2010；Mu 等，2011；Tang 和Li，2017；Zhang 等，2019），或者用高分辨率蒸散發(fā)估算結(jié)果作為區(qū)域真值進(jìn)行驗(yàn)證（Xu等，2018；Li等，2018）。對(duì)于公里尺度的蒸散發(fā)驗(yàn)證，Mu 等（2011）、Yao 等（2014）、Jiang 和Ryu（2016）、Zhang 等（2019）使用全球FLUXNET 通量觀測(cè)數(shù)據(jù)在站點(diǎn)尺度分別對(duì)MOD16算法估算ET（1 km/8 d）、GLASS 算法估算ET（1 km/8 d）、BESS產(chǎn)品ET（1 km/8 d）以及PML?V2算法估算ET（500 m/8 d）進(jìn)行了直接驗(yàn)證，估算ET和觀測(cè)ET的RMSE分別為：0.9 mm/d、35.3 W/m2、0.78 mm/d、0.69 mm/d。

農(nóng)田蒸散長(zhǎng)期以來一直是農(nóng)業(yè)、氣象和水文等學(xué)科的研究焦點(diǎn)（姚云軍 等，2012）。在農(nóng)業(yè)旱情監(jiān)測(cè)和灌溉管理中，蒸散發(fā)可以作為衡量作物缺水的指標(biāo)。高精度的遙感反演農(nóng)田蒸散發(fā)對(duì)于田間尺度的更精準(zhǔn)的水分平衡量化和水分虧缺研究具有重要意義，對(duì)于農(nóng)業(yè)精準(zhǔn)灌溉和提高農(nóng)田水分利用效率具有實(shí)用價(jià)值。在已發(fā)布的蒸散發(fā)產(chǎn)品中，MOD16 產(chǎn)品和PML?V2 產(chǎn)品空間分辨率（500 m）最接近于農(nóng)田站點(diǎn)EC 觀測(cè)源區(qū)大小，且500 m 像元上農(nóng)田地表相對(duì)均一，空間代表性較好。對(duì)于均勻地表，通量站點(diǎn)觀測(cè)值可被當(dāng)作遙感像元上的相對(duì)真值來檢驗(yàn)觀測(cè)儀器所在蒸散產(chǎn)品像元值或者周圍多個(gè)像元上的算術(shù)/加權(quán)平均值（張圓 等，2020）。故本研究選取這兩種蒸散發(fā)產(chǎn)品來進(jìn)行農(nóng)田蒸散發(fā)的對(duì)比驗(yàn)證。

2 數(shù)據(jù)介紹

2.1 ET產(chǎn)品

2.1.1 MOD16產(chǎn)品

NASA 發(fā)布的MOD16 產(chǎn)品為用戶分別提供了ET、LE、潛在ET 和潛在LE。冠層截留的水分蒸發(fā)是高葉面積指數(shù)（LAI）生態(tài)系統(tǒng)重要的水分通量，MOD16 算法 基于Penman?Monteith 方程，將ET 劃分為濕冠層表面蒸發(fā)、干冠層表面植被蒸騰和土壤表面蒸發(fā)3部分，并在白天和夜晚分開估算求和。該算法將土壤表面分為飽和濕潤(rùn)表面和潮濕表面，并通過LAI將氣孔導(dǎo)度轉(zhuǎn)化為冠層導(dǎo)度來計(jì)算植被蒸騰，同時(shí)針對(duì)不同的地表覆被類型的阻抗分別參數(shù)化，以提高特定地表下墊面ET 的遙感反演精度（Mu等，2011）。相比于Mu等（2011），MOD16 V6產(chǎn)品生產(chǎn)進(jìn)行了以下改進(jìn)：如果白天凈輻射為負(fù)值時(shí)，使其為0；對(duì)土壤熱通量進(jìn)行了限制保證土壤蒸發(fā)不為負(fù)值；針對(duì)持續(xù)嚴(yán)重的有云天導(dǎo)致的非洲西部雨林區(qū)沒有有效的反照率的問題，設(shè)定其反照率為定值0.4；更新了不同地表覆被類型的生物群落屬性查找表參數(shù)值；用3年平滑地表覆被產(chǎn)品MCDLCHKM 替換年地表覆被產(chǎn)品MOD12Q1。MOD16 產(chǎn)品生產(chǎn)使用的輸入數(shù)據(jù)為GMAO MERRA 氣象再分析數(shù)據(jù)（1/2°×2/3°）和MODIS 遙感產(chǎn)品（500 m）。MOD16 產(chǎn)品包括8 天、月和年3 種時(shí)間尺度的產(chǎn)品，本研究所采用的MOD16 產(chǎn)品為8 天合成的500 m 空間分辨率的MOD16A2 V6.1產(chǎn)品ET（Running等，2021）。

2.1.2 PML-V2產(chǎn)品

PML?V2產(chǎn)品是利用Penman?Monteith?Leuning模型生產(chǎn)的水熱耦合的產(chǎn)品（張永強(qiáng) 等，2021），將ET 分為土壤蒸發(fā)、植被蒸騰和冠層截留蒸發(fā)3部分。其中，冠層截留蒸發(fā)通過適用性分析模型來估算，植被蒸騰和土壤蒸發(fā)通過LAI 來劃分，PML?V1 模型結(jié)合Penman?Monteith 公式和Leuning導(dǎo)度模型估算植被蒸騰，在此基礎(chǔ)上，PML?V2模型利用氣孔導(dǎo)度耦合植被蒸騰和光合同化速率，采用碳水耦合冠層導(dǎo)度模型估算植被蒸騰和總初級(jí)生產(chǎn)力（GPP），使得ET 和GPP 得以相互制約，通過在全球分布的95 個(gè)EC 通量觀測(cè)站分10 種植被類型分別進(jìn)行參數(shù)率定，提高ET 和GPP 估算精度（Zhang等，2019）。PML?V2產(chǎn)品生產(chǎn)所采用的驅(qū)動(dòng)數(shù)據(jù)包括全球陸面數(shù)據(jù)同化系統(tǒng)GLDAS（Global Land Data Assimilation System）氣象數(shù)據(jù)（0.25°、3 h）和MODIS 遙感產(chǎn)品（500 m），將在通量觀測(cè)站點(diǎn)上率定的模型參數(shù)由站點(diǎn)尺度擴(kuò)展到全球逐網(wǎng)格尺度，從而實(shí)現(xiàn)全球ET 和GPP 產(chǎn)品生產(chǎn)。不同于MOD16 僅提供ET，PML?V2 產(chǎn)品分別提供土壤蒸發(fā)、植被蒸騰和冠層截留蒸發(fā)3部分。

2.2 站點(diǎn)觀測(cè)數(shù)據(jù)

本論文所采用的用于農(nóng)田類型蒸散發(fā)驗(yàn)證的通量觀測(cè)站點(diǎn)包括20個(gè)全球FLUXNET 農(nóng)田通量觀測(cè)站點(diǎn)（表1）和8 個(gè)中國(guó)農(nóng)田通量觀測(cè)站點(diǎn)（表2），所采用的通量觀測(cè)數(shù)據(jù)為日通量觀測(cè)數(shù)據(jù)。FLUXNET 數(shù)據(jù)提供了日觀測(cè)通量質(zhì)量控制數(shù)據(jù)（QC），QC 的取值范圍為0—1，表示每天半小時(shí)觀測(cè)數(shù)據(jù)或者高質(zhì)量插補(bǔ)數(shù)據(jù)所占的比例（Pastorello 等，2020）。參考Mu 等（2011），Yao 等（2014）、Hu 和Jia（2015）、Tang 等（2015）、Zhang等（2019）的研究，本研究在將8天內(nèi)的日尺度ET觀測(cè)累加獲取8天尺度ET觀測(cè)。在求8天累積ET觀測(cè)時(shí)，對(duì)8天內(nèi)的每天的觀測(cè)質(zhì)量控制數(shù)據(jù)求平均，當(dāng)8 天內(nèi)觀測(cè)數(shù)據(jù)或者高質(zhì)量插補(bǔ)數(shù)據(jù)大于80%（即平均QC大于0.8）才認(rèn)為8天觀測(cè)數(shù)據(jù)有效。中國(guó)通量觀測(cè)數(shù)據(jù)未提供QC，在求8 天累積ET 觀測(cè)時(shí)，8天內(nèi)的每天都有觀測(cè)值才認(rèn)為8天觀測(cè)數(shù)據(jù)有效。表1中將MOD16算法（Mu等，2011）和PML?V2算法（Zhang等，2019）曾使用過的算法驗(yàn)證站點(diǎn)分別用△和◇標(biāo)識(shí)。雖然有11個(gè)FLUXNET站點(diǎn)在Zhang 等（2019）中使用，但是該研究是采用留一法（即每次使用10個(gè)農(nóng)田站點(diǎn)來率定模型系數(shù)，將率定后的系數(shù)用在剩余一個(gè)站點(diǎn)上，對(duì)該站點(diǎn)上的算法精度進(jìn)行驗(yàn)證）進(jìn)行算法精度的驗(yàn)證，而不是對(duì)實(shí)際的PML?V2產(chǎn)品精度的驗(yàn)證。

表1 20個(gè)FLUXNET農(nóng)田通量觀測(cè)站點(diǎn)信息Table 1 Information of 20 tower sites for flux observation covered by cropland in FLUXNET2015

表2 8個(gè)中國(guó)農(nóng)田通量觀測(cè)站點(diǎn)信息Table 2 Information of eight tower sites for flux observation covered by cropland in China

2.3 其他輔助數(shù)據(jù)

本論文中使用的其他輔助數(shù)據(jù)包括土地利用/覆被數(shù)據(jù)和地面高程信息。土地利用/覆被數(shù)據(jù)使用的是500 m 空間分辨率的MODIS 地表覆被數(shù)據(jù)（MCD12Q1），采用其中的國(guó)際地圈—生物圈計(jì)劃（IGBP）分類方案，該方案中定義了17 種不同的土地覆被類型，包括11種自然植被類別、3種人為改變類別以及3種非植被類別。本論文中使用的地面高程信息來源于ASTER GDEM數(shù)據(jù)，該數(shù)據(jù)是目前唯一覆蓋全球陸地表面的高分辨率高程影像數(shù)據(jù)，其空間分辨率為30 m，垂直分辨率為1 m，數(shù)據(jù)可從NASA EARTH DATA下載獲取，下載地址為：https://search.earthdata.nasa.gov/search[2022?01?10]。本論文所采用的遙感衛(wèi)星影像數(shù)據(jù)來源于Google Earth，影像重采樣分辨率為0.5 m，所用數(shù)據(jù)影像時(shí)間已在圖1中標(biāo)注。

圖1 28個(gè)農(nóng)田通量觀測(cè)站點(diǎn)所在MODIS像元及周圍3 × 3像元（500 m）Fig.1 The satellite images from Google Earth of the surrounding 3 × 3 MODIS pixels（500 m）for the 28 flux tower sites

2.4 評(píng)價(jià)指標(biāo)

本論文中使用到的評(píng)價(jià)指標(biāo)包括反映了產(chǎn)品8 天ET 與EC 觀測(cè)8 天ET 互相關(guān)聯(lián)程度的擬合度R2、反映產(chǎn)品8天ET 與EC 觀測(cè)8天ET 偏離程度的平均偏差bias 和均方根誤差RMSE。不同評(píng)價(jià)指標(biāo)的計(jì)算方法如下：

式中，n代表觀測(cè)8 天ET 或產(chǎn)品8 天ET 的樣本數(shù)量，ETi是第i個(gè)8 天的累積ET 產(chǎn)品值，ETobs，i表示第i個(gè)8天的累積ET觀測(cè)值。

3 精度對(duì)比驗(yàn)證結(jié)果

3.1 直接驗(yàn)證

在開展遙感產(chǎn)品真實(shí)性檢驗(yàn)前，應(yīng)先評(píng)價(jià)地表的空間異質(zhì)性，對(duì)于相對(duì)均一的地表，可將站點(diǎn)觀測(cè)值作為像元尺度相對(duì)真值，用于觀測(cè)儀器所在像元的蒸散發(fā)產(chǎn)品值的驗(yàn)證（張圓 等，2020）。

3.1.1 地表均一性評(píng)價(jià)

為了開展ET 產(chǎn)品精度的綜合評(píng)估，首先進(jìn)行了通量觀測(cè)站點(diǎn)的地表均一性評(píng)價(jià)。圖1（a）、（b）、（c）分別展示了28個(gè)農(nóng)田通量觀測(cè)站點(diǎn)所對(duì)應(yīng)的500 m 分辨率的MODIS單像元及周圍3像元×3像元的地表類型分布、高程變化和從Google Earth上獲取的衛(wèi)星遙感影像（一個(gè)格子代表一個(gè)像元）。對(duì)每個(gè)站點(diǎn)，圖1（a）中選用已獲取通量觀測(cè)數(shù)據(jù)時(shí)間范圍內(nèi)最新一年MCD12Q1的數(shù)據(jù)；圖1（c）中盡量在Google Earth 上選取已獲取通量觀測(cè)數(shù)據(jù)年份的衛(wèi)星遙感影像，如果觀測(cè)年份沒有可獲取影像時(shí)，才選擇其他時(shí)間的影像作為輔助檢驗(yàn)；每個(gè)站點(diǎn)所用的地表分類數(shù)據(jù)及衛(wèi)星遙感影像時(shí)間均標(biāo)注在圖上。28 個(gè)農(nóng)田站點(diǎn)中，BE?Lon、DE?Geb、DE?Kli、FR?Gri、IT?Bci、US?ARM、US?CRT、US?Ne1、US?Ne2、US?Ne3、LC、CW、GT、YC 和SX 共15 個(gè)觀測(cè)站點(diǎn)在站點(diǎn)附近3×3 個(gè)像元內(nèi)MODIS地表覆被類型完全一致，均為農(nóng)田。DK?Fou站點(diǎn)所在像元地表覆被類型為農(nóng)田/自然植被混合，從Google Earth 上可以看出該像元地表覆被類型多樣化，地表異質(zhì)性較明顯。雖然CH?Oe2、DE?Seh、IT?CA2、US?Lin、US?Tw3、US?Twt 和MY 等7 個(gè)站點(diǎn)的所在像元MODIS 地表覆被類型是農(nóng)田，但是在站點(diǎn)附近3×3個(gè)像元內(nèi)含有非農(nóng)田類型的像元，農(nóng)田像元所占比例依次為67%、78%、89%、67%、78%、67%、33%，除MY站點(diǎn)和CH?Oe2站點(diǎn)（左上角像元內(nèi)含有建設(shè)用地）外的其余站點(diǎn)上，MODIS 地表覆被類型顯示不是農(nóng)田的像元在Google Earth 影像上顯示像元大面積上基本均為農(nóng)田。盡管MODIS 地表覆被數(shù)據(jù)顯示DE?RuS、FI?Jok、US?Tw2、CN?Du1 和TW?Tar 等5 個(gè)站點(diǎn)（在表1 和表2 中用*標(biāo)識(shí)）其站點(diǎn)所在像元地表覆被類型不是農(nóng)田，依次為建設(shè)用地、稀樹草原、草地、草地和稀樹草原，但是在Google Earth 影像上顯示這些像元均為農(nóng)田地類。值得注意的是，MOD16 不計(jì)算城市區(qū)域，故而MOD16 產(chǎn)品在該像元上沒有數(shù)據(jù)；US?Tw2 站點(diǎn)所在像元下墊面植被覆被類型14 年之前為農(nóng)田，14 年之后為濕地。對(duì)不同下墊面，MOD16 產(chǎn)品和PML?V2 產(chǎn)品其算法參數(shù)化方案均不同，MODIS 地表覆被類型的錯(cuò)分，使得對(duì)原本的農(nóng)田地類像元按照非農(nóng)田地類的參數(shù)化方案開展該像元ET 的估算和產(chǎn)品的生產(chǎn)，使得這些像元上兩種產(chǎn)品的ET 值存在較大的不確定性。

3.1.2 驗(yàn)證結(jié)果

DE?Rus 站點(diǎn)所對(duì)應(yīng)的地表覆被類型為建筑用地，MOD16 產(chǎn)品不提供該地類的ET 值，故圖2 展示了19 個(gè)FLUXNET 農(nóng)田站點(diǎn)上MOD16 產(chǎn)品和PML?V2 產(chǎn)品8 天累積ET 的EC 觀測(cè)直接驗(yàn)證結(jié)果。本研究采用融合了核密度估計(jì)曲線、箱線圖及抖動(dòng)散點(diǎn)圖的云雨圖來表示兩種產(chǎn)品8 天ET 的偏差分布。圖3 展示了19 個(gè)FLUXNET 農(nóng)田站點(diǎn)上MOD16產(chǎn)品和PML?V2產(chǎn)品8天累積ET與EC 觀測(cè)8天ET偏差的云雨圖。從整體上來看，PML?V2產(chǎn)品略高估8 天ET（bias：0.66 mm/8 d），MOD16 產(chǎn)品略低估8 天ET（bias：?1.79 mm/8 d），PML?V2產(chǎn)品精度（RMSE：8.85 mm/8 d）與MOD16 產(chǎn)品精度（RMSE：8.54 mm/8 d）相差不多；12個(gè)站點(diǎn)上PML?V2產(chǎn)品精度優(yōu)于MOD16產(chǎn)品精度，另外7個(gè)站點(diǎn)上MOD16 產(chǎn)品精度優(yōu)于PML?V2 產(chǎn)品精度；在BE?Lon、DE?Geb、DE?Kli、DK?Fou、FI?Jok和IT?Ca2 6 個(gè)站點(diǎn)，MOD16 產(chǎn)品（bias：0.67—15.05 mm/8 d）和PML?V2 產(chǎn) 品（bias：1.53—13.27 mm/8 d）均高估8天ET；在CH?Oe2、DE?Seh、US?CRT、US?Tw2、US?Tw3 和US?Twt 等6 個(gè)站點(diǎn)上，MOD16 產(chǎn)品（bias：?16.42—?1.04 mm/8 d）和PML?V2 產(chǎn)品（bias：?15.98—?2.28 mm/8 d）均低估8天ET。

圖2 19個(gè)FLUXNET農(nóng)田站點(diǎn)MOD16產(chǎn)品和PML?V2產(chǎn)品8天ET驗(yàn)證散點(diǎn)圖（95%置信區(qū)間）Fig.2 Observed ET versus MOD16 ET and PML?V2 ET for 8?day estimates at the 19 cropland sites in FLUXNET（95% confidence interval）

圖3 19個(gè)FLUXNET農(nóng)田站點(diǎn)MOD16產(chǎn)品和PML?V2產(chǎn)品與EC觀測(cè)8天ET偏差的云雨圖Fig.3 Raincloud plots of the biases between the 8?day ET（of the MOD16 or PML?V2 product）and the observed 8?day ET at the 19 cropland sites in FLUXNET

對(duì)于在站點(diǎn)附近3×3 個(gè)像元內(nèi)MODIS 地表覆被類型完全一致均為農(nóng)田的10 個(gè)站點(diǎn)：在BE?Lon、DE?Geb、DE?Kli、US?CRT、US?Ne1、US?Ne2 和US?Ne3 等7 個(gè)站點(diǎn)上，PML?V2 產(chǎn)品精度（RMSE：4.42—7.23 mm/8 d）優(yōu)于或略優(yōu)于MOD16產(chǎn)品精度（RMSE：7.22—8.33 mm/8 d）；在FR?Gri、IT?Bci 和US?ARM 3 個(gè)站點(diǎn)上，MOD16 產(chǎn)品精度（RMSE：4.24—6.07 mm/8 d）優(yōu)于或略優(yōu)于PML?V2產(chǎn)品精度（RMSE：5.22—11 mm/8 d）。對(duì)于其站點(diǎn)所在像元MODIS 地表覆被類型不是農(nóng)田的3 個(gè)站點(diǎn)：站點(diǎn)所在像元為建筑用地的DE?RuS站點(diǎn)，MOD16 產(chǎn)品沒有產(chǎn)品估算結(jié)果，故在圖4和圖5 中未予以評(píng)價(jià)；所在像元為稀樹草原的FI?Jok 站點(diǎn)上，MOD16 產(chǎn)品精度較差RMSE 大于10 mm/8 d，PML?V2 產(chǎn)品RMSE 仍在5 mm/8 d 內(nèi)，兩種產(chǎn)品根據(jù)MODIS 地類分類計(jì)算，計(jì)算ET 時(shí)按稀樹草原的參數(shù)計(jì)算，可能是造成估算誤差大的原因；所在像元為草地的US?Tw2 站點(diǎn)，盡管所處位置非?？拷路睫r(nóng)田像元，但產(chǎn)品值應(yīng)該是按草地的參數(shù)計(jì)算的草地ET 而非農(nóng)田ET，兩種產(chǎn)品 均低估8 天ET，PML?V2 產(chǎn)品精度（RMSE：4.45 mm/8 d，bias：?2.72 mm/8 d）優(yōu)于MOD16 產(chǎn)品精度（RMSE：8.06 mm/8 d，bias：?5.35 mm/8 d）。對(duì)于雖然站點(diǎn)所在像元MODIS 地表覆被類型是農(nóng)田，但是在站點(diǎn)附近3×3個(gè)像元內(nèi)含有非農(nóng)田類型像元的6 個(gè)站點(diǎn)：在CH?Oe2、DE?Seh 和IT?CA2等3 個(gè)站點(diǎn)上，兩種產(chǎn)品RMSE 均在10 mm/8 d 以內(nèi)，MOD16產(chǎn)品精度（RMSE：3.81—6.38 mm/8 d，bias：?2.78—0.67 mm/8 d）優(yōu)于或略優(yōu)于PML?V2產(chǎn)品精度（RMSE：5.75—9.58 mm/8 d，bias：?4.34—4.25 mm/8 d），在IT?CA2 站點(diǎn)上，MOD16 產(chǎn)品大 部分8 天累積ET 與觀測(cè)8 天ET 偏差在?10—10 mm/8 d，高估和低估的分布相對(duì)均勻，而PML?V2產(chǎn)品部分8天累積ET高估可達(dá)將近30 mm/8 d；在US?Tw3 和US?Lin兩個(gè)站點(diǎn)上，PML?V2 產(chǎn)品（RMSE：5.57—8.03 mm/8 d，bias：?5.39—0.66 mm/8 d）精度略優(yōu)于MOD16 產(chǎn)品精度（RMSE：6.81—11.03 mm/8 d，bias：?3.44—?8.55 mm/8 d）；地表異質(zhì)性較明顯的US?Twt 站點(diǎn)上，MOD16 產(chǎn)品（RMSE：21.47 mm/8 d，bias：?16.42 mm/8 d）和PML?V2產(chǎn)品（RMSE：22.4 mm/8 d，bias：?15.98 mm/8 d）精度均較差，嚴(yán)重低估8 天ET，該站點(diǎn)是唯一的水稻站點(diǎn)，證明了現(xiàn)有產(chǎn)品對(duì)水稻ET的嚴(yán)重低估。

圖4 中國(guó)8個(gè)農(nóng)田站點(diǎn)MOD16產(chǎn)品和PML?V2產(chǎn)品8天ET驗(yàn)證（95%置信區(qū)間）Fig.4 Observed ET versus MOD16 ET and PML?V2 ET for 8?day estimates at the 8 cropland sites in China（95% confidence interval）

圖5 中國(guó)8個(gè)農(nóng)田站點(diǎn)MOD16產(chǎn)品和PML?V2產(chǎn)品與EC觀測(cè)8天ET偏差云雨圖Fig.5 Raincloud plots of the biases between the 8?day ET（of the MOD16 or PML?V2 product）and the observed 8?day ET at the 8 cropland sites in China

圖4和圖5分別展示了中國(guó)8個(gè)農(nóng)田站點(diǎn)的8天ET 直接驗(yàn)證結(jié)果，以及MOD16 產(chǎn)品和PML?V2 產(chǎn)品8天累積ET與EC觀測(cè)8天ET偏差的云雨圖。在LC、YC、GT和MY這4個(gè)站點(diǎn)上，PML?V2產(chǎn)品8天ET精度（R2：0.271—0.811，RMSE：3.3—9.2 mm/8 d）明顯優(yōu) 于MOD16 產(chǎn) 品8 天ET 精度（R2：0.018—0.600，RMSE：9.74—13.45 mm/8 d），PML?V2 產(chǎn)品在GT 站點(diǎn)高估8 天ET（bias：3.52 mm/8 d），在其余3個(gè)站點(diǎn)低估8天ET（bias：?1.72—?0.57 mm/8 d），MOD16產(chǎn)品在4個(gè)站點(diǎn)均低估8天ET（bias：?8.4—?6.21 mm/8 d）；在CN?Du1站點(diǎn)，兩種產(chǎn)品8天ET驗(yàn)證精度相差不大且整體精度較其他站點(diǎn)相對(duì)較高，MOD16產(chǎn)品略低估8天ET（bias：?2.49 mm/8 d，RMSE：5.89 mm/8 d），而PML?V2 產(chǎn)品略高估8 天ET（bias：1.08 mm/8 d，RMSE：6.76 mm/8 d）；在CW 和SX兩個(gè)站點(diǎn)，MOD16產(chǎn)品8天ET精度（R2：0.143—0.439，RMSE：5.73—10.12 mm/8 d，bias：?2.29—2.37 mm/8 d）優(yōu)于PML?V2產(chǎn)品8天ET精度（R2：0.014—0.282，RMSE：10.08—11.25 mm/8 d，bias：7.42—8.04 mm/8 d）；TW?Tar 站點(diǎn)有效數(shù)據(jù)太少，統(tǒng)計(jì)意義不足，在僅有的3 個(gè)8 天，PML?V2產(chǎn)品略優(yōu)于MOD16產(chǎn)品。

圖6展示了中國(guó)8個(gè)農(nóng)田站點(diǎn)和全球28個(gè)農(nóng)田站點(diǎn)上MOD16 產(chǎn)品和PML?V2 產(chǎn)品8 天ET 總體驗(yàn)證結(jié)果。對(duì)于中國(guó)8 個(gè)農(nóng)田站點(diǎn)，PML?V2 產(chǎn)品精度（R2：0.480，RMSE：8.46 mm/8 d）優(yōu)于MOD16產(chǎn)品精 度（R2：0.407，RMSE：10.77 mm/8 d）；MOD16 產(chǎn)品在7 個(gè)站點(diǎn)上均低估8 天ET，僅在SX站點(diǎn)上高估8天ET，整體低估8 天ET（bias：?6.29 mm/8 d）；而PML?V2 產(chǎn)品在4 個(gè)站點(diǎn)上高估8天ET，在另外4個(gè)站點(diǎn)上低估8天ET，整體略低估8 天ET（bias：?0.66 mm/8 d）。對(duì)于本研究中評(píng)估的全球共28個(gè)農(nóng)田站點(diǎn)，MOD16產(chǎn)品精度（R2：0.452，RMSE：8.82 mm/8 d）和PML?V2 產(chǎn)品精度（R2：0.455，RMSE：8.81 mm/8 d）整體精度相當(dāng)，MOD16 產(chǎn)品整體略低估8 天ET（bias：?2.31 mm/8 d），而PML?V2 產(chǎn)品整體略高估8 天ET（bias：0.51 mm/8 d）。

圖6 MOD16產(chǎn)品和PML?V2產(chǎn)品8天ET整體驗(yàn)證結(jié)果Fig.6 The overall validation of MOD16 ET and PML?V2 ET for 8?day estimates

3.2 趨勢(shì)分析檢驗(yàn)

圖7展示了20個(gè)FLUXNET 農(nóng)田站點(diǎn)上MOD16產(chǎn)品和PML?V2 產(chǎn)品8 天累積ET 與EC 觀測(cè)8 天累積ET 的時(shí)序變化。在8 天中EC 觀測(cè)ET 其QC 顯示觀測(cè)和高質(zhì)量插補(bǔ)數(shù)據(jù)不足80%的在圖中用紅色*表示。該圖7 中R2、RMSE 與圖2 中R2和圖3 中RMSE的差別在于，該圖7中對(duì)MOD16產(chǎn)品有效數(shù)據(jù)和PML?V2有效數(shù)據(jù)分別計(jì)算R2和RMSE，而圖2和圖3 中只展示了MOD16 產(chǎn)品和PML?V2 產(chǎn)品數(shù)據(jù)值均有效的8 天，其計(jì)算R2和RMSE 相應(yīng)的8 天的天數(shù)兩種產(chǎn)品是一致的。整體而言，PML?V2產(chǎn)品時(shí)間連續(xù)性優(yōu)于MOD16 產(chǎn)品，相比于考慮兩種產(chǎn)品有效數(shù)據(jù)時(shí)間一致的情況（圖2和圖3），大多數(shù)站點(diǎn)上PML?V2產(chǎn)品精度有所提升，在15個(gè)站點(diǎn)上，PML?V2產(chǎn)品精度優(yōu)于MOD16產(chǎn)品精度，但是MOD16產(chǎn)品可以相對(duì)更好的捕捉到年中因?yàn)樽魑镙喎N而引起的ET下降和上升趨勢(shì)，而PML?V2產(chǎn)品普遍在年中達(dá)到當(dāng)年最高峰值。對(duì)于BE?Lon、DE?Geb和DE?Kli等3個(gè)站點(diǎn)，PML?V2產(chǎn)品與EC觀測(cè)ET二者曲線的吻合度相對(duì)更好（R2：0.78—0.8），而MOD16產(chǎn)品（R2：0.54—0.62）幾乎在每年的年中波峰處存在嚴(yán)重高估ET 的現(xiàn)象；對(duì)于CE?Oe2 站點(diǎn)，MOD16產(chǎn)品和PML?V2產(chǎn)品幾乎在每年ET高值處存在低估ET 的現(xiàn)象；在DK?Fou 站點(diǎn)，MOD16 和PML?V2 兩種產(chǎn)品時(shí)間變化特點(diǎn)相似（二者R2為0.85，趨勢(shì)均為先上升，在6月下旬至7月上旬達(dá)到波峰，而后下降），相比EC觀測(cè)ET（二者與觀測(cè)R2分別為0.28和0.31，趨勢(shì)先上升，在8月下旬至9月上旬達(dá)到波峰，而后下降）而言均高估ET（bias>10 W/m2）；在US?Lin站點(diǎn)，兩種產(chǎn)品均未捕捉到觀測(cè)ET 峰值，相比觀測(cè)ET 提前達(dá)到各自峰值，且PML?V2產(chǎn)品ET整體高于MOD16產(chǎn)品ET；US?Ne1、US?Ne2和US?Ne3等3個(gè)以玉米作物為主的站點(diǎn)，雖然相比于觀測(cè)8 天ET，PML?V2 產(chǎn)品整體精度高于MOD16產(chǎn)品，但MOD16產(chǎn)品8天ET對(duì)于細(xì)節(jié)的捕捉能力略優(yōu)于PML?V2產(chǎn)品，在上半年MOD16產(chǎn)品與EC觀測(cè)ET二者曲線的吻合度更好，而PML?V2產(chǎn)品明顯高估EC觀測(cè)8天ET。以US?Ne1站點(diǎn)為例，在3—6月，從與EC觀測(cè)ET時(shí)序曲線的吻合度上來看，MOD16產(chǎn)品（R2：0.70，bias：?4.02 mm/8 d，RMSE：49.02 mm/8 d）略優(yōu)于PML?V2產(chǎn)品（R2：0.64，bias：?4.53 mm/8 d，RMSE：58.82 mm/8 d）；在IT?Bci、IT?CA2 和US?ARM 等3 個(gè)站點(diǎn)，MOD16 產(chǎn)品與EC觀測(cè)8天ET變化趨勢(shì)更為相似，PML?V2產(chǎn)品高估8天ET，而MOD16產(chǎn)品可以相對(duì)較好的捕捉到年中的下降或上升趨勢(shì)，如在IT?CA2站點(diǎn)上，MOD16產(chǎn)品在年中更好地反映了ET 先下降后上升的趨勢(shì)；US?Tw2、US?Tw3 和US?Twt 等3 個(gè)站點(diǎn)上，兩種產(chǎn)品均低估8 天ET 表現(xiàn)不佳，但是MOD16 產(chǎn)品仍能相對(duì)更好捕捉到年中ET 的波動(dòng)（下降或上升趨勢(shì)），US?Twt 站點(diǎn)上MOD16 產(chǎn)品對(duì)最高峰值所處時(shí)間的刻畫明顯優(yōu)于PML?V2產(chǎn)品，MOD16產(chǎn)品和觀測(cè)值均在下半年達(dá)到年度最高峰值，而PML?V2產(chǎn)品則提前在上半年達(dá)到年度最高峰值。

圖7 20個(gè)FLUXNET農(nóng)田站點(diǎn)MOD16產(chǎn)品、PML?V2產(chǎn)品和EC觀測(cè)8天ET時(shí)序圖Fig.7 Temporal evolution of the 8?day ET from MOD16，PML?V2 and observation at the 20 cropland sites in FLUXNET

圖8展示了中國(guó)8個(gè)農(nóng)田站點(diǎn)上MOD16產(chǎn)品和PML?V2 產(chǎn)品8 天累積ET 與EC 觀測(cè)8 天累積ET 的時(shí)序變化。整體來看，PML?V2產(chǎn)品時(shí)間連續(xù)性優(yōu)于MOD16產(chǎn)品，PML?V2產(chǎn)品8天ET與EC觀測(cè)8天ET 整體吻合性更好（R2更高、RMSE 更低），而MOD16產(chǎn)品對(duì)部分站點(diǎn)時(shí)序細(xì)節(jié)的刻畫優(yōu)于PML?V2 產(chǎn)品。例如MOD16 產(chǎn)品可以捕捉到Y(jié)C 站點(diǎn)和LC 站點(diǎn)每年度年中的低谷，刻畫年中8 天ET 的先下降后上升趨勢(shì)，而在年中EC 觀測(cè)8天ET 處于低谷時(shí)PML?V2產(chǎn)品仍處于其年度峰值狀態(tài)。

圖8 中國(guó)8個(gè)農(nóng)田站點(diǎn)MOD16產(chǎn)品、PML?V2產(chǎn)品和EC觀測(cè)8天ET時(shí)序圖Fig.8 Temporal evolution of the 8?day ET from MOD16，PML?V2 and observations at the 8 cropland sites in China

為了更具體展示兩種產(chǎn)品對(duì)于時(shí)序曲線細(xì)節(jié)的刻畫，本研究選取IT?CA2、US?ARM、US?NE1、US?Twt、LC 和YC 等6 個(gè)站點(diǎn)，對(duì)MOD16產(chǎn)品和PML?V2 產(chǎn)品8 天累積ET 與EC 觀測(cè)8 天累積ET 開展了時(shí)序變化分解，分析其季節(jié)變化趨勢(shì)（圖9）。本研究采用基于貝葉斯集成的BEAST時(shí)序分解算法（Zhao 等，2019）來對(duì)ET 時(shí)序進(jìn)行季節(jié)變化分解，相比于其他時(shí)序分解算法，該算法允許空缺值的存在，在MOD16 產(chǎn)品時(shí)序不完整的情況下，不需要進(jìn)行插值處理就能獲得較為理想的結(jié)果。此處主要是為了對(duì)ET 時(shí)序變化的波峰和波谷所處時(shí)刻進(jìn)行探究，故只展示了分解后的季節(jié)性波動(dòng)信號(hào)變化。從圖9 中可以清晰看出，雖然MOD16 產(chǎn)品連續(xù)性較差，但是仍能較好的反映出年中ET的下降和上升趨勢(shì)。在IT?CA2和US?ARM兩個(gè)站點(diǎn)上，MOD16 產(chǎn)品與EC 觀測(cè)ET 季節(jié)變化波動(dòng)曲線貼合度更好（IT?CA2 和US?ARM 的R2分別為0.83 和0.76），均在上半年（4—5 月）達(dá)到波峰，而PML?V2 產(chǎn)品（IT?CA2 和US?ARM 的R2分別為0.43 和0.69）則在年中（6—7 月）達(dá)到波峰；在US?Ne1 站點(diǎn)上，由于MOD16 產(chǎn)品數(shù)據(jù)在年初和年末的缺失，使得其沒有較好的捕捉到兩年交替之際ET 時(shí)序曲線的低谷，從與EC 觀測(cè)ET 時(shí)序曲線的吻合度上來看，MOD16產(chǎn)品（R2：0.92）整體略優(yōu)于PML?V2產(chǎn)品（R2：0.88），在上半年3—6月，MOD16 產(chǎn)品（R2：0.91）優(yōu)于PML?V2 產(chǎn)品（R2：0.82），MOD16 產(chǎn)品和EC 觀測(cè)ET 約從5—6 月開始急劇上升，上升曲線的坡度更陡（MOD16產(chǎn)品在2—6 月、3—6 月、4—6 月、5—6 月、6 月的平均坡度分別為0.09、0.13，0.23、0.36、0.55，EC觀測(cè)在2—6 月、3—6 月、4—6 月、5—6 月、6 月的平均坡度分別為0.18、0.23，0.32、0.45、0.63），而PML?V2產(chǎn)品ET約從3月開始穩(wěn)步上升，上升曲線的坡度相對(duì)緩和（平均坡度一直維持在0.23—0.26范圍內(nèi)）；在US?Twt站點(diǎn)上，MOD16產(chǎn)品能夠捕捉到EC觀測(cè)ET的兩處小高峰，并且在下半年達(dá)到其最高峰，盡管PML?V2產(chǎn)品在2012年—2014年也能夠捕捉到兩個(gè)波峰，但是在上半年達(dá)到最高峰，與EC觀測(cè)ET和MOD16 產(chǎn)品相反；在LC 和YC 兩個(gè)站點(diǎn)上，PML?V2產(chǎn)品均在年中達(dá)到年度峰值，未捕捉到冬小麥、夏玉米輪種而導(dǎo)致的年中ET先下降再上升的趨勢(shì)，而MOD16產(chǎn)品成功捕捉到冬小麥和夏玉米生長(zhǎng)期內(nèi)的兩個(gè)ET波峰，并在下半年達(dá)到最高峰（夏玉米生長(zhǎng)季），與EC觀測(cè)ET恰好相反，EC觀測(cè)ET在上半年達(dá)到最高峰（冬小麥生長(zhǎng)季），兩個(gè)站點(diǎn)上MOD16產(chǎn)品均低估了冬小麥ET。

圖9 選取的6個(gè)農(nóng)田站點(diǎn)EC觀測(cè)8天ET、MOD16產(chǎn)品和PML?V2產(chǎn)品8天ET時(shí)序分解季節(jié)波動(dòng)信號(hào)Fig.9 The seasonal fluctuant signals decomposed from the 8?day time?series of MOD16 ET，PML?V2 ET and observed ET at the selected 6 cropland sites

4 結(jié)論

本文采用20 個(gè)FLUXNET 通量觀測(cè)站點(diǎn)和8 個(gè)中國(guó)的通量觀測(cè)站點(diǎn)共計(jì)28 個(gè)農(nóng)田站點(diǎn)評(píng)估了當(dāng)前國(guó)際上僅有的兩種500 m 分辨率的8 天ET 產(chǎn)品：MOD16產(chǎn)品和PML?V2產(chǎn)品。整體而言，28個(gè)農(nóng)田站點(diǎn)的驗(yàn)證表明MOD16產(chǎn)品（RMSE：8.82 mm/8 d）和PML?V2產(chǎn)品（RMSE：8.81 mm/8 d）總體精度相當(dāng)；MOD16產(chǎn)品低估8天ET（bias：?2.31 mm/8 d），PML?V2 產(chǎn)品略高估8 天ET（bias：0.51 mm/8 d）；PML?V2 產(chǎn)品時(shí)間連續(xù)性優(yōu)于MOD16 產(chǎn)品，但是部分站點(diǎn)MOD16 產(chǎn)品在時(shí)序變化細(xì)節(jié)（如到達(dá)峰值的季節(jié)、年中的下降上升趨勢(shì)）的刻畫上優(yōu)于PML?V2產(chǎn)品。20個(gè)FLUXNET通量觀測(cè)站點(diǎn)評(píng)估結(jié)果表明，兩種產(chǎn)品精度相當(dāng)，PML?V2產(chǎn)品（RMSE：4.42—22.4 mm/8 d，bias：?15.98—13.27 mm/8 d）略低估8天ET，MOD16產(chǎn)品（RMSE：3.81—21.48 mm/8 d，bias：?16.42—15.05 mm/8 d）略高估8 天ET；PML?V2產(chǎn)品時(shí)間連續(xù)性較好，在不考慮兩種產(chǎn)品驗(yàn)證點(diǎn)數(shù)一致的情況下，PML?V2 產(chǎn)品精度（RMSE：4.06—20.36 mm/8 d）有所提升。PML?V2算法利用FLUXNET站點(diǎn)觀測(cè)通量對(duì)農(nóng)田地類進(jìn)行了單獨(dú)參數(shù)率定，采用留一法在11 個(gè)農(nóng)田站點(diǎn)上進(jìn)行了算法精度驗(yàn)證，結(jié)果表明對(duì)于農(nóng)田地類該算法估算RMSE 變化范圍為0.54—2.38 mm/d，R2變化范圍為0.42—0.86，MOD16 產(chǎn)品RMSE 變化范圍為0.48—2.4 mm/d，R2變化范圍為0.49—0.76（Zhang 等，2019）。本研究與該研究中對(duì)農(nóng)田地類的8 天ET 估算精度驗(yàn)證結(jié)果相當(dāng)，均顯示US?Twt站點(diǎn)上水稻ET 的估算結(jié)果最差。本文采用的8 個(gè)中國(guó)農(nóng)田通量站點(diǎn)并未用于PML?V2 算法參數(shù)率定，但中國(guó)站點(diǎn)的驗(yàn)證結(jié)果表明兩種產(chǎn)品均低估8天ET，PML?V2 產(chǎn)品（RMSE：2.88—11.25 mm/8 d，bias：?1.72—8.04 mm/8 d）仍具有相對(duì)可靠的精度，且精度優(yōu)于MOD16 產(chǎn)品（RMSE：5.73—13.45 mm/8 d，bias：?8.4—2.37 mm/8 d），在不考慮兩種產(chǎn)品驗(yàn)證點(diǎn)數(shù)一致的情況下，PML?V2產(chǎn)品精度（R2：0.28—0.87，RMSE：3.23—9.58 mm/8 d）有所提升，但MOD16 產(chǎn)品對(duì)年中8 天ET 的下降和上升趨勢(shì)刻畫優(yōu)于PML?V2產(chǎn)品。

本文的研究仍存在不足，雖然結(jié)合MODIS 地表覆被產(chǎn)品和Google Earth 衛(wèi)星遙感影像對(duì)這些站點(diǎn)附近的地類和地表均一性進(jìn)行了判斷，但是仍顯粗糙，未來建議結(jié)合高空間分辨率的植被指數(shù)、葉面積指數(shù)等植被生態(tài)參數(shù)來進(jìn)行同時(shí)期更精細(xì)的地表均一性評(píng)價(jià)。由于地表的空間異質(zhì)性，地面觀測(cè)和遙感估算的蒸散發(fā)之間存在著空間尺度不匹配的問題，如何從地面站點(diǎn)觀測(cè)中獲取遙感像元尺度地表蒸散發(fā)的相對(duì)真值，是目前蒸散發(fā)研究的熱點(diǎn)和難點(diǎn)。對(duì)于站點(diǎn)像元空間異質(zhì)性強(qiáng)的情況，需要考慮觀測(cè)源區(qū)，且可能要進(jìn)行空間尺度轉(zhuǎn)換，但在實(shí)際操作中并不容易；站點(diǎn)所處500 m 像元的空間代表性或均一性較好，可以直接進(jìn)行驗(yàn)證。已有研究報(bào)道，館陶農(nóng)田站點(diǎn)觀測(cè)空間范圍大約在450—460 m（Liu 等，2011），多倫農(nóng)田站點(diǎn)的觀測(cè)空間范圍大約在300—400 m，壽縣農(nóng)田站點(diǎn)的觀測(cè)空間范圍大約在200—400 m（王有恒，2010）。出于對(duì)農(nóng)田站點(diǎn)觀測(cè)源區(qū)一般小于500 m 的假設(shè)，本研究只選取了500 m 空間分辨率的MOD16 產(chǎn)品和PML?V2 產(chǎn)品，未來應(yīng)考慮結(jié)合其他時(shí)空分辨率產(chǎn)品進(jìn)行交叉檢驗(yàn)，如1 km空間分辨率的GLASS ET 產(chǎn)品、BESS ET 產(chǎn)品和ETMonitor ET 產(chǎn)品，并結(jié)合高時(shí)間分辨率的ET 產(chǎn)品如GLEAM 產(chǎn)品，進(jìn)行更大尺度像元的時(shí)空趨勢(shì)驗(yàn)證。另外，站點(diǎn)觀測(cè)通量的30 min 到日尺度、8 天尺度、月尺度和年尺度的時(shí)間尺度轉(zhuǎn)換方法亦是目前研究的難點(diǎn)。500 m 尺度像元上的地表空間相對(duì)均一，可以考慮直接簡(jiǎn)單平均，而對(duì)于異質(zhì)地表，可以考慮通量觀測(cè)源區(qū)的時(shí)間和空間加權(quán)來獲取8 天地面觀測(cè)ET，但是在實(shí)際操作時(shí)并非易事。這些難點(diǎn)需要在未來的研究中予以更好的考慮，探索更合理的空間尺度和時(shí)間尺度轉(zhuǎn)化方法，以獲取更可靠的蒸散發(fā)像元尺度驗(yàn)證結(jié)果。

志 謝感謝FLUXNET 全球通量觀測(cè)研究網(wǎng)絡(luò)、ChinaFLUX 中國(guó)通量觀測(cè)研究網(wǎng)絡(luò)、中國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)、國(guó)家生態(tài)科學(xué)數(shù)據(jù)中心、國(guó)家青藏高原數(shù)據(jù)中心、臺(tái)灣農(nóng)業(yè)研究所等研究網(wǎng)絡(luò)和機(jī)構(gòu)提供寶貴的農(nóng)田站點(diǎn)通量觀測(cè)數(shù)據(jù)，感謝中國(guó)科學(xué)院地理科學(xué)與資源研究所于貴瑞研究員、北京師范大學(xué)劉紹民教授、中國(guó)科學(xué)院青藏高原研究所李新研究員等科研學(xué)者共享數(shù)據(jù)及在推動(dòng)觀測(cè)網(wǎng)絡(luò)建設(shè)和數(shù)據(jù)共享上作出的貢獻(xiàn)，同時(shí)感謝各個(gè)農(nóng)田站點(diǎn)工作人員在數(shù)據(jù)觀測(cè)整理過程中付出的辛勤勞動(dòng)，在此表示衷心的感謝！