导读:本文包含了区域蒸散发论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感,模型,蒸散发,水分生产函数
区域蒸散发论文文献综述
蒋磊,尚松浩,杨雨亭,王仰仁[1]（2019）在《基于遥感蒸散发的区域作物估产方法》一文中研究指出灌区作物产量估算对农业用水效率评价和灌区水分管理具有重要意义。该研究以干旱区代表性灌区-内蒙古河套灌区主要农作区为研究对象,基于遥感蒸散发模型HTEM和遥感作物识别结果获取河套灌区玉米生育期日蒸散发量。选取Jensen模型、Blank模型和Stewart模型3种常用水分生产函数模型,建立河套灌区玉米估产模型,并分析各估产模型的适用性及其参数。结果表明,研究区玉米生育期多年平均蒸散发量约为526 mm。3个模型均有较高的估产精度,其中Stewart模型的产量模拟精度最高,相对误差为4.30%,相关系数为0.75。因此,Stewart模型在河套灌区具有更好的适用性,基于遥感蒸散发模型、遥感作物识别模型和作物水分生产函数模型建立灌区作物估产模型可以取得良好的模拟效果。(本文来源于《农业工程学报》期刊2019年14期）
张鹏[2]（2019）在《基于最大熵增原理的科尔沁沙地蒸散发估算及区域水量平衡计算》一文中研究指出蒸散发(evapotranspiration,ET)作为唯一同时参与水量循环和能量循环的水文参量,一直是干旱区水文研究的重要环节。科尔沁沙地是中国北方沙漠化最严重地区之一,揭示科尔沁沙地蒸散发时空变化特征以及水量平衡变化规律,对沙漠化防治具有重要意义。利用 Landsat8 遥感数据、GPM(Global Precipitation Measurement)降水数据与全球陆面数据同化系统(GLDAS)土壤含水量数据,基于最大熵增原理蒸散发(MEP)模型以及水量平衡法,对科尔沁沙地典型区地表参数、蒸散发以及水量平衡进行估算,并通过涡度实测数据、气象数据与SEBAL模型模拟数据对反演结果进行验证,在此基础上分析了不同土地覆被类型下地表参数、ET、降水、土壤含水量的时空变化,得到以下结论:(1)与实测数据对比发现:显热通量与土壤热通量误差相对较大,日ET与潜热通量误差较小,使用2014-2016 MEP模型与SEBAL模型模拟日ET实测日ET对比发现模拟值低于实测值;地表参数作为模型输入数据精度相对较高其中地表净辐射的拟合系数最高为0.98,相对误差最低为0.03,地表温度的均方根误差最小为2.49K;SEBAL模型模拟日ET高于MEP模型,二者拟合系数为0.83,与实测数据验证表明两个模型对于日ET估算均有较高精度;个别日期SEBAL模型与MEP模型在沙丘地有着较大的差异,误差在1mm以内,MEP模型可以为研究区提供相对合理的日ET估算值。(2)在不同土地覆被类型下地表参数与ET时空分布情况为:ET、地表净辐射以及归一化植被指数时空分布情况类似,在空间上均表现为在湖泊最高,农田与草甸次之,沙丘最低,而沙丘地由于沙丘类型不同又表现出固定沙丘与半固定沙丘高于流动沙丘的趋势,呈现以湖泊为中心向四周逐渐降低的趋势,地表温度与地表反照率在不同土地覆被类型与地表净辐射呈相反趋势,相对湿度在不同日期、不同土地覆被类型下有着较为明显的差异,规律性不强,整体而言湖泊相对湿度较高,农田与草甸波动较大,在时间上地表参数与ET变化规律一致,5-8月呈上升趋势,9-10月呈下降趋势。影响蒸散发以及地表参数的主要因素有:不同土地覆被类型供水条件不同、植被类型以及植被数量不同、人类活动、气象要素的变化。(3)植被指数与ET有着良好的响应关系,植被指数会随着ET的变化而波动,受植被数量与生长状况影响,在沙丘与草甸不同植被指数与降水以及ET有着不同的响应关系,沙丘地GCC、NDVI以及盖度与ET的响应关系相对较差,在草甸的GCC以及NDVI与ET关系最为密切;沙丘地降水以及ET均与GCC的相关性最高,草甸地盖度与ET有良好的相关关系,综合分析GCC以及盖度与ET相关性最高,相关关系较好。(4)GPM降水数据与GLDAS 土壤含水量数据模拟值均低于实测数据,科尔沁沙地降水时空分布不均匀,时间上降水主要集中在7月与8月,其他月份降水相对较少;空间上呈现四周多中间少的变化趋势,生长季平均降水量在260-475mm之间,随着土层厚度的增加,土壤含水量波动越小,主要是由于降水与蒸发对深层十壤含水量扰动较小,研究区生长季0-200cm处土壤含水量整体在280-340mm之间,地表水储量变化量较大,整体呈减少状态。(本文来源于《内蒙古农业大学》期刊2019-06-01）
程明瀚,郝仲勇,李斌斌,缴锡云,张航[3]（2019）在《基于SEBAL模型的北京市日蒸散发区域分布规律》一文中研究指出为了对北京市地表水转换过程中的分量-蒸散发进行定量研究,基于Landsat7 ETM+遥感影像信息并结合气象数据,通过ERDAS构建了SEBAL模型,并通过模型计算得到北京市2014年7月26日的平均蒸散发为2.49 mm,同时利用彭曼公式和MOD16产品数据对SEBAL反演结果的可靠性进行验证。结果表明,通过SEBAL模型计算得到的蒸散发与彭曼公式法和MOD16数据产品的误差分别为3.2%和3.3%,其结果具有一定的可靠性,且通过Landsat7数据反演具有数据获取便捷、空间分辨率高的优点。通过对比各区域蒸散发分布,得出北京市蒸散发整体呈现西北山区高、东南平原低的趋势,西北山区林草植被覆盖率较高是导致这一趋势的主要原因。通过统计分析,水域的蒸散发最高,硬化面积及建筑物的蒸散发接近于0,在除去水体及硬化面积后,蒸散发的大小与NDVI呈现极显着的正相关关系,两者的决定系数达到0.9233,故下垫面类型是影响某一时刻区域蒸散发大小的主要因素之一。(本文来源于《中国农学通报》期刊2019年14期）
易珍言[4]（2019）在《农田区域蒸散发和土壤含水量协同获取方法研究与应用》一文中研究指出蒸散发和土壤含水量是农田区域水循环系统中两大要素,也是农业用水管理中必不可少的基础信息。利用时空连续的蒸散发和土壤含水量监测数据,再结合气象、作物等信息,可以实时掌握作物的缺水状况和需水量,确定农田灌水时间和灌水量,为灌溉计划制定与实施、灌溉用水监测、灌溉效率评价等提供科学依据,从而改善农业用水管理水平,提高灌溉用水效率。蒸散发和土壤含水量数据获取方式主要包括地面监测、遥感反演和模型模拟叁种。单独使用任何一种方式都难以满足农业用水管理对监测信息时空尺度与精度上的要求。利用数据同化技术可以实现叁者优势互补,获取时空连续、概念一致的水循环要素信息。尽管蒸散发和土壤含水量数据获取方法众多,数据资源较为丰富,然而在结合农业用水管理业务应用需求时,依然缺乏系统、深入的分析及全面的整合。存在问题包括:(1)农业用水管理中缺乏农田尺度的蒸散发数据;(2)现有数据源众多,多源数据还需要解决时空不匹配的问题;(3)现有水循环要素获取方法(包括遥感反演和数据同化),多从单一要素角度寻求算法的改进,忽略了蒸散发和土壤含水量之间的相互关系。需要从二者协同的角度,开展遥感反演与数据同化方法的研究,提高水循环要素数据获取效率和对农业用水管理的支撑能力。针对以上问题,本文提出了农田区域蒸散发和土壤含水量协同获取方法框架,研究内容主要包含:(1)提出了基于土壤含水量改进的SEBS(Surface Energy Balance System)蒸散发遥感反演方法,将表层土壤含水量(SM,Soil Moisture)作为调节因子去修正附加阻尼系数,构建了改进的SEBS模型(SM-SEBS);(2)提出了基于改进的STARFM(Spatial and Temporal Adaptive Reflectance Fusion Model)的蒸散发融合算法,引入高分辨率地物覆盖数据,将混合像元分解模型和STARFM模型相结合,从而获取兼备高时间和高空间分辨率的农田蒸散发数据;(3)从蒸散发和土壤含水量协同获取角度出发,基于集合卡尔滤波算法(EnKF,Ensemble Kalman Filter)和Noah-MP(Multi-Parameter)陆面过程模型,构建蒸散发和土壤含水量双要素联合同化模型,探讨同化蒸散发、同化含水量以及同时同化蒸散发与土壤含水量叁种方案下,数据同化模拟效果。本文以黑河流域中游甘州灌区为研究区,将上述方法进行应用、验证与分析,得出以下结论:(1)将遥感反演的表层土壤含水量数据与SEBS模型耦合,构建了基于土壤含水量改进的SEBS模型。在黑河流域开展蒸散发反演及精度验证,结果表明,改进的SEBS模型改善了SEBS模型在土壤含水量胁迫状况下低估感热通量而高估蒸散的情况;(2)基于改进后的时空自适应融合算法(STARFM),将MODIS蒸散数据和ASTER蒸散数据融合,获取田间尺度日蒸散时空分布。改进的STARFM模型利用地物覆盖类别和蒸散发值判定相似像元,提高蒸散发融合精度。结果表明,改进后的STARFM模型在下垫面复杂、破碎的区域,融合精度更高,均方根误差(RMSE)和平均绝对百分比误差(MAP)分别下降了0.5 mm和4.3%;(3)基于Noah-MP和EnKF,构建了蒸散发和土壤含水量联合同化方案,并将同化方案在田间尺度上运行,从而获取时空连续的田间尺度的蒸散发。在进行模型参数敏感性分析时,从蒸散发和土壤含水量两个角度考查了参数的敏感性,选取了对两种要素都敏感的参数集,且在优化过程中,构建了基于蒸散发和土壤含水量的代价函数,实现多目标的优化;同时对EnKF敏感性进行了分析,从大气扰动设置、背景误差、观测误差和集合数据等方面确立数据同化最佳方案;(4)对Noah-MP模拟、同化蒸散发、同化土壤含水量以及同时同化蒸散发和土壤含水量模拟结果进行对比分析。结果表明,经过一定时长联合同化计算获得的蒸散发和土壤含水量,精度优于单一要素同化的结果,并且具有较好的稳定性。蒸散发和土壤含水量联合同化可以提高模型模拟能力,获取准确的、时空连续的蒸散发和土壤含水量,从而为农业用水提供数据支撑。(本文来源于《中国水利水电科学研究院》期刊2019-04-19）
廖前瑜,任超,冷佩,段四波,韩晓静[5]（2019）在《全天候区域地表蒸散发反演——以黑河流域为例》一文中研究指出【目的】蒸散发是生物圈、岩石圈、水圈、冰雪圈和大气圈中水分循环和能量传输的重要控制因素。为克服区域尺度方法的主观性和站点尺度方法难以反映气象因子空间异质性的局限,文章以中国境内黑河流域为研究区域,使用2012年6月1日至9月15日的MODIS数据与CLDAS格网气象数据探索区域尺度全天候蒸散发遥感反演。【方法】该文利用逐像元地表温度—植被指数特征空间方法和Penman-Monteith公式分别估算晴空像元和有云像元的地表蒸散发,实现了区域尺度全天候蒸散发遥感反演。在分析研究区CLDAS气象数据的精度基础之上,利用MODIS数据反演的短波辐射来替代CLDAS气象数据中的短波辐射,作为全天候地表蒸散发的输入参数。最后,利用黑河流域4个不同站点实测的地表蒸散发数据对反演值进行验证。【结果】利用MODIS短波辐射代替CLDAS气象数据中的短波辐射,能够显着提高蒸散发的反演精度,4个站点反演值与实测值之间的平均均方根误差为76.3 W/m2。【结论】利用MODIS数据和CLDAS数据可以获得区域尺度的全天候蒸散发。在缺乏短波辐射数据或短波辐射数据精度较低的情况下,利用MODIS数据反演得到的短波辐射作为蒸散发模型的参数输入,能较大地提高蒸散发的反演精度。(本文来源于《中国农业信息》期刊2019年01期）
王军,李和平,鹿海员,张瑞强,曹雪松[6]（2019）在《基于地表温度和叶面积指数的干湿限研究及区域蒸散发估算》一文中研究指出针对遥感能量平衡方法估算区域蒸散发(ET)存在的空间歧义性问题,本文以METRIC模型为例,基于地表温度(T_s)与叶面积指数(LAI)相关趋势图,按照"Ts频率直方图占比前5%的最高温度区、LAI频率直方图占比后5%的裸土区为‘干点’,Ts频率直方图占比后5%的最低温度区、LAI频率直方图占比前5%的湿地或农田为‘湿点’"的提取方案,综合确定研究区的干湿限,并通过下垫面涡度相关系统实测数据验证了模型估算精度。经检验,校准期和验证期的区域ET估算控制精度平均为15%,与以往研究成果相比,结果相对合理,提取方案在一定程度上可为METRIC模型主观确定干湿限提供帮助。将ET估算结果按土地利用分类提取,研究区不同土地利用类型表现为ET_(水体)> ET_(林地)> ET_(耕地)> ET_(未开发利用土地)> ET_(城乡工矿居民用地)≈ET_(草地),成果对区域遥感ET精准估算研究具有一定参考意义。(本文来源于《干旱区研究》期刊2019年02期）
赵龙[7]（2018）在《区域土地利用-高时空分辨率蒸散发与土壤含水量分布遥感反演》一文中研究指出土地利用信息、蒸散发和土壤水分监测是区域水资源高效管理的基础,采用遥感技术获取上述基础数据有助于区域水资源的动态管理。本研究以陕西关中地区的武功、扶风和杨陵3个县区为典型研究区域,采用理论分析、数值模拟和实验研究相结合的技术路线,开展了基于遥感的区域土地利用-高时空分辨率蒸散发与土壤含水量分布反演研究,得出以下主要研究结论:(1)提出了一种基于逐日时间序列遥感数据的土地利用/分类方法,解决了非逐日时间序列数据信息缺失导致土地利用/分类精度下降的问题。研究结果表明:非逐日时间序列进行平滑降噪处理时,S-G滤波算法优于HANTS滤波算法;经过空间插补系统处理的NDVI逐日时间序列数据较未经插补的时间序列数据在土地分类中表现更优,可较好地对周期内NDVI变化趋势相似地物进行区分,基于遗传算法优化支持向量机参数的方法可提高逐日时间序列数据的分类精度。(2)以构建的逐日NDVI时间序列遥感数据为基础,提出了一种改进多分类器融合算法。研究结果表明:不同单一分类器对逐日NDVI时间序列数据分类结果不同,马氏距离分类器由于机理特性需要选取大量的训练样本而不适用于逐日NDVI时间序列的土地分类,K-Means单一分类器不适用于种植结构复杂的灌区土地分类。基于时间序列数据的平均值、峰度和偏度叁个统计特征可以实现逐日时间序列遥感数据的土地分类,解决了时间序列数据空间维度大导致过程繁琐、计算量大的问题。改进多分类融合算法较未改进多分类器融合表现出更大的优势,解决了分类精度强弱不同的多个单一分类融合结果不佳的问题。(3)以人工神经网络算法为基础,提出了一种不依赖热红外数据的区域高时空分辨率蒸散量遥感反演方法。研究结果表明:在研究区域内地表温度和高程数据分别是是蒸散量估算的第一主导因子、第二主导因子。夏季地表温度与NDVI的相关性较好,可用NDVI和地表温度回归模型估算夏季地表温度。以热红外数据计算的地表温度为自变量的蒸散量遥感反演模型具有较高的精度;基于回归模型估算的地表温度的蒸散量遥感反演模型也具有较高的精度,且不依赖热红外数据的获取,可用于获取长时间蒸散量数据,增加了蒸散量数据使用的灵活性。(4)提出了一种蒸散量-植被指数(EVDI)模型用以反演区域土壤水分含量的方法,解决了地表温度-植被指数(TVDI)模型反演土壤水分的不确定性问题。研究结果表明:EVDI特征空间构建可以用来反演区域土壤水分含量。在玉米生长阶段,EVDI模型较TVDI模型更适用于反演土壤水分含量,EVDI模型结果与0~20 cm土层深度的土壤水分含量相关性最高,随土层深度增加相关性呈下降趋势。在小麦生长阶段,TVDI模型和EVDI模型均不适用于小麦幼苗期土壤水分含量的反演;与TVDI模型相比,EVDI模型不适用于冬季的土壤水分含量反演。不同作物不同时期土壤含水量反演研究的结果表明,TVDI和EVDI空间特征与多点监测结果可以实现区域土壤水分反演。基于EVDI可以进行土壤干旱等级划分,不同EVDI干旱指数代表不同干旱程度。需要指出的是,论文通过提高时间序列数据的维度提高了土地分类精度,但同时却增加了分类器计算负担,故提取逐日时间序列主要特征信息降低分类器计算负担的工作还需进一步研究。同时,在本文研究中,高时空分辨率的区域蒸散发遥感反演方法和土壤水分反演方法的研究没有考虑区域气象条件、地表覆盖类型和土壤属性的非唯一性给反演模型的稳定性带来的影响,由于这一问题比较复杂,仍需进一步研究。(本文来源于《西北农林科技大学》期刊2018-10-01）
苟思,刘超,贺宇欣,刘挺,李丹利[8]（2018）在《植物水分来源季节性变化对区域蒸散发模拟的影响》一文中研究指出植物水分来源会随季节变化。在旱季表层土壤水分不充裕时,植物会逐步使用深层土壤水或地下水,而当雨季表层土壤水分充足时,植物主要使用表层土壤水。然而当前的水文模型、陆面模式和气象模型很少考虑这一现象。本文对分布式陆面-水文模型Par Flow.CLM进行改进,引入以能量差为驱动的根系吸水计算方法,分析植物水分来源季节性变化对区域蒸散发模拟的影响。改进后的模型能够较好地模拟区域蒸散量和土壤水动态,并能较好地再现植物对地下水的使用情况。改进模型结果显示,植物使用地下水的时间主要集中在旱季,植物对地下水的使用是植物应对干旱的重要策略之一。对比美国加利福利亚州Tonzi实验站干旱年2008和平水年2009的结果,2008年植物使用地下水时间比2009年长53 d,用量高36%。改进模型和原模型结果对比显示:当蒸散发主要受到能量限制时,两个模型的模拟结果较为一致;但当蒸散发主要受到水量限制时,两个模型在蒸散发和深层土壤水的模拟结果上有显着差异。改进模型考虑了植物水分来源季节性变化对区域蒸散发模拟的影响,并能模拟地下水位降低对植物用水的影响。结果表明:改进模型中植物腾发量比原模型结果高71 mm/a,占全年总腾发量的43%。若忽略植物水分来源的季节性变化,会对区域蒸散量和深层土壤水的模拟产生巨大影响,且这种影响在旱季或干旱半干旱地区更为明显。(本文来源于《工程科学与技术》期刊2018年04期）
尹剑,欧照凡,付强,刘东,邢贞相[9]（2018）在《区域尺度蒸散发遥感估算——反演与数据同化研究进展》一文中研究指出遥感技术近年来在估算区域尺度蒸散发中应用广泛。不同方法在驱动数据、模型机理和适用范围往往存在很大差别。鉴于此,阐述了基于传统方法空间尺度扩展的遥感模型,经验统计公式,特征空间法,单源、双源垂向能量平衡余项法等几类的遥感蒸散发反演方法,简要介绍了叁温模型、非参数化模型、半经验模型、集成模型等常用模型。同时,分析了遥感数据同化实现连续估算区域蒸散发的主要思路,综述了基于能量平衡和基于复杂过程模型的数据同化的原理、方法演进及常用同化算法等。最后,探讨了各类区域蒸散发遥感方法的优劣、展望了模型机理完善、不确定性研究、结果验证等与蒸散发直接反演和数据同化相关的研究方向。(本文来源于《地理科学》期刊2018年03期）
钟昊哲,徐宪立,张荣飞,刘梅先[10]（2018）在《基于Penman-Monteith-Leuning遥感模型的西南喀斯特区域蒸散发估算》一文中研究指出西南喀斯特地区地形起伏大、土壤保水持水性差、生态环境脆弱.准确估算区域尺度蒸散发对研究喀斯特地区植被恢复、水资源管理等具有重要意义.本文以桂西北喀斯特植被恢复区为例,基于野外实测气象和蒸散发数据,采用最小二乘法对Penman-Monteith-Leuning(PML)模型中气孔导度土壤湿度指数进行参数优化,并结合MOD15A2叶面积指数进行空间外推,实现了区域尺度上长时序蒸散发的估算.结果表明:研究区蒸散发模拟值与实测值有较好的一致性,模型确定系数、纳什系数和均方根误差分别为0.85、0.75和1.56 mm·d~(-1).蒸散发表现出季节变化特征,并与植被生长季物候特征一致,夏季蒸散量达到峰值.研究区年蒸散量在534~1035 mm,陆面蒸散发的空间分布呈现差异性,受降水的空间分布影响较大.年蒸散发可能不仅受到降水因素的影响,还与人类活动和土地利用类型有关.(本文来源于《应用生态学报》期刊2018年05期）
区域蒸散发论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
蒸散发(evapotranspiration,ET)作为唯一同时参与水量循环和能量循环的水文参量,一直是干旱区水文研究的重要环节。科尔沁沙地是中国北方沙漠化最严重地区之一,揭示科尔沁沙地蒸散发时空变化特征以及水量平衡变化规律,对沙漠化防治具有重要意义。利用 Landsat8 遥感数据、GPM(Global Precipitation Measurement)降水数据与全球陆面数据同化系统(GLDAS)土壤含水量数据,基于最大熵增原理蒸散发(MEP)模型以及水量平衡法,对科尔沁沙地典型区地表参数、蒸散发以及水量平衡进行估算,并通过涡度实测数据、气象数据与SEBAL模型模拟数据对反演结果进行验证,在此基础上分析了不同土地覆被类型下地表参数、ET、降水、土壤含水量的时空变化,得到以下结论:(1)与实测数据对比发现:显热通量与土壤热通量误差相对较大,日ET与潜热通量误差较小,使用2014-2016 MEP模型与SEBAL模型模拟日ET实测日ET对比发现模拟值低于实测值;地表参数作为模型输入数据精度相对较高其中地表净辐射的拟合系数最高为0.98,相对误差最低为0.03,地表温度的均方根误差最小为2.49K;SEBAL模型模拟日ET高于MEP模型,二者拟合系数为0.83,与实测数据验证表明两个模型对于日ET估算均有较高精度;个别日期SEBAL模型与MEP模型在沙丘地有着较大的差异,误差在1mm以内,MEP模型可以为研究区提供相对合理的日ET估算值。(2)在不同土地覆被类型下地表参数与ET时空分布情况为:ET、地表净辐射以及归一化植被指数时空分布情况类似,在空间上均表现为在湖泊最高,农田与草甸次之,沙丘最低,而沙丘地由于沙丘类型不同又表现出固定沙丘与半固定沙丘高于流动沙丘的趋势,呈现以湖泊为中心向四周逐渐降低的趋势,地表温度与地表反照率在不同土地覆被类型与地表净辐射呈相反趋势,相对湿度在不同日期、不同土地覆被类型下有着较为明显的差异,规律性不强,整体而言湖泊相对湿度较高,农田与草甸波动较大,在时间上地表参数与ET变化规律一致,5-8月呈上升趋势,9-10月呈下降趋势。影响蒸散发以及地表参数的主要因素有:不同土地覆被类型供水条件不同、植被类型以及植被数量不同、人类活动、气象要素的变化。(3)植被指数与ET有着良好的响应关系,植被指数会随着ET的变化而波动,受植被数量与生长状况影响,在沙丘与草甸不同植被指数与降水以及ET有着不同的响应关系,沙丘地GCC、NDVI以及盖度与ET的响应关系相对较差,在草甸的GCC以及NDVI与ET关系最为密切;沙丘地降水以及ET均与GCC的相关性最高,草甸地盖度与ET有良好的相关关系,综合分析GCC以及盖度与ET相关性最高,相关关系较好。(4)GPM降水数据与GLDAS 土壤含水量数据模拟值均低于实测数据,科尔沁沙地降水时空分布不均匀,时间上降水主要集中在7月与8月,其他月份降水相对较少;空间上呈现四周多中间少的变化趋势,生长季平均降水量在260-475mm之间,随着土层厚度的增加,土壤含水量波动越小,主要是由于降水与蒸发对深层十壤含水量扰动较小,研究区生长季0-200cm处土壤含水量整体在280-340mm之间,地表水储量变化量较大,整体呈减少状态。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
区域蒸散发论文参考文献
[1].蒋磊,尚松浩,杨雨亭,王仰仁.基于遥感蒸散发的区域作物估产方法[J].农业工程学报.2019
[2].张鹏.基于最大熵增原理的科尔沁沙地蒸散发估算及区域水量平衡计算[D].内蒙古农业大学.2019
[3].程明瀚,郝仲勇,李斌斌,缴锡云,张航.基于SEBAL模型的北京市日蒸散发区域分布规律[J].中国农学通报.2019
[4].易珍言.农田区域蒸散发和土壤含水量协同获取方法研究与应用[D].中国水利水电科学研究院.2019
[5].廖前瑜,任超,冷佩,段四波,韩晓静.全天候区域地表蒸散发反演——以黑河流域为例[J].中国农业信息.2019
[6].王军,李和平,鹿海员,张瑞强,曹雪松.基于地表温度和叶面积指数的干湿限研究及区域蒸散发估算[J].干旱区研究.2019
[7].赵龙.区域土地利用-高时空分辨率蒸散发与土壤含水量分布遥感反演[D].西北农林科技大学.2018
[8].苟思,刘超,贺宇欣,刘挺,李丹利.植物水分来源季节性变化对区域蒸散发模拟的影响[J].工程科学与技术.2018
[9].尹剑,欧照凡,付强,刘东,邢贞相.区域尺度蒸散发遥感估算——反演与数据同化研究进展[J].地理科学.2018
[10].钟昊哲,徐宪立,张荣飞,刘梅先.基于Penman-Monteith-Leuning遥感模型的西南喀斯特区域蒸散发估算[J].应用生态学报.2018