全 文 ：书基于 犕犗犇犐犛影像的藏北高寒
草甸的蒸散模拟
付刚１，２，沈振西１，张宪洲１，武建双１，２，石培礼１
（１．中国科学院地理科学与资源研究所 生态系统网络观测与模拟重点实验室 拉萨高原生态系统研究站，
北京１００１０１；２．中国科学院研究生院，北京１０００４９）
摘要：在高寒草甸生态系统中，蒸散（ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ，ＥＴ）是水循环中一个非常重要的组成部分。为了更好的模
拟蒸散，本研究计算了生态系统尺度的水分利用效率（ＷＵＥＥＣ）。相关分析和多重逐步线性回归分析结果表明，影
响 ＷＵＥＥＣ的主要因子为归一化植被指数（ＮＤＶＩ）、空气相对湿度（Ｈａ）和显热通量（Ｈ）。在此基础上，分别建立了
ＷＵＥＥＣ与ＮＤＶＩ、Ｈａ和 Ｈ的线性回归方程（其中，Ｈ的模拟值 ＷＵＥＨ和 ＷＵＥＥＣ差异显著），利用建立的 ＷＵＥＥＣ的
回归方程和植被光合模型（ＶＰＭ）估计的总初级生产力（ＧＰＰＶＰＭ）模拟了生态系统尺度的蒸散。模拟的蒸散（ＮＤＶＩ
的模拟值ＥＴＮＤＶＩ，Ｈａ的模拟值ＥＴＨａ）和通量观测的蒸散（ＥＴＥＣ）的简单线性方程分别为ＥＴＮＤＶＩ＝１．２９８５ＥＴＥＣ（犚２
＝０．８０２９，狀＝４６，犘＜０．０００１）和ＥＴＨａ＝１．３１１８ＥＴＥＣ（犚２＝０．７４８７，狀＝４６，犘＜０．０００１），这表明ＥＴＮＤＶＩ和ＥＴＨａ都
能够比较准确地反应ＥＴＥＣ，但仍然存在较大的差异，本研究采用多重逐步线性回归的方法定量分析了造成该差异
的原因：ＥＴＥＣ和ＥＴＮＤＶＩ的差异（ＥＴＥＣ－ＥＴＮＤＶＩ）主要受光合有效辐射（ＰＡＲ）和ＧＰＰＶＰＭ的影响；而ＥＴＥＣ和ＥＴＨａ的差
异（ＥＴＥＣ－ＥＴＨａ）主要受ＰＡＲ、ＧＰＰＶＰＭ和增强型植被指数（ＥＶＩ）的影响。
关键词：蒸散；水分利用效率；植被光合模型；藏北高原；高寒草甸
中图分类号：Ｓ１６１．４；Ｓ８１２０５ 文献标识码：Ａ 文章编号：１００４５７５９（２０１０）０５０１０３１０
蒸散（ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ，ＥＴ）包括植被蒸腾（ｖｅｇｅｔａｔｉｏｎｔｒａｎｓｐｉｒａｔｉｏｎ）和土壤蒸发（ｓｏｉｌｅｖａｐｏｒａｔｉｏｎ）２个部
分，它是一个水从土壤、植被向大气输送的过程。在全球尺度上，几乎２／３的降水将以蒸散的形式归还给大气［１］。
同时在大多数生态系统中，蒸散是水分收支平衡关系中的第二大组成部分［２］，因此，蒸散在水循环过程中是一个
非常重要的因子。
遥感以其独特的优势为点到面的外推提供了可能，因此，遥感模型被极力推荐作为大区域连续蒸散管理的方
法［３，４］。近年来，已有很多研究成功地运用遥感方法对蒸散进行了模拟［１，３，５１２］。
目前，物理模型和经验模型是２种常用的预测蒸散的方法［３］。物理模型是建立在表面能量平衡概念基础上
的，通过能量平衡等式对蒸散进行预测。其中，ＰｅｎｍａｎＭｏｎｔｅｉｔｈ模型就是一个被广泛运用的蒸散物理模
型［１３１６］。但是，ＰｅｎｍａｎＭｏｎｔｅｉｔｈ蒸散模型自身存在缺点，它需要气象数据、空气动力学表面阻力参数作为输入
因子［３］，这就限制了该模型的实际运用。而经验模型主要是建立植被指数（ｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓ，ＶＩ）与蒸散间的统
计关系并以此为基础对蒸散进行预测。近年来，已有一些研究者成功利用经验统计模型，将涡度相关技术得到的
水、碳通量外推到区域尺度。Ｚｈａｎｇ等［３］在森林生态系统中建立了增强型植被指数（ｅｎｈａｎｃｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｉ
ｃｅｓ，ＥＶＩ）和蒸散间的关系。Ｎａｇｌｅｒ等［１７］则指出通量观测的蒸散和ＥＶＩ有着很强的线性关系。Ｃｌｅｕｇｈ等［７］则
利用通量数据和ＰｅｎｍａｎＭｏｎｔｅｉｔｈ模型对蒸散进行了成功的模拟。这些研究结果为基于遥感和通量观测的蒸
散模拟提供了可靠依据。
很多研究并不是直接模拟蒸散，而是利用遥感对蒸散比（蒸散和可利用能量的比值）或者水分利用效率（ｗａ
ｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙ，ＷＵＥ）进行估计的方式间接模拟蒸散［１，３，５，１１，１２］。
第１９卷 第５期
Ｖｏｌ．１９，Ｎｏ．５
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
１０３－１１２
２０１０年１０月
收稿日期：２００９１１０３；改回日期：２００９１１２９
基金项目：国家科技支撑计划项目（２００６ＢＡＣ０１Ａ０４，２００７ＢＡＣ０６Ｂ０１）和国家自然基金项目（４０７７１１２１）资助。
作者简介：付刚（１９８４），男，河北保定人，在读博士。Ｅｍａｉｌ：ｆｕｇａｎｇ０９＠１２６．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｓｈｅｎｚｘ＠ｉｇｓｎｒｒ．ａｃ．ｃｎ
高寒草甸是青藏高原典型植被之一，面积约１．２×１０６ｋｍ２，相当于西藏全区草地总面积的３０．９２％；它在亚
洲中部高寒环境以及世界高寒地区都具有代表性［１８］。因此，对于高寒草甸生态系统的蒸散研究就显得非常有意
义。基于此，本研究利用中分辨率成像光谱仪（ｍｏｄｅｒａｔｅｒｅｓｏｌｕｔｉｏｎｉｍａｇｉｎｇｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ，ＭＯＤＩＳ）影像数
据和通量观测数据模拟了藏北高寒草甸生态系统的蒸散。
本研究的蒸散模型是建立在总初级生产力（ｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ，ＧＰＰ）和 ＷＵＥ之比的概念上的。首
先，利用植被指数和气象数据建立 ＷＵＥ模型，然后利用植被光合模型模拟的ＧＰＰ和 ＷＵＥ模型对蒸散进行模
拟。
１ 材料与方法
１．１ 研究地概况
通量观测系统（９１°０４′Ｅ，３０°３０′Ｎ）位于拉萨市当雄县草原站，该站距当雄县城约３ｋｍ，地处念青唐古拉山
的南缘，属丘间盆地类型，地势平坦。当雄县素有拉萨北大门之称，平均海拔４２００ｍ，位于藏北藏南的交错地
带。该地区属于高原性季风气候。降水量有明显的季节之分，８０％的降水集中在生长季节的６－８月份。冰冻期
较长，持续３个月（１１月至翌年１月）。土壤类型为高寒草甸土，土壤厚度３０～５０ｃｍ。植物根系主要分布在０～
２０ｃｍ土层内。植被类型属于典型的藏北嵩草草甸植被，主要的植被类型有藏北嵩草（犓狅犫狉犲狊犻犪犾犻狋狋犾犲犱犪犾犲犻）沼泽
草甸和草原化小嵩草（犓．狆犪狉狏犪）草甸。草原化小嵩草草甸的建群种主要有小嵩草、丝颖针茅（犛狋犻狆犪犮犪狆犻犾犾犪
犮犲犪）、窄叶苔草（犆犪狉犲狓犿狅狀狋犻狊犲狏犲狉犲狊狋犻犻）等，伴生有多种密丛生嵩草。
１．２ 野外数据
通量数据和气象数据取自当雄通量观测系统，该通量观测系统以开路涡度相关系统（ｏｐｅｎｐａｔｈｅｄｄｙｃｏｖａｒｉ
ａｎｃｅｓｙｓｔｅｍ）为主，并对常规气象要素进行观测。该系统自２００３年７月份开始运行。常规气象要素主要包括光
合有效辐射、空气温／湿度、水汽压、降水量、土壤温／湿度和显热／潜热通量等。
本研究将光合有效辐射（ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎ，ＰＡＲ）＞１０μｍｏｌ／（ｍ
２·ｓ）时作为白天，而光合
有效辐射（ＰＡＲ）≤１０μｍｏｌ／（ｍ
２·ｓ）时作为晚上。摩擦风速ｕ的阈值采用了０．１５ｍ／ｓ。本研究假定白天和晚
上的生态系统呼吸对温度的响应一致，因此，可以利用晚上的生态系统呼吸模拟方程和白天的土壤温度估计白天
的生态系统呼吸。首先，利用Ｖａｎ’ｔＨｏｆｆ指数关系，将晚上的ｕ ＞０．１５ｍ／ｓ的净生态系统交换量（ｎｉｇｈｔｔｉｍｅ
ｎｅｔｅｃｏｓｙｓｔｅｍｅｘｃｈａｎｇｅ，ＮＥＥｎ）数据和土壤５ｃｍ处的温度（ｓｏｉｌｔｅｍｐｅｒａｔｕｒｅ，Ｔｓ）进行拟合，式（１）。然后根据拟
合的方程和白天５ｃｍ的土壤温度估计白天的生态系统呼吸（ｅｃｏｓｙｓｔｅｍｒｅｓｐｉｒａｔｉｏｎ，Ｒｅ），用白天的净生态系统交
换量（ｄａｙｔｉｍｅｎｅｔｅｃｏｓｙｓｔｅｍｅｘｃｈａｎｇｅ，ＮＥＥｄ）减去估计的白天的生态系统呼吸（Ｒｅ）就可以得到总初级生产力
ＧＰＰ，式（２）。利用ＧＰＰ和ＰＡＲ的关系，可以对缺失的ＧＰＰ进行插补，进而可以将ＧＰＰ合成为每８ｄ的ＧＰＰ，
从而可以与 ＭＯＤＩＳ数据进行匹配。
犖犈犈狀＝犫０ｅｘｐ（犫１犜狊） （１）
犌犘犘＝犖犈犈犱－犚犲 （２）
本研究中的生态系统水平的水分利用效率 ＷＵＥ（ｇＣ／ｍｍＨ２Ｏ）指的是每８ｄ的ＧＰＰ和ＥＴ之比。利用通
量观测系统可以得到每８ｄ的ＧＰＰＥＣ和ＥＴＥＣ，进而可以求得通量观测的水分利用效率（ＷＵＥＥＣ）。
１．３ ＭＯＤＩＳ数据及植被指数
本研究利用了ＭＯＤＩＳ的ＭＯＤ０９Ａ１数据产品，该产品包括每８ｄ的７个波段的反射率值和一些质量控制数
据等。这７个波段分别对应可见光波段的红波段（６２０～６７０ｎｍ）、蓝波段（４５９～４７９ｎｍ）、绿波段（５４５～５６５
ｎｍ），２个近红外波段（８４１～８７６ｎｍ，１２３０～１２５０ｎｍ）和２个短波红外波段（１６２８～１６５２ｎｍ，２１０５～２１５５
ｎｍ）。本研究利用了红波段、近红外波段（８４１～８７６ｎｍ）、蓝波段和短波红外波段（１６２８～１６５２ｎｍ）分别计算了
归一化植被指数（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓ，ＮＤＶＩ）、增强型植被指数（ｅｎｈａｎｃｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｉ
ｃｅｓ，ＥＶＩ）和陆地表面水分指数（ｌａｎｄｓｕｒｆａｃｅｗａｔｅｒｉｎｄｉｃｅｓ，ＬＳＷＩ）。
犖犇犞犐＝ρ狀犻狉－ρ狉犲犱
ρ狀犻狉＋ρ狉犲犱
（３）
４０１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１０） Ｖｏｌ．１９，Ｎｏ．５
犈犞犐＝犌× ρ狀犻狉－ρ狉犲犱
ρ狀犻狉＋（犆１×ρ狉犲犱－犆２×ρ犫犾狌犲）＋犔
（４）
犔犛犠犐＝ρ狀犻狉－ρ狊狑犻狉
ρ狀犻狉＋ρ狊狑犻狉
（５）
式中，ρ狉犲犱、ρ狀犻狉和ρ犫犾狌犲分别是ＭＯＤＩＳ传感器第１，２和３波段的数据，而ρ狊狑犻狉是第６波段的数据。系数犌＝２．５，犆１＝
６，犆２＝７．５，犔＝１［１９，２０］，其中犆１ 和犆２ 是气溶胶等大气影响物的校正系数；犔是冠层背景和雪覆盖校正系数［１９，２１］。
１．４ 模型的构建
蒸散ＥＴ是利用ＧＰＰ和 ＷＵＥ得到的，即：
犈犜＝犌犘犘犠犝犈
（６）
犠犝犈＝犳（犞犐狊，犜犪，…） （７）
犌犘犘是通过光合植被模型（ｖｅｇｅｔａｔｉｏｎｐｈｏｔｏｓｙｎｔｈｅｔｉｃｍｏｄｅｌ，ＶＰＭ）估计的。式中，犞犐狊表示植被指数，犜犪
表示空气温度。关于ＶＰＭ的详细介绍可参照Ｘｉａｏ等［２２２５］文献。
为了得到 ＷＵＥ方程，即方程（７），对通量塔观测的生长季节（５－１０月）的水分利用效率（ＷＵＥＥＣ）和植被指
数（ＮＤＶＩ、ＥＶＩ和ＬＳＷＩ）的关系，以及 ＷＵＥＥＣ和气象数据［包括光合有效辐射（ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｙａｃｔｉｖｅｒａｄｉａ
ｔｉｏｎ，ＰＡＲ）、空气温度（ａｉｒｔｅｍｐｅｒａｔｕｒｅ，Ｔａ）、空气相对湿度（ｒｅｌａｔｉｖｅａｉｒｈｕｍｉｄｉｔｙ，Ｈａ）、土壤含水量（ｓｏｉｌｗａｔｅｒ
ｃｏｎｔｅｎｔ，ＳＷＣ）、水汽压（ｖａｐｏｒｐｒｅｓｓｕｒｅ，Ｐｖ）、降水（ｐｒｅｃｉｐｉｔａｔｉｏｎ，Ｐｒｅｃｉｐ）、潜热通量（ｌａｔｅｎｔｈｅａｔｆｌｕｘ，ＬＥ）和显热
通量（ｓｅｎｓｉｂｌｅｈｅａｔｆｌｕｘ，Ｈ）］的关系进行了分析。
２ 结果与分析
２．１ 水分利用效率的模拟
简单的线性相关分析表明，ＷＵＥ和 ＮＤＶＩ（狉＝０．６１６）、ＥＶＩ（狉＝０．５８４）、ＬＳＷＩ（狉＝０．４７２）、ＳＷＣ（狉＝
０．４１４）、Ｈ（狉＝－０．５８７）以及ＰＡＲ（狉＝－０．４６１）都达到了极显著水平；并且和Ｈａ（狉＝０．３５０）、Ｐｖ（狉＝０．３４５）也达
到了显著性水平；而和Ｔａ（狉＝０．１４５）、Ｐｒｅｃｉｐ（狉＝０．２３６）、ＬＥ（狉＝－０．０５８）没有达到显著性水平。
ＮＤＶＩ、ＥＶＩ、ＬＳＷＩ、ＳＷＣ、Ｈ、ＰＡＲ、Ｈａ和Ｐｖ（这８个因子和 ＷＵＥ的相关性都达到了显著性水平）的相关分
析结果表明（表１），每个因子都至少和其中４个其他因子的相关性达到了显著或极显著水平，说明没有必要将这
８个因子同时用来模拟 ＷＵＥ，而只需要从中筛选出１～３个因子即可。所采用的筛选方法是多重逐步线性回归
分析，使用软件是ＳＡＳ９．１。
表１ 与水分利用效率有显著相关关系的８个因子间的相关分析
犜犪犫犾犲１ 犆狅狉狉犲犾犪狋犻狅狀犪狀犪犾狔狊犻狊犪犿狅狀犵８犳犪犮狋狅狉狊狑犺犻犮犺犪犾犺犪狏犲狊犻犵狀犻犳犻犮犪狀狋
犮狅狉狉犲犾犪狋犻狅狀狑犻狋犺狑犪狋犲狉狌狊犲犲犳犳犻犮犻犲狀犮狔
指标
Ｉｎｄｅｘ
归一化植被
指数ＮＤＶＩ
增强型植被
指数ＥＶＩ
陆地表面水分
指数ＬＳＷＩ
光合有效辐射
ＰＡＲ
土壤含水量
ＳＷＣ
水汽压
Ｐｖ
空气相对湿度
Ｈａ
显热通量
Ｈ
归一化植被指数ＮＤＶＩ １
增强型植被指数ＥＶＩ ０．９７２ １
陆地表面水分指数ＬＳＷＩ ０．８６８ ０．８５４ １
光合有效辐射ＰＡＲ －０．３７４ －０．２９４ －０．２５１ １
土壤含水量ＳＷＣ ０．８３０ ０．７５５ ０．７９０ －０．２９４ １
水汽压Ｐｖ ０．７２２ ０．６９１ ０．８６０ －０．２３９ ０．７１３ １
空气相对湿度 Ｈａ ０．６０６ ０．５２４ ０．６７５ －０．５９５ ０．６９１ ０．８１１ １
显热通量 Ｈ －０．７８２ －０．７２２ －０．６４３ ０．６５３ －０．６６６ －０．７０１ －０．７８５ １
注： 和 分别表示显著性达到０．０５和０．０１水平。
Ｎｏｔｅ：ａｎｄｓｉｇｎｉｆｉｃａｎｔａｔｔｈｅ０．０５ａｎｄ０．０１ｐｒｏｂａｂｉｌｉｔｙｌｅｖｅｌｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ．
５０１第１９卷第５期 草业学报２０１０年
鉴于截距项可能会影响自变量因子进入回归方程的机会，因此，对有截距项和无截距项２种情况分别进行了
多重逐步线性回归分析。无论是否考虑截距项，都是 ＮＤＶＩ入选，决定系数犚２ 分别为０．３６２６（有截距项）和
０．８９３０（无截距项）；且考虑截距项时，截距项并没有达到显著水平（犘＝０．８６１７），说明，此时截距项对解释 ＷＵＥ
意义不大，因此，本研究只考虑没有截距项的 ＮＤＶＩ模拟的 ＷＵＥ回归方程（ＷＵＥＮＤＶＩ＝１．２５５０ＮＤＶＩ，犘＜
０．０００１，狀＝４６）。
如果只对气象因子（ＳＷＣ、Ｈ、ＰＡＲ、Ｈａ和Ｐｖ）和 ＷＵＥ进行多重逐步线性回归分析，则考虑截距项时，Ｈ入
选（ＷＵＥＨ＝－０．０１０８Ｈ＋０．７４１１，犚２＝０．３２６４，犘＝０．０００１，狀＝４６）；而不考虑截距项时，Ｈａ入选（ＷＵＥＨａ＝
０．６２９７Ｈａ，犚２＝０．８４８６，犘＜０．０００１，狀＝４６）。因此，虽然Ｈａ和 ＷＵＥ的相关系数的绝对值小于Ｈ和 ＷＵＥ的
绝对值，但 Ｈａ比 Ｈ更能解释 ＷＵＥ的变异程度。
Ｈ和Ｈａ都能够在一定程度上解释 ＷＵＥ的变异性，但是如果将两者同时引入到 ＷＵＥ回归方程中，会使得
其中一个因子的估计值不能达到显著水平，这可能与两者的相关性较高有关（狉＝－０．７８５，犘＜０．０１）。
简单线性相关分析和多重逐步线性回归分析结果表明，不同因子对 ＷＵＥ的影响程度不同。
２．２ 水分利用效率（ＷＵＥ）的季节变化和年际动态
经Ｔ检验，ＷＵＥＥＣ和 ＷＵＥＮＤＶＩ、ＷＵＥＨａ都没有显著性差异，而和 ＷＵＥＨ有显著性差异，这可能和 ＷＵＥ模
拟方程的犚２ 值有关（ＮＤＶＩ和Ｈａ模拟的方程的犚２ 值都在０．８以上，而 Ｈ 模拟的犚２ 值则不到０．３３）。同时，
ＷＵＥＮＤＶＩ和 ＷＵＥＨａ也没有显著性差异，且都与 ＷＵＥＨ有显著性差异。这表明，Ｈ对 ＷＵＥ的模拟效果最差。
ＷＵＥＥＣ和模拟的水分利用效率（ＷＵＥＮＤＶＩ、ＷＵＥＨａ和 ＷＵＥＨ）都表现出了明显的季节变化（图１，表２）：基本
上为单峰曲线，峰值一般出现在生长旺季的７－８月份；总的来说，返青期（第１２１～１５２天）和枯黄期（第２４９～
３０４天）都比生长期（第１５３～２４８天）的小。
图１ 通量观测的水分利用效率和模拟的水分利用效率的季节变化
犉犻犵．１ 犛犲犪狊狅狀犪犾犮犺犪狀犵犲狅犳狅犫狊犲狉狏犲犱狑犪狋犲狉狌狊犲犲犳犳犻犮犻犲狀犮狔犪狀犱犿狅犱犲犾犲犱狑犪狋犲狉狌狊犲犲犳犳犻犮犻犲狀犮狔
ＷＵＥＥＣ：通量观测的水分利用效率Ｏｂｓｅｒｖｅｄｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙｂｙｆｌｕｘｏｂｓｅｒｖａｔｉｏｎ；ＷＵＥＮＤＶＩ：ＮＤＶＩ模拟的水分利用效率 Ｍｏｄｅｌｅｄｗａｔｅｒｕｓｅ
ｅｆｆｉｃｉｅｎｃｙｂｙＮＤＶＩ；ＷＵＥＨａ：空气相对湿度模拟的水分利用效率 Ｍｏｄｅｌｅｄｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙｂｙｒｅｌａｔｉｖｅａｉｒｈｕｍｉｄｉｔｙ；ＷＵＥＨ：显热通量模拟的水
分利用效率 Ｍｏｄｅｌｅｄｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙｂｙｓｅｎｓｉｂｌｅｈｅａｔｆｌｕｘ
２００４－２００５年 ＷＵＥ的年际变化趋势（表２）是：返青期，除了２００４年的 ＷＵＥＥＣ大于２００５年的 ＷＵＥＥＣ外，
模拟值都是２００４年的小于２００５年；生长期的值则都是２００４年的大于２００５年；枯黄期，ＷＵＥＥＣ和 ＷＵＥＨ都是
２００４年的大于２００５年，而 ＷＵＥＮＤＶＩ和 ＷＵＥＨａ则是２００４年的小于２００５年。
６０１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１０） Ｖｏｌ．１９，Ｎｏ．５
２．３ 蒸散（ＥＴ）的季节变化和年际动态
通量 观 测 的 蒸 散 （ＥＴＥＣ）和 模 拟 的 蒸 散
（ＥＴＮＤＶＩ、ＥＴＨａ和ＥＴＨ）的季节变化趋势一致（图２，
表３）：ＥＴ曲线为单峰曲线，模拟的ＥＴ曲线峰值出
现在生长旺季的７－８月份；返青期（第１２１－１５２
天）和枯黄期的值（第２４９－３０４天）都比生长期（第
１５３－２４８天）的小。
２００４－２００５年ＥＴ的年际变化趋势（表３）是：
返青期的值都是２００４年的大于２００５年；生长期，除
了２００４年的ＥＴＮＤＶＩ小于２００５年外，ＥＴＥＣ、ＥＴＨａ和
ＥＴＨ 都是２００４年的大于２００５年；枯黄期则都是
２００４年的小于２００５年。２００５年返青期的ＥＴＨａ和
ＥＴＨ 的平均数小于其标准差（表３），这说明 Ｈａ和
Ｈ对返青期的ＥＴ的模拟效果较差。
表２ 不同物候期的水分利用效率比较
犜犪犫犾犲２ 犇犻犳犳犲狉犲狀狋狆犺狅狀狅犾狅犵犻犮犪犾狑犪狋犲狉狌狊犲犲犳犳犻犮犻犲狀犮狔
ｇＣ／ｍｍＨ２Ｏ
因子
Ｆａｃｔｏｒｓ
年份
Ｙｅａｒ
返青期
Ｓｅｅｄｌｉｎｇｐｅｒｉｏｄ
生长期
Ｇｒｏｗｉｎｇｓｅａｓｏｎ
枯黄期
Ｗｉｌｔｐｅｒｉｏｄ
通量观测Ｆｌｕｘ ２００４ ０．２４０±０．０４５ ０．５００±０．１９４ ０．４２４±０．１９２
ｏｂｓｅｒｖａｔｉｏｎｓ ２００５ ０．０６８±０．０１９ ０．４１０±０．１６２ ０．３５５±０．１８３
归一化植被 ２００４ ０．１８５±０．０２９ ０．５０３±０．１０１ ０．３５５±０．０８６
指数ＮＤＶＩ ２００５ ０．１９０±０．０３８ ０．４０３±０．１１０ ０．４０９±０．０８７
空气相对湿度 ２００４ ０．２８２±０．１２８ ０．４６７±０．０２６ ０．３５１±０．０７１
Ｈａ ２００５ ０．３７１±０．０８６ ０．４３４±０．０５６ ０．３９７±０．０４８
显热通量 ２００４ ０．２１５±０．０６５ ０．２９５±０．０５８ ０．３７８±０．１６７
Ｈ ２００５ ０．２５４±０．０７９ ０．２７８±０．０６３ ０．３１９±０．０５０
图２ 通量观测的蒸散和模拟的蒸散季节变化
犉犻犵．２ 犛犲犪狊狅狀犪犾犮犺犪狀犵犲狅犳狅犫狊犲狉狏犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀犪狀犱犿狅犱犲犾犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀
ＥＴＥＣ：通量观测的蒸散 Ｏｂｓｅｒｖｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｂｙｆｌｕｘｏｂｓｅｒｖａｔｉｏｎ；ＥＴＮＤＶＩ：ＮＤＶＩ模拟的蒸散 ＭｏｄｅｌｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｂｙＮＤＶＩ；
ＥＴＨａ：空气相对湿度模拟的蒸散 Ｍｏｄｅｌｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｂｙｒｅｌａｔｉｖｅａｉｒｈｕｍｉｄｉｔｙ；ＥＴＨ：显热通量模拟的蒸散 Ｍｏｄｅｌｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｂｙ
ｓｅｎｓｉｂｌｅｈｅａｔｆｌｕｘ
２００４和２００５年枯黄期的最后一个８天（第２９７～３０４天）的ＥＴ量都为０（图２），这主要是因为用ＶＰＭ估计
ＧＰＰ时，由于此阶段的空气温度已经低于本研究在该模型中设定的最小空气温度（０℃），从而使得此时的ＧＰＰ
值为０。
２００４年和２００５年生长季节（５－１０月份）的ＥＴＥＣ、ＥＴＮＤＶＩ、ＥＴＨａ和ＥＴＨ 总量分别为５４１．７１６，６７８．６４６，
７１３．３２１，１０８１．９６９和４０７．０４２，６９７．１０８，６５５．２０９，１０２６．４４８ｍｍＨ２Ｏ／ｍ２。这些数据表明，模拟的生长季节的
ＥＴ总量大于ＥＴＥＣ总量，其中ＥＴＨ 总量最大；除了ＥＴＮＤＶＩ外，２００５年生长季节的ＥＴ总量小于２００４年的；２００４
年生长季节的ＥＴＮＤＶＩ总量小于ＥＴＨａ总量，而２００５年生长季节的ＥＴＮＤＶＩ总量则大于ＥＴＨａ总量。
７０１第１９卷第５期 草业学报２０１０年
２．４ 观测的蒸散（ＥＴＥＣ）和模拟的蒸散（ＥＴＨ、ＥＴＨａ
和ＥＴＮＤＶＩ）的比较
通量观测的蒸散（ＥＴＥＣ）和模拟的蒸散（ＥＴＨ、
ＥＴＨａ和ＥＴＮＤＶＩ）的简单线性回归（图３，表４）表明，
２００４年的模拟值比２００５年的更接近于 ＥＴＥＣ，即
２００４年的模拟结果好于２００５年的；ＥＴＨａ和ＥＴＮＤＶＩ
比较接近，且都小于ＥＴＨ，即Ｈ的模拟效果最差，这
与前面提到的 Ｈ 对 ＷＵＥ的模拟效果最差一致；
２００４年ＮＤＶＩ的模拟效果好于 Ｈａ的模拟效果，而
２００５年则是Ｈａ的模拟效果好于ＮＤＶＩ的。
２００４－２００５年２个生长季的 ＥＴＥＣ和 ＥＴＨａ、
ＥＴＮＤＶＩ的线性回归方程分别是ＥＴＨａ＝１．３１１８ＥＴＥＣ
（犚２＝０．７４８７，狀＝４６，犘＜０．０００１）和 ＥＴＮＤＶＩ＝
１．２９８５ＥＴＥＣ（犚２＝０．８０２９，狀＝４６，犘＜０．０００１），表
明ＮＤＶＩ的模拟效果好于Ｈａ。
表３ 不同物候期的蒸散比较
犜犪犫犾犲３ 犇犻犳犳犲狉犲狀狋狆犺狅狀狅犾狅犵犻犮犪犾犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀
ｍｍＨ２Ｏ／ｍ２·ｄ
因子
Ｆａｃｔｏｒｓ
年份
Ｙｅａｒ
返青期
Ｓｅｅｄｌｉｎｇｐｅｒｉｏｄ
生长期
Ｇｒｏｗｉｎｇｓｅａｓｏｎ
枯黄期
Ｗｉｌｔｐｅｒｉｏｄ
通量观测Ｆｌｕｘ ２００４ １．９８９±１．７９１ ３．８７８±０．９３４ １．８８９±１．１３５
ｏｂｓｅｒｖａｔｉｏｎｓ ２００５ １．３２７±０．１０２ ２．６７９±０．４３７ １．９１８±０．９２９
归一化植被 ２００４ ３．５１３±０．６９０ ４．４９１±１．２０２ ２．４１３±１．８０４
指数ＮＤＶＩ ２００５ ２．７９２±２．４７０ ４．８６２±１．２４８ ２．５１９±１．７６２
空气相对湿度 ２００４ ２．７２３±１．５７２ ４．９８７±１．９３２ ２．６３２±２．３９０
Ｈａ ２００５ １．９０８±２．４４４ ４．５２７±１．６３７ ２．８５０±２．２４６
显热通量 ２００４ ３．２７８±１．４２５ ８．２１６±３．８５４ ３．３６３±３．３３６
Ｈ ２００５ ３．２２４±４．５２６ ７．２２５±２．６４０ ４．１０１±３．８２３
图３ 通量观测的蒸散和模拟的蒸散的线性拟合
犉犻犵．３ 犔犻狀犲犪狉犳犻狋狋犻狀犵犫犲狋狑犲犲狀犿狅犱犲犾犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀犪狀犱狅犫狊犲狉狏犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀
ＥＴＨ：显热通量模拟的蒸散Ｍｏｄｅｌｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｂｙｓｅｎｓｉｂｌｅｈｅａｔｆｌｕｘ；ＥＴＮＤＶＩ：归一化植被指数模拟的蒸散Ｍｏｄｅｌｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｂｙ
ＮＤＶＩ；ＥＴＨａ：空气相对湿度模拟的蒸散 Ｍｏｄｅｌｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｂｙｒｅｌａｔｉｖｅａｉｒｈｕｍｉｄｉｔｙ；┄┄：ＥＴＨ 和ＥＴＥＣ的拟合直线Ｌｉｎｅａｒｆｉｔｔｉｎｇｂｅｔｗｅｅｎ
ＥＴＨａｎｄＥＴＥＣ；———：ＥＴＨａ和ＥＴＥＣ的拟合直线ＬｉｎｅａｒｆｉｔｔｉｎｇｂｅｔｗｅｅｎＥＴＨａａｎｄＥＴＥＣ；……：ＥＴＮＤＶＩ和ＥＴＥＣ的拟合直线Ｌｉｎｅａｒｆｉｔｔｉｎｇｂｅｔｗｅｅｎ
ＥＴＮＤＶＩａｎｄＥＴＥＣ
为了定量分析蒸散差值（ＥＴＥＣ－ＥＴＨａ和ＥＴＥＣ－ＥＴＮＤＶＩ）的影响因子，本研究对蒸散差值和一些可能会造成
该差值的１１个因子（包括 ＷＵＥＨａ／ＷＵＥＮＤＶＩ、ＧＰＰＶＰＭ、ＮＤＶＩ、ＬＳＷＩ、ＥＶＩ、ＳＷＣ、ＰＡＲ、Ｈａ、Ｐｖ、Ｈ和ＬＥ）进行了
简单的线性相关分析和多重逐步线性回归分析。
简单的相关分析表明：ＥＴＥＣ－ＥＴＨａ和ＰＡＲ、ＧＰＰＶＰＭ、ＮＤＶＩ、ＥＶＩ、ＬＳＷＩ、ＷＵＥＮＤＶＩ的相关性分别都达到了显
著或极显著水平，和其他５个因子的相关性没有达到显著性水平；而ＥＴＥＣ－ＥＴＮＤＶＩ和Ｈａ、ＰＡＲ、ＧＰＰＶＰＭ、ＷＵＥＨａ
的相关性分别都达到了极显著水平，和其他７个因子的相关性没有达到显著性水平。
８０１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１０） Ｖｏｌ．１９，Ｎｏ．５
多重逐步线性回归分析结果表明，ＥＴＥＣ－ＥＴＨａ
和ＥＴＥＣ－ＥＴＮＤＶＩ的回归方程分别是ＥＴＥＣ－ＥＴＨａ＝
０．０４５７ＰＡＲ＋２．４０５４ＧＰＰＶＰＭ －４．６０６４ＥＶＩ－
０．０４６４ＬＥ（犚２＝０．９４２５，犘＜０．０００１，狀＝４６）和
ＥＴＥＣ－ＥＴＮＤＶＩ＝０．０５０１ＰＡＲ＋１．３２２０ＧＰＰＶＰＭ－
１．８３９１ＥＶＩ－０．０３６３ＬＥ（犚２＝０．９０８４，犘＜０．０００１，
狀＝４６）。
３ 讨论
３．１ 水分利用效率（ＷＵＥ）的影响因子
影响 ＷＵＥ的因子很多，包括来自植物的内在
因子和来自环境的外在因子［２６，２７］。不同的研究者
对此的看法不尽相同。黄立华等［２８］在对羊草
（犔犲狔犿狌狊犮犺犻狀犲狀狊犻狊）受苏打盐碱胁迫下的 ＷＵＥ进
行研究时指出，随着盐碱迫害程度的增大，ＷＵＥ有
表４ 通量观测的蒸散和模拟的蒸散的
线性回归方程（狀＝２３）
犜犪犫犾犲４ 犔犻狀犲犪狉狉犲犵狉犲狊狊犻狅狀犲狇狌犪狋犻狅狀狊犫犲狋狑犲犲狀狅犫狊犲狉狏犲犱
犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀犪狀犱犿狅犱犲犾犲犱犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀
犳狉狅犿２００４狋狅２００５，狉犲狊狆犲犮狋犻狏犲犾狔
模拟因子
Ｍｏｄｅｌｅｄｆａｃｔｏｒｓ
年份
Ｙｅａｒ
回归方程
Ｒｅｇｒｅｓｓｉｏｎｅｑｕａｔｉｏｎｓ
决定系数
犚２
显著性
概率犘
显热通量 ２００４ ＥＴＨ＝１．８６１３７ＥＴＥＣ ０．７２３０７ ＜０．０００１
Ｈ ２００５ ＥＴＨ＝２．５８３５２ＥＴＥＣ ０．８１５２８ ＜０．０００１
空气相对 ２００４ ＥＴＨａ＝１．１５９３５ＥＴＥＣ ０．７１２８８ ＜０．０００１
湿度 Ｈａ ２００５ ＥＴＨａ＝１．６３０７０ＥＴＥＣ ０．８３２８１ ＜０．０００１
归一化植被 ２００４ ＥＴＮＤＶＩ＝１．１０９０７ＥＴＥＣ ０．８１８８７ ＜０．０００１
指数ＮＤＶＩ ２００５ ＥＴＮＤＶＩ＝１．６９０８６ＥＴＥＣ ０．８５７０６ ＜０．０００１
所提高。刘国利等［２９］在研究紫花苜蓿（犕犲犱犻犮犪犵狅狊犪狋犻狏犪）ＷＵＥ时指出，水分胁迫可提高紫花苜蓿的 ＷＵＥ。孙
洪仁等［３０］指出，紫花苜蓿不同茬次间的 ＷＵＥ有差异。郑有飞等［３１］对小麦（犜狉犻狋犻犮狌犿犪犲狊狋犻狏狌犿）的 ＷＵＥ的研究
结果显示，影响 ＷＵＥ的主要因子为光照、相对湿度、气孔传导率和土壤肥力等。杨秀芳等［３２］则指出，ＷＵＥ随光
合有效辐射通量密度的增大呈抛物线状变化。Ｈａｔｆｉｅｌｄ等［３３］指出土壤管理措施（如耕种）能够增加２５％～４０％
的 ＷＵＥ。邵新庆等［３４］则认为麦草覆盖和免耕技术是提高 ＷＵＥ的重要措施之一。Ｏｗｅｉｓ等［３５］研究表明，ＷＵＥ
受灌溉、氮素和播种期的影响。Ａｌｆｉｅｒｉ等［１］在用植被蒸腾模型对美国大平原草地的蒸腾效率进行模拟时，则假定
ＷＵＥ是个恒值。Ｚｈａｎｇ等［３］在对长白山地区森林的ＥＴ进行遥感模拟时指出，ＥＴ和ＮＤＶＩ、ＥＶＩ以及空气温度
的相关性很高，且和ＥＶＩ的关系强于和ＮＤＶＩ的关系。
本研究结果表明，ＷＵＥ和ＮＤＶＩ的关系最为密切；在只考虑气候因子的情况下，ＷＵＥ和 Ｈ、Ｈａ的关系最
为密切。ＷＵＥ和ＮＤＶＩ的相关关系强于 ＷＵＥ和ＥＶＩ的，这一点和Ｚｈａｎｇ等［３］的结果恰好相反，这可能和植被
类型有关［３６４０］，本试验研究的是藏北地区的高寒草甸，而Ｚｈａｎｇ等［３］研究的是东北地区长白山的森林植被。除
此之外，ＷＵＥ还受到ＣＯ２ 的影响［４１］。
３．２ 通量观测的蒸散（ＥＴＥＣ）和模拟的蒸散（ＥＴＨａ和ＥＴＮＤＶＩ）
简单的线性相关分析和多重逐步回归分析结果都显示 ＮＤＶＩ是最好的模拟 ＷＵＥ的因子。虽然２００４年
ＮＤＶＩ的ＥＴ模拟效果好于 Ｈａ的模拟效果，而２００５年则是 Ｈａ的模拟效果好于 ＮＤＶＩ的，但是综合２００４和
２００５年２个生长季节的ＥＴ数据，可以得到ＮＤＶＩ的模拟效果好于 Ｈａ的。总之，在研究的时间段内，ＮＤＶＩ是
反应高寒草甸植被生态系统的 ＷＵＥ和ＥＴ的最好因子。
模拟的蒸散值大于通量观测值（图２，表４），尤其是２００５年的更为明显，即观测的蒸散和模拟的蒸散间存在
着不一致。产生不一致的可能原因来自２个方面，一是 ＷＵＥ的模拟；二是ＧＰＰ的模拟。ＷＵＥ的模拟是基于
ＮＤＶＩ或气候数据（Ｈａ和Ｈ）；ＧＰＰ的模拟是基于ＶＰＭ。所有影响 ＷＵＥ和ＧＰＰ模拟的因子都可能造成观测蒸
散和模拟蒸散间的不一致。虽然ＮＤＶＩ或Ｈａ模拟的 ＷＵＥ方程能够解释８４％以上的 ＷＵＥ变异，且模拟的水
分利用效率（ＷＵＥＮＤＶＩ和 ＷＵＥＨａ）和观测的水分利用效率（ＷＵＥＥＣ）间差异不显著，但是模拟的水分利用效率并
没有１００％解释 ＷＵＥＥＣ的变异，即模拟的水分利用效率和 ＷＵＥＥＣ间仍存在某种或几种因素能够解释不足１６％
的 ＷＵＥＥＣ变异。植被光合模型模拟的总初级生产力（ＧＰＰＶＰＭ）和通量观测的总初级生产力（ＧＰＰＥＣ）两者间的差
异并不显著，但该差异仍可能会对蒸散的模拟造成影响，关于可能会对ＧＰＰ的模拟产生影响的因素的相关介绍
可参照Ｘｉａｏ等的研究［２２２５］。
观测的蒸散和模拟的蒸散的差值（ＥＴＥＣ－ＥＴＨａ和ＥＴＥＣ－ＥＴＮＤＶＩ）的多重逐步线性回归分析结果显示，观测
９０１第１９卷第５期 草业学报２０１０年
的蒸散和模拟的蒸散间的差异主要由ＰＡＲ、ＧＰＰＶＰＭ、ＥＶＩ和ＬＥ共同解释（犚２＞０．９０）。与此同时，相关分析结果
表明，ＥＴＥＣ－ＥＴＨａ和其中的ＰＡＲ、ＧＰＰＶＰＭ、ＥＶＩ的相关性分别都达到了显著性水平；而ＥＴＥＣ－ＥＴＮＤＶＩ和其中的
ＰＡＲ、ＧＰＰＶＰＭ的相关性分别都达到了极显著水平。因此，ＥＴＥＣ－ＥＴＨａ主要受ＰＡＲ、ＧＰＰＶＰＭ和ＥＶＩ的影响；而
ＥＴＥＣ－ＥＴＮＤＶＩ主要受ＰＡＲ和ＧＰＰＶＰＭ的影响。ＧＰＰ是ＥＴ模拟中的一个关键因子，因此，ＧＰＰ对观测蒸散和模
拟蒸散间的不一致可能会产生影响。ＰＡＲ不仅是ＶＰＭ 中的一个重要参数［２２２５］，对于ＧＰＰＶＰＭ的模拟有直接影
响，而且和 ＷＵＥ的相关性达到了极显著水平，即ＰＡＲ对于本研究所采用的蒸散模拟方法中的ＧＰＰ和 ＷＵＥ都
会产生影响。在ＶＰＭ中，ＥＶＩ被用来估计冠层尺度的叶绿素吸收的ＰＡＲ的比例［２２２５］，是ＧＰＰＶＰＭ模拟的一个重
要因子，同时ＥＶＩ和 ＷＵＥ的相关性达到了极显著水平，因此，对于观测蒸散和模拟蒸散间的不一致也可能会产
生一定的影响。总之，对于观测的蒸散和模拟的蒸散间的不一致而言，ＰＡＲ和ＧＰＰＶＰＭ是２个非常重要的因子。
４ 结论
影响水分利用效率（ＷＵＥ）的植被指数主要为ＮＤＶＩ，其模拟的水分利用效率（ＷＵＥＮＤＶＩ）和通量观测的水分
利用效率（ＷＵＥＥＣ）间差异不显著。
影响 ＷＵＥ的气象因子主要是Ｈａ和Ｈ，其中Ｈａ模拟的水分利用效率（ＷＵＥＨａ）和 ＷＵＥＥＣ差异也不显著，
而Ｈ模拟的水分利用效率（ＷＵＥＨ）和 ＷＵＥＥＣ差异显著。
ＷＵＥ和ＥＴ都存在着季节变化和年际动态，它们的季节变化趋势为单峰曲线，峰值一般出现在生长旺季的
７－８月份。２００４年ＮＤＶＩ的ＥＴ模拟效果好于Ｈａ的模拟效果，而２００５年则是 Ｈａ的模拟效果好于ＮＤＶＩ的，
因此，模拟的２００４和２００５年生长季节的ＥＴ总量分别为６７８．６４６ｍｍ Ｈ２Ｏ／ｍ２（来自 ＮＤＶＩ的模拟结果）和
６５５．２０９ｍｍＨ２Ｏ／ｍ２（来自Ｈａ的模拟结果）。
通量观测的蒸散（ＥＴＥＣ）和ＮＤＶＩ模拟的蒸散（ＥＴＮＤＶＩ）间的差异ＥＴＥＣ－ＥＴＮＤＶＩ主要受ＰＡＲ和ＧＰＰＶＰＭ的影
响；而ＥＴＥＣ和Ｈａ模拟的蒸散（ＥＴＨａ）间的差异ＥＴＥＣ－ＥＴＨａ主要受ＰＡＲ、ＧＰＰＶＰＭ和ＥＶＩ的影响。
参考文献：
［１］ ＡｌｆｉｅｒｉＪＧ，ＸｉａｏＸＭ，ＮｉｙｏｇｉＤ，犲狋犪犾．ＳａｔｅｌｉｔｅｂａｓｅｄｍｏｄｅｌｉｎｇｏｆｔｒａｎｓｐｉｒａｔｉｏｎｆｒｏｍｔｈｅｇｒａｓｓｌａｎｄｓｉｎｔｈｅＳｏｕｔｈｅｒｎＧｒｅａｔ
Ｐｌａｉｎｓ，ＵＳＡ［Ｊ］．ＧｌｏｂａｌａｎｄＰｌａｎｅｔａｒｙＣｈａｎｇｅ，２００９，６７：７８８６．
［２］ ＮａｃｈａｂｅＭ，ＳｈａｈＮ，ＲｏｓｓＭ，犲狋犪犾．Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｏｆｔｗｏｖｅｇｅｔａｔｉｏｎｃｏｖｅｒｓｉｎａｓｈａｌｏｗｗａｔｅｒｔａｂｌｅｅｎｖｉｒｏｎｍｅｎｔ［Ｊ］．
ＳｏｉｌＳｃｉｅｎｃｅＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａＪｏｕｒｎａｌ，２００５，６９（２）：４９２４９９．
［３］ ＺｈａｎｇＪＨ，ＨｕＹＬ，ＸｉａｏＸＭ，犲狋犪犾．Ｓａｔｅｌｉｔｅｂａｓｅｄｅｓｔｉｍａｔｉｏｎｏｆｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｏｆａｎｏｌｄｇｒｏｗｔｈｔｅｍｐｅｒａｔｅｍｉｘｅｄｆｏｒｅｓｔ［Ｊ］．
ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００９，１４９：９７６９８４．
［４］ ＶｅｒｓｔｒａｅｔｅｎＷ Ｗ，ＶｅｒｏｕｓｔｒａｅｔｅＦ，ＦｅｙｅｎＪ．ＥｓｔｉｍａｔｉｎｇｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｏｆＥｕｒｏｐｅａｎｆｏｒｅｓｔｆｒｏｍＮＯＡＡｉｍａｇｅｒｙａｔｓａｔｅｌｉｔｅ
ｏｖｅｒｐａｓｓｔｉｍｅ：Ｔｏｗａｒｄｓａｎｏｐｅｒａｔｉｏｎａｌｐｒｏｃｅｓｓｉｎｇｃｈａｉｎｆｏｒｉｎｔｅｇｒａｔｅｄｏｐｔｉｃａｌａｎｄｔｈｅｒｍａｌｓｅｎｓｏｒｄａｔａｐｒｏｄｕｃｔｓ［Ｊ］．Ｒｅｍｏｔｅ
ＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００５，９６（２）：２５６２７６．
［５］ ＶｅｎｔｕｒｉｍＶ，ＩｓｌａｍＳ，ＲｏｄｒｉｇｕｅｚＬ．Ｅｓｔｉｍａｔｉｏｎｏｆｅｖａｐｏｒａｔｉｖｅｆｒａｃｔｉｏｎａｎｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｆｒｏｍ ＭＯＤＩＳｐｒｏｄｕｃｔｓｕｓｉｎｇａ
ｃｏｍｐｌｅｍｅｎｔａｒｙｂａｓｅｄｍｏｄｅｌ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００８，１１２：１３２１４１．
［６］ ＳｕｌｅｉｍａｎＡ，ＣｒａｇｏＲ．Ｈｏｕｒｌｙａｎｄｄａｙｔｉｍｅｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｆｒｏｍｇｒａｓｓｌａｎｄｕｓｉｎｇｒａｄｉｏｍｅｔｒｉｃｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅｓ［Ｊ］．
ＡｇｒｏｎｏｍｙＪｏｕｒｎａｌ，２００４，９６：３８４３９０．
［７］ ＣｌｅｕｇｈＨ Ａ，ＬｅｕｎｉｎｇＲ，ＭｕＱＺ，犲狋犪犾．ＲｅｇｉｏｎａｌｅｖａｐｏｒａｔｉｏｎｅｓｔｉｍａｔｅｓｆｒｏｍｆｌｕｘｔｏｗｅｒａｎｄＭＯＤＩＳｓａｔｅｌｉｔｅｄａｔａ［Ｊ］．
ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００７，１０６：２８５３０４．
［８］ ＨｏｌｉｆｉｅｌｄＣＤ，ＭｃＥｌｒｏｙＳ，ＭｏｒａｎＭＳ，犲狋犪犾．ＴｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｃｈａｎｇｅｓｉｎｇｒａｓｓｌａｎｄｔｒａｎｓｐｉｒａｔｉｏｎｄｅｔｅｃｔｅｄｕｓｉｎｇＬａｎｄｓａｔ
ＴＭａｎｄＥＴＭ＋ｉｍａｇｅｒｙ［Ｊ］．ＣａｎａｄｉａｎＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００３，２９：２５９２７０．
［９］ ＮｉｓｈｉｄａＫ，ＮｅｍａｎｉＲＲ，ＲｕｎｎｉｎｇＳＷ，犲狋犪犾．Ａｎｏｐｅｒａｔｉｏｎａｌｒｅｍｏｔｅｓｅｎｓｉｎｇａｌｇｏｒｉｔｈｍｏｆｌａｎｄｓｕｒｆａｃｅｅｖａｐｏｒａｔｉｏｎ［Ｊ］．
ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ，２００３，１０８：１１４．
［１０］ ＫｕｓｔａｓＷＰ，ＮｏｒｍａｎＪＭ．Ｕｓｅｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｆｏｒｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｍｏｎｉｔｏｒｉｎｇｏｖｅｒｌａｎｄｓｕｒｆａｃｅｓ［Ｊ］．ＨｙｄｒｏｌｏｇｉｃａｌＳｃｉ
ｅｎｃｅｓ，１９９６，４１（４）：４９５５１６．
０１１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１０） Ｖｏｌ．１９，Ｎｏ．５
［１１］ ＢａｔｒａＮ，ＩｓｌａｍＳ，ＶｅｎｔｕｒｉｎｉＶ，犲狋犪犾．Ｅｓｔｉｍａｔｉｏｎａｎｄｃｏｍｐａｒｉｓｏｎｏｆｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｆｒｏｍ ＭＯＤＩＳａｎｄＡＶＨＲＲｓｅｎｓｏｒｓ
ｆｏｒｃｌｅａｒｓｋｙｄａｙｓｏｖｅｒｔｈｅＳｏｕｔｈｅｒｎＧｒｅａｔＰｌａｉｎｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００６，１０３：１１５．
［１２］ ＶｅｎｔｕｒｉｎｉＶ，ＢｉｓｈｔＧ，ＩｓｌａｍＳ，犲狋犪犾．ＣｏｍｐａｒｉｓｏｎｏｆｅｖａｐｏｒａｔｉｖｅｆｒａｃｔｉｏｎｓｅｓｔｉｍａｔｅｄｆｒｏｍＡＶＨＲＲａｎｄＭＯＤＩＳｓｅｎｓｏｒｓｏｖｅｒ
ＳｏｕｔｈＦｌｏｒｉｄａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００４，９３：７７８６．
［１３］ ｄａＳｉｌｖａＶＤＲ，ｄｅＡｚｅｖｅｄｏＰＶ，ｄａＳｉｌｖａＢＢ．ＳｕｒｆａｃｅｅｎｅｒｇｙｆｌｕｘｅｓａｎｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｏｆａＭａｎｇｏＯｒｃｈａｒｄｇｒｏｗｎｉｎａ
ｓｅｍｉａｒｉｄｅｎｖｉｒｏｎｍｅｎｔ［Ｊ］．ＡｇｒｏｎｏｍｙＪｏｕｒｎａｌ，２００７，９９：１３９１１３９６．
［１４］ ＧｒａｎｇｅｒＲＪ，ＧｒａｙＤＭ．Ｅｖａｐｏｒａｔｉｏｎｆｒｏｍｎａｔｕｒａｌｎｏｎｓａｔｕｒａｔｅｄｓｕｒｆａｃｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，１９８９，１１１：２１２９．
［１５］ ＴｏｌｋＪＡ，ＨｏｗｅｌＴＡ，ＥｖｅｔｔＳＲ．ＮｉｇｈｔｔｉｍｅｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｆｒｏｍＡｌｆａｌｆａａｎｄＣｏｔｔｏｎｉｎａｓｅｍｉａｒｉｄｃｌｉｍａｔｅ［Ｊ］．Ａｇｒｏｎｏ
ｍｙＪｏｕｒｎａｌ，２００６，９８：７３０７３６．
［１６］ ＬａｓｃａｎｏＲＪ，ｖａｎＢａｖｅｌＣＨ Ｍ．Ｅｘｐｌｉｃｉｔａｎｄｒｅｃｕｒｓｉｖｅｃａｌｃｕｌａｔｉｏｎｏｆｐｏｔｅｎｔｉａｌａｎｄａｃｔｕａｌｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ［Ｊ］．Ａｇｒｏｎｏｍｙ
Ｊｏｕｒｎａｌ，２００７，９９：５８５５９０．
［１７］ ＮａｇｌｅｒＰＬ，ＧｌｅｎｎＥＰ，ＫｉｍＨ，犲狋犪犾．Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｕｌｓｅｓｉｎａｓｅｍｉａｒｉｄｒａｎｇｅ
ｌａｎｄｅｓｔｉｍａｔｅｄｂｙｍｏｉｓｔｕｒｅｆｌｕｘｔｏｗｅｒｓａｎｄＭＯＤＩＳｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｒｉｄＥｎｖｉｒｏｎｍｅｎｔ，２００７，７０（３）：４４３
４６２．
［１８］ 徐玲玲，张宪洲，石培礼，等．青藏高原高寒草甸生态系统表观量子产额和表观最大光合速率的确定［Ｊ］．中国科学，２００４，
３４（增刊Ⅱ）：１２５１３０．
［１９］ ＪｕｓｔｉｃｅＣＯ，ＶｅｒｍｏｔｅＥ，ＴｏｗｎｓｈｅｎｄＪＲＧ，犲狋犪犾．Ｔｈｅｍｏｄｅｒａｔｅｒｅｓｏｌｕｔｉｏｎｉｍａｇｉｎｇｓｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ（ＭＯＤＩＳ）：Ｌａｎｄ
ｒｅｍｏｔｅｓｅｎｓｉｎｇｆｏｒｇｌｏｂａｌｃｈａｎｇｅｒｅｓｅａｒｃｈ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９８，３６：１２２８１２４９．
［２０］ ＸｉａｏＸＭ，ＢｒａｓｗｅｌＢ，ＺｈａｎｇＱＹ，犲狋犪犾．Ｓｅｎｓｉｔｉｖｉｔｙｏｆｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓｔｏａｔｍｏｓｐｈｅｒｉｃａｅｒｏｓｏｌｓ：Ｃｏｎｔｉｎｅｎｔａｌｓｃａｌｅｏｂｓｅｒ
ｖａｔｉｏｎｓｉｎＮｏｒｔｈｅｒｎＡｓｉａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００３，８４：３８５３９２．
［２１］ ＨｕｅｔｅＡ，ＤｉｄａｎＫ，ＭｉｕｒａＴ，犲狋犪犾．ＯｖｅｒｖｉｅｗｏｆｔｈｅｒａｄｉｏｍｅｔｒｉｃａｎｄｂｉｏｐｈｙｓｉｃａｌｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅＭＯＤＩＳｖｅｇｅｔａｔｉｏｎｉｎｄｉ
ｃｅｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００２，８３：１９５２１３．
［２２］ ＸｉａｏＸＭ，ＺｈａｎｇＱＹ，ＨｏｌｉｎｇｅｒＤ，犲狋犪犾．ＭｏｄｅｌｉｎｇｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｏｆａｎｅｖｅｒｇｒｅｅｎｎｅｅｄｌｅｌｅａｆｆｏｒｅｓｔｕｓｉｎｇＭＯＤＩＳ
ａｎｄｃｌｉｍａｔｅｄａｔａ［Ｊ］．ＥｃｏｌｏｇｉｃａｌＡｐｐｌｉｃａｔｉｏｎｓ，２００５，１５：９５４９６９．
［２３］ ＸｉａｏＸＭ，ＺｈａｎｇＱＹ，ＳａｌｅｓｋａＳ，犲狋犪犾．Ｓａｔｅｌｉｔｅｂａｓｅｄｍｏｄｅｌｉｎｇｏｆｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｉｎａｓｅａｓｏｎａｌｙｍｏｉｓｔｔｒｏｐｉｃａｌ
ｅｖｅｒｇｒｅｅｎｆｏｒｅｓｔ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００５，９４：１０５１２２．
［２４］ ＸｉａｏＸＭ，ＨｏｌｉｎｇｅｒＤ，ＡｂｅｒＪＤ，犲狋犪犾．Ｓａｔｅｌｉｔｅｂａｓｅｄｍｏｄｅｌｉｎｇｏｆｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｉｎａｎｅｖｅｒｇｒｅｅｎｎｅｅｄｌｅｌｅａｆｆｏｒ
ｅｓｔ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００４，８９：５１９５３４．
［２５］ ＸｉａｏＸＭ，ＺｈａｎｇＱＹ，ＢｒａｓｗｅｌＢ，犲狋犪犾．Ｍｏｄｅｌｉｎｇｇｒｏｓｓｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｏｆｔｅｍｐｅｒａｔｕｒｅｄｅｃｉｄｕｏｕｓｂｒｏａｄｌｅａｆｆｏｒｅｓｔｕｓｉｎｇ
ｓａｔｅｌｉｔｅｉｍａｇｅｓａｎｄｃｌｉｍａｔｅｄａｔａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００４，９１：２５６２７０．
［２６］ 李荣生，许煌灿，尹光天，等．植物水分利用效率的研究进展［Ｊ］．林业科学研究，２００３，１６（３）：３６６３７１．
［２７］ 张岁岐，山仑．植物水分利用效率及其研究进展［Ｊ］．干旱地区农业研究，２００２，２０（４）：１５．
［２８］ 黄立华，梁正伟，马红媛．苏打盐碱胁迫对羊草光合、蒸腾速率及水分利用效率的影响［Ｊ］．草业学报，２００９，１８（５）：２５３０．
［２９］ 刘国利，何树斌，杨惠敏．紫花苜蓿水分利用效率对水分胁迫的响应及其机理［Ｊ］．草业学报，２００９，１８（３）：２０７２１３．
［３０］ 孙洪仁，张英俊，历卫宏，等．北京地区紫花苜蓿建植当年的耗水系数和水分利用效率［Ｊ］．草业学报，２００７，１６（１）：４１
４６．
［３１］ 郑有飞，万长建，颜景义，等．小麦的水分利用效率及其最优化问题［Ｊ］．中国农业气象，１９９７，１８（４）：１３１７．
［３２］ 杨秀芳，玉柱，徐妙云，等．２种不同类型的尖叶胡枝子光合－光响应特性研究［Ｊ］．草业科学，２００９，２６（７）：６１６５．
［３３］ ＨａｔｆｉｅｌｄＪＬ，ＳａｕｅｒＴＪ，ＰｒｕｅｇｅｒＪＨ．Ｍａｎａｇｉｎｇｓｏｉｌｓｔｏａｃｈｉｅｖｅｇｒｅａｔｅｒｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙ：ＡＲｅｖｉｅｗ［Ｊ］．ＡｇｒｏｎｏｍｙＪｏｕｒ
ｎａｌ，２００１，９３：２７１２８０．
［３４］ 邵新庆，沈禹颖，王．水土保持耕作对夏种大豆光合、蒸腾及水分利用效率的影响［Ｊ］．草业学报，２００５，１４（６）：８２８６．
［３５］ ＯｗｅｉｓＴ，ＺｈａｎｇＨＰ，ＰａｌａＭ．ＷａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙｏｆｒａｉｎｆｅｄａｎｄｉｒｒｉｇａｔｅｄｂｒｅａｄｗｈｅａｔｉｎａＭｅｄｉｔｅｒｒａｎｅａｎＥｎｖｉｒｏｎｍｅｎｔ［Ｊ］．
ＡｇｒｏｎｏｍｙＪｏｕｒｎａｌ，２０００，９２：２３１２３８．
［３６］ 渠春梅，韩兴国，苏波，等．云南西双版纳片断化热带雨林植物叶片δ１３Ｃ值的特点及其对水分利用效率的指示［Ｊ］．植物学
报，２００１，４３（２）：１８６１９２．
１１１第１９卷第５期 草业学报２０１０年
［３７］ ＦａｒｑｕｈａｒＧＤ，Ｏ’ＬｅａｒｙＭ Ｈ，ＢｅｒｒｙＪＡ．Ｏｎｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃａｒｂｏｎｉｓｏｔｏｐｅｄｉｓｃｒｉｍｉｎａｔｉｏｎａｎｄｉｎｔｅｒｃｅｌｕｌａｒｃａｒｂｏｎ
ｄｉｏｘｉｄｅｃｏｎｃｅｎｔｒａｔｉｏｎｉｎｌｅａｖｅｓ［Ｊ］．ＡｕｓｔｒａｌｉａｎＪｏｕｒｎａｌｏｆＰｌａｎｔＰｈｙｓｉｏｌｏｇｙ，１９８２，９：１２１１３７．
［３８］ 王月福，于振文，潘庆民．土壤水分胁迫对耐旱性不同的小麦品种水分利用效率的影响［Ｊ］．山东农业科学，１９９８，（３）：
５７．
［３９］ 蒋高明，何维明．毛乌素沙地若干植物光合作用、蒸腾作用和水分利用效率种间及生境差异［Ｊ］．植物学报，１９９９，４１（１０）：
１１１４１１２４．
［４０］ ＮｏｂｅｌＰＳ．ＡｃｈｉｅｖａｂｌｅｐｒｏｄｕｃｔｉｖｉｔｉｅｓｏｆｃｅｒｔａｉｎＣＡＭｐｌａｎｔｓ：ＢａｓｉｓｆｏｒｈｉｇｈｖａｌｕｅｓｃｏｍｐａｒｅｄｗｉｔｈＣ３ａｎｄＣ４ｐｌａｎｔｓ［Ｊ］．Ｎｅｗ
Ｐｈｙｔｏｌｏｇｉｓｔ，１９９１，１１９：１８３２０５．
［４１］ ＡｌｅｎＬＨ，ＰａｎＤＹ，ＢｏｏｔｅＫＪ，犲狋犪犾．Ｃａｒｂｏｎｄｉｏｘｉｄｅａｎｄｔｅｍｐｅｒａｔｕｒｅｅｆｆｅｃｔｓｏｎｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙ
ｏｆｓｏｙｂｅａｎ［Ｊ］．ＡｇｒｏｎｏｍｙＪｏｕｒｎａｌ，２００３，９５：１０７１１０８１．
犕狅犱犲犾犻狀犵狋犺犲犲狏犪狆狅狋狉犪狀狊狆犻狉犪狋犻狅狀狅犳犪狀犪犾狆犻狀犲犿犲犪犱狅狑犲犮狅狊狔狊狋犲犿
犻狀狋犺犲狀狅狉狋犺犲狉狀犜犻犫犲狋犘犾犪狋犲犪狌犫犪狊犲犱狅狀犕犗犇犐犛犻犿犪犵犲狊
ＦＵＧａｎｇ１，２，ＳＨＥＮＺｈｅｎｘｉ１，ＺＨＡＮＧＸｉａｎｚｈｏｕ１，ＷＵＪｉａｎｓｈｕａｎｇ１，２，ＳＨＩＰｅｉｌｉ１
（１．ＬｈａｓａＰｌａｔｅａｕＥｃｏｓｙｓｔｅｍＲｅｓｅａｒｃｈＳｔａｔｉｏｎ，ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｃｏｓｙｓｔｅｍＮｅｔｗｏｒｋＯｂｓｅｒｖａｔｉｏｎａｎｄ
Ｍｏｄｅｌｉｎｇ，ＩｎｓｔｉｔｕｔｅｏｆＧｅｏｇｒａｐｈｉｃＳｃｉｅｎｃｅｓａｎｄＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈ，Ｂｅｉｊｉｎｇ１００１０１，Ｃｈｉｎａ；
２．ＧｒａｄｕａｔｅＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００４９，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ（ＥＴ）ｉｓａｎｉｍｐｏｒｔａｎｔｃｏｍｐｏｎｅｎｔｏｆｔｈｅｈｙｄｒｏｌｏｇｉｃｂｕｄｇｅｔｉｎａｌｐｉｎｅｍｅａｄｏｗｅｃｏ
ｓｙｓｔｅｍｓｏｆｔｈｅＴｉｂｅｔＰｌａｔｅａｕ．Ｔｈｅｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙ（ＷＵＥＥＣ）ａｔｔｈｅｅｃｏｓｙｓｔｅｍｌｅｖｅｌｗａｓｕｓｅｄｔｏｍｏｄｅｌＥＴ．
Ｓｉｍｐｌｅｌｉｎｅａｒｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓａｎｄｍｕｌｔｉｐｌｅｓｔｅｐｗｉｓｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓｓｈｏｗｅｄｔｈａｔｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒ
ｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓ（ＮＤＶＩ），ｒｅｌａｔｉｖｅａｉｒｈｕｍｉｄｉｔｙ（Ｈａ），ａｎｄｈｅａｔｆｌｕｘ（Ｈ）ｃｏｕｌｄｐｌａｙｉｍｐｏｒｔａｎｔｒｏｌｅｓｏｎ
ｔｈｅＷＵＥＥＣ．ＷｅｒｅｌａｔｅｄＷＵＥＥＣ ｗｉｔｈＮＤＶＩ，Ｈａ，ａｎｄＨ，ｓｅｐａｒａｔｅｌｙ（ｔｈｅｒｅｗｅｒｅｓｉｇｎｉｆｉｃａｎｔｄｉｓｃｒｅｐａｎｃｉｅｓｉｎ
ｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙｍｏｄｅｌｅｄｂｙＨ，ＷＵＥＨ，ａｎｄＷＵＥＥＣ）．Ｗｅｍｏｄｅｌｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｔｔｈｅｅｃｏｓｙｓｔｅｍ
ｓｃａｌｅｗｉｔｈｔｈｅｍｕｌｔｉｐｌｅｓｔｅｐｗｉｓｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｅｑｕａｔｉｏｎｓｏｆｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙ（ＷＵＥ）ａｎｄｅｓｔｉｍａｔｅｄｇｒｏｓｓ
ｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎ（ＧＰＰＶＰＭ）ｂｙａｖｅｇｅｔａｔｉｏｎｐｈｏｔｏｓｙｎｔｈｅｓｉｓｍｏｄｅｌ（ＶＰＭ）．Ｔｈｅｓｉｍｐｌｅｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎ
ｅｑｕａｔｉｏｎｓｂｅｔｗｅｅｎｍｏｄｅｌｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ，ＥＴＮＤＶＩ，ＥＴＨａ，ａｎｄｏｂｓｅｒｖｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｆｒｏｍｅｄｄｙ
ｃｏｖａｒｉａｎｃｅｏｆＥＴＥＣ，ＥＴＮＤＶＩ＝１．２９８５ＥＴＥＣ（犚２＝０．８０２９，狀＝４６，犘＜０．０００１）ａｎｄＥＴＨａ＝１．３１１８ＥＴＥＣ（犚２＝
０．７４８７，狀＝４６，犘＜０．０００１），ｉｎｄｉｖｉｄｕａｌｙ，ｓｈｏｗｅｄｓｏｍｅｄｉｓｃｒｅｐａｎｃｉｅｓｉｎｍｏｄｅｌｅｄｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄ
ＥＴＥＣ．Ｗｅｑｕａｎｔｉｔａｔｉｖｅｌｙａｎａｌｙｚｅｄｔｈｅｓｅｄｉｓｃｒｅｐａｎｃｉｅｓ．ＴｈｅｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎＥＴＥＣａｎｄＥＴＮＤＶＩｗｅｒｅｃｈｉｅｆｌｙ
ａｔｔｒｉｂｕｔａｂｌｅｔｏｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｃｔｉｖｅｒａｄｉａｔｉｏｎ（ＰＡＲ）ａｎｄＧＰＰＶＰＭ，ｗｈｉｌｅｔｈｅｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎＥＴＥＣａｎｄ
ＥＴＨａｗｅｒｅｍａｉｎｌｙａｔｔｒｉｂｕｔｅｄｔｏＰＡＲ，ＧＰＰＶＰＭ，ａｎｄｅｎｈａｎｃｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓ（ＥＶＩ）．
犓犲狔狑狅狉犱狊：ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ（ＥＴ）；ｗａｔｅｒｕｓｅｅｆｆｉｃｉｅｎｃｙ（ＷＵＥ）；ｖｅｇｅｔａｔｉｏｎｐｈｏｔｏｓｙｎｔｈｅｔｉｃｍｏｄｅｌ（ＶＰＭ）；
ＮｏｒｔｈｅｒｎＴｉｂｅｔＰｌａｔｅａｕ；ａｌｐｉｎｅｍｅａｄｏｗ
２１１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１０） Ｖｏｌ．１９，Ｎｏ．５