摘要：采用Landsat和MODIS数据,通过增强自适应融合算法（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）对蒸散发进行空间降尺度,构建田块尺度蒸散发数据集;利用2015年田间水量平衡方法计算的蒸散发数据对融合结果进行评价。在融合蒸散发基础上,结合解放闸灌域2000—2015年间种植结构信息,提取不同作物各自生育期和非生育期内年际蒸散发量,并分析了大型灌区节水改造以来,作物蒸散发占比的年际变化。研究结果表明：融合蒸散发与水量平衡蒸散发变化过程较吻合,小麦耗水峰值出现在6月中下旬—7月初,玉米和向日葵峰值出现在7月份。在相关性分析中,玉米、小麦和向日葵的决定系数R2分别达到了0.85、0.79和0.82;生育期内玉米（5—10月份）、小麦（4—7月份）和向日葵（6—10月份）的均方根误差均不高于0.70 mm/d;平均绝对误差均不高于0.75 mm/d;相对误差均不高于16%。在农田蒸散发总量验证中,融合蒸散发与水量平衡蒸散发相关性较好,两者决定系数达到了0.64。基于ESTARFM融合算法生成的高分辨率蒸散发（ET）结果可靠,具有较好的融合精度。融合结果与Landsat蒸散发的空间分布和差异性一致,7月23日、8月24日和9月1日相关系数分别达到0.85、0.81和0.77;差值均值分别为0.24 mm、0.19 mm和0.22 mm;标准偏差分别为0.81 mm、0.72 mm和0.61 mm。ESTARFM融合算法在农田蒸散发空间降尺度得到较好的应用,可有效区分不同作物蒸散发之间的差异。不同作物在生育期和非生育期内耗水量差别较大;生育期内套种（4—10月份）耗水量最大,达到637 mm,玉米（5—10月份）和向日葵（6—10月份）次之,分别为598 mm和502 mm,小麦（4—7月份）最低为412 mm;非生育期内,小麦（8—10月份）耗水量最大,年均达到214 mm,玉米（4月份）和向日葵（4—5月份）分别为42 mm和128 mm。不同作物多年平均耗水量

关键词：遥感 数据融合 蒸散发 地表能量平衡模型 增强时空自适应融合算法 

单位：中国水利水电科学研究院流域水循环模拟与调控国家重点实验室; 北京100038; 国家节水灌溉北京工程技术研究中心; 北京100048