土壤蒸发和植物蒸腾合称为蒸散，它是土壤—植物—大气系统中能量、水分传输和转换的主要途径。长期以来，蒸散一直是气象、水文和农业等学科的研究焦点。地表蒸散的时空变化明显。大气条件、土壤特性、植被状况均会影响蒸散量的大小及分布。因此，在进行全球和区域蒸散的研究中，能够反映地表类型、植被覆盖、地表温湿状况的空间分布，遥感数据体现了独有的优势。将遥感信息与地面观测的水文、气象及田间试验数据相配合，用于研究全球或区域地表蒸散过程被认为是一种行之有效的方法。　　 亚热带湿润地区是地表蒸散贡献最大的地区之一。研究这一区域的地表蒸散，对于全面了解地表—大气能量、物质的交换，提高数值天气预报和气候预测准确度，研究气候变化区域响应有重要意义。　　 本研究以浙江省为例，以SEBAL(Surface Energy Balance Algorithm for Land)算法为基础，采用TM影像数据，MODIS数据产品，土地利用图，数字高程模型DEM以及地面气象数据，模拟了不同空间分辨率及不同季节的地表蒸散，并对蒸散进行了验证与敏感性分析。　　 考虑到地表净辐射是影响湿润地区地表蒸散的最主要因素，本研究把起伏地形的净辐射估算作为一个研究的重点。研究通过逐项计算的方法来进行净辐射的反演，并把重点放在太研l总辐射的估算，TM反照率及地表温度反演的过程上。研究利用大气辐射传输模型6S建立究找表，计算水平直接辐射和水平散射辐射，并与DEM计算的地形参数相结合，模拟晴天无云条件下的起伏地形的瞬时太阳辐射。采用6S查找表与DEM，对TM影像进行大气与地形校正，反演得到30m分辨率的地表反照率；利用普适性单通道算法，反演TM地表温度。　　 SEBAL算法最初用于估算水平均匀的农田蒸散，其后不少研究者对它进行了改进，并将其推广用于不同气候条件与地形条件的地表蒸散估算之中。本研究在估算蒸散时，从以下几方面考虑了地形与气象条件对SEBAL输入参数的影响：　　 1)采用趋势面模拟与残差内插相结合的方法对气温、相对湿度等要素进行空间插值。　　 2)使用三维风速诊断模型WOCSS(Windson Critical Streamline Surfaces)来模拟地形对地表风速的影响。　　 3)结合DEM，6S模型及反照率，地表温度等因子，估算起伏地形的净辐射。　　 4)在SEBAL估算过程中，考虑了海拔高度对地表温度的影响。　　 SEBAL计算的瞬时蒸散延拓到日蒸散量的过程中，一个关键的输入变量是太阳辐射日总量。研究根据反演当天的日出日落时间，以0.2h为间隔，分时段计算了晴天无云条件下的山区太阳辐射，并对各时段的晴天太阳辐射进行日照百分率订正，然后对其进行累加，得到与实际情况更为接近的太阳辐射日总量。　　 TM影像反演的结果表明，SEBAL估算的蒸散量在不同土地利用类型下有明显的差异。各种土地利用类型中，灌木林与农田的蒸散量最大，有林地次之，城镇与农村居民点的蒸散量最小。2004年不同季节的四期MODIS数据反演的结果表明，SEBAL估算的地表蒸散能较好地反映季节的变化：冬季的蒸散最小，夏季最大，春季和秋季居中。对比2005年10月17日TM影像反演的作物系数及2005年10月18日(DOY291)的MODIS数据产品反演的作物系数，发现二者的相关系数为0.4422，均方根误差为0.2296，平均相对误差为0.0405，平均绝对误差为0.1808。　　 30m与1km分辨率下，SEBAL反演日蒸散量的空间分布与坡度、坡向的关系基本一致，即偏南方位的坡地，日蒸散量较大；而偏北方位的坡地，日蒸散量也较小。但是1km分辨率的MODIS产品所反演的日蒸散量随坡度与坡向的变化不如30m分辨率的TM影像所反演日蒸散量明显。　　 研究证明，SEBAL估算的地表蒸散与ASCE-Penman公式计算的潜在蒸散之间存在极为显蒋的相关关系。2005年10月17日与11月27日两期TM影像的反演的地表蒸散与潜在蒸散的相关系数分别为0.8507和0.8407，这表明SEBAL，估算的结果能较好地模拟出气象条件对蒸散综合影响。　　 SEBAL与另一种目前广泛应用的地表蒸散反演方法SEBS的对比验证结果也证明，两者估算的蒸发比有较好的一致性(相关系数0.5738，均方根误差，平均相对误差利平均绝对误差分别为0.1730，0.1200和0.1322)，特别是在植被覆盖率较大的有林地与灌木林，两种方法的差异更小：植被覆盖率大于0.95的情况下，SEBAL与SEBS估算的有林地蒸发比的相关系数为0.843，均方根误差，平均相对误差与平均绝对误差为0.0810，0.0138和0.0603；植被覆盖率大于0.95的灌木林，两种方法的相关系数为0.7957，均方根误差，平均相对误差与平均绝对误差分别为0.0578，-0.0170和0.0460。　　 研究最后以2004年10月17日的TM影像为例，对SEBAL蒸散反演中所用的地表温度，风速和粗糙度等三个关键输入参数进行了敏感性分析。结果显示粗糙度和风速对显热通量的影响比较明显，而且这种影响是非线的。而地表温度对SEBAL估算的结果影响较小，在其它条件相同的情况下，地表温度由原来的值上升了5K之后，显热通量的平均变化不足6.5W/m2。这说明，SEBAL算法对地表温度并不敏感，对地表温度反演要求的精度不高。