近年来,随着工业的发展,水资源污染严重,水逐渐成为了各个国家发展的最宝贵的资源,而全世界地表水中60%以上以蒸发的形式返回大气中,因此了解清楚蒸发量对于节约用水十分重要,如何通过一种方法比较准确地估算出遥感地面蒸散量十分关键。传统的测定蒸散量的方法有测定法,测定法能十分精准地测定出某个时间段某个地点的蒸散量,但是该方法有巨大的缺陷,测定法需要购买昂贵的测量仪器,还需要专业人员记录处理测量结果,不能大面积估算区域尺度的蒸散量。目前虽然有一些成熟的算法能估算出遥感地面蒸散量,但都有一些缺点,主要包括估算精度不高,所需输入参数多且不易获取。找到一种需要比较少的参数,估算出大面积蒸散量的算法成了亟需解决的问题。针对上述问题,本文研究发现,基于SEBAL模型遥感地面蒸散量估算算法具有需要输入的参数少并且容易获取,估算结果精度高等优点。本文正是基于SEBAL模型的这些优点,采用SEBAL模型实现了遥感地面蒸散量的估算,而SEBS模型作为SEBAL模型的对照模型,在估算复合地形上有优势,而SEBAL模型主要用于估算平原地区蒸散量。本文的研究内容主要包括以下三个方面:(1)定义遥感地面蒸散量估算问题。针对传统的遥感地面蒸散量测定的一些缺点进行研究。经过大量查阅对比发现SEBAL模型相对于传统方法有比较优势,传统方法需要输入的参数多且不易获取,SEBAL模型输入参数少、容易获取并且估算精度较高。随后,对本方案进行了可行性分析以及模块功能分解。(2)采用SEBAL模型实现了遥感地面蒸散量的估算。首先,采用ENVI对遥感影像进行了大气校正、辐射校正以及遥感影像裁剪拼接等预处理,并采用Python语言设计实现了SEBAL模型中植被归一化指数、叶面积指数以及地表面温度等遥感参数的算法。基于上述计算出的遥感参数,采用Python语言设计实现了估算净辐射通量、土壤热通量、感热通量和潜热通量的算法,并通过时间尺度的拓展,将瞬时能量通量转化成日蒸散量,由于篇幅原因本文仅设计实现了SEBS的感热通量的算法。并最终设计实现了蒸散量估算系统,可以让人们方便快捷地估算某一地区的蒸散量。(3)设计对比实验,分析实验结果。首先,给出了实验开展的软硬件环境,分析了一景数据估算蒸散量的时间性能开销。使用下载的数据,通过SEBAL模型估算日蒸散量。最终找到适用的数据估算出SEBS模型日蒸散量。在使用两种模型估算出日蒸散量后,将两种模型估算的结果与气象站记录的测量值进行对比。探索了SEBAL模型和SEBS模型在不同区域的准确性与先进性。最后,对设计实现的估算系统进行测试。论文的最后总结了上述模型及实验环境的不足所引起的实验结果不理想,并且指明了进一步的研究方向。