1、利用遙感數據繪制陸面-大氣熱通量和表面參數圖*FRANCESCA CAPARRINI等(Dipartimento di Ingegneria Civile, Università degli Studi di Firenze, Firenze, Italy)翻譯：潘建永；校對：何雪洲 【摘 要】 變量同化方案可用于推測表面能量平衡的兩個關鍵參數，這兩個關鍵參數是將有效能劃分為潛熱通量、感熱通量及地面熱通量（LE,H和G）的制約因素。遙感測量的地表溫度(LST)是主要的數據源。1996年7月，以意大利阿諾盆地不同的土地覆蓋為實例，繪制了一個為期18天的日間能量平衡組分圖。在給定有效能的

2、情況下，劃分如下通量時仍需要一些主要的未知（無量綱的）參數：· 在中性條件下，通過體積傳熱系數CBN獲得近地面湍流的地形影響； · 通過蒸發分數EF來表示LE和H相對值的表面控制。數據同化方案與1.1km分辨率的LST遙感測量影像圖（從兩個不同的衛星平臺獲得的基于光學、熱學及微波的測量值）疊加生成熱擴散的簡約模型。測量值與模型預測值被認為是不確定的，由此推斷其后估算參數的統計誤差也是不確定的。由CBN圖可知其空間模式與占支配地位的土地利用和盆地的地形地貌一致。每日的EF圖顯示其空間變化與土地覆蓋及土地利用情況是一致的，并且EF的每日變化說明，曲線的波動與其間的 降水及干旱情

3、況一致。基于這些參數及可用的環境變量，可以繪制出每日的LE和H圖（本文給出了日間的LE圖）。這項應用證明，遙感測量的地表溫度序列包含著熱通量中有效能劃分的大量信息。該變量同化架構不依賴諸如基于被指數等經驗關系，方法簡約而有效。【關鍵詞】 體積傳熱系數 數據同化 蒸發 地表溫度 遙感 表面熱通量1 序言在水文學與氣象學的諸多應用中，定量估算表面能量平衡組分及陸面與大氣間水分和熱量的交換是必需的。僅依靠大量的地表通量測站和充足的樣本來繪制這些交換的大比例尺地圖是無法實現的。遙感測量值需要空間覆蓋度，但因其僅間接或局部與表面通量相關而表現為變量。如果這些測量值是由近地軌道的傳感器獲取的，則其僅能提供

4、時間變化條件下（如一天兩次）分散的時間樣本。* MAPPING OF LAND-ATMOSPHERE HEAT FLUXES AND SURFACE PARAMETERS WITH REMOTE SENSING DATA Boundary-Layer Meteorology 107: 605633, 2003.關鍵問題是如何采用遙感觀測值對表面能量平衡組分進行定量推斷，特別是關于在表面湍流潛熱通量和感熱通量表面實施有效能（凈輻射能總和及地面熱通量，）分區。其中為汽化潛熱，為蒸發量。該主題的文獻一般可把其分為兩組。在第一組中指數的發展是基于光學遙感數據的，此時的指數是與表面通量有關的經驗值。比如

5、，用歸一化植被指數(NDVI)和地面溫度(LST)獲取表面蒸發指數。水分脅迫系數(CWSI)把陸面-大氣溫度差異、地理位置和季節動態幅度內的標準化和蒸發量關聯起來。其它眾多指數可基于表面能量平衡組分相關的物理理論和經驗式獲取。除經驗方法外，利用遙感數據繪制表面能量平衡組分圖的第二組方法是以同化方案為核心建立表面能量平衡模型。模型的作用是對反相測量值和未觀測到的狀態及參數之容許推論施加物理約束。先前在模型和LST結合方面的研究，目的是采用狀態變量差值或替代法估算通量值。當結合標準的表面微氣象測量值時，其約束條件足以使模型可采用平衡殘差估算表面能量平衡組分和蒸發量。在這些方法的分組中經常用到閉合假

6、設。這一閉合假設是：地面熱通量是表面凈輻射能的經驗分數，即G/Rn=constant，或NDVI的函數。表面能量平衡組分的兩組方法及其變體表示測量值的靜態使用，即在一給定時間，利用測量值可以反演瞬時通量估算值。無論時間如何變化，測量值和其它變量的協變值可能包含有效信息。通過提取遙感測量值信息來繪制表面能量組分圖的一個方法是將數據同化為模型。模型與測量值融合的問題在形式上可認為是數據同化。數據同化方案在統計學上被認為是最優的，因為它使帶噪音的觀測值和不確定模型融合得到的估算值之誤差最小化。本文采用包含多元衛星遙感測量的LST序列值和表面微氣象站數據測得數據的陸面數據同化方案（伴隨狀態變化方法），

7、繪制表面多變條件下盆地的表面能量組分圖。用于估算的大多數臨界參數（測量值的最大挑戰是缺少原位測量網）被認為是：· 近地表湍流的地形效應（由中性條件下的體積傳熱系數CBN引起）；· 表面能量平衡（以蒸發分數EF表示）組分間有效能分區的表面控制；蒸發分數是表面有效能的潛熱通量部分，即，。數據同化方案的數學推導及現場試驗獲取的大量數據對該方案進行的驗證將在以下的章節中進行概述。在整個應用地區（阿諾盆地）沒有通量測量網來對這些結果進行獨立驗證。用現場試驗獲取的微氣象、土壤氣候及表面通量替代LST反演及同化算法是可行的。這一方法在首次國際衛星陸地氣候計劃(ISLSCP)所進行的現場試

8、驗(FIFE)中得到了驗證，該場地具有對獨立驗證有效的大量通量測量值。為驗證這一結論，筆者在1988年夏天進行了現場試驗，試驗測得的觀測值證實了上述驗證結果。該現場試驗的時間跨度為83天，具有5個重疊時間窗口。與高級甚高分辨率輻射計(AVHRR)和專用微波傳感器/成像儀(SSM/I)的過境時間相比，白天同一時段的原位LST值為稀疏樣本。表面湍流通量的估算值通過Betts和Ball(1998)數據同化方案保留的面積平均通量來確定。潛熱通量的觀測值和估算值每半小時的均方根差異為78Wm-2（白天當地時間9時至16時的平均差異為50Wm-2）。儀器的觀測誤差為30Wm-2。為論證結合遙感測量值的繪圖

9、性能，將本方案應用于一個面積為8230km2中型盆地，并獲得了1996年7月份的一個周期為18天的CBN和EF值。反演的CBN值區域差異的檢驗基于遙感測量的LST值及土地覆蓋、土地利用和地形圖有關的表面大氣微氣象因素。考慮到觀測到的降水事件及導致干旱的晴天數，反演的盆地EF值日常變化總的來說遵循預期的規律。2 陸面數據同化方案估算問題是按照伴隨狀態的變量同化方案進行公式表示的。結合狀態的測量值通過集成前向模型進行預測。遙感測量值具有加成性噪聲，模型預測也被認為是不確定的。在整個同化期內，變量同化方案與最優統計方法的兩個估算值相結合。統計尺度最小化在這里是測量值與預測狀態間的方差。物理模型通過拉

10、格朗日算子與價值函數相聯系。系統的未知狀態和參數可以利用拉格朗日算子、尺度不吻合衍生的新方法及前向模型解析得出的變量間之函數依賴進行估算。Castelli等(1999)及Caparrini (2001)的方法是使用地面溫度物理約束的大多數基本形式作為前向模型。在簡約模型中不需要具體的土壤結構或植被覆蓋類型，實際上在數據同化方案中，這些因子的參數是估算出來的。最重要的測量值是遙感地面溫度。近地表大氣層的入射輻射、大氣溫度與風速是惟一的輔助輸入接口。3 前向模型及測量方程伴隨模型的物理約束通過有效熱力特性介質中熱擴散的強迫-恢復近似值給出。前向方程式給出由太空觀測到的地表溫度(Ts)的時間演化過程

11、。這一溫度是土壤、植被及像元區域地表熱慣性的大氣輻射強迫及恢復效應響應的復合體，可以用式(1)來表示： (1)式中，大氣強迫()的主頻率是日頻率。模型中最重要的參數是熱慣性()和深處土壤溫度()，它們的估計值和標準值在附錄A中給出。凈輻射(Rn)是入射太陽能與地面輻射通量（通過地面觀測站獲得）、反射太陽輻射（基于表面短波反射率）及表面熱散射（灰體輻射系數e的斯蒂芬-玻耳茲曼法則）間的差值。感熱通量和潛熱通量由前向方程的狀態變量和大氣強迫確定。這些通量的大量轉移公式用大氣溫度梯度(T)和濕度梯度(q)表示為： (2) (3)式中U是風速，是大氣密度，cp是大氣比熱容，L是汽化潛熱（測量高度大于幾

12、米，T應該完全地被位溫所替代）。CBH和CBE是無量綱的體積傳熱系數，但是如下所示，在該同化應用中只需要考慮CBH。感熱通量CBH(此后為CB)的無量綱體積傳熱系數受地表特征、風切變及近地表大氣之靜態穩定性的影響。地表特征的影響可假設在整個同化期不隨時間變化，且在中性條件下應用時，參照高度zref與風速成比例。靜態穩定度的修正通常采用基于體積理查森數RiB的中性值進行放大。本文中可用函數表示為： (4)RiB的估算基于地表和參考大氣微氣象。與文獻中其它許多函數類似，這一函數使中等和高度不穩定的大氣剖面理想近似值過渡平緩。根據有效測量值及式(4)中假定的函數形式，RiB估算值可用來獲取不穩定表面

13、層間有效增強的湍流傳遞。考慮到所有的環境及地形因素都可能在任一瞬間影響該過程，因而不穩定表面層是一困擾難題。LST同化通過估算窗口給出了CBN值，CBN值可能與動量粗糙尺度z0M和熱通量的表面長度尺度z0H。這兩個長度尺度各自本身通過（B為斯坦頓數）與另外一個相關，如： (5)式中是馮卡曼常數。至于的標準值，估算的CBN域可以依照長度尺度z0H來表示。估算熱湍流的其它支配性未知數是潛熱通量的表面控制，而潛熱通量的表面控制通常與表面濕度條件及有效能有關。在普通項中，關鍵控制參數是在感熱通量與潛熱通量間進行有效能的劃分，或蒸發分數。蒸發分數公式為： (6)在前向模型方程中用EF消去需要測量值或標準

14、比濕度(qg 和 qair)項。同因，也需要不用假定值的CBE項。當地表和大氣間熱量與水分大量有效能進行湍流交換時，日循環的主要時段期間蒸發分數是恒定或接近常數的。本研究的數據同化方案中，每個像元單位的日常EF值作為第二主要未知量，通過最小化價值函數進行估算。使用無因次群，及，其中是參考溫度，是斯蒂芬-玻耳茲曼常數，前向方程可簡化為： (7)前向模型方程用于預測在每個像元位置和每半小時其值的序列。大氣溫度、風速和入射輻射度的觀測值視為大氣強迫。未知變量CBN和EF的預測是有條件的。標準LST的遙感測量值()可用于約束估算問題，即，通過和不吻合最小化方法估算每個像元的周期CBN值和日常EF值。3

15、.1 模型與方法的融合：估算估算價值函數J是： (8)第一與第二項表示整個同化周期和終止時間不吻合誤差的二次項；函數和表示未知參數和的誤差；在具有同化期和白天平均值的情況下，未知量的最佳估算值（通過估算方案迭代獲得）是均方差。最后一項是伴隨的物理約束，即拉格朗日算子()乘以整個同化周期的前向方程模型。在價值函數和統計解譯中，系數,及的權重與協方差的倒數相符。 根據公式(4)，體積傳熱系數是隨時間變化的靜態穩定校正值（由微氣象數據及LST決定）和地表特性相關組分（假定在整個同化周期內不隨時間變化）的乘積。因此， 的函數形式用比例式表示為：函數與日常值的均方差之和的比例形式為：通過提取與未知量和日

16、常值有關的變量使價值函數最簡化，極小值是必要條件。獨立變量分組合并之后，可獲得歐拉-拉格朗日方程的結果式： (9) (10) (11) (12)式中是每天帶指數 i 的同化窗。為確保是絕對正值及在其物理范圍內有界，它們可用在實數范圍通過變量轉換修正的方程的數值結果來表示。估算問題由參數及最初猜測值的迭代來解決。前向模型(7)結合其參數可獲得表面狀態跡線。然后由結合后向時間的(9)式及邊界條件(10)可得。伴隨變量的表達式中增加了不吻合的觀測值。的結果值可依次用于修正式(11)和(12)中的參數和。進行上述操作的最新參數可作為求取其它表面狀態跡線進行下次迭代的起始值。和的估算值通過迭代減少價值函

17、數的不吻合值。參數, , 和主函數用于控制收斂和數值穩定性。然而在計算不確定的估算值時，這些參數分別與先前的變量和有關，它們依次貢獻于其后的不確定邊界。3.2 估算不確定性分析為評價與數據最佳匹配值相關的模型參數估算值的不確定性，數據的最佳匹配值與價值函數的最小值一致，可以使用該函數的海賽行列式。價值函數最小值附近應該是二次的，參數的概率密度應該是近高斯分布的。模型參數協方差矩陣的倒數的最佳近似值可以通過海賽行列式得出。計算海賽行列式的一個準確方法是以考慮作為模型的價值函數的梯度為基礎，使該梯度的每個組分與新的價值函數相一致，新的價值函數的每個參數通過伴隨變量q和p達到最小化。 (13)對該新

18、的價值函數進行一階變分，可得一組新的拉格朗日等式： (14a) (14b) (14c) (14d)海賽矩陣元可以利用下式計算： (15a) (15b) (15c) (15d)注意，海賽矩陣的對角線項對價值函數J中縮放二次參數不吻合項的常數和有影響。這些縮放項的一個正確選擇是對相應參數的先驗方差求倒，即在數據同化前測定其不確定性。海賽矩陣倒數對角線的相對比較（即數據同化后參量的估算方差）在同化過程中尋求參數來減少總體不確定性方面提供了一種有用的方法。 除同化數據（即LST）的誤差之外，包括空氣溫度、風速及輻射等強迫數據的任何誤差都會通過模型傳播，影響參數的最終估算值。這些強迫變量的各自誤差影響模

19、型和估算值的途徑是不同的。項（式(16)）包含氣象學的強迫及估算的參數，估算(和)的誤差可通過執行項的單獨微擾來實現。 (16)令，估算參數的相對誤差，凈輻射強迫(Rn/Rn)，空氣溫度強迫(air/air)和風速(U/U)的相對敏感度上限可估算為： (17) (18)當強迫的相對誤差轉移到EF的相對誤差時，最多通過因子進行放大。當土壤干燥時其影響最大，表面條件較潮濕時其影響減小。風速、空氣溫度和凈輻射的相對誤差在中最多轉化為等量的相對誤差。4 數據4.1 場地描述阿諾盆地是意大利中部主要的分水嶺之一，大部分區域屬于托斯卡納行政區，排水區面積為8230km2。如自然地理圖圖1a所示，盆地被亞平

20、寧山脈限制形成由北到東平均海拔為1000m的弧形構造，最高海拔約2000m。年平均降雨量為750mm，大部分季節為半干旱氣候。夏季一般較干燥、入射輻射大，局部對流暴雨時有發生。盆地的主要的排水系統是流經佛羅倫薩和比薩等主要Tuscan城市的阿諾河。圖1b顯示盆地的主要植被覆蓋類型是農田、橄欖林、葡萄園和森林。盆地的西部和東南部較低區域為沖積平原，主要覆蓋有農田和草灘。盆地的東北部為丘陵，大部分為森林覆蓋。橄欖林和葡萄園位于阿諾盆地中心的過渡區域。圖 1a 地形及溪流網絡圖圖1b 意大利阿諾盆地土地覆蓋和利用圖4.2 地表觀測氣象學的輸入數據（大氣逆輻射、空氣溫度和風速）可通過區域農林和水文部門

21、獲得。1996年7月應用期間的小時數據可以通過12個微氣象站獲得。微氣象站的測量值通過空間內插值和柵格（與現有衛星數據相應，采用1.1km尺度）來表示其空間分布。對太陽入射輻射（假設為標準的0.15短波表面反射）、地面逆輻射和風速，采用逆距離方法；對空氣溫度，在基于現有測站應用依賴于高程的回歸時，考慮了溫度的垂直梯度效應。表列出了微氣象站名稱、UTM-32N位置、海拔高度和測量的變量。表 1 微氣象站及本文中使用的變量列表測站（從屬關系）XUTMYUTM海拔高度（m）實測的變量Albano(A)6493004858600254RS，Rt，U,TaArtimino(A)6643004848600

22、17RS，U,TaPieve di Compito(A)628400484870050RS，Rt，U,TaS.Pietro a Marcigliano(A)6292004862500260RS，U,TaSorana(A)6375004870300600U,TaCase Passerini(H)675121485356436RS，U,TaLe Croci di Barberino(H)6821214875458406TaLucca(H)621601485545716TaMangona(H)6760704879930525TaMarcoiano(H)6846204880500535TaS.Colo

23、mbano(H)671556484964334RS，U,TaS.Giusto(H)676647484746040RS，U,Ta4.3 遙感數據研究采用兩個衛星平臺和傳感器在1996年7月7日至7月24日（儒略日189到206天）期間過境的遙感測量值來估算整個區域的LST值。第一個傳感器是AVHRR，其利用5個光學和紅外通道進行映射測量。第二個傳感器是SSM/I，它通過7個通道包括4個頻率的大多數通道和兩個偏振（水平和垂直）發射短波進行測量。AVHRR傳感器安裝在NOAA-14平臺上，該衛星的過境時間大約在當地時間的13時30分。該1.1km的分辨率圖其參考坐標采用的是通用橫向墨卡托投影(UTM

24、)，為去除云污染的像元及水體表面對其進行了預處理。對每個通道的閾值均采用標準云篩選方法進行了處理。通過應用拆分窗口算法可得到LST圖。SSM/I傳感器安裝于國防氣象衛星計劃(DMSP)系列衛星上，其對地球表面同一區域的回訪為一天兩次（當地時間大約在6時和18時）。像元空間分辨率取決于測量的頻率，但是機載電子系統鑒定器格網格式數據的重采樣為25km的空間分辨率。Caparrini根據McFarland等的算法提出，基于SSM/I傳感器的LST反演算法是不同的，即地表溫度可用SSM/I亮度溫度的線性組合進行計算。由被動衛星測量得到的LST估算值受大氣溫度和濕度的影響。參考上述使用的多通道方法的反演

25、算法對不依賴于輔助數據和模型的諸多影響進行校正。衛星獲得的LST估算值有更更多的誤差原因。對下視場域地形因素的反演，因其幾乎正對著衛星，其反演是有偏差的。在地形起伏較大和植被冠層茂密的區域，遙感測量到的表面溫度因太陽相對方位、不透明面元的觀測角度和反射率的差異而不同。系統性偏差的大小依賴于傳感器類型和分辨率、地表形態、植被結構及其它因素。在數據同化架構中假定LST測量值具有變量誤差（因無因次量綱），在觀測值不確定的情況下，后驗估算適用于先驗模型。在本應用中假設衛星獲取的LST反演值在4K的標準偏差內是確定的，這樣假設是為了解釋可能影響使用遙感測量LST估算值的誤差來源。使用NOAA-14衛星A

26、VHRR和SSM/I傳感器獲得的數據，總數為3天的地表溫度表明，每個像元每天的數據是可求的。兩個衛星平臺的過境時間(6時,13時30分,18時)在一天之中是充分分散的，所以在同化方案中使用晝夜循環的反演是可行的。然而，SSM/I軌道覆蓋和AVHRR數據云污染其一出現缺口必會引起數據組出現缺口。進行質量控制后沒有被這三種方法每天覆蓋的象元，被排除在分析之外。圖2顯示的是每天都有三種遙感LST測量值的天數。本文研究1996年7月7日至24日18天周期象元覆蓋的阿諾盆地。在微氣象測量值同一時間分辨率下的同化窗內，樣條函數用來重現地表溫度。由于數據是在不同分辨率和一天的不同時段得到的，局部區域的系統性

27、偏差具有一定的風險性。在每天的前幾個小時，溫度場被認為是平緩的，所以SSM/I測量應提供區域的無偏估計值。正午前后，地表溫度場更加多變，可使用高分辨率的AVHRR測量值。 每天的同化被限制在9時到16時，此時大量表面湍流通量的能量是有效的，且值是近常數的。5 結果變量同化方案是對1996年7月7日至24日亞諾河盆地上的遙感LST值和基本的微氣象強迫實現的。針對每個像素位置，該方案反復改進了參數估算（蒸發分數EF和中性的體積傳熱系數CBN）并以每半小時為步階計算潛熱和感熱通量。蒸發分數EF是日常的吸收量，每天都有獨立值。體積傳熱系數CB被分為中性和非中性（不穩定）圖 2 有效和質量控制的遙感測量

28、地表溫度(LST)數據天數圖。同化僅對圖示的天數實施。質量控制的標準是：當地時間13時30分基于AVHRR的LST值是有效的，掩膜處理了反演中低于當地空氣溫度的云象元和LST估算值；當地時間6時和18時基于SSM/I的LST值兩部分。非中性部分是與式(4)中理查森數相關的函數式。中性部分CBN是與地形相關的關鍵變量，可通過LST序列同化進行估算。進行研究的18天期間，假定任何位置的地形特征保持不變。在估算真實性方法中，主要是對地表植被分布和降雨事件進行日常EF圖對比。盡管沒有使用降雨量數據，但是如果估算是符合現實的，那么蒸發分數在降水之后又逐漸干燥過程中的遞減是可預期的。估算的CBN數值（標量

29、的粗糙度為名義上的B1系數）與地形特征的關系，部分地證明了其真實性。同樣，沒有地表覆蓋特征的信息亦可以用于同化方案。在CBN中，任何存在的空間結構和任何與地形特征的相似性都部分證明了估算的真實性。5.1 體積傳熱系數（中性）CBN整個阿諾盆地無量綱的CBN估算值對具有足量受質量控制的遙感LST值的象元區是最理想的（即正午AVHRR過境時沒有云的干擾）。圖3（上圖）顯示了18天同化窗的log10值。CBN的范圍與文獻中提出的許多現場試驗值是可比較的。該盆地西部和東南部的耕地即地形起伏較小的草地，該值接近10-3。隨著該盆地東北部的高地和森林空間相干性的增加，log10值增加為10-1.2。對CB

30、N域的預先猜測在整個盆地各處是空間均勻的，其值為0.0067。圖3 中的兩個下圖顯示對CBN值較后的不確定性估算可采用式(15)計算。圖中標注U（上）和L（下）表示其所占百分比是，上：85th，下：15th（符合高斯分布平均估算值加減一標準偏差），該分數值不同于用式(15)獲得的CBN估算值。這種不確定性的尺度表明，對大部分盆地而言，估算值的誤差在15%以內（甚至更小），可認為估算值是可靠的。圖 3 （上圖）整個阿諾盆地無量綱化反演體積傳熱系數（以log10表示）圖。西部和東南部種植有農作物和草地的低地勢區的估計值較低，約10-4；西北部高地勢區和森林覆蓋地區的值較高，約為10-1.2。（下圖

31、）下界限和上界限不確定界限的估計值可表示為不同的百分比圖4為圖1b中所示土地覆蓋和土地利用的兩個主要組群之反演體積傳熱系數CBN的直方圖。組群森林、橄欖溝、葡萄園和灌木叢與組群耕地、草地和裸地的分布是明顯不同的。圖5是兩組數據樣本的統計箱形圖，值得注意的是依賴于植被覆蓋因素的分布變化情況。箱的范圍是樣本分布中的第一和第三四分位數；中值位置在箱內進行了標記。從箱尾延伸出來的線是5%和 95%處的值；異常值用十字形標出。這里，這兩組數據樣本說明其很有可能是兩個截然不同的統計群體的部分。CBN值的反演是基于數據同化架構中源自遙感LST值和微氣象序列資料。該方案沒有利用任何關于土地覆蓋和土地利用的輔助

32、數據。但是CBN的反演值說明圖1b所示的期望分類的模式。圖 4 兩種主要組群（土地覆蓋和土地利用）無量綱化反演體積傳熱系數（圖3中的log10）直方圖延長同化周期和借助更多的LST遙感數據進行分析有助于大比例尺的CBN地圖在水文學和氣象學上的應用。為了獲得整個阿諾盆地改進了的CBN分布透視圖，在本研究中使用有限的LST值，再通過反演的CBN像素值和地形因素（坡度、海拔和地理位置）之線性關系，從而制作其填充圖。圖 5 圖3、4中顯示的無量綱化反演體積傳熱系數（用log10表示）的兩個樣本之統計箱形圖此外，為了達到診斷的目的，圖3至5中所示的CBN估算值被轉化為用式(5)表示的表面標尺長度z0H和

33、標稱值B-1（此處依據Garratt和Hicks2,1973）。圖6中z0H的反演值和診斷值表明與圖1a中盆地的地形特征嚴格匹配：由西部和東南部農作物覆蓋的洼地的10-4m增加到東北部森林覆蓋的山地的10-1m。對每個估算象元的地形條件和捕獲的湍流熱傳導的整個表面影響來說，反演的z0H是有效值。Mahrt和Ek在整個HAPEX-MOBILHY野外試驗區估算了z0H。該地區具有一系列可對比的植被覆蓋條件，從丘陵農田到松林，如同阿諾盆地一樣。在HAPEX-MOBILHY試驗區航天測量的基礎上，Mahrt和Ek指出這些同樣土地覆蓋類型的z0H值范圍是10-6至10-3 m。圖 6 m級log10值的

34、熱傳遞和在阿諾盆地中使用的式(5)的標稱值B-1的反演粗糙長度填充圖5.2 蒸發分數 EF數據同化方案也對每個像素位置的日常蒸發分數EF進行日間反演。圖7a顯示了在阿諾盆地1996年7月7日至24日同化期間8天的EF估算值序列，占支配地位的林地覆蓋和耕地利用的系統差是明顯的。西部和東南部耕地和草地的值較低，而森林覆蓋的高地其數值較大。第199天的降雨增加了阿諾盆地較上方的EF值。在接下來的幾天里，EF值明顯減少。貫穿整個盆地和所有天數，預先猜測的EF值平均是0.7。基于式(15)進行的后續估算的不確定性如在圖7b所示。EF值較高的85%和較低的15%（符合高斯分布的平均估算值加減一個標準偏差）

35、之間的差別在這些地圖中有所表現。圖7a中EF估算值肯定在這個范圍之內，一般小于0.3。隨著盆地干燥程度的增加，EF值不確定性減小，其漸近線亦靠近其下限。當在盆地區域取其平均數，暫時動力學是比較明顯的。圖8的頂圖顯示反演EF值的日常時間序列-每天的標度表現了像素位置的空間標準偏差值。同時，圖中也繪制了太陽入射輻射值()，每單位體積空氣的平均動能(MKE)（基于風速的測量）以及降水量（雨水條的陰影部分表現了盆地被現象隱蔽了的蒸餾分）。這些時間序列在對反演的EF值的解釋和定性測試上是有幫助的。如同輻射()和風湍流(MKE)等其它因素影響表面湍流熱通量，降水事件對蒸發分數也有影響。輻射的增加和低層大氣

36、湍流的混合減小了EF值。在第190、199和201天的降雨導致地面變濕，相應出現EF值局部增加。第二幅圖也包括從反演得到的數據同化域估算的LE和H的時間序列。第190天的降雨使得潛熱通量大大增加了。此外，感熱通量和潛熱通量的劃分清楚地說明了降雨之后蒸發作用增強。第199 和201天降雨量較小，但類似的響應是明顯的。第190天強降水之后的干燥時期，蒸發的總趨勢是減少的。5.3 繪制地表熱通量圖地表能量平衡組成本質上是在數據同化方案中生成的。因方案迭代后接近價值函數(8)的最小值，其估算值是最新的。能量平衡組分在前向模型(1)中用來改進地面溫度跡線，使其更好地符合LST的測量序列。繪制陸面蒸發和地

37、面能量平衡組分圖在該研究中是可行的。圖 7a 反演的日間蒸發分數日常圖圖 7b EF值的不確定范圍圖只要有更長的同化周期和更多的LST輸入，大范圍和較完善的地圖繪制是可能的。對于阿諾盆地的個案研究，只處理了有限的遙感數據，取而代之的是用模型來填充沒有進行反演的缺口（由于云的遮掩等因素造成的）。圖9為整個阿諾盆地日間的潛熱通量圖。在反演的EF和CBN的像素位置（圖3和圖7），比率和在數據同化方案中的估算是相等的。在缺少LST數據的其它像素位置不允許進行反演，潛熱通量域在線性模型（包括CBU, , 和Ts Tair）的基礎上被內插值替換。6 結論提高繪制表面能量平衡組分圖的性能必須發展和使用遙感數

38、據流。目前根據重大實際應用的需要，能夠獲得高時間和空間分辨率-分辨率融合的數據。結合重要的實際應用需求，能夠利用堅實的基礎和穩健的應用建立轉換需要數量的測量值的基礎。地表溫度(LST)估算值可以通過很多光學、熱學和微波傳感器進行推斷。事實上，在太空中傳感器的繼承允許LST重建過去幾十年的資料。本文提出了如下結論：圖 8 日常平均值和平均盆地變量的時間序列。頂圖表述整個18天同化窗EF的變化情況。其下的圖包括表面能量平衡的時間序列（測定的太陽入射輻射和潛熱、感熱通量），表面風動能和觀測的累積降雨量（暗影表示盆地被降雨覆蓋的部分）圖 9 日間潛熱通量日常填充圖· 地表溫度的瞬時值和時間變化序列包含關于表面有效能分區的重要信息。· 前向模型方程可通過定義和使用有效變化的數據同化架構作為輔助數據需求進行簡化，然后估算表