蒸散遥感的空间尺度效应分析

空间只度间题影响遥感及其应用的各个方面，从遥感数据的采集分析、信息提取到地而模型的建立和参数确定，无一不受到尺度间题的固扰：造成尺度问题如此复界、如此重要的根本原因，在于地球表面的几何、物理属性的极度非均匀性。传统学科中的尺度多是指自然构成和过程的层次性（hiemrcly），不同尺度的研究对应不同层次的物理生化机制的尺度转换（scaling-up，scaling-down）是不同尺度的模型、信息和知识等相互联系的途径。例如，气象学家将气候模式中的网格距尽量缩小以充分利用地面生物学的知识，而生物学或生态学家则想把原来在极小的尺度上发现的规律用到更大的尺度（如气候模式）中去。但是在实际中尺度转换这一步往往被忽略。例如，直接用基于冠层尺度的植被生理模式，计算全球尺度植被第一性生产力的分布。

植被蒸散是植被和大气相互作用的基本过程之一，通过地面与大气之间能量、水分、动量、气体等交换过程的参数化，SVAT模型可以定量计算植被蒸散以及其他农业气候与自然生态系统中的重要参数。SVAT模型一般是为均匀表面设计的，其中的植被几何、生物物理等参数是在比较均匀的局地尺度上定义和观测的；而在更大的尺度上，由于地表的非均匀性，很难正确观测或定义这些参数，即使能够通过面积权重等方法重新计算参数，但这时的SVAT模型是高度非线性的，不可避免会产生尺度误差。这个问题有两种解决办法，一是在新的尺度上重新定义己有模型的输入参数，以达到尺度修正的目的；二是重新建立模型以适应新的尺度。

遥感中的尺度是指像元的空间分辨率，即一个像元对应地表面积的大小。在分辨率很高（几米）的像元中，可以认为像元是近似均匀的，用冠层尺度的模型误差比较小；在像元分辨率很低（1km），地表状态很不均匀时，则需要考虑混合像元问题。至于如何将像元尺度的结果用于区域或全球尺度的研究，则是另外一个问题，其中涉及一些中尺度过程以及数据同化等方面的内容。另外，在遥感中，冠层尺度的模型是尺度扩展的起点，而从单个气孔到叶片，从单个叶片到冠层尺度的扩展是植物生理学、微气象学等学科的研究内容。非均匀性的定义是相对于均匀的情况而言的，一般将浓密的植被、裸土和水体等表面信息特征比较均匀的像元定义为“纯像元”或“均质块”，而将稀疏的、不完全覆盖地表的植被则定义为非均匀的。从通量计算的角度来看，前者是单源的，不存在尺度问题；后者是多源的，但不同源之间是互相关联、相互作用的，在辐射传输及满流通量中是彼此影响、不可截然分开的，因而不能用混合像元分解的方法来分开不同的构成组分。利用一个复杂的多层（源）模型以及遥感分解的组分温度和植被覆盖度等信息，可以完整地描述此种情形的通量传输规律，因此可以将这种非均匀性和均匀的地表一样处理，即可认为它是均匀的或均质的。还有一种情况，同一个像元内存在截然不同的地表覆盖，可以用混合像元分解手段分出不同类型的子像元，每个子像元是单一的、均质的；由于空间上彼此分离，互相之间的作用和影响很弱，因此可以认为彼此在辐射传输与湍流通量上是互相独立的。在空间尺度扩展中，第一种非均匀性可以忽略，而对第二种情况，则必须用不同组成部分的面积权重来进行分析。