蒸散发是地表能量平衡和水文循环过程中的重要参量,也是监测农作物生长状况和产量的重要指标。相比于传统方法,遥感反演是目前估算区域尺度地表蒸散发的唯一有效手段。对此,已有众多的学者围绕蒸散发遥感反演开展了大量的工作,形成了许多可行的方法模型。本文紧紧围绕目前广泛使用的地表温度/植被覆盖度(LST/FVC)模型,着力于发展通过该模型反演与监测全球蒸散发,针对该模型目前面临未充分考虑土壤水分与蒸散发的关联机制、因云影响无法或难以获取时空连续蒸散发、以及依赖地面辅助数据等问题。对此,本论文开展了以下三个方面的工作:首先,针对LST/FVC模型土壤水分与蒸散发的关联机制问题,即关于土壤蒸发和植被蒸腾与土壤水分是同步变化(“同步”假设)或异步变化(“异步”假设)的问题。本文基于特征空间土壤水分变化的两个基本假设进行了深入的研究,为此基于相同数据驱动“同步”和“异步”假设特征空间模型,反演了不同的干旱条件下北美草原的蒸散发,结果表明土壤蒸发和植被蒸腾对土壤表层和根层水分变化的响应主要取决于研究区的干旱条件:在半干旱和半湿润地区,“异步假设”表现更优;而“同步假设”方法在湿润地区的蒸散发估算表现更好;此外,由于蒸散发校正所采用的能量闭合技术不同,在干旱条件下,对于何种假设方案表现没有一致的结论。特别地,研究还表明即使在干旱条件下,“异步假设”方法定义的土壤表层水分干透和根层水分受胁迫的情况极少发生,表明根层土壤水分开始受到胁迫的临界边界可能需要重新定义。其次,针对因云影响无法难以获取时空连续蒸散发的问题,探索了区域尺度全天空蒸散发遥感反演。该方法利用逐像元LST/FVC特征空间方法和Penman-Monteith公式分别估算晴空像元和有云像元的地表蒸散发。利用MODIS数据和CLDAS(CMA Land Data Assimilation System)格网气象数据,以中国境内黑河流域为研究区,获得了黑河流域全天空的瞬时蒸散发。通过四个不同站点的实测蒸散发与反演值验证表明,该方法可以获得较高精度的空间完整的蒸散发,均方根误差大约为70W/m~2。最后,针对目前蒸散发反演依赖气象数据的问题,本论文针对蒸散发反演中的关键气象要素——空气相对湿度,提出了一种全遥感估算方法。该方法基于实际水汽与总可降水量呈线性关系,气温与地表温度呈线性关系的假设。经由美国通量网不同下垫面和干旱程度条件下的30个站点验证结果表明:在干旱和半干旱地区,均方根误差大约为15.3%,而在湿润地区,相对湿度反演的均方根误差为17.0%。此外,该方法能同时获取5km空间分辨率的气温和实际水汽压参数,为全遥感数据驱动的蒸散发反演模式发展提供了数据基础。综上所述,三个关键问题的解决,使得在理论上,基于全遥感驱动数据获取全球时空连续的蒸散发成为可能,为应用LST/FVC特征空间模型进行全球尺度蒸散发的反演和监测奠定了坚实的基础。