蒸散即指土壤表面水分蒸发和植被水分蒸腾同时发生的共同作用现象,是从陆表传输到大气中的水分,连接了地表水分循环,二氧化碳循环和能量交换,是水圈、大气圈和生物圈水分和能量交换的主要过程参量,是水陆表面热量平衡和水量平衡的重要因素。中国区域性气候差异大,生态系统的蒸散量差异很大,其变化趋势将直接影响到水资源评价。因此,开展我国近几十年来蒸散量的时空分布规律、变化趋势及影响因素的研究,对于我国气候及生态环境等评价以及农业、水文预报、天气预报等行业发展具有重要现实意义。目前国内外学者对蒸散的估算算法及区域应用进行了大量的探索和研究。从已有研究来看,传统的蒸散估算算法多基于物理模型,在不同区域需要进行系数的标定,区域差异较大;对于观测数据较多的情况,基于数据开展全球大尺度及中尺度的陆表蒸散遥感估算研究及算法精度验证研究较少,模拟精度尚不确定;虽然已有一些基于大尺度及中尺度长时间序列的蒸散时空变化的研究,但是在全球变化背景下,重大气候事件对蒸散的影响机制及定量关系研究较少,如干旱对中国陆表蒸散的影响及定量关系较为全面的研究尚未开展。为此,本文基于Fluxnet全球通量站点观测数据,开展全球尺度的广义回归神经网络、支持向量机两种机器算法和UMD-SEMI半经验算法的陆表蒸散遥感估算研究,并进行算法精度验证及对比,使用气象再分析数据结合遥感数据估算中国1982-2010年区域陆表蒸散,进行中国陆表蒸散长时间序列的时空分布和变化趋势的研究,并对多年来干旱对中国不同自然地理分区陆表蒸散的定量影响进行了探讨。本文结果表明,(1)支持向量机和广义回归神经网络模拟结果整体略低于观测值,广义回归神经网络平均偏差更小,而半经验算法估算结果高于观测值;广义回归神经网络算法和支持向量机算法均具有较高的精度,且选取十个指标时模拟效果整体优于选取五个指标的模拟效果;训练数据是影响结果的关键因素,当训练数据选择的较全面时,具有较好的效果;相比支持向量机,广义回归神经网络训练和模拟需要的时间更长;半经验算法具有一定的物理机理,不需要过多的数据预处理,速度最优且比较稳定,大概可以解释56%-75%的陆表蒸散变化,易于长时间序列大尺度区域蒸散的估算;当广义回归神经网络和支持向量机的输入数据只有五个指标(日均温、相对湿度、风速、入射短波辐射、NDVI),与半经验算法保持一致时,大概可以解释71%-86%的陆表蒸散变化。(2)中国陆表蒸散值29年年尺度的日平均ET值年变化范围为32.90-36.05W/m2,区域变化范围为2.15-167.22W/m2,中国陆表蒸散整体趋势从东南向西北逐渐降低。(3)对于整个中国而言,1982-2010年中国年平均陆表蒸散变化趋势先上升后下降。1982-1998年ET变化趋势以+0.06W/m2每年的速度增长,由于受到1997-1998年厄尔尼诺的影响,1998-2010年ET变化趋势以-0.13W/m2每年的速度减少。(4)对于不同的自然地理分区,ET变化趋势各不相同。整体而言,西北、内蒙及青藏地区,在干旱时,由于受到水分限制的原因,气候的干旱使得水分蒸发减少;华中地区,在干旱时,由于热量及水分条件较好,受到太阳辐射影响,气候的干燥使得蒸散增加;华北地区,在干旱时,受到辐射影响,温度处于峰值,蒸散较高;东北及华南地区,统计规律不显著,干旱与蒸散关系不明显。