遥感水文耦合模型的研究进展

生态环境 2006, 15(6): 1391-1396 Ecology and Environment
https://www.360docs.net/doc/f617348558.html, E-mail: editor@https://www.360docs.net/doc/f617348558.html,
遥感水文耦合模型的研究进展
赵少华
1, 2
，邱国玉 ，杨永辉 *，吴
1 2
晓 ，尹
1
靖
1
1. 北京师范大学环境演变与自然灾害教育部重点实验室//北京师范大学资源学院，北京 100875； 2. 中国科学院遗传与发育生物学研究所农业资源研究中心//河北省节水农业重点实验室，河北 石家庄 050021
摘要：遥感水文的耦合模型在目前生态环境领域，特别是在水资源的应用和管理中其作用日益重要，具有大流域尺度上快速 应用、实时动态监测等优点。结合国内外近年来取得的研究成果，文章综述了遥感水文耦合模型的研究进展。首先介绍了遥 感技术在水文学中的应用， 讨论了它的分类发展概况， 接着介绍了几种主要的遥感水文耦合模型及其应用实例， 包括SCS Soil （ Conservation Services）模型、SiB2（Simple Biosphere Model version 2）简化生物圈模型、SRM（Snowmelt Runoff Model）融 雪径流模型以及SWAT（Soil and Water Assessment Tool）模型，最后展望了遥感水文耦合模型未来的发展趋势，指出尺度问 题上的时空变异性仍是其发展的关键，与GIS（Geographic information system）及其他空间技术的相结合是其未来发展的重 要方向，从而为水文学、水资源的预测评价等研究提供参考。 关键词：遥感；水文；径流；流域 中图分类号：P338.9 文献标识码：A 文章编号：1672-2175（2006）06-1391-06
水文模型是以水文系统为研究对象，根据降雨 和径流在自然界的运动规律建立数学模型，通过电 子计算机快速分析、数值模拟、图像显示和实时预 测各种水体的存在、循环和分布，以及物理和化学 特性[1]。通过对各种参数的计算，水文模型可以对 河流、流域、径流以及水体等进行监测预报、水资 源调度等。然而随着社会的发展和科学技术的不断 进步，对水文模型的功能要求也越来越多，也越来 越高，从单纯的流域某控制断面的洪水预报到全流 域的洪水、水资源调度，导致模型的框架结构越来 越复杂。地理信息技术和遥感技术的发展更是大力 促进了水文模型的应用和发展。对于遥感在水文模 拟中的应用，Schultz[2]举出了利用多光谱 Landsat 卫星数据估算模型参数、 利用 NOAA 红外卫星数据 作为模型的输入量来计算历史的月径流量以及应 用雷达测雨数据于分布式模型中来实时预报洪水 的三个例子。水文模型需要大量的空间数据，通过 遥感技术可以为其提供 DEM（数字高程模型）、 土地覆盖/利用、降雨、地表温度、土壤特性、LAI （叶面积指数）和蒸散发等资料[3-5]。 遥感水文的耦合模型是流域水文模型发展的 一个重要方向，有广阔的发展前景。简单来说，遥 感水文耦合模型就是与遥感信息相结合的水文模 型，模型中可以直接或间接地应用遥感资料，通过 遥感水文耦合模型可以在更大范围内更准确地估 算流域的水文概况、水体变化监测、洪水过程监测
基金项目：中国科学院知识创新工程重要方向项目（KZCX-SW-446）
预报等。然而目前国内外对遥感水文耦合模型的研 究还不多，还没有对该方面的研究做系统深入的报 道，本文正是基于此目的，综述了近年来遥感水文 耦合的模型在国内外取得的研究成果，分别讨论了 它的分类发展概况、几种主要的遥感水文耦合模型 及未来的发展趋势，以期为水资源、水文学的预测 评价研究等提供参考。
1
遥感技术在水文学中的应用
遥感技术在水文学中的应用大致可分为两个 方面：一是直接运用：如降雨量变化的估算[6]、水 体（湖泊、湿地等）面积变化的推算[7-10]、冰川和 积雪的融化状态监测以及洪水过程的动态监测等 （其中监测洪水过程的动态最具有代表性）。如 Zhang 等[11]在长江的汉口段流域上，提出利用高分 辨率的 QuickBird 2 卫星影像资料估算河流流量的 方法，该法通过与河流宽度－水位及遥测水位－流 量关系曲线耦合来测量河流水面宽度变化，从而准 确评估其流量。二是间接运用：利用遥感资料推求 有关水文过程中的参数和变量。通常是利用一些统 计模型和概念性水文模型、经验公式等，结合遥感 资料来获取诸如径流、水质（如全氮 TN、全磷 TP、 悬浮物 SS、 化学需氧量 COD、 生物需氧量 BOD 等） 、 土壤水分等水文变量[12]，如对径流的估算，可通过 估算降雨、截流、蒸散发和土壤蓄水量等参数来进 行[13]。对于全球或区域尺度上的蒸发估算，遥感技 术不仅具有对大面积地面特征信息同时快捷获得
作者简介：赵少华（1980－） ，男，博士研究生，主要研究方向为农业生态及遥感水文生态。Tel: +86-311-85814806; E-mail: zshyytt@https://www.360docs.net/doc/f617348558.html, *通讯作者 收稿日期：2006-06-12

1392
生态环境
第 15 卷第 6 期（2006 年 11 月）
的手段（使得常规手段无法比拟），而且也是目前 Castruccio 等[15]曾估计， 最经济和最准确的手段[14]。 遥感用于防洪抢险、水资源规划与管理中的效率 时，其在水文学中应用的产投比达到 1∶75-1∶ 100。 2 遥感水文耦合模型的分类及其发展 就目前的研究情况，遥感水文耦合模型大致可 分成三类：一是遥感信息和地面同步实测资料的回 归模型。此类模型基本上没有物理机制，故时空分 辨率都较低，可用于较大流域（如一二万km2）长 时段（如月）的水资源规划和管理。二是将遥感信 息作为参数输入与估计或参数率定等应用于各种 水文模型中（松散结合和紧密结合两种方式），或 者调整模型结构后与具有空间特征的遥感资料相 耦合，形成新的遥感水文模型；三是应用遥感资料 的水量平衡模型/方程。此类模型的结构非常清晰， 但计算过程中存在累计误差，因此需要其他辅助校 验手段。利用遥感信息结合地面实测资料，进而求 得降水、区域蒸散发及土壤持水量的变化后，即可 得到径流量[16]。 国外早期的研究主要是利用遥感资料提取流 域地物信息、估算水文模型的参数等，如进行土壤 分类、应用一些经验性模型估算融雪径流、损失参 数等，后期则注意适应遥感信息的模型结构的改造 和设计。Cermak等人于l979年就进行了早期遥感水 文耦合模型的研究。主要是根据遥感监督分类技 术，从CCT磁带上提取地物信息，与GIS系统上的 资料配合来得到流域调查所需参数，其工作框图见
陆地卫星 CCT 图像
土地利用 分类程序
各种图像 地面资料
组元 分类 流域 制图
再取样程序
资料信息 分析程序
GIS 系统
确定水文 参 数
分类精度 矩阵比较
子流域单位线 及损失率
流域结构降水
流域模型
洪水过程线
图 1 初级遥感水文耦合模型框图 Fig. 1 Schematic of primary remote sensing and hydrology coupled model
图1[17]。Finnerty等[18]分析了Sacramento模型中时空 尺度（分辨率）对雷达获取降雨资料的敏感性，结 果表明，地表径流、壤中流和补给的基流对时空尺 度最敏感；蒸散发和河道入流的组分也比较敏感， 同 时 提 出 了 改 进 该 模 型 参 数 的 方 法 。 Mauser 和 Sehadlich[19] 运 用 RS 技 术 （ Land-sat TM 和 NOAA-AVHRR）和基于Penman- Monteith的SVAT (Soil-Vegetation-Atmosphere-Transfer）模型为核心 的PROMET模型，模拟分析了三种不同尺度下，即 试验场地尺度、中尺度(150 km×100 km)和小尺度(7 km×13 km)，蒸散发的空间分布规律。O'Donnell等 [20] 把遥感资料作为变量输入，在俄亥俄河流域上应 用大尺度的VIC（Variable Infiltration Capacity）模 型进行有关水文要素的研究，其结果表明，模拟的 流量和蒸散发速率与实测值近似。Anderson[21]介绍 了用遥感数据在MIKE SHE模型中测定土壤湿度、 降雨和叶面积的方法，为其提供蒸散发、土壤水分 等资料，从而研究Senegal（塞内加尔）河流域的水 文状况。 国内这方面的应用主要集中在运用遥感资料 获取流域水文模型的输入和参数率定方面。如王燕 生[22]利用陆地卫星影像获取流域的下垫面资料，将 流域按植被和土壤、土地利用分区，并应用气象雷 达探测雨区及相应的面雨量，采用USDAHL水文模 型，进行了少冷河的洪水预报研究。许有鹏等 [23] 以浙江省曹娥江流域为试验区，采用Sacramento模 型， 重点探讨了利用Ｌandsat TM影象资料直接或辅 助确定水文模型参数的途径和方法，研究表明应用 遥感信息确定该模型参数，进行日、月和年径流的 动态模拟是完全可行的，并可取得较满意的精度。 王腊春等 [24] 将遥感资料应用到新安江模型的参数 提取，确定流域最大可能土壤蓄水量；该模型应用 Landsat TM 数字磁带和黑白航空像片来分析研究 区地表覆盖状况和辅助常规土壤图确定水文土壤 类型，从而确定每一个分块面积上的CN和S值，在 浙江溪西流域6次洪水的产流计算结果，计算值与 实测值相对误差在6.5~8.3之间，精度满意。徐雨清 等[25]以黄土高原半干旱地区的6个自然集水区为研 究对象，应用GIS与RS技术研究了该地区的降雨径 流关系问题，用GIS提取流域边界、水道、地形和 下垫面特征，应用卫星遥感（NOAA AVHRR卫星 数据）获取植被和土地利用状况，通过统计分析得 出该区域多年平均年径流量与降雨量、地形、植被 等因素的关系， 并建立了模型。 马铁民等 [26]在新安 江模型的基础上，通过参数调整和修改，建立了 吉林省辉发河流域的遥感水文模型并对该流域的 水情要素等进行研究，结果表明对该流域的水文

赵少华等：遥感水文耦合模型的研究进展
1393
及洪水预报效果良好。
3
3.1
几个主要的遥感水文耦合模型
SCS模型 SCS（Soil Conservation Services）模型是美国 水土保持局研制的小流域暴雨径流估算模型。它是 根据降雨径流形成规律，并重点考虑形成径流的下 垫面特征来研究暴雨径流的数量关系；同时结合小 流域实验观测资料进行统计相关分析所建立的小 流域暴雨计算模型。在降雨径流关系上，SCS模型 考虑流域下垫面的特点，在水文模型参数和遥感信 息之间建立了直接的联系。模型的基本形式为： (1a) Q=(P-0.25)2/(P+0.85); (P≥0.25) S=25400/CN-254 (1b) 其中P为降雨量， Q为径流值， S为最大蓄水容量， CN（Curve Number）为径流曲线数。此模型涉及到 许多下垫面参数，并且由CN综合加以反映。参数CN 综合表达了截流、入渗、地表存储过程等，其数值 取决于流域的地表覆盖、土壤类型以及土地利用等 特征，这些特征均可由遥感数据信息来表征。 魏文秋等[27]通过改进SCS模型并应用遥感资料 确定模型的土地利用和土壤类型，以安徽城西径流 试验站进行了实例研究，结果表明产流模拟的精度 是满意的。刘贤赵等[28]基于土地利用、土壤类型等 遥感观测的信息数据和流域水文、气象资料，按照 集水区自然分水线划分流域子单元，并提出适合该 流域的CN值表，应用SCS模型对黄土高原典型流域 —王东沟流域径流过程进行了模拟。结果表明，模 型所模拟的径流过程与实测径流过程具有较好的 一致性，模拟精度在75%以上，说明模型在参数的 确定上较为合理。 Gress等[29]描述了美国国家遥感中 心采用Landsat TM 和 SPOT卫星的数据资料， 对美 国大平原地区的湿地进行重新分类的应用。 Shrimali等[30]在印度北部的Sukhna Lake流域上，采 用RS和GIS技术把山地易侵蚀区分为林地、 农用地、 灌木林、荒地、河床和沉降地六类，并采用SCS－ CN 法计算了该地区的径流。 3.2 SiB2 模型 SiB2（Simple Biosphere Mode，简化生物圈模 型）是用来研究单层植被中的水、能量以及CO2通 量的陆面模型[31]。该模型是由Sellers等[32]提出，后 经Sellers等[33-36]改进。模型中的水文模块把未来的 降雨归入冠层截流和穿透水的组分。当降雨超过冠 层的持水能力时，冠层截流水以潜在速率蒸发或者 贡献给穿透水。 模型与遥感数据结合紧密，不同植被类型（如 草地、森林及耕地等） 、光合作用率及水文参数等 Randall等[39]应用 可通过遥感观测获得或估算[37-38]。
该模型，结合GCM（General Circulation Model）模 型模拟了未来的气候变化，结果表明降雨普遍减 少，但季风地区增加，特别是在一月份的亚马孙流 域和七月份近赤道的非洲及东南亚地区；同时蒸发 也大量减少， 特别是干旱地区如撒哈拉沙漠。 另外， 地下水量在多雨地区增加干旱地区减少的现象也 普遍存在，SiB2模型有增加地下水的空间变异性趋 势。Kim等[40]利用卫星遥感资料，通过SiB2模型模 拟了泰国Chao Phraya河流域的水量平衡， 并把模拟 2 结果与观测站（观测流域面积110 569 km ）的观测 值进行比较，结果表明年径流量及水量平衡的模拟 值与观测值吻合良好。 3.3 SRM 模型 SRM (Snowmelt Runoff Model)是1975年瑞士 科学家Martinec在法国一个2.65 km2 的小流域建立 了第一个半物理机制的融雪径流模型。也称 Martinet或Martinec-Rango模型，其目标是模拟及预 报以融雪为主要河流补给源的山区流域逐日径流， Martinec和Rango[41] 早在1986年就对11个国家24个 流域上该模型的应用情况做了回顾，并评估了模型 的参数取值。目前SRM模型已经扩展了一个气候变 化对流域融雪径流情势影响评价的模块。随着遥感 技术的应用，SRM模型的应用范围已经达到25国 家， 从北纬32°~60°到南纬33°~54°， 超过100个流域， 2 流域面积范围从1 km 的小流域到120 000 km2的大 流域不等(最小的为0.76 km2)[42]。它可用来模拟年内 或年际融雪季节的逐日流量； 进行短期和季节性径流 预报；评估气候变化对雪盖和融雪径流的潜在影响。 其模型公式如下[43]： an (Tn+?Tn) Sn+CRnPn] Qn+1=[CSn (2) (A·10000/86400)·(1-kn+1)+QnKn+1 式中：Q为平均日流量(m3·S-1)；C为径流系数；CS 为融雪径流系数；CR为降雨径流系数；a为度日因 子(cm·℃-1·d-1)；T为度×日数(℃·d)；S为雪盖面积百 分比；P为降水(cm)；A为流域或分带面积(km2)；k 为衰退系数；n为模拟流量连续计算的天数；10000 ／86400：从cm·km-2·d-1 转换成m3·S-1的系数；T、S 和P是模型变量，其它为模型参数。 Kaya[44] 在 其 论 文 中 研 究 了 RS 和 GIS 技 术 在 SRM模型中的应用。Ferguson[45]综述了许多融雪模 型的异同，其中重点比较了应用较广的HBV模型和 SRM模型，指出其差异主要在于对水文和环境的模 拟上， 包括复杂性与简单性、 空间分类的合适水平、 参数的识别与校正等。王建等[46]选择Alps意大利境 内的Rienza流域， 利用SRM模型模拟春季融雪径流， 研究环境因素对这些参数的影响尤其是对度-日因 子的影响及它们之间的内在关系，重点讨论利用

1394
生态环境
第 15 卷第 6 期（2006 年 11 月）
GIS和RS数据获取SRM模型中的关键参数和因子。 结论表明模拟的关键是精确地输入模型参数；RS 数据在提取雪盖面积的过程中，消除地形影响是必 要的；从模型的应用状况分析，精确地获取雪盖面 积是影响模拟结果的关键。 3.4 SWAT 模型 SWAT(Soil and Water Assessment Tool)是 Jeff Arnold 1994 年 为 美 国 农 业 部 农 业 研 究 中 心 （USDA-ARS）开发的模型。它是一个具有很强物 理机制、长时段的流域水文模型，能够利用 RS、 GIS 提供的空间信息，诸如土地覆盖、土壤类型、 天气以及作物生长等因子模拟多种不同的水文物 理化学过程，如水量、水质以及农用化学物质的输 移与转化过程[47]。模型可采用多种方法将流域离散 化（一般基于栅格 DEM） ，能响应降水、蒸发等气 候因素和下垫面因素的空间变化及人类活动对流 域水文循环的影响。 该模型结构复杂，参数众多，对资料的要求也 较高，但其基本原理则基于水量平衡方程：
(3) ；W 这里Wt 指土壤水的最终含量（mm） 0土壤 水的初始含量 （mm） t 为时间， ； 以天数计； day,i 是 R 第i天的降雨量（mm） surf,i 是第i天的地表径流 ；Q ；W （mm） a,i是第i天的蒸散发量（mm） seep,i是在 ；E 第i天从土壤剖面进入渗流区的水量（mm） gw,i ；Q 是第i天的回流量（mm） 。 由于SWAT模型能够和RS及GIS耦合，可有效 地利用遥感数据，并且模型运行费用低廉等优点， 因此Barry等[48]在众多模型中通过一系列的选择比 较，选择了SWAT模型来模拟英国较低地区流域中 养分向水体的输移。Pandey等[49]采用该模型，结合 RS （提供数字高程） 和GIS技术研究了印度Banikdih 农业流域的径流、产沙量和养分循环等。Behera和 利用卫星影像提供的遥 Panda[50]也基于SWAT模型， 感数据，对亚湿润亚热带地区农业流域的管理措施 进行评估研究，结果表明模型对日径流量、产沙量 以及径流中的养分含量的模拟结果满意。
动态和连续的大范围资料等诸多优势[52-54]，因此在 水文学上有着广泛的应用前景。目前随着RS、GIS 以及其它空间技术、信息技术的不断发展，国内外 在太阳辐射、流域下垫面特性、时空特性等的研究 上不断深入，遥感水文耦合模型的研究和应用也取 得了一定发展，在大尺度的流域水资源评估、洪水 预报监测上等得到了较大的应用，特别对基于GIS、 RS的耦合水文模型更是如此， 其耦合的核心就是将 GIS、RS的数据源与传统水文模型的结构相匹配， 并运用GIS的功能模块经二次开发后实现模型的运 行及输入输出，通过GIS、RS与水文模型的集成， 建立结构上匹配、机制上合理的耦合模型。 尺度问题是是遥感水文耦合模型未来发展的一 个关键。不同尺度的水文循环的机理不同，水文模 型的结构也就不尽相同，如何考虑流域水文过程的 时空不均匀性和变异性是尺度问题的关键，影响这 种不均匀性和变异性的主要因素有流域的地形、植 被覆盖、土壤及降雨、蒸发等气候因素，而采用新 技术如GIS、 RS获取更多的信息源是水文模拟发展的 一个趋势。未来水文科学的发展在很大程度上取决 于水文数据的获得及其精度，尽管目前遥感（图像） 可以为水资源研究提供大量有关资料，但在应用上 还受传感器的时空分辨率不能统一以及释译图像精 度等影响，很多数据资料还不能被直接利用、充分 利用。因此减少这种影响限制，提高遥感数据在水 文模型中的可利用性、可操作性，使之更好地与水 文模型及GIS技术相耦合是未来遥感水文耦合模型 发展的重要方向（模型结构可如图2所示）。
遥感卫星影像资料
常规图件地形/专题图
计算机图像解译处理 （遥感软件和目视）
GIS空间数据库 及DEM模型
流域下垫面覆盖土地 利用和表层土壤分类
参数转换分析 模型参数推求
流域降雨径流蒸发等流域水文信息
4
结论与展望
流域水文模型调参及水文过程模拟分析
由于遥感数据具有分布式特点，因此只有分布 式水文模型才能够全部利用这种时间和空间分布 的特点[51]，并且在目前的遥感水文耦合模型的应用 中，也以分布式流域水文模型的遥感信息应用最 多。遥感技术具有可以提供面状信息而非点状信 息，可以直接或间接测量常规手段无法测量到的水 文变量和参数(如区域土壤湿度)，可以提供长期、
水资源利用评价和管理决策
图2 利用RS信息和GIS 确定水文模型模型参数过程示意图 Fig. 2 Schematic of hydrological model parameters derived from RS and GIS

赵少华等：遥感水文耦合模型的研究进展
1395
Application to the Ohio River basin [J]. Journal of Geophysical Research-Atmosphere, 2001, 105 (D10): 12499-12516. [21] ANDERSON J. Distributed hydrological modeling and application of remote sensing data [D]. Ph. D. Thesis. Technical University of Denmark, 2001. [22] 王燕生. 遥感水文模型及其应用 [J]. 水文, 1989(5): 20-24. WANG Yansheng. The remote sensing hydrological model and application [J]. Hydrology, 1989(5): 20-24 [23] 许有鹏, 陈钦峦, 朱静玉. 遥感信息在水文动态模拟中的应用 [J]. 水科学进展, 1995, 6(2): 156-161. XU Youpeng, CHEN Qinluan, ZHU Jingyu. Application of remote sensing images in dynamic hydrologic simulation [J]. Advances in Water Science, 1995, 6(2): 156-161. [24] 王腊春, 熊江波. 用遥感资料建立分块产流模型 [J]. 地理科学, 1997, 2: 76-80. WANG Lachun, XIONG Jiangbo. Building runoff yield model in the subregion using remote sensing data [J]. Scientia Geographica Sinica, 1997(2): 76-80. [25] 徐雨清, 王兮之, 梁天刚, 等. 遥感和地理信息系统在半干旱地区 降雨—径流关系模拟中的应用 [J]. 遥感技术与应用, 2000, 15(1): 28-31. XU Yuqing, WANG Xizhi, LIANG Tiangan, et al. A rainfall-runoff model in semi-arid area by the remote sensing and geography information system method [J]. Remote Sensing Technology and Application, 2000, 15(1): 28-31. [26] 马铁民, 邵蓝霞, 曹艳秋.吉林省辉发河流域遥感水文模型的建立 和应用[J]. 东北师范大学学报(自然科学版),2001, 33 (4) :93-98. MA Tiemin, SHAO Lanxia, CAO Yanqiu. Establishment and application of remote sensing hydrological model in Huifa River basin in Jilin province [J]. Journal of Northeast Normal University, 2001, 33 (4):93-98. [27] 魏文秋, 谢淑琴. 遥感资料在 SCS 模型产流计算中的应用 [J]. 环 境遥感, 1992, (4): 243-250. WEI Wenqiu, XIE Shuqin. The application of remote sensing in runoff formation in SCS model [J]. Remote Sensing of Environment, 1992, (4): 243-250. [28] 刘贤赵, 康绍忠, 刘德林, 等. 基于地理信息的 SCS 模型及其在黄 土高原小流域降雨-径流关系中的应用[J]. 农业工程学报, 2005, 21(5): 93-97. LIU Xianzhao, KANG Shaozhong, LIU Delin, et al. SCS model based on geographic information and its application to simulation rainfall-runoff relationship at typical small watershed level in Loess Plateau [J]. Transactions of CSAE, 2005, 2005, 21(5): 93-97. [29] GRESS T A, KITTLER D, MAO C, et al. Wetland recertification and sampling using satellite remote sensing [J]. Advances in Space Research, 1993, 13(11): 83-90. [30] SHRIMALI S S, AGGARWAL S P, SAMRA J S. Prioritizing erosion-prone areas in hills using remote sensing and GIS - a case study of the Sukhna Lake catchment, Northern India [J]. International Journal of Applied Earth Observation and Geoinformation, 2001, 3(1):54-60. [31] SELLERS P J, RANDALL D A, COLLATZ G J, et al. A revised land surface parameterization (SiB2) for atmospheric GCMs. Part I. Model formulation [J]. Journal of Climate, 1996a, 9: 676–705. [32] SELLERS P J, MINTZ Y, SUD Y C, et al. A simple biosphere model (SiB) for use within general circulation models [J]. Journal of the Atmospheric Science, 1986(43):505-531. [33] SELLERS P J, SHUTTLEWORTH W J, DOLMAN J L, et al. Calibrating the Simple Biosphere Model (SiB) for Amazonian Tropical Forest using field and remote sensing data. Part I: average calibration with field data [J]. Journal of Applied Meteorology, 1989(28): 727-759. [34] SELLERS P J, DORMAN J L. Testing the Simple Biosphere Model
参考文献：
[1] 熊立华, 郭生练. 分布式流域水文模型[M]. 北京: 中国水利水电 出版社, 2004. XIONG [2] [3] [4] Lihua, GUO Shenglian. The distributed watershed hydrological model [M]. Beijing: China Waterpower Press, 2004. SCHULTZ G A. Remote sensing in hydrology [J]. Journal of Hydrology, 1988(100): 239-265. SCHULTZ G A. Hydrological modeling based on remote sensing information [J]. Advances in Space Research, 1993, 13(5): 149-166. ANDERSEN J, DYBKJAER G, JENSEN K H, et al. Use of remotely sensed precipitation and leaf area index in a distributed hydrological model [J]. Journal of Hydrology, 2005, 305(1-4): 15-39. [5] CHEN J M, CHEN X Y, JU W M, et al. Distributed hydrological model for mapping evapotranspiration using remote sensing inputs [J]. Journal of Hydrology, 2002, 264(1-4): 34-50. [6] [7] PETTY G W, KRAJEWSKI W F. Satellite estimation of precipitation over land [J]. Hydrological sciences Journal, 1996, 41(4): 433-452. SMITH L C. Satellite remote sensing of river inundation area, stage, and discharge: A review [J]. Hydrological Processes, 1997(11): 1427-1439. [8] ALSDORF D E, MELACK J M, DUNNE T, et al. Interferometric radar measurements of water level changes on the Amazon floodplain [J]. Nature, 2000, 404:174-177. [9] PRIGENT C, MATTHEWS E, AIRES F, et al. Remote sensing of global wetland dynamics with multiple satellite data sets [J]. Geophysical Research Letters, 2001, 28(24): 4631-4634. [10] ZHANG J Q, XU K Q, YANG Y H, et al. Measuring water storage fluctuation in Lake Dongting, China, by TOPEX/Poseidon altimeter [J]. Environmental Monitoring and Assessment, 2006, 115(1-3)23-37 [11] ZHANG J Q, XU K Q, WATANABE M, et al. Estimation of river discharge from non-trapezoidal open channel using QuickBird-2 satellite imagery [J]. Hydrological Sciences, 2004, 49(2): 247-260. [12] ZHANG J Q, XU K Q, QI L H, et al. Estimation of freshwater and material fluxes from the Yangtze River into the East China Sea by using TOPEX/Poseidon altimeter data [J]. Hydrological processes, 2005(19): 3683-3698. [13] SCHULTZ G A. Remote sensing applications to hydrology: runoff [J]. Hydrological sciences Journal, 1996, 41(4): 453-475. [14] KUSTAS W P, NORMAN J M. Use of remote sensing for evapotranspiration monitoring over land surfaces [J]. Hydrological sciences Journal, 1996, 41(4): 495-516. [15] CASTRUCCIO P A, LOATS Jr H L, LLOYD D, et al. Cost／benefit, analysis for the operational application of satellite snowcover observation (OASSO)[A]. In: Proc Final Workshop on OASSO [C].Washington, USA, NASA,CP-21l b, 1980: 201-222. [16] 傅国斌, 刘昌明. 遥感技术在水文学中的应用与研究进展[J]. 水科 学进展, 2001, 12(4):547-559. FU Guobin, LIU Changmin. Advances in applications of remote sensing data to hydrology [J]. Advances in Water Science, 2001, 12(4): 547-559 [17] 陆家驹. 遥感资料在水文模型中的有效应用[J]. 水文, 1990(6): 62-64, 27. LU Jiaju. The available application of remote sensing data in hydrological model [J]. Hydrology, 1990(6): 62-64,27. [18] FINNERTY B D, SMITH M B, SEO D J, et al. Space-time scale sensitivity of the Sacramento model to radar-gage precipitation inputs [J]. Journal of Hydrology, 1997, 203(1-4): 21-38. [19] MAUSER W, SEHADLICH S. Modelling the spatial distribution of evapotranspiration on different scales using remote sensing data [J]. Hydrology, 1998, (212-213): 250-26. [20] O'DONNELL G M, CZAJKOWSKI K P, DUBAYAH R O, et al. Macroscale hydrological modeling using remotely sensed inputs:

1396
(SiB) with point micrometeorological and biophysical data [J]. Journal of Climate and Applied Meteorology, 1987, 26(5), 622 -651. [35] DORMAN J L, SELLERS P J. A global climatology of albedo, roughness length and stomatal resistance for atmospheric general circulation models as represented by the Simple Biosphere model (SiB) [J]. Journal of Applied Meteorology, 1989, 28, 833-855. [36] SATO N, SELLERS P J, RANDALL D A, et al. Effects of implementing the simple biosphere model (SiB) in a general circulation model [J]. Journal of Atmospheric Science, 1989(46):18:2757-2782. [37] SELLERS P J, LOS S O, TUCKER C J, et al. A revised land surface parameterization (SiB2) for atmospheric GCMs .2. The generation of global fields of terrestrial biophysical parameters from satellite data [J]. Journal of Climate, 1996b, 9 (4): 706-737. [38] 贾仰文,王浩,倪广恒,等.分布式流域水文模型原理与实践[M]. 北京: 中国水利水电出版社, 2005. JIA Yangwen, WANG Hao, NI Guanghen, et al. Principle and practice of distributed watershed hydrological model [M]. Beijing: China Waterpower Press, 2005. [39] RANDALL D A, DAZLICH D A, ZHANG C, et al. A Revised Land-Surface Parameterization (SiB2) for Atmospheric GCMs. Part 3: The Greening of the CSU General Circulation Model [J]. Journal of Climate, 1996(9): 738-763. [40] KIM W, AGATA Y, KANAE S, et al. Hydrological simulation by SiB2-Paddy in the Chao Phraya River basin, Thailand [C]. Soil-Vegetation-Atmosphere Transfer Schemes and Large-Scale hydrological Models (Proceedings of a symposium held during the Sixth IAHS Scientific Assembly at Maastrich, The Netherlands), IAHS Published, 2001, 270:19-26. [41] MARTINEC J, RANGO A. Parameter values for snowmelt runoff modeling [J]. Journal of Hydrology, 1986, 84(3-4): 197-219. [42] SEIDEL K AND MARTINEC J. Remote sensing in snow hydrology [M]. Springer.2004. [43] USDA-ARS, Hydrology Laboratory. Snowmelt Runoff Model (SRM) User’s Manual [S]. 1998. [44] KAYA I. Application of snowmelt runoff model using remote sensing and geographic information systems [D]. Master of Science Thesis, Water resources laboratory, Civil Engineering Department, Graduate School of Natural and Applied Sciences, Middle East Technical University. 1999.
生态环境
第 15 卷第 6 期（2006 年 11 月）
[45] FERGUSON R I. Snowmelt runoff models [J]. Progress in Physical Geography, 1999, 23: 205-227. [46] 王建,马明国, Paolo Federicis.基于遥感和地理信息系统的 SRM 融 雪 径 流 模 型 在 Alps 山 区 流 域 的 应 用 [J]. 冰 川 冻 土 , 2001, 23(4):436-441. WANG Jian, MA Mingguo, Paolo Federicis. Simulating Snowmelt Runoff in Mountainous Watershed of Italy using GIS and remote sensing data [J]. Journal of Glaciology and Geocryology, 2001, 23(4):436-441. [47] NEITSCH S L, ARNOLD J G, KINIRY J R, et al. Soil and Water Assessment Tool User's Manual, Version 2000 [S]. Grassland, Soil and Water Research Laboratory, Temple, Texas. GSWRL report 02-02. U.S. Department of Agriculture, Agricultural Research Service, Grassland, Soil and Water research Laboratory, College Station, TX. 2002. [48] BARRY S, DAVID H, ANDREW M. Modelling catchment-scale nutrients transport to watercourses in the U. K [J]. Hydrobiologia, 1999 (395-396):227-237. [49] PANDEY V K, PANDA S N, SUDHAKAR S. Modelling of an Agricultural Watershed using Remote Sensing and a Geographic Information System [J]. Biosystems Engineering, 2005, 90(3): 331-347. [50] BEHERA S, PANDA P K. Evaluation of management alternatives for an agricultural watershed in a sub-humid subtropical region using a physical process based model [J]. Agriculture, Ecosystem and Environment, 2006, 113: 62-72. [51] 李纪人. 遥感和地理信息系统在分布式流域水文模型研制中的应 用[J]. 水文, 1997(3):8-12. LI Jiren. Application of remote sensing and geographic information system in research of distributed hydrological model [J]. Hydrology, 1997(3):8-12. [52] ENGMAN E T. Remote sensing based continuous hydrologic modeling [J]. Advances in Space Research, 1984, 4(11): 201-209. [53] TROCH DE F P, TROCH PA, SU Z, et al. Application of remote sensing for hydrological modelling [M]. In: Distributed Hydrological Modelling, Abbott, M.B. and Refsgaard, J.C. (Eds). Kluwer Academic Publishers, 1996:165-191. [54] ENGMAN E T, SCHULTZ G A. Future Perspectives [M]. Chapter 20 in: Remote Sensing in Hydrology and Water Management. Edited by Schultz G A and Engman E T. Springer Verlag, 2000.
Advances in the coupled model of remote sensing and hydrology
ZHAO Shaohua1, 2, QIU Guoyu1, YANG Yonghui2, WU Xiao1, YIN Jing1
1. Key Laboratory of Environmental Change and Natural Disaster, Ministry of Education of China, Beijing Normal University//College of Resources Science and Technology, Beijing Normal University. Beijing 100875, China; 2. Center for Agricultural Resources Research, Institute of Genetic and Developmental Biology, Chinese Academy of Sciences//Hebei Key Laboratory of Water-Saving Agriculture, Hebei, Shijiazhuang 050021, China
Abstract: Coupled models of remote sensing (RS) and hydrology, applicable to large scale watersheds in real-time with dynamic monitoring, play an important role in ecological and environmental investigations, especially in the management of water resources. This paper synopsizes the advances in the application of coupled models in recent RS and hydrological studies both at home and abroad. The paper starts by introducing the applications of RS technology in hydrology, divulging on its classification and development. Then it introduces major RS and hydrology coupled models, including SCS (Soil Conservation Services), SiB2 (Simple Biosphere Model version 2), SRM (Snowmelt Runoff Model) and SWAT (Soil and Water Assessment Tool). Finally, the intended development direction of the paper is presented, noting the crucial role of spatial and temporal variational scale problems, combinational methods of GIS (Geographic Information system) and other spatial analytical techniques. The findings of the paper would add to the existing body of knowledge on prediction and evaluation of water resources and hydrology. Key words: remote sensing; hydrology; runoff; watershed