地表蒸散发量的精确估算对研究区内的水资源合理配置、生态环境建设以及农业林业的发展具有重要的指导意义。毛乌素沙漠风沙滩地区生态环境脆弱,水资源十分匮乏,其蒸散发的研究对该区域生态环境的改善具有深远的意义。本文利用2016年4月、9月、12月和2017年1月、5月、7月6期Landsat 8影像,基于SEBAL模型,探究了气象因子与地表蒸散发的相关性,研究了地表蒸散发对模型参数的敏感性,通过将地表温度与植被指数的特征空间引入到冷热像元的选取方法中,以及改进SWCVR模型参数反演水汽含量,构建了优化的SEBAL模型,估算了毛乌素沙漠风沙滩地区的区域蒸散发量。最后通过气象站监测数据折算的陆面蒸散发量对估算结果进行验证,从而实现地表蒸散发量的宏观、动态遥感监测,为风沙滩地区的农业和生态环境的研究提供依据。研究结论如下:(1)利用SPSS对气象因子与地表蒸散发进行相关性分析。通过分析发现,地表温度、空气温度与日蒸散发呈显著相关关系,相关系数R~2分别为0.6344、0.6274;与风速成弱相关,相关系数R~2为0.3307;与相对湿度成负相关关系,R~2为0.3374。通过R~2的大小可以发现,对于日蒸散发量的影响,地表温度>空气温度>相对湿度>风速。(2)基于SEBAL模型反演地表蒸散发量,通过单变量分析方法,对水汽含量和热点地表温度与日蒸散发的敏感性进行分析发现,日蒸散发量对水汽含量和热点温度都敏感。1 mm/day的精度要求需要保证0.5 g/cm~2水汽含量的精度支持,而热点地表温度受迭代计算的影响,与日蒸散发量敏感性弱于水汽含量。(3)运用Landsat8热红外通道数据开展大气水汽含量的反演研究,通过对已有反演模型参数的修正,构建了基于SWCVR算法的旱区水汽含量反演模型。将水汽含量反演结果与气象站实测数据进行验证,其均方根误差为0.31 g/cm~2,说明SWCVR算法应用于中分辨率热红外遥感数据的旱区水汽含量反演,具有较好的反演精度。(4)利用Landsat 8遥感影像数据,基于优化的SEBAL模型反演地表蒸散发量,取得了较好的反演精度。蒸散发量在一年四季中变化明显,1月2日、4月21日、5月26日、7月13日、9月28日和12月17日的平均蒸散发量分别为0.56 mm/day、2.02mm/day、3.52 mm/day、5.17 mm/day、3.31 mm/day和0.72 mm/day,整体呈现出夏季>秋季>春季>冬季。从空间分布上看,地表蒸散发表现为东南部较大,西北部较小。将基于SEBAL模型和优化的SEBAL模型反演结果,与气象站监测数据折算的陆面蒸散发量进行结果验证和精度评价,结果表明SEBAL模型的均方根误差为1.30 mm/day,优化SEBAL模型的均方根误差为0.90 mm/day,说明优化SEBAL模型反演地表蒸散发量相对于SEBAL模型具有更好的精度。