地表蒸散发（ET）是水循环和能量循环的关键组成部分，具有极其重要的应用价值。研究旨在发展一种可靠的深度神经网络（DNN）模型，基于遥感MODIS可见光数据、微波AMSR2的亮度温度和数字高程DEM，实现全天候全球高分辨率日尺度ET估算。利用FLUXNET和AmeriFlux通量网站点六种代表性土地覆盖类型的148个站点观测数据来训练和验证DNN模型，结果表明：DNN模型可以有效建立卫星数据（MODIS、AMSR2数据）与ET之间的关系；六种地类ET估算结果验证的平均绝对误差（MAE）为0.16~0.63 mm/day，均方根误差（RMSE）为0.27~0.89 mm/day，除裸地的决定系数（R²）为0.37以外，其他地类的R²均>0.7。通过对比模型估算的ET与MOD16A2和GLEAM的ET产品，结果表明三种产品的ET空间分布特征相似，ET值非常接近，估算得到的全球年均ET为0~4 mm/day。
 

蒸散发，MODIS，AMSR2，深度神经网络