1.一种融合大尺度蒸散和植被指数的蒸散降尺度方法，其特征在于，首先分离出大栅格的蒸散ET数据的植被分量和非植被分量，并用小栅格的植被指数NDVI数据来确定有植被和非植被对应的小栅格单元；然后在大栅格单元下，用ET总量减去同大栅格下的非植被小栅格单元ET分量，则获得同大栅格下植被分量；再把植被分量ET值根据植被覆盖度权重赋值到有植被覆盖的区域；最后各个小栅格单元加上原ET数据中非植被作用下的ET分量，即最终得到大栅格下的各小栅格对应的ET值，完成大栅格ET的降尺度处理；

其中，计算最终各小栅格的ET值ETfi：

等式右侧第一项为植被作用的ET值；第二项为非植被作用的ET值；第三项为非植被作用的ET值的调节值；后两项合为非植被作用的ET值；重采样大栅格分成n×n小栅格；fmean为小栅格单元的覆盖度平均值；ETvisurp为有植被覆盖区域小栅格的植被分量平均值；fi是任一小栅格i的覆盖度；ETnvi表示土壤蒸发总量。

2.如权利要求1所述的一种融合大尺度蒸散和植被指数的蒸散降尺度方法，其特征在于，方法步骤为：

1)数据获取：包括同一区域的两类栅格数据，一种是较大空间分辨率的蒸散数据；一种是较小空间分辨率的植被指数数据或者是含红波段和红外波段的双波段遥感数据；

2)植被数据整理：使用归一化植被指数NDVI，其通过公式：NDVI＝(NRed_Band-Red_Band)/(NRed_Band+Red_Band)求算，式中NRed_Band为近红外波段，Red_Band为红波段，利用NDVI计算植被覆盖度f；计算公式如下：f＝(NDVI-NDVImin)/(NDVImax-NDVImin)

式中，f为植被覆盖度；下标max和min分别表示NDVI的最大和最小值；

3)两类栅格数据预处理：对两类数据进行投影一致性转换和重采样处理，使得两种栅格数据的空间分辨率为整倍数的关系：大栅格包含n×n个小栅格，以便保证大栅格下小栅格的完全嵌套；

4)蒸发和蒸腾量分离：土壤蒸发量也即为非植被贡献的蒸散量的统称，分为三部分考虑，包括水体的直接蒸发、雪被蒸发和裸土的蒸发，此处用ETnvi＝SUMnvi＝(ET_water+ET_snow+ET_soil)表示，式中，ETnvi表示土壤蒸发总量，其包括水体ET_water、雪被ET_snow以及裸土ET_soil的直接蒸发等三部分蒸散分量；

植被作用的蒸散量ETvi分为两部分考虑，包括植被冠层的直接蒸腾CAN_evap和植被其他枝叶的蒸腾ET_tran，此处用ETvi＝SUMvi＝(ET_tran+CAN_evap)表示；

5)基本分析单元为ET大的栅格单元，重采样到小植被指数栅格空间分辨率，然后依据植被覆盖度赋予权重求各个小栅格的ET值，设定植被覆盖度f＝0的地表覆盖类型为无植被覆盖区，该大栅格对应的植被作用的蒸散量将被认为是大栅格内其余有植被小栅格的蒸腾贡献量，平均分配到各个有植被小栅格上；重采样大栅格分成n×n小栅格，同时把有植被覆盖和无植被覆盖的小栅格植被分量均赋值为ETvi，剔除无植被覆盖小栅格的ETvi，把该部分剔除量再分配到大栅格对应的其余有植被覆盖的小栅格内；有植被覆盖小栅格的植被分量平均值ETvisurp用公式表示如下：ETvisurp＝n×n×ETvi/(n×n-m)    (1)

式中，n×n为ET大栅格下对应的NDVI小栅格的个数；m为f＝0的栅格数；

6)植被作用再分配：设植被覆盖度为f，小栅格单元的覆盖度平均值设为fmean，则最终有植被覆盖的小栅格对应得到的植被分量权重为1+fi-fmean；对应植被作用于各个小栅格的ET分量为：(1+fi-fmean)×ETvisurp           (2)

一个大栅格下的植被分量经过重采样被均匀划分为n×n个小栅格上，各小栅格的植被分量平均值为ETvi，大栅格范围的植被作用的ET总量为n×n×ETvi；

7)非植被作用ETnvi再分配和ETnvi的总量调节：植被覆盖度为f，则非植被ET量ETnvi作用于各小栅格的权重为1-fi，上述的各小栅格包括无植被覆盖和有植被覆盖的n×n个小栅格；对应的非植被作用于各个小栅格的ET分量为：(1-fi)×ETnvi   (3)

一个大栅格的ETnvi重采样到小栅格，对应的大栅格范围的ETvi总量变为ETnvi×n×n，而经过此公式求算的所有小栅格下的非植被分量总和小于ETnvi×n×n，在保证总量不变化的情况下，对各小栅格的非植被作用分量给出一个调节值，此调节值用公式表示如下：

8)计算最终各小栅格的ET值ETfi：

式中，n×n为小栅格个数；m为f＝0的栅格数；等式右侧第一项为植被作用的ET值；第二项为非植被作用的ET值；第三项为非植被作用的ET值的调节值；后两项合为非植被作用的ET值。