混合像元對遙感干旱指數(shù)監(jiān)測能力的影響

王麗娟，郭 鈮，沙 莎，胡 蝶，王 瑋，鄧祖琴，劉偉剛

(中國氣象局蘭州干旱氣象研究所，甘肅省干旱氣候變化與減災(zāi)重點實驗室，中國氣象局干旱氣候變化與減災(zāi)重點實驗室，甘肅 蘭州 730020)

?

混合像元對遙感干旱指數(shù)監(jiān)測能力的影響

王麗娟，郭 鈮，沙 莎，胡 蝶，王 瑋，鄧祖琴，劉偉剛

(中國氣象局蘭州干旱氣象研究所，甘肅省干旱氣候變化與減災(zāi)重點實驗室，中國氣象局干旱氣候變化與減災(zāi)重點實驗室，甘肅 蘭州 730020)

混合像元是衛(wèi)星遙感中常見的現(xiàn)象，也是影響衛(wèi)星遙感地表參數(shù)精度的重要因子。為了解不同植被蓋度的混合像元對遙感干旱指數(shù)監(jiān)測能力的影響，利用一次隴東黃土高原衛(wèi)星—地面準同步的觀測數(shù)據(jù)，以常用的垂直干旱指數(shù)(Perpendicular Drought Index, PDI)為例，研究不同植被蓋度下混合像元對PDI監(jiān)測表層含水量能力的影響，提出了一個考慮混合像元的表層含水量(SMsur)，并在此基礎(chǔ)上建立表層含水量的遙感監(jiān)測模型。結(jié)果表明：(1)在不考慮混合像元的情況下，PDI與裸土和植被區(qū)表層土壤含水量的相關(guān)系數(shù)(R2)最高分別為0.5、0.05；(2)考慮混合像元后，PDI與SMsur相關(guān)性較好，相關(guān)系數(shù)(R2)最高達0.6，說明在遙感指數(shù)監(jiān)測能力評估中考慮混合像元問題，可以更加準確地衡量遙感干旱指數(shù)在研究區(qū)的適用性及監(jiān)測效果；(3)基于PDI建立的模型反演研究區(qū)表層含水量與考慮混合像元的SMsur接近，可以反映不同植被蓋度下地表的水分狀況，相關(guān)系數(shù)(R2)達到0.85，相對偏差低于8.0%，均方根誤差最小達到2.17%。模型估算的研究區(qū)SMsur區(qū)域分布特征與實地考察結(jié)果基本一致，植被覆蓋濃密的農(nóng)田濕度最大，SMsur最高可達到30%以上。

Landsat8；垂直干旱指數(shù)；土壤含水量；植被含水量；黃土高原

引 言

任何的監(jiān)測指數(shù)都需要適用性檢驗和監(jiān)測精度評價，遙感作為一種宏觀監(jiān)測手段，基于其發(fā)展起來的干旱監(jiān)測指數(shù)同樣也需要進行適用性檢驗和監(jiān)測精度評價。只有給出各種干旱監(jiān)測指數(shù)的客觀評估才能使其在科學(xué)研究中得到更廣泛的應(yīng)用[1-2]。衛(wèi)星遙感主要獲取的是像元尺度上下墊面的信息，加上地表的非均勻性，這就導(dǎo)致混合像元無處不在，這也是導(dǎo)致尺度效應(yīng)的根源[3]。

在適用性檢驗和精度評價中常用的地面觀測數(shù)據(jù)為像元尺度內(nèi)的單點觀測數(shù)據(jù)或多點采樣數(shù)據(jù)，但無論使用單點還是多點觀測數(shù)據(jù)都難以實現(xiàn)地面與待檢驗指數(shù)之前的尺度匹配，混合像元的問題依然存在，這就不得不考慮像元尺度內(nèi)組分的差異[4-5]。

以地表水分條件監(jiān)測為例，土壤水分條件的變化主要是通過土壤含水量和植被含水量來表現(xiàn)。因此地表水分條件的監(jiān)測就主要基于以下2種途徑來實現(xiàn)：一是直接使用土壤含水量來反映地表的干濕狀況[6-8]；二是通過植被含水量來間接反映地表的干濕狀況[9-11]。監(jiān)測地表水分狀況的遙感干旱指數(shù)主要由土壤含水量或植被含水量來進行檢驗和評價。然而由于空間的不匹配，像元尺度內(nèi)下墊面可能不是由單一的裸土或植被組成，這時使用單一的土壤含水量或植被含水量來評價遙感干旱指數(shù)就有可能導(dǎo)致指數(shù)的監(jiān)測效果欠佳[12-13]。面對這一問題，現(xiàn)有的工作主要是針對遙感影像進行處理，去除影像中的植被信息，僅保留與土壤水分相關(guān)的信息[12]。但由于植被對降水、露水具有截流作用，導(dǎo)致植被覆蓋條件下農(nóng)田的土壤含水量與裸土存在很大差異，這就有可能導(dǎo)致監(jiān)測的地表水分條件偏離實際狀況。非均一的下墊面水分條件應(yīng)該由土壤含水量和植被含水量共同決定，這就迫使我們尋求一種新的途徑來解決混合像元問題，以提高遙感指數(shù)適用性及監(jiān)測精度評價的準確性。

為研究不同植被蓋度混合像元對衛(wèi)星遙感干旱指數(shù)監(jiān)測能力的影響，在平?jīng)龅貐^(qū)開展了非均一下墊面衛(wèi)星—地面準同步的觀測試驗，分別對裸土和植被區(qū)的土壤含水量及植被含水量進行觀測。并結(jié)合遙感影像提出一種計算混合像元表層含水量的新方法，討論不同植被蓋度條件下土壤含水量、植被含水量與PDI的相關(guān)性，并給出適用于研究區(qū)不同植被蓋度下墊面表層含水量的遙感反演模型，為該地區(qū)的干旱遙感監(jiān)測提供可靠依據(jù)，并為相應(yīng)部門防災(zāi)減災(zāi)提供參考。

1 研究區(qū)及試驗概況

平?jīng)鍪形挥诟拭C省東部，地處六盤山東麓，涇河上游，東臨陜西咸陽，西連甘肅定西、白銀，南接陜西寶雞和甘肅天水，北與寧夏固原、甘肅慶陽毗鄰，是古代“絲綢之路”的必經(jīng)之路。屬于涇、渭河冷溫帶亞濕潤區(qū)，在農(nóng)業(yè)區(qū)劃中屬于隴東溫和半濕潤雨養(yǎng)農(nóng)業(yè)氣候區(qū)，各季降水分布不均勻，冬春少雨雪，6月下旬進入雨季，至10月上旬左右雨季結(jié)束，降水主要集中在7—9月，降水年際變化較大，平均年降水量約511 mm，年均氣溫8.7 ℃[14]。

觀測點主要分布在平?jīng)鰱|北部草峰塬的農(nóng)田區(qū)域，地勢平坦、開闊，周邊無高大建筑，海拔1 480 m，離城市邊緣直線距離23 km，經(jīng)度106.926°E —106.961°E，緯度35.499°N—35.540°N，具體地理位置如圖1所示，圖中紅點表示觀測點。研究區(qū)為非均一下墊面，下墊面主要為農(nóng)作物與裸地相間分布，農(nóng)作物類型以冬小麥為主。

隴東黃土高原衛(wèi)星—地面準同步觀測試驗于2014年5月7—9日在平?jīng)龅貐^(qū)進行，觀測主要包括以下要素：(1)表層土壤溫度、含水量及介電常數(shù)，主要利用土壤三參數(shù)速測儀對裸露地表、作物根部及作物行間土壤表層0～6 cm的體積含水量、溫度及介電常數(shù)進行測量，并將體積含水量換算成重量含水量；(2)利用差分GPS對采樣點的經(jīng)度、緯度和海拔高度進行測量；(3)利用LAI3000對植被進行葉面積指數(shù)觀測，同時收集單位面積內(nèi)作物的行數(shù)和株數(shù)信息，并在每個觀測點采集作物樣本。對采集的作物樣本進行烘干處理，得到烘干前后樣本的重量，用于植被含水量的計算。

圖1 研究區(qū)地理位置及觀測點分布

2 資料與方法

2.1 資料來源及處理

Landsat8是由美國國家航空航天局和美國地質(zhì)調(diào)查局聯(lián)合運行的陸地衛(wèi)星，上面搭載有OLI (Operational Land Imager)和TIRS(Thermal Infrared Sensor)2個載荷，衛(wèi)星主要為陸地資源、環(huán)境及城市規(guī)劃等方面的研究提供可靠資料。本文使用Landsat8 2014年5月2日過境時的OLI遙感影像，空間分辨率為30 m×30 m，重訪周期為16 d，利用ENVI5.1對影像進行輻射和大氣校正。

2.2 方法介紹

2.2.1 垂直干旱指數(shù)(PDI)

圖2是二維特征光譜空間示意圖及研究區(qū)Landsat8波段反射率構(gòu)成的特征空間。由于水體對紅光、近紅外和短波紅外波段的吸收極強，所以這些波段的反射率隨土壤濕度的增加而減小，即圖2a中由C點至B點反射率是減小的。植被對近紅外和短波紅外有較強的反射作用，而對紅光有強烈的吸收作用，但這種吸收作用很快會達到飽和，只有近紅外和短波紅外的反射率變化來表示植被的增加，即圖2a中的土壤背景線BC上的點到A點的變化。所以，理論上講紅光與近紅外、短波紅外組成的光譜特征空間應(yīng)該呈現(xiàn)三角形特征[15]。在特征空間內(nèi)，可以得到土壤背景線的表達式為rswir=M·rred+I，取縱截距I=0，得到BC的法線方程：rswir=-1/M·rred，圖2a中GH即為垂直于土壤背景線的法線。任意點E的表層含水量與紅光、短波紅外的波段反射率呈現(xiàn)較好的相關(guān)性，而E點到法線GH的垂直距離EF即可以表示該點的干濕狀況，且EF值越大越接近于干燥裸土，含水量就越小，反之亦然。所以，垂直干旱指數(shù)(PDI)就定義為研究點到土壤背景線法線的垂直距離，即EF的值，其數(shù)學(xué)表達式為：

(1)

其中，M為土壤背景線的斜率，rred和rswir分別表示紅光和短波紅外的反射率。但由于研究區(qū)內(nèi)絕大部分為小麥、苜蓿幼苗等較為低矮的作物，缺乏高植被蓋度的像元，所以研究區(qū)二維光譜特征空間的三角形特征不及理論模型明顯，如圖2b所示。

圖2 二維特征光譜空間示意圖及研究區(qū)Landsat8波段反射率構(gòu)成的特征空間

2.2.2 植被含水量

常用的植被含水量表示方法主要有以下3種：葉片含水量[16]、相對含水量[17]和等效水深[18]，為與實測的表層土壤含水量在數(shù)量級和單位上保持一致，選用植被的相對含水量(RWC)進行計算。

(2)

2.2.3 混合像元表層含水量

考慮到遙感影像中像元對應(yīng)的下墊面并非均一，利用歸一化植被指數(shù)(NDVI)計算蓋度pv，并由此得到混合像元的表層含水量SMsur，具體公式如下：

(3)

(4)

其中，NDVI為像元的歸一化植被指數(shù)；NDVImin和NDVImax分別為研究區(qū)最小和最大NDVI值；SMwet為土壤三參數(shù)速測儀(W.E.T sensor)測量的表層土壤含水量(單位：%)，計算得到的混合像元表層含水量單位也為%。

2.3 估算結(jié)果精度評價

使用以下3個統(tǒng)計量來評價估算結(jié)果：

(1)均方根誤差RMSE

(5)

(2)平均相對誤差MAPE

(6)

(3)相關(guān)系數(shù)R2

(7)

3 結(jié)果分析

3.1 二維光譜特征空間的波段選擇

從觀測數(shù)據(jù)中選擇土壤含水量和植被參數(shù)同時存在的觀測點作為本文的樣本點，共55個，其中有植被覆蓋的樣本點41個、裸土樣本點14個。對PDI與表層土壤含水量觀測值進行相關(guān)性分析(表1)，可以看出，裸土條件下PDI與表層土壤含水量存在很好的相關(guān)性，相關(guān)系數(shù)通過了0.01的顯著性檢驗，而PDI與植被覆蓋條件下的表層土壤含水量相關(guān)性較差。鑒于此，考慮在植被覆蓋條件下使用植被含水量來表征地表的干濕狀況，即對PDI與植被相對含水量(RWC)進行相關(guān)分析，從表1可知，PDI與RWC也不存在相關(guān)，相關(guān)系數(shù)均不超過0.1，最小相關(guān)系數(shù)僅為0.0。說明在植被覆蓋條件下用單一的植被含水量或表層土壤含水量來衡量PDI對地表水分狀況的監(jiān)測效果都存在一定的缺陷，這種缺陷主要與植被覆蓋條件下的混合像元有關(guān)。

由于像元的空間分辨率為30 m×30 m，涵蓋的下墊面情況并非均一，而衛(wèi)星影像信息反映的是像元尺度上下墊面的綜合情況。于是這里利用植被蓋度來簡單區(qū)分植被和裸土在像元中所占的比例，即利用公式(3)計算植被覆蓋條件下對應(yīng)于像元尺度的每個觀測點的表層含水量SMsur。PDI與SMsur的相關(guān)系數(shù)見表1，可以看到SMsur與PDI相關(guān)性較好，相關(guān)系數(shù)較前面2種結(jié)果都有很大改善。其中，基于紅光(第4波段)—短波紅外(第6、7波段)的PDI與SMsur的相關(guān)系數(shù)達到或接近0.6，通過0.01的顯著性檢驗；而基于近紅外(第5波段)—短波紅外(第6、7波段)計算的PDI與SMsur的相關(guān)系數(shù)較前面2種結(jié)果也有很大改善，特別是第5和第7波段計算的PDI(5,7)與SMsur的相關(guān)系數(shù)通過了0.05的顯著性檢驗。這說明Landsat8 OLI的紅光—短波紅外二維光譜特征空間可以反映不同蓋度下墊面的干濕狀況。

綜合考慮裸土和植被覆蓋條件下表層含水量與PDI的相關(guān)性，選擇PDI(4,6)進行研究。圖3為 PDI(4,6)與裸土、植被覆蓋條件下土壤表層含水量的散點圖，可以看到散點都均勻分布在擬合線的兩側(cè)，相關(guān)系數(shù)都通過了0.01的顯著性檢驗。

3.2 模型的建立及驗證

在55個有效樣本中選取22個植被覆蓋樣本和7個裸土樣本進行建模，再利用剩下的26個樣本對模型的估算結(jié)果進行檢驗。

不區(qū)分植被和裸土的情況下，利用29個建模樣本數(shù)據(jù)進行回歸分析，得到的經(jīng)驗?zāi)Ｐ?模型1)為：SMsur=-91.12PDI(4,6)+49.36。圖4是利用該模型估算的SMsur與觀測值之間的對比。如圖4a所示，估算值接近于觀測值，兩者之間的相關(guān)系數(shù)達到0.61，通過0.01的顯著性檢驗，平均相對誤差為11.78%，均方根誤差僅為3.3%；從圖4b中可以看到，誤差較大的點主要為裸土樣本點。由于裸土條件下土壤表層的含水量相對較低，在不區(qū)分植被和裸土的情況下，模型對裸土表層含水量的估算明顯偏高。

表1 PDI與表層土壤含水量及植被含水量(RWC)的相關(guān)系數(shù)

注：*表示通過0.05的顯著性檢驗，**通過0.01的顯著性檢驗

圖3 PDI(4,6)與裸土(a)、植被覆蓋條件下(b)土壤表層含水量的散點圖

圖4 模型1估算的SMsur與實測值對比(a)散點圖，(b)樣本序列

在區(qū)分植被和裸土的情況下，分別利用22個植被樣本點和7個裸土樣本點進行回歸分析，得到植被和裸土條件下的經(jīng)驗?zāi)Ｐ?模型2)，即植被條件下：SMsur=-79.52PDI(4,6)+47.37，裸土條件下：SMsur=-74.57PDI(4,6)+39.55。分別利用這2個模型估算SMsur，將結(jié)果與觀測值進行比較，如圖5所示?？梢钥闯?，與不區(qū)分植被和裸土的模型1結(jié)果相比，估算結(jié)果有了很大改善，整體上更接近于觀測值，尤其是裸土部分。估算值與觀測值的散點更接近于1:1線，相關(guān)系數(shù)提高到0.85，平均相對誤差減小到7.71%，均方根誤差僅為2.17%。利用模型2估算的研究區(qū)SMsur分布如圖6所示，從整體上看，農(nóng)田的SMsur較其他下墊面高，大部分超過20%，少數(shù)農(nóng)田的SMsur超過30%，這與實地采樣調(diào)查結(jié)果基本一致，說明該模型在研究區(qū)是適用的。

圖5 模型2估算的SMsur與實測值對比(a)散點圖，(b)樣本序列

圖6 利用模型2估算的試驗區(qū)SMsur(單位：%)的空間分布

4 結(jié) 論

以Landsat8 OLI遙感影像為基礎(chǔ)，通過隴東黃土高原衛(wèi)星—地面準同步觀測試驗，討論了混合像元對PDI監(jiān)測黃土高原不同蓋度條件下地表水分條件的影響，并通過引入植被蓋度計算混合像元的地面觀測值，從而減小混合像元的影響。并由此建立PDI反演不同植被蓋度條件下表層含水量的經(jīng)驗?zāi)Ｐ停詈罄糜^測結(jié)果對模型進行檢驗，主要得到以下結(jié)論：

(1) 研究區(qū)基于紅光—短波紅外波段建立的二維光譜特征空間呈三角形特征，說明該特征空間在研究區(qū)是適用的；

(2) 在裸土條件下，像元的尺度效應(yīng)較弱，基于紅光—短波紅外波段計算的垂直干旱指數(shù)(PDI)與表層土壤含水量相關(guān)性較好，相關(guān)系數(shù)都達到0.5左右，通過0.01的顯著性檢驗；

(3) 在植被區(qū)，未考慮混合像元時，各波段計算的PDI與表層土壤含水量及植被含水量之間均不存在相關(guān)；考慮混合像元后，引入植被蓋度得到的混合像元實測表層含水量SMsur與各波段計算的PDI相關(guān)性均較好，特別是與PDI(4,6)的相關(guān)系數(shù)達到0.6。說明在遙感干旱指數(shù)監(jiān)測能力的評估中需要考慮混合像元的影響，尤其是在像元尺度效應(yīng)較強的區(qū)域；

(4) 利用PDI(4,6) 對植被覆蓋和裸土2種下墊面分別進行建模，模型估算的SMsur精度高于不區(qū)分植被和裸土的整體數(shù)據(jù)建模結(jié)果。經(jīng)驗?zāi)Ｐ凸浪愕难芯繀^(qū)表層含水量與觀測值相關(guān)系數(shù)最高達到0.85，平均相對誤差為7.71%，均方根誤差僅為2.17%。模型反映的研究區(qū)干濕分布特征與實地采樣調(diào)查的結(jié)果基本一致，說明經(jīng)驗?zāi)Ｐ驮谠摰貐^(qū)是適用的。

[1] Justice C, Belward A, Morisette L, et al. Developments in the ‘validation’ of satellite sensor products for the study of the land surface[J]. International Journal of Remote Sensing, 2000,21(17):3383-3390.

[2] 張仁華,田靜,李召良,等. 定量遙感產(chǎn)品真實性檢驗的基礎(chǔ)與方法[J]. 中國科學(xué)(地球科學(xué)),2010,40(2):211-222.

[3] 李小文,王錦地, Strahler A H. 尺度效應(yīng)及幾何光學(xué)模型用于尺度糾正[J]. 中國科學(xué)(E輯),2000,30(增刊):12-17.

[4] 李小文,趙紅蕊,張顥,等. 全球變化與地表參數(shù)的定量遙感[J]. 地學(xué)前緣,2002,9(2):365-370.

[5] 李小文,王祎婷. 定量遙感尺度效應(yīng)芻議[J]. 地理學(xué)報,2013,68(9):1163-1169.

[6] 趙軍,任皓晨,趙傳燕,等. 黑河流域土壤含水量遙感反演及不同地類土壤水分效應(yīng)的分析[J]. 干旱區(qū)資源與環(huán)境,2009,23(8):139-144.

[7] 劉志明,張柏,晏明,等. 土壤水分與干旱遙感研究的進展與趨勢[J]. 地球科學(xué)進展,2003,18(4):576-583.

[8] 郭英,沈彥俊,趙超. 主被動微波遙感在農(nóng)業(yè)區(qū)土壤水分監(jiān)測中的應(yīng)用初探[J]. 中國生態(tài)與農(nóng)業(yè)學(xué)報,2011,19(5):1162-1167.

[9] 張友水,謝元禮. MODIS影像的NDVI和LSWI植被水分含量估算[J]. 地理科學(xué),2008,28(1):72-76.

[10] 黃晚華,楊曉光,曲輝輝,等. 基于作物水分虧缺指數(shù)的春玉米季節(jié)性干旱時空特征分析[J]. 農(nóng)業(yè)工程學(xué)報,2009,25(8):28-34.

[11] 張文江,陸其縫,高志強,等. 基于水分距平指數(shù)的2006年四川盆地東部特大干旱遙感相應(yīng)分析[J]. 中國科學(xué)(D輯),2008,38(2):251-260.

[12] 阿布都瓦斯提·吾拉木. 基于n 維光譜特征空間的農(nóng)田干旱遙感監(jiān)測[D]. 北京:北京大學(xué)博士學(xué)位論文,2006.

[13] Qin Q, Ghulam A, Zhu L, et al. Evaluation of MODIS derived perpendicular drought index for estimation of surface dryness over northwestern China[J]. International Journal of Remote Sensing, 2008,29(7):1983-1995.

[14] 王勝,張強,王興,等. 黃土高原不同氣候區(qū)裸地水、熱特征對比[J]. 中國沙漠,2013,33(4):1166-1173.

[15] 詹志明,秦其明,阿布都瓦斯提·吾拉木,等. 基于NIR_Red光譜特征空間的土壤水分監(jiān)測新方法[J]. 中國科學(xué)(D輯):地球科學(xué),2006,36(11):1020-1026.

[16] Viegas D X, Viegas M T S P, Ferreira A D. Moisture content of fine forest and fire occurrence in central Portugal[J]. The International Journal of Wildland Fire, 1992(2):69-85.

[17] Inoue Y, Morinaga S, Shibayama M. Non-destructive estimation of water status of intact crop leaves based on spectral reflectance measurements[J]. Japan Journal of Crop Science, 1993,62(3):462-469.

[18] Danson F M, Steven M D, Malthus T J M J A. High spectral resolution data for determing leaf water content[J]. International Journal of Remote Sensing, 1992,13(3):461-470.

Effect of Mixed Pixel on Monitoring Ability of Remote Sensing Drought Index

WANG Lijuan, GUO Ni, SHA Sha, HU Die,WANG Wei, DENG Zuqin, LIU Weigang

(KeyLaboratoryofAridClimaticChangeandReducingDisasterofGansuProvince,KeyLaboratoryofAridClimaticChangeandDisasterReductionofCMA,InstituteofAridMeteorology,CMA,Lanzhou730020,China)

Mixed pixel is not only a common phenomenon in remote sensing but also an important factor influencing accuracy of surface parameters retrieval. To understand the influence of mixed pixel on monitoring ability of remote sensing drought index, using the Perpendicular Drought Index (PDI) as an example, the ground-satellite experiment data were used to verify the applicability of PDI on surface moisture monitoring under different coverage conditions in Longdong loess plateau, and a new surface water content (named SMsur) considering mixed pixel was proposed, and on this basis, the remote sensing monitoring model for surface water content was established. The results are as follows: (1) Without considering mixed pixel, the maximum correlation coefficients between PDI and soil water content were 0.5 and 0.05 for bare soil and vegetation conditions, respectively. (2) Considering mixed pixel, the maximum correlation coefficient between PDI and SMsurwas 0.6, which indicated that it could describe the applicability and monitoring effect more accurately about remote sensing indexes considering mixed pixel in monitoring ability evaluation in study area. (3)The surface water content estimated by PDI model considering mixed pixel could reflect the status of surface moisture under different vegetation coverage underlying surface, and their values were close to the observed data, the correlation coefficient of them was 0.85, the mean absolute percent error was less than 8.0%, and the minimum root mean square error was 2.17%. The regional distribution of the estimated SMsurwas consistent with the investigation result in the study area, and the moisture of the farmland was largest with SMsurmore than 30%.

Landsat8; Perpendicular Drought Index; soil water content; vegetation water content; loess plateau

10.11755/j.issn.1006-7639(2016)-05-0772

2016-03-23；改回日期：2016-09-06

公益性行業(yè)(氣象)科研專項(重大專項)(GYHY201506001-5)資助

王麗娟(1986-)，女，四川廣安人，助理研究員，主要從事衛(wèi)星遙感研究. E-mail:wanglijuan01@126.com

1006-7639(2016)-05-0772-07 DOI:10.11755/j.issn.1006-7639(2016)-05-0772

P407

A

王麗娟，郭 鈮，沙 莎，等.混合像元對遙感干旱指數(shù)監(jiān)測能力的影響[J].干旱氣象，2016，34(5)：772-778, [WANG Lijuan, GUO Ni, SHA Sha, et al. Effect of Mixed Pixel on Monitoring Ability of Remote Sensing Drought Index[J]. Journal of Arid Meteorology, 2016, 34(5):772-778],