基于LAI-Ts特征空間的河南省冬小麥返青?成熟期旱情監(jiān)測(cè)?

劉 英，岳 輝，張 鋒，楊 坤

（西安科技大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院，西安 710054）

遙感技術(shù)因其具有監(jiān)測(cè)范圍廣、多時(shí)相、快速、動(dòng)態(tài)等特點(diǎn)，近年來(lái)已成為旱情監(jiān)測(cè)的主要手段[1-2]。旱情遙感監(jiān)測(cè)的方法主要有熱慣量法、植被供水指數(shù)法、微波法、溫度植被干旱指數(shù)法（Temperature Vegetation Dryness Index，簡(jiǎn)稱(chēng) TVDI）等，其中 TVDI因綜合考慮了研究區(qū)植被狀況和溫度條件而被廣泛采用。國(guó)際上，Sandholt等[3]利用簡(jiǎn)化的歸一化植被指數(shù)（Normalized Difference Vegetation Index，簡(jiǎn)稱(chēng)NDVI）和地表溫度（Land surface temperature，簡(jiǎn)稱(chēng)Ts）構(gòu)成的特征空間，提出了TVDI計(jì)算公式；Naira等[4]指出基于NDVI-Ts特征空間的TVDI能夠描述土壤水分時(shí)空變化；Patel等[5]指出TVDI與土壤濕度之間存在明顯的負(fù)相關(guān)關(guān)系；Dhorde等[6]指出在干旱條件下稀疏植被的 TVDI與葉面積指數(shù)（Leaf area index，簡(jiǎn)稱(chēng) LAI）呈顯著的負(fù)相關(guān)關(guān)系；Cao等[7]利用中分辨率成像光譜儀（Moderate-resolution imaging spectroradiometer，簡(jiǎn)稱(chēng)MODIS）數(shù)據(jù)，基于 NDVI-Ts三角形特征空間的 TVDI監(jiān)測(cè)了蒙古高原土壤濕度狀況；Zhang等[8]利用MODIS等數(shù)據(jù)計(jì)算了垂直植被干旱指數(shù)、TVDI、降雨?duì)顟B(tài)指數(shù)等，并利用這些指數(shù)監(jiān)測(cè)了美國(guó)大陸的干旱狀況，指出氣象干旱指數(shù)得出的美國(guó)大陸嚴(yán)重干旱等級(jí)面積比例大于農(nóng)業(yè)干旱指數(shù)，且在不同氣象條件下各指數(shù)在監(jiān)測(cè)旱情方面各有利弊。

國(guó)內(nèi)，沈潤(rùn)平等[9]以利用MODIS數(shù)據(jù)提取的植被狀態(tài)指數(shù)、溫度狀態(tài)指數(shù)和土地覆蓋類(lèi)型等多個(gè)遙感及土壤資料提取的干旱因子為自變量，以氣象站點(diǎn)的綜合氣象干旱指數(shù)為因變量，利用隨機(jī)森林模型構(gòu)建遙感干旱監(jiān)測(cè)模型，結(jié)果表明該模型能較好地應(yīng)用于監(jiān)測(cè)區(qū)域旱情監(jiān)測(cè)；薄燕飛等[10]利用MODIS數(shù)據(jù)，基于增強(qiáng)型植被指數(shù)EVI（Enhanced Vegetation Index）-Ts特征空間計(jì)算TVDI，指出TVDI能監(jiān)測(cè)河北省旱情；王鶯等[11]利用MODIS數(shù)據(jù)，基于 EVI-Ts特征空間計(jì)算 TVDI，分析了廣東省 2011年旱情分布狀況，指出廣東省冬旱非常嚴(yán)重；孫麗等[12]基于NDVI-Ts特征空間建立TVDI，并結(jié)合降水量距平指數(shù)，構(gòu)建了綜合干旱監(jiān)測(cè)指數(shù)，并對(duì)武陵山區(qū)旱情進(jìn)行了監(jiān)測(cè)，指出該指數(shù)比TVDI更具有穩(wěn)定性。隨欣欣等[13]基于MODIS LAI-Ts特征空間，構(gòu)建溫度-葉面積干旱指數(shù)（Temperature LAI drought index，簡(jiǎn)稱(chēng)TLDI）監(jiān)測(cè)農(nóng)田水分含量，指出TLDI彌補(bǔ)了TVDI在NDVI達(dá)到飽和后監(jiān)測(cè)精度降低的缺陷。

相關(guān)學(xué)者利用 TVDI進(jìn)行旱情監(jiān)測(cè)時(shí)基本都依賴(lài)于NDVI-Ts和EVI-Ts特征空間，涉及其它植被指數(shù)的研究并不常見(jiàn)，隨欣欣等[13]指出基于LAI-Ts特征空間的TLDI適用于NDVI達(dá)到飽和后的農(nóng)田旱情監(jiān)測(cè)。但在植被覆蓋度較低時(shí)，NDVI尚未達(dá)到飽和時(shí)是否也可用LAI-Ts特征空間代替NDVI-Ts特征空間有待驗(yàn)證。本研究旨在探索當(dāng) NDVI未達(dá)到飽和時(shí)，LAI能否代替NDVI及基于LAI-Ts特征空間的溫度-葉面積干旱指數(shù)（Temperature LAI drought index，簡(jiǎn)稱(chēng)TLDI）能否用于旱情監(jiān)測(cè)，并利用實(shí)地觀測(cè)土壤濕度數(shù)據(jù)驗(yàn)證該指數(shù)的監(jiān)測(cè)精度。進(jìn)一步以TLDI為旱情監(jiān)測(cè)指標(biāo)，分析評(píng)估2000年、2005年、2010年和2015年2月26日-6月1日河南省干旱的時(shí)空分布特征和規(guī)律，以期為研究區(qū)農(nóng)業(yè)生產(chǎn)、防旱避災(zāi)提供參考依據(jù)。

1 資料與方法

1.1 數(shù)據(jù)來(lái)源與處理

MODIS/Terra衛(wèi)星數(shù)據(jù)下載于美國(guó)NASA網(wǎng)站（http://revert.echo.nnsn.gov/revert/），獲取河南省2000、2005、2010年和2015年2月26日-6月1日的葉面積指數(shù)（LAI）和光合有效輻射 8d合成數(shù)據(jù)集MOD15A2和8d合成地表溫度（Ts）/發(fā)射率數(shù)據(jù)集MOD11A2，數(shù)據(jù)分辨率為1km。實(shí)測(cè)土壤濕度數(shù)據(jù)來(lái)自于中國(guó)氣象局氣象數(shù)據(jù)中心提供的中國(guó)農(nóng)作物生長(zhǎng)發(fā)育狀況資料數(shù)據(jù)集，從該數(shù)據(jù)集中提取河南省17個(gè)氣象站點(diǎn)2000、2005、2010和2015年2月26日-6月1日每月8、18和28日的10cm實(shí)測(cè)土壤濕度數(shù)據(jù)。研究區(qū)及站點(diǎn)分布見(jiàn)圖1。

圖1 研究區(qū)及站點(diǎn)分布Fig. 1 The location of meteorological stations in Henan province

從MOD15A2、MOD11A2中分別提取河南省8d合成 LAI和 Ts數(shù)據(jù)，利用最大化合成法將 LAI和Ts進(jìn)行 16d合成，獲得 2000、2005、2010和 2015年2月26日-6月1日每16d合成LAI和Ts數(shù)據(jù)；以0.01為步長(zhǎng)，利用JAVA語(yǔ)言編程提取研究區(qū)每個(gè)LAI對(duì)應(yīng)的最高地表溫度（Tsmax）、最低地表溫度（Tsmin）。

1.2 研究方法

Sandholt等[3]2002年研究認(rèn)為，在 NDVI-Ts三角形特征空間中，土壤含水量最低、干旱程度最嚴(yán)重的邊界為特征空間的干邊，土壤含水量高、干旱程度最輕的邊界為特征空間的濕邊，并提出由NDVI-Ts特征空間計(jì)算溫度植被干旱指數(shù)（TVDI）的表達(dá)式，即

式中，TVDI為溫度植被干旱指數(shù)；Ts為任意像元地表溫度（K）；Tsmax為某一 NDVI對(duì)應(yīng)的最大地表溫度，對(duì)應(yīng)NDVI-Ts特征空間的干邊；Tsmin為某一NDVI的對(duì)應(yīng)最小地表溫度，對(duì)應(yīng)NDVI-Ts特征空間的濕邊。TVDI值在 0～1，TVDI越大，土壤濕度越低，農(nóng)業(yè)旱情越嚴(yán)重；反之，農(nóng)業(yè)旱情越輕。Tsmax和Tsmin計(jì)算式為

式中，a1和b1、a2和b2分別為干、濕邊方程系數(shù)，由NDVI-Ts特征空間散點(diǎn)圖線(xiàn)性擬合得到；NDVI為歸一化植被指數(shù)。

隨欣欣等[13-14]指出，當(dāng) NDVI達(dá)到飽和后，可用LAI-Ts特征空間代替NDVI-Ts特征空間。當(dāng)NDVI未達(dá)到飽和，植被覆蓋度較低時(shí)，LAI-Ts特征空間能否代替 NDVI-Ts特征空間有待驗(yàn)證。因此，本文嘗試?yán)肔AI-Ts特征空間計(jì)算TLDI。本研究發(fā)現(xiàn)，在 LAI-Ts特征空間中 Tsmax和 Tsmin二次多項(xiàng)式擬合方程精度比線(xiàn)性擬合精度高，故采用二次多項(xiàng)擬合Tsmax和Tsmin，計(jì)算式為

式中，c1和c2分別為干、濕邊方程系數(shù)。

2 結(jié)果與分析

2.1 冬小麥返青-成熟期LAI-Ts特征空間分析

利用研究區(qū)2000、2005、2010和2015年2月26日-6月1日每16d合成的影像資料，提取每個(gè)像元LAI值對(duì)應(yīng)的最高地表溫度（Tsmax）、最低地表溫度（Tsmin），繪制散點(diǎn)圖得到每個(gè)階段的LAI-Ts特征空間，其中，LAI-Tsmax對(duì)應(yīng)干邊、LAI-Tsmin對(duì)應(yīng)濕邊，結(jié)果見(jiàn)圖2、3、4和圖5。由圖中可見(jiàn)，在冬小麥返青-成熟期，LAI-Ts特征空間中干邊、濕邊均可用一元二次方程擬合，干邊方程的決定系數(shù)均在 0.72以上（P＜0.05）。Tsmax隨著 LAI的增加而減小、Tsmin隨著LAI的增加而增加，兩條線(xiàn)隨著生育期形成了動(dòng)態(tài)合圍變化態(tài)勢(shì)。從合圍情況看，返青期即3月上旬前后（圖a、b），干、濕邊線(xiàn)呈明顯三角形，隨著植被覆蓋的提高逐漸演變成梯形，且 Tsmin逐漸演變?yōu)榻扑骄€(xiàn)（圖 f）。在LAI-Ts特征空間中任意一點(diǎn)越接近干邊，TLDI值越大，旱情越嚴(yán)重；反之，越接近濕邊，TLDI值越小，則旱情越輕。

2.2 冬小麥返青-成熟期 TVDI與土壤濕度的相關(guān)性驗(yàn)證

中國(guó)氣象局氣象數(shù)據(jù)中心缺乏2013年之后的實(shí)測(cè)土壤濕度數(shù)據(jù)，故利用河南省的17個(gè)氣象站2000、2005、2010和2013年每年2月26日-6月1日實(shí)測(cè)地表10cm土壤濕度數(shù)據(jù)與氣象站點(diǎn)3×3像元對(duì)應(yīng)的TLDI（溫度-葉面積干旱指數(shù)）均值進(jìn)行相關(guān)性分析，并計(jì)算其相關(guān)系數(shù)（表1）。由表1可知，TLDI與地表10cm土壤濕度存在負(fù)相關(guān)關(guān)系，TLDI越大，土壤濕度越低。F檢驗(yàn)發(fā)現(xiàn)，2000、2005、2010和2013年各時(shí)段TLDI與10cm土壤濕度線(xiàn)性回歸方程均通過(guò)了95%的顯著性檢驗(yàn)（表1）。

進(jìn)一步利用2005年3月30日-6月1日每16d TLDI與同時(shí)相實(shí)測(cè)土壤濕度數(shù)據(jù)進(jìn)行相關(guān)性分析，并建立兩者之間的土壤濕度反演模型（圖6a）。由圖6a可知，TLDI與實(shí)測(cè)土壤濕度（SM）呈顯著負(fù)相關(guān)關(guān)系（P＜0.05），計(jì)算式為

利用式（1）反演2005年2月26-3月13日和3月14-29日土壤濕度，并與同時(shí)相實(shí)測(cè)土壤濕度進(jìn)行對(duì)比（圖6b）。由圖6b可知，反演土壤濕度與實(shí)測(cè)土壤濕度之間存在顯著正相關(guān)關(guān)系（P＜0.05），擬合方程決系數(shù) R2為 0.4237，均方根誤差 RMSE（Root mean square error）14.60%，表明基于LAI-Ts特征空間的 TLDI監(jiān)測(cè)旱情具有可靠性，可作為旱情監(jiān)測(cè)指標(biāo)。

圖2 2000年2月26日-6月1日LAI-Ts特征空間Fig. 2 LAI-Ts space from February 26 to June 1, 2000

圖3 2005年2月26日-6月1日LAI-Ts特征空間Fig. 3 LAI-Ts space from February 26 to June 1, 2005

圖4 2010年2月26日-6月1日LAI-Ts特征空間Fig. 4 LAI-Ts space from February 26 to June 1, 2010

圖5 2015年2月26日-6月1日LAI-Ts特征空間Fig. 5 LAI-Ts space from February 26 to June 1, 2015

表1 2000、2005、2010和2013年TLDI（溫度-葉面積干旱指數(shù)）與10cm深土壤濕度（SM）的相關(guān)系數(shù)Table 1 Correlation between TLDI(Temperature LAI drought index) and 10cm soil moisture in 2000, 2005, 2010 and 2013

圖6 TLDI與實(shí)測(cè)土壤濕度的關(guān)系Fig. 6 Correlation between TLDI and filed measured soil moisture

2.3 冬小麥返青-成熟期旱情遙感分析

利用基于LAI-Ts特征空間的TLDI分析冬小麥的旱情狀況，根據(jù)Liu等[15]的研究，將旱情劃分為5類(lèi)：極濕潤(rùn)（TLDI為0～0.2）；濕潤(rùn)（TLDI為0.2～0.4）；正常（TLDI為 0.4～0.6）；干旱（TLDI為 0.6～0.8）；極干旱（TLDI為0.8～1.0）。因?yàn)檠芯繀^(qū)存在水體、建筑物及數(shù)據(jù)缺失情況，因此添加以下 3種分類(lèi)：無(wú)數(shù)據(jù)區(qū)域TLDI為-1.50～1.49；水體TLDI為-1.49～1.20；建設(shè)用地 TLDI為-1.2～0.0。利用ArcGIS10.0制作河南省2000、2005、2010、2015年每年2月26日-6月1日期間的旱情等級(jí)時(shí)空分布圖（圖7、8、9、10），并統(tǒng)計(jì)各時(shí)段干旱與極干旱區(qū)域占河南省總面積的比例如表2。

由圖7、8、9和10可知，河南省旱情存在以下特點(diǎn)：

（1）2000年2月26日-6月1日

2月26日-3月29日：河南省全省大部分地區(qū)均出現(xiàn)嚴(yán)重春旱，全省受旱災(zāi)影響的農(nóng)田面積約357.1萬(wàn)hm2，占麥播面積的71.4%，重旱地區(qū)主要分布在西部、西南部和中部，而北部、東部、東南部也出現(xiàn)干旱?？傮w來(lái)說(shuō)旱情較嚴(yán)重，雖然北部和東南部地區(qū) 3月有降雨，但豫中部分地區(qū)旱情未能緩解。

3月30日-4月30日：旱情主要分布在西南部，雖然全省降雨較多，但均集中在東部和北部部分地區(qū)，西南部旱情依舊未能得到緩解。至 4月下旬，北部、中部部分地區(qū)又出現(xiàn)旱情，西南部旱情加劇。

5月1日-6月1日：5月上旬旱情主要分布在西北部、東南以及中部局部地區(qū)，其它地區(qū)基本無(wú)旱情；5月下旬西北部旱情加劇，東南部旱情得以緩解，中部部分地區(qū)旱情加重。

（2）2005年2月26日-6月1日

2月26日-3月29日：全省再次出現(xiàn)春旱，重旱地區(qū)主要分布在西北部以及靠近西北部的中部地區(qū)，其它地區(qū)無(wú)旱情。隨著各地降水量的增加，旱情僅在中部局地出現(xiàn)。

3月30日-4月30日：4月上旬降水較多，僅西部局地存在旱情，但下旬西北部旱情略微加重。總體來(lái)說(shuō)對(duì)小麥生長(zhǎng)較有利。

5月1日-6月1日：在河南省西部、南部出現(xiàn)旱情，中部局部地區(qū)旱情較嚴(yán)重，至 5月下旬東南部旱情減輕，但北部以及中部大部分地區(qū)旱情均明顯增加。

（3）2010年2月26日-6月1日

2月26日-3月29日：早春時(shí)期全省相對(duì)濕潤(rùn)，西南部有輕微旱情，對(duì)冬小麥的生長(zhǎng)極為有利。

3月30日-4月30日：在河南省西北部有輕微旱情，其它地區(qū)較濕潤(rùn)。

5月1日-6月1日：5月上旬全省相對(duì)濕潤(rùn)，下旬旱情突然嚴(yán)重加劇，全省大部分地區(qū)出現(xiàn)旱情。

（4）2015年2月26日-6月1日

2月26日-3月29日：北部旱情較輕，旱情主要出現(xiàn)在西部以及中部地區(qū)，總體全省墑情良好，對(duì)冬小麥進(jìn)入返青期較有利；下旬旱情無(wú)明顯變化。

3月30日-4月30日：上旬全省平均降雨量21mm，中部、北部地區(qū)降雨量較少，但全省旱情并不嚴(yán)重。4月下旬中部、北部大部分地區(qū)出現(xiàn)輕度干旱，僅個(gè)別地區(qū)為中度干旱，全省其它地區(qū)土壤墑情良好，對(duì)小麥生長(zhǎng)較為有利。

5月1日-6月1日：全省5月上旬出現(xiàn)輕度干旱，但下旬北部、南部以及中部地區(qū)旱情均加劇，全省旱情較嚴(yán)重?？傮w來(lái)說(shuō)，對(duì)小麥生長(zhǎng)較為不利。

由表2可知，2000、2005、2010和2015年每年3月上旬及整個(gè)5月是河南省干旱頻發(fā)期，2000年和2005年干旱比例均達(dá)全省面積的50%以上，2005年、2015年5月1-31日及2010年5月17-30日干旱比例均達(dá) 50%以上。進(jìn)一步分析可知，每年3月上旬和整個(gè)5月分別處于冬小麥返青期和開(kāi)花-灌漿期，此時(shí)如果干旱發(fā)生將嚴(yán)重影響冬小麥產(chǎn)量，應(yīng)采取積極的抗旱措施。相比各年份干旱情況來(lái)說(shuō)，2000年、2005年和2015年每年2-5月旱情較嚴(yán)重，2010年2-5月屬輕度干旱，相對(duì)濕潤(rùn)。

圖7 河南省2000年2月26日-6月1日旱情等級(jí)時(shí)空分布Fig. 7 The spatio-temporal distribution of drought in Henan province from February 26 to June 1, 2000

圖9 河南省2010年2月26日-6月1日旱情等級(jí)時(shí)空分布Fig. 9 The spatio-temporal distribution of drought in Henan province from February 26 to June 1, 2010

圖10 河南省2015年2月26日-6月1日旱情等級(jí)時(shí)空分布Fig. 10 The spatio-temporal distribution of drought in Henan province from February 26 to June 1, 2015

表2 典型年河南省冬小麥返青-成熟各階段干旱面積的比例（%）Table 2 Drought area ratio of winter wheat from the turning green to mature stage in Henan province in 2000, 2005, 2010 and 2015（%）

3 結(jié)論與討論

3.1 討論

Han等[14,16]等指出，當(dāng)植被覆蓋度較高，NDVI達(dá)到飽和后可用LAI-Ts特征空間代替NDVI-Ts特征空間。隨欣欣等[13]利用寧夏地區(qū) 2005年 4-8月的MODIS LAI和Ts數(shù)據(jù)，驗(yàn)證作物封壟后基于LAI-Ts特征空間的TLDI能否代替基于NDVI-Ts特征空間的TVDI及其旱情監(jiān)測(cè)精度，指出當(dāng)NDVI達(dá)到飽和后 TLDI可代替 TVDI，且其旱情監(jiān)測(cè)精度高于TVDI。本研究利用河南省2000、2005、2010和2015年每年2月26日-6月1日 MODIS LAI和Ts產(chǎn)品數(shù)據(jù)，驗(yàn)證當(dāng)植被覆蓋度較低，NDVI未達(dá)到飽和時(shí)基于 LAI-Ts特征空間的 TLDI能否用于旱情監(jiān)測(cè)。研究發(fā)現(xiàn)LAI-Ts特征空間在3月中上旬植被覆蓋度較低時(shí)呈明顯三角形，隨著入春轉(zhuǎn)暖植被覆蓋度提高逐漸演變成梯形，這種演變特征進(jìn)一步驗(yàn)證了Han等[14]提出的早期植被覆蓋較低時(shí)應(yīng)采用三角形特征空間，而后期植被覆蓋度增加時(shí)則采用梯形特征空間的理論。本研究?jī)H采用了河南省數(shù)據(jù)對(duì)TLDI進(jìn)行驗(yàn)證，該指數(shù)是否適用于其它區(qū)域的旱情監(jiān)測(cè)需要進(jìn)一步驗(yàn)證與分析。另外，文獻(xiàn)[17]雖對(duì)基于雙拋物線(xiàn)型 NDVI-Ts、EVI-Ts及三角形NDVI-Ts、LAI-Ts特征空間作了一定的對(duì)比研究，但側(cè)重于雙拋物線(xiàn)型NDVI-Ts特征空間的提出和驗(yàn)證，因而這幾種特征空間的適用條件和優(yōu)劣程度需進(jìn)一步研究。

3.2 結(jié)論

（1）基于三角形或梯形LAI-Ts特征空間的TLDI與實(shí)測(cè)土壤濕度呈顯著負(fù)相關(guān)性（P＜0.05），R2變化范圍為0.2716～0.5576。當(dāng)NDVI未達(dá)到飽和時(shí)，基于LAI-Ts特征空間的TLDI可用于旱情監(jiān)測(cè)。TLDI基于MODIS產(chǎn)品數(shù)據(jù)展開(kāi)，避免了利用MODIS原始數(shù)據(jù)進(jìn)行LAI和Ts計(jì)算和反演的復(fù)雜處理過(guò)程，豐富和補(bǔ)充了基于植被指數(shù)和地表溫度特征空間的TVDI監(jiān)測(cè)方法。

（2）河南省旱情主要分布在中西部、西南部以及北部地區(qū)，其它區(qū)域發(fā)生旱情的時(shí)間相對(duì)較少。2000、2005、2010和2015年每年2月下旬-5月下旬河南省干旱頻發(fā)于每年3月上旬和整個(gè)5月，干旱比例均達(dá) 50%以上，此時(shí)正處于冬小麥返青期和開(kāi)花-灌漿期的關(guān)鍵時(shí)刻。因此，抗旱需要在早春時(shí)期就積極應(yīng)對(duì)，早春是小麥拔節(jié)生長(zhǎng)的重要階段，而后在初夏階段，植被蒸騰作用加劇，更需要對(duì)旱情及時(shí)預(yù)防和應(yīng)對(duì)，保證小麥在灌漿成熟期能健康發(fā)育。

References

[1]劉勤,嚴(yán)昌榮,何文清.黃河流域干旱時(shí)空變化特征及其氣候要素敏感性分析[J].中國(guó)農(nóng)業(yè)氣象,2016,37(6):623-632.Liu Q, Yan C R, He W Q. Drought variation and its sensitivity coefficients to climatic factors in the Yellow River Basin[J].Chinese Journal of Agrometeorology,2016,37(6): 623-632.(in Chinese)

[2]Du L,Song N,Liu K,et al.Comparison of two simulation methods of the temperature vegetation dryness index (TVDI)for drought monitoring in semi-arid regions of China[J].Remote Sensing,2017,9(2):177-196.

[3]Sandholt I,Rasmussen K,Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment,2002,79(2):213-224.

[4]Naira C,Robert L,Ramata M.Surface soil moisture status over the Mackenzie River Basin using a temperature/vegetation index[A].Geoscience and Remote Sensing Symposium,2007[C].IEEE,2007:1846-1848.

[5]Patel N R,Anapashsha R,Kumar S,et al.Assessing potential of MODIS derived temperature/vegetation condition index(TVDI) to infer soil moisture status[J].International Journal of Remote Sensing,2009,30(1):23-39.

[6]Dhorde A G,Patel N R.Spatio-temporal variation in terminal drought over western India using dryness index derived from long-term MODIS data[J].Ecological Informatics,2016,32:28-38.

[7]Cao X,Feng Y,Wang J.An improvement of the Ts-NDVI space drought monitoring method and its applications in the Mongolian plateau with MODIS,2000-2012[J].Arabian Journal of Geosciences,2016,9(6):1-14.

[8]Zhang L,Jiao W,Zhang H,et al.Studying drought phenomena in the Continental United States in 2011 and 2012 using various drought indices[J].Remote Sensing of Environment,2017,190:96-106.

[9]沈潤(rùn)平,郭佳,張婧嫻,等.基于隨機(jī)森林的遙感干旱監(jiān)測(cè)模型的構(gòu)建[J].地球信息科學(xué)學(xué)報(bào),2017,19(1):125-133.Shen R P,Guo J,Zhang J X,et al.Construction of a drought monitoring model using the random forest based remote sensing[J].Journal of Geo-information Science,2017,19(1):125-133.(in Chinese)

[10]薄燕飛,白建軍,劉永林.基于TVDI及氣象干旱指數(shù)的河北省春旱時(shí)空變化特征[J].蘭州大學(xué)學(xué)報(bào)(自科版),2016,52(2):188-195.Bo Y F,Bai J J,Liu Y L.The spatial-temporal variations of spring drought in Hebei province based on TVDI and meteorological drought index[J].Journal of Lanzhou University:Natural Science,2016,52(2):188-195.(in Chinese)

[11]王鶯,王勁松,姚玉璧,等.基于溫度植被干旱指數(shù)的廣東省旱情動(dòng)態(tài)監(jiān)測(cè)[J].草業(yè)學(xué)報(bào),2014,23(2):98-107.Wang Y,Wang J S,Yao Y B,et al.Dynamic monitoring of drought based on temperature vegetation dryness index in Guangdong province[J].Acta Prataculturae Sinica,2014,23(2):98-107.(in Chinese)

[12]孫麗,王飛,李保國(guó),等.基于多源數(shù)據(jù)的武陵山區(qū)干旱監(jiān)測(cè)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2014,45(1):246-252.Sun L,Wang F,Li B G,et al.Study on drought monitoring of Wuling Mountain Area based on multisource data[J].Transactions of the Chinese Society for Agricultural Machinery,2014,45(1):246-252.(in Chinese)

[13]隨欣欣,秦其明,董恒,等.基于 LST_LAI特征空間的農(nóng)田干旱監(jiān)測(cè)研究[J].光譜學(xué)與光譜分析,2013,33(1):201-205.Sui X X,Qin Q M,Dong H,et al.Monitoring of farmland drought based on LST-LAI spectral feature space[J]. Spectroscopy and Spectral Analysis,2013,33(1): 201-205.(in Chinese)[14]Han L J,Wang P X,Yang H,et al.Study on NDVI-Tsspace by combining LAI and evapotranspiration[J].Science in China(D Series):Earth Sciences,2006,49(7):747-754.

[15]Liu Y,Wu L X,Yue H.Biparabolic NDVI-Tsspace and soil moisture remote sensing in an arid and semiarid area[J].Canadian Journal of Remote Sensing,2015,41(3): 159-169.

[16]Fan X,Liu Y.A global study of NDVI difference among moderate-resolution satellite sensors[J].Isprs Journal of Photogrammetry & Remote Sensing,2016,121:177-191.

[17]劉英,馬保東,吳立新,等.基于 NDVI-ST 雙拋物線(xiàn)特征空間的冬小麥旱情遙感監(jiān)測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(5): 55-63.Liu Y,Ma B D,Wu L X,et al.Drought remote sensing for winter wheat based on double parabola NDVI-ST space[J].Transactions of the Chinese Society for Agricultural Machinery,2012, 43(5):55-63.(in Chinese)