山東半島東北部地區(qū)干旱遙感監(jiān)測(cè)*

季建萬(wàn)，沙晉明，金　彪,2

(1.福建師范大學(xué) 地理科學(xué)學(xué)院， 福建 福州 350007；2.福建師范大學(xué) 數(shù)學(xué)與信息學(xué)院， 福建 福州 350108)

干旱作為一種普遍的自然現(xiàn)象，其出現(xiàn)頻率高、持續(xù)時(shí)間長(zhǎng)、波及范圍大，是影響人類(lèi)生產(chǎn)生活最為嚴(yán)重的自然災(zāi)害之一[1-2]。在過(guò)去的50年內(nèi)，全球極端干旱區(qū)域面積增加了2倍以上，干旱發(fā)生頻率也顯著增加[3]。山東省作為氣象災(zāi)害嚴(yán)重的省份之一，其頻繁發(fā)生的干旱災(zāi)害造成的經(jīng)濟(jì)損失數(shù)額巨大[4]。目前傳統(tǒng)的監(jiān)測(cè)干旱的方法主要是臺(tái)站網(wǎng)絡(luò)監(jiān)測(cè)，但其花費(fèi)大量人力物力、數(shù)據(jù)獲取速度慢、監(jiān)測(cè)范圍有限、代表性差，難以對(duì)大范圍的區(qū)域?qū)崿F(xiàn)連續(xù)動(dòng)態(tài)的監(jiān)測(cè)[5]，而衛(wèi)星遙感技術(shù)的監(jiān)測(cè)范圍廣、觀測(cè)頻率高等優(yōu)勢(shì)已充分應(yīng)用到干旱監(jiān)測(cè)與損失評(píng)估之中[6-7]，國(guó)內(nèi)外已有大量方法對(duì)干旱進(jìn)行了成功的監(jiān)測(cè)，如熱慣量法、微波遙感法、植被遙感方法、溫度條件指數(shù)、雙層模型與基于MODIS數(shù)據(jù)的干旱監(jiān)測(cè)綜合模型等[8-9]，其中Sandholt等[10]提出的溫度植被干旱指數(shù)(Temperature-Vegetation Dryness Index)是應(yīng)用最為廣泛的方法之一，如劉玉琴等[11]分別運(yùn)用EVI和NDVI指數(shù)構(gòu)建TVDI對(duì)福州地區(qū)土壤干濕狀況進(jìn)行遙感監(jiān)測(cè)，結(jié)果表明前者監(jiān)測(cè)精度更高；王嬌等[12]利用經(jīng)過(guò)DEM校正后的地表溫度構(gòu)建改進(jìn)型溫度-植被干旱指數(shù)，取得了良好的監(jiān)測(cè)結(jié)果；朱小強(qiáng)等[13]在構(gòu)建TVDI指數(shù)基礎(chǔ)上對(duì)煤田溫度異常區(qū)進(jìn)行提取，亦取得了良好的結(jié)果；曹影等[14]基于TVDI指數(shù)對(duì)云南干旱情況進(jìn)行了監(jiān)測(cè)，結(jié)果表明干旱分布區(qū)域與實(shí)際情況基本吻合；伍漫春等[15]對(duì)比分析MSAVI與NDVI分別構(gòu)建的TVDI指數(shù)，結(jié)果表明MSAVI植被指數(shù)構(gòu)建的TVDI監(jiān)測(cè)結(jié)果更好。

本文在國(guó)內(nèi)外學(xué)者研究成果的基礎(chǔ)上，以山東半島東北部為研究區(qū)，分別構(gòu)建LST-MSAVI和LST-NDVI特征空間，對(duì)比干濕邊擬合方程結(jié)果，并對(duì)研究區(qū)干旱情況進(jìn)行遙感監(jiān)測(cè)，以期為相關(guān)部門(mén)提供一定的參考。

1　研究區(qū)及數(shù)據(jù)預(yù)處理

1.1　研究區(qū)概況

研究區(qū)位于山東半島東北部，分別由煙臺(tái)市、龍口市、棲霞市、蓬萊市、招遠(yuǎn)市、萊州市、萊陽(yáng)市和萊西市組成，總面積為11 947.02 km2，地形以低山丘陵為主，地勢(shì)中部高，四周低，是典型的大陸性季風(fēng)氣候，具有四季分明，光照充足的特點(diǎn)，同時(shí)該區(qū)域春季風(fēng)大、降雨稀少，也是旱災(zāi)的高發(fā)區(qū)，圖1是研究區(qū)地理位置圖。

圖1　研究區(qū)地理位置圖

1.2　數(shù)據(jù)預(yù)處理

Landsat 8是NASA于2013年2月11日發(fā)射入空的一顆以30 m空間分辨率為主的衛(wèi)星，其重訪周期為16 d。研究區(qū)所在軌道號(hào)為120和34，影像獲取日期為2017-02-27和2017-05-18(https://glovis.usgs.gov/)。由于獲取的原始影像記錄的是影像的DN值，因此需要對(duì)其進(jìn)行輻射校正，以得到地表真實(shí)反射率數(shù)據(jù)。本文采用COST大氣校正算法對(duì)影像數(shù)據(jù)進(jìn)行大氣校正[16]，表達(dá)式如下：

ρλ_COST=?Mρ(Qcal-Qh)+Aρ」/(cosθZτ)。

(1)

式中：ρλ_COST為校正后波段λ的地表真實(shí)反射率，Mρ和Aρ分別是波段λ的反射率調(diào)整因子與反射率調(diào)整參數(shù)，可以通過(guò)影像MTL文件獲取，Qcal是影像以16位量化的亮度值(DN)，Qh是大氣影響的修正值，可以通過(guò)最暗像元法獲得[16]，θZ是影像的太陽(yáng)天頂角，τ=cos[(90-θZ)π/180]，是基于θZ估算的大氣透過(guò)率，但是該計(jì)算公式常高估τ值，因此在實(shí)際應(yīng)用中常被省略[17-18]。

2　研究方法

2.1　地表溫度反演

LST=γ[(ψ1Lsen+ψ2)/ε+ψ3]+δ；

(2)

(3)

(4)

式中：Lsen是星上輻射亮度；ε是比輻射率；Tsen是影像反演得到的亮度溫度；bγ是計(jì)算常量，對(duì)于TIRS 10波段，其值為1 324 K；Ψ1、Ψ2和Ψ3分別為大氣水汽含量ω的函數(shù)，各參數(shù)計(jì)算公式如下：

Lsen=MLQcal+AL；

(5)

(6)

(7)

ε=0.004Pv+0.986；

(8)

Tsen=K2/1n(K1/Lsen+1)；

(9)

ψ1=0.04019ω2+0.02916ω+1.01523；

(10)

ψ2=-0.38333ω2-1.50294ω+0.20324；

(11)

ψ3=0.00918ω2+1.36072ω-0.27514。

(12)

式中：ML和AL分別為對(duì)應(yīng)波段的調(diào)整因子和調(diào)整系數(shù)，可由MTL頭文件中獲取，Qcal是影像16位量化的DN值；ρNIR與ρRed分別是影像經(jīng)過(guò)大氣校正后的近紅外波段和紅波段，NDVI是歸一化植被指數(shù)，Pv是植被覆蓋度，NDVIveg與NDVIsoil為對(duì)應(yīng)的植被指數(shù)計(jì)算閾值，本文分別取0.7和0.05，ε是根據(jù)Sobrino等[21-22]提出的計(jì)算公式；K1與K2是計(jì)算常量，對(duì)于TIRS 10波段，K1為774.89 W/(m2·sr·μm)，K2為1 321.08 K，大氣水汽含量由美國(guó)宇航局提供的全球大氣參數(shù)庫(kù)(NCEP)[23]獲取。本研究中兩期影像平均大氣水汽含量分別為0.557 5 g/cm2與2.013 2 g/cm2，均未超過(guò)3 g/cm2。

2.2　植被指數(shù)的計(jì)算

歸一化植被指數(shù)(NDVI)是利用健康植被在近紅外波段呈現(xiàn)高反射，而在紅波段呈現(xiàn)低反射的特征反映植被生長(zhǎng)狀況的指示因子，其值范圍介于-1～1，正值越大，表明植被生長(zhǎng)越好，反之，植被生長(zhǎng)越差。雖然歸一化植被指數(shù)應(yīng)用廣泛，但受土壤背景的影響較大，且對(duì)于高植被覆蓋區(qū)域，易出現(xiàn)飽和現(xiàn)象[15]。因此，本文除NDVI指數(shù)外，選擇改進(jìn)型土壤調(diào)整植被指數(shù)(MSAVI)[24-25]，該指數(shù)能夠有效降低土壤背景的影響，其計(jì)算公式為：

(13)

式中：ρNIR與ρRed分別是影像經(jīng)過(guò)大氣校正后的近紅外波段和紅波段。

2.3　溫度植被干旱指數(shù)的計(jì)算

溫度植被干旱指數(shù)是依據(jù)LST與VI特征空間，獲得相關(guān)的水分脅迫指標(biāo)即LSTmax與LSTmin，從而實(shí)現(xiàn)對(duì)土壤表層水分估算的一種方法[10]，其計(jì)算公式如下：

(14)

式中：LSTmax與LSTmin分別是地表溫度與植被指數(shù)擬合得到的干邊和濕邊方程，a1、b1、a2與b2分別是干邊和濕邊方程擬合系數(shù)，VI是參與擬合的植被指數(shù)。

3　結(jié)果與分析

3.1　LST-VI特征空間的建立及對(duì)比分析

在ENVI軟件下，通過(guò)IDL編程語(yǔ)言，以0.005為步長(zhǎng)值，得到相同植被指數(shù)值(VI)下，地表溫度的最大值(LSTmax)和最小值(LSTmin)，并在Excel軟件中分別得到兩種植被指數(shù)對(duì)應(yīng)的特征空間與所擬合的干濕邊方程，結(jié)果如圖2所示。

由圖2可以得到，兩期影像特征空間整體上均近似為三角形，這與理論描述相符[10]。對(duì)于“2017/02/27”影像干邊來(lái)說(shuō)，地表溫度并未隨著植被指數(shù)的增加而逐漸降低，而是表現(xiàn)為先增加后波動(dòng)下降的變化趨勢(shì)；對(duì)于濕邊來(lái)說(shuō)，地表溫度隨著植被指數(shù)的增加，表現(xiàn)為先下降后逐漸增加的變化趨勢(shì)，但是無(wú)論干邊還是濕邊，整體變化趨勢(shì)均與理論描述相符。對(duì)于“2017/05/18”影像干邊來(lái)說(shuō)，地表溫度隨著植被指數(shù)增加，呈現(xiàn)出先基本不變后穩(wěn)步下降的趨勢(shì)；對(duì)于濕邊來(lái)說(shuō)，地表溫度隨著植被指數(shù)增加，表現(xiàn)為緩慢增加的趨勢(shì)，同樣，整體變化趨勢(shì)仍與理論相符合，即干邊與濕邊逐漸接近并且最終相交于一點(diǎn)。此外，對(duì)于兩期影像，NDVI擬合的干濕邊方程R2均小于對(duì)應(yīng)的MSAVI，表明對(duì)于本研究而言，MSAVI植被指數(shù)能夠更準(zhǔn)確描述區(qū)域干旱狀況，整理得到兩時(shí)相的LST-MSAVI特征空間干濕邊方程，結(jié)果如表1所示。

圖2　LST-VI特征空間

3.2　TVDI干旱等級(jí)空間分布及變化分析

通過(guò)將兩時(shí)相對(duì)應(yīng)的干濕邊方程帶入到公式(14)，得到TVDI結(jié)果，并將其作為研究區(qū)干旱分級(jí)指標(biāo)，按照分級(jí)標(biāo)準(zhǔn)劃分為5個(gè)等級(jí)，分別為(0,0.2)為濕潤(rùn)，(0.2,0.4)為正常，(0.4,0.6)為輕度干旱，(0.6,0.8)為中度干旱，(0.8,1.0)為重度干旱[26]，劃分結(jié)果如圖3所示。

由圖3可以得到，干旱分布狀況發(fā)生顯著改變。在“2017/02/27”，除部分水系湖泊與植被覆蓋高的丘陵外，整體均為輕度干旱及以上等級(jí)，其中中度干旱主要分布在萊州市與招遠(yuǎn)市交界處、龍口市、蓬萊市以及萊陽(yáng)市，并且呈現(xiàn)為塊狀分布，重度干旱則呈現(xiàn)零星分布；在“2017/05/18”，濕潤(rùn)和正常區(qū)域明顯減少，尤其是研究區(qū)中部河流，已經(jīng)基本上為輕度以上干旱；此外，對(duì)于整個(gè)研究區(qū)，原輕度干旱區(qū)域也大部分變?yōu)橹卸纫陨细珊?，干旱等?jí)明顯加強(qiáng)，分布特點(diǎn)也由塊狀分布轉(zhuǎn)變?yōu)槠瑺罘植?，重度干旱區(qū)域由零星分布變?yōu)樾〔糠謮K狀分布。對(duì)比兩期影像，干旱明顯增強(qiáng)的原因，一方面與影像獲取日期的氣溫有關(guān)，5月18日的氣溫明顯高于2月27日，導(dǎo)致地表水分蒸發(fā)速度加快；另一方面是研究區(qū)降水稀少，查詢(xún)歷史天氣，研究區(qū)內(nèi)各縣級(jí)市從2月27日至5月18日，平均降水天數(shù)約為7.7 d，且以陣雨和小雨為主，水分的收支嚴(yán)重不平衡，從而導(dǎo)致旱情不斷加劇。

利用ArcGIS計(jì)算得到各干旱等級(jí)面積，統(tǒng)計(jì)結(jié)果如表2所示。

表1　不同時(shí)相遙感影像LST-MSAVI干濕邊方程

表2　不同干旱等級(jí)面積統(tǒng)計(jì)

根據(jù)表2可以得到，2月27日至5月18日，正常面積下降了1 061.51 km2，下降幅度為52.97%；輕度干旱面積由8 216.77 km2減少為5 307.23 km2，相應(yīng)的比例由68.78%下降為44.42%；濕潤(rùn)面積雖然上升幅度大，達(dá)到130.36%，但是上升面積僅為108.65 km2；中度干旱面積由1 636.20 km2增加到5 330.20 km2，增幅高達(dá)225.76%；重度干旱面積增加168.40 km2。整體來(lái)看，呈現(xiàn)“三增兩減”的總體特點(diǎn)，其中中度干旱與重度干旱增幅大也從側(cè)面表明研究區(qū)干旱等級(jí)明顯加強(qiáng)，旱情更加嚴(yán)重。

為了更詳細(xì)地了解各干旱等級(jí)間面積轉(zhuǎn)化情況，利用ArcGIS和Excel軟件計(jì)算得到不同干旱等級(jí)間的面積轉(zhuǎn)移矩陣。表3中行表示5月18日研究區(qū)內(nèi)各干旱等級(jí)，列表示2月27日研究區(qū)內(nèi)各干旱等級(jí)；(i,j)處數(shù)值表示2月27日第i干旱等級(jí)轉(zhuǎn)化為5月18日第j干旱等級(jí)的面積；行合計(jì)表示2月27日至5月18日期間，其他干旱等級(jí)轉(zhuǎn)化為該干旱等級(jí)的總面積，列合計(jì)表示2月27日至5月18日期間，該干旱等級(jí)轉(zhuǎn)化為其他干旱等級(jí)的總面積。

表3　不同時(shí)相干旱等級(jí)面積轉(zhuǎn)移矩陣

圖3　研究區(qū)不同時(shí)相干旱等級(jí)空間分布

圖4　研究區(qū)不同時(shí)相干旱等級(jí)變化檢測(cè)

依據(jù)表3可以得到，在此期間，濕潤(rùn)等級(jí)約有19.64 km2轉(zhuǎn)化為輕度干旱，正常等級(jí)約有1 082.30 km2轉(zhuǎn)化為輕度干旱，輕度干旱約有3 808.33 km2轉(zhuǎn)化為中度干旱，總體上不同干旱等級(jí)之間轉(zhuǎn)化劇烈，并且向嚴(yán)重的趨勢(shì)發(fā)展。

3.3　TVDI干旱等級(jí)變化檢測(cè)分析

在ArcGIS軟件中對(duì)兩時(shí)相TVDI干旱等級(jí)結(jié)果進(jìn)行柵格差值分析，即在柵格計(jì)算器中，利用后時(shí)相干旱分級(jí)影像減去前時(shí)相干旱分級(jí)影像，差值結(jié)果介于-4～4。其中極差為0用綠色表示，代表干旱等級(jí)未發(fā)生變化；極差為負(fù)數(shù)用藍(lán)色表示，代表干旱等級(jí)降低；極差為正數(shù)用紅色表示，代表干旱等級(jí)增加，得到干旱等級(jí)變化檢測(cè)空間分布圖，如圖4所示，并在此基礎(chǔ)上計(jì)算各變化等級(jí)面積，如表4所示。

結(jié)合圖4和表4可以得到，干旱等級(jí)增加的面積共5 435.07 km2，占研究區(qū)總面積的45.49%，并且主要以增加一個(gè)等級(jí)為主，空間上主要在研究區(qū)萊陽(yáng)市大部、棲霞市東南部與煙臺(tái)市東部與南部呈現(xiàn)面狀分布，其余基本上呈現(xiàn)塊狀分布；干旱等級(jí)降低的面積共912.03 km2，占研究區(qū)總面積的7.64%，同樣以降低一個(gè)等級(jí)為主，空間上主要分布在萊州市西部和北部、萊西市南部以及龍口市蓬萊市部分丘陵地帶。整體來(lái)看，研究區(qū)干旱強(qiáng)度逐漸增加，并且由塊狀分布向面狀分布擴(kuò)展。

表4　研究區(qū)不同時(shí)相干旱等級(jí)差值檢測(cè)面積變化

4　結(jié)論與討論

通過(guò)反演“2017-02-27”與“2017-05-18”兩期研究區(qū)遙感影像地表溫度和兩種植被指數(shù)，在此基礎(chǔ)上，構(gòu)建LST-VI特征空間；對(duì)比分析兩種植被指數(shù)干濕邊方程擬合效果，依據(jù)擬合方程計(jì)算得到兩期影像的溫度植被干旱指數(shù)(TVDI)，并對(duì)干旱指數(shù)進(jìn)行等級(jí)劃分，分析其空間變化特征，主要結(jié)論如下。

(1)兩期影像LST-VI特征空間整體上均近似呈現(xiàn)三角形，MSAVI指數(shù)擬合的干濕邊方程結(jié)果優(yōu)于NDVI指數(shù)，分別為y=-12.534x+299.13，R2=0.606 2 (2017-02-27干邊)、y=25.129x+273.81，R2=0.919 4(2017-02-27濕邊)、y=-19.251x+326.27，R2=0.8647(2017-05-18干邊)、y=9.9688x+295.25，R2=0.6894 (2017-05-18濕邊)。

(2)從2月27日至5月18日，研究區(qū)中度干旱等級(jí)由塊狀分布變?yōu)槊鏍罘植?，面積增加3 694 km2,增幅高達(dá)225.76%；重度干旱等級(jí)由零星分布變?yōu)樾〔糠謮K狀分布，面積增加168.40 km2。整體來(lái)看，研究區(qū)干旱等級(jí)變化呈現(xiàn)“三增兩減”的特征，且主要為正常等級(jí)轉(zhuǎn)化為輕度干旱等級(jí)與輕度干旱等級(jí)轉(zhuǎn)化為中度干旱等級(jí)，轉(zhuǎn)化面積分別為1 082.30 km2和3 808.33 km2，共占整個(gè)研究區(qū)面積比例為40.93%。

(3)研究區(qū)干旱等級(jí)差值檢測(cè)以等級(jí)增加為主，增加面積共計(jì)5 435.07 km2，占研究區(qū)總面積的45.49%；等級(jí)降低面積為912.03 km2，僅占研究區(qū)總面積的7.64%。無(wú)論是等級(jí)增加還是等級(jí)降低，均以變化一個(gè)等級(jí)為主。整體來(lái)看，研究區(qū)干旱等級(jí)逐漸增加，干旱不斷加強(qiáng)。

本文在一定程度上揭示了研究區(qū)干旱變化的空間特征及內(nèi)部特征，但是由于數(shù)據(jù)獲取來(lái)源的限制，仍存在一定的不足之處。首先，僅以?xún)善贚andsat 8遙感影像作為研究時(shí)間點(diǎn)，而干旱具有持續(xù)時(shí)間長(zhǎng)的特征，因此若能夠獲取連續(xù)時(shí)相的中等分辨率影像，則能夠更加深入地揭示研究區(qū)干旱發(fā)生與發(fā)展的特征；其次，干旱的發(fā)生是多種因素的綜合體，僅僅以地表溫度與植被指數(shù)建立的干旱指標(biāo)并不能完全掌握干旱發(fā)生與發(fā)展情況，在后續(xù)的工作中，應(yīng)該加以考慮氣象數(shù)據(jù)與地形地貌數(shù)據(jù)，以使干旱監(jiān)測(cè)結(jié)果更具有說(shuō)服力；最后，對(duì)于溫度干旱植被指數(shù)，僅選擇兩種植被指數(shù)進(jìn)行對(duì)比分析可能還不是干濕邊方程最佳擬合結(jié)果，未來(lái)應(yīng)進(jìn)一步考慮與其余反映植被狀況的指數(shù)，如葉面積指數(shù)(LAI)、增強(qiáng)型植被指數(shù)(EVI)等與地表溫度構(gòu)建更為準(zhǔn)確的特征空間，以更為準(zhǔn)確地監(jiān)測(cè)區(qū)域干旱狀況。

參考文獻(xiàn)：

[1]楊世琦,高陽(yáng)華,易佳. 干旱遙感監(jiān)測(cè)方法研究進(jìn)展[J]. 高原山地氣象研究, 2010,30(2):75-78.

[2]薛天翼,白建軍. 基于TVDI和氣象數(shù)據(jù)的陜西省春季旱情時(shí)空分析[J]. 水土保持研究, 2017,24(4):240-246.

[3]張耀宗,張勃,劉艷艷. 1960-2012年寧夏強(qiáng)干旱時(shí)空格局及影響因素分析[J]. 災(zāi)害學(xué), 2016,31(1):120-127.

[4]蔣紅花. 山東省干旱災(zāi)害的變化特征及相關(guān)分析[J]. 災(zāi)害學(xué), 2000,15(3):51-55.

[5]王利民,劉佳,鄧輝,等. 我國(guó)農(nóng)業(yè)干旱遙感監(jiān)測(cè)的現(xiàn)狀及展望[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2008,32(6):4-8.

[6]郭鈮,王小平. 遙感干旱應(yīng)用技術(shù)進(jìn)展及面臨的技術(shù)問(wèn)題與發(fā)展機(jī)遇[J]. 干旱氣象, 2015,33(1):1-18.

[7]范一大,吳瑋,王薇,等. 中國(guó)災(zāi)害遙感研究進(jìn)展[J]. 遙感學(xué)報(bào), 2016,20(5):1170-1184.

[8]閆娜,杜繼穩(wěn),李登科,等. 干旱遙感監(jiān)測(cè)方法研究應(yīng)用進(jìn)展[J]. 災(zāi)害學(xué), 2008,23(4):117-121.

[9]閆峰,覃志豪,李茂松,等. 農(nóng)業(yè)旱災(zāi)監(jiān)測(cè)中土壤水分遙感反演研究進(jìn)展[J]. 自然災(zāi)害學(xué)報(bào), 2006,15(6):114-121.

[10] 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.

[11] 劉玉琴,沙晉明,王德生. 基于TVDI的福州地區(qū)土壤干濕狀況遙感監(jiān)測(cè)[J]. 亞熱帶資源與環(huán)境學(xué)報(bào), 2013,8(4):75-80.

[12] 王嬌,丁建麗,袁澤,等. 基于Ts-NDVI特征空間的綠洲土壤水分監(jiān)測(cè)算法改進(jìn)[J]. 中國(guó)沙漠, 2016,36(6):1606-1612.

[13] 朱小強(qiáng),塔西甫拉提·特依拜,依力亞斯江·努爾麥麥提,等. 一種基于TVDI模型的煤田溫度異常區(qū)面積提取方法研究[J]. 干旱區(qū)地理, 2017,40(3):622-632.

[14] 曹影,胡文慶,顏培東. 基于溫度植被干旱指數(shù)(TVDI)的云南干旱遙感監(jiān)測(cè)[J]. 工程勘察, 2016,44(1):69-73.

[15] 伍漫春,丁建麗,王高峰. 基于地表溫度-植被指數(shù)特征空間的區(qū)域土壤水分反演[J]. 中國(guó)沙漠, 2012,32(1):148-154.

[16] Chavez P S Jr. Image-based atmospheric corrections-Revisited and revised[J]. Photogrammetric Engineering & Remote Sensing, 2006,62(9):1025-1036.

[17] 徐涵秋. 新型Landsat 8衛(wèi)星影像的反射率和地表溫度反演[J]. 地球物理學(xué)報(bào), 2015,58(3):741-747.

[18] Ramsey R D, Wright D L Jr, McGinty C. Evaluating the use of Landsat 30m Enhanced Thematic Mapper to monitor vegetation cover in shrub-steppe environments[J]. Geocarto International, 2004,19(2):39-47.

[21] Sobrino J A, Jiménez-Muoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM 5[J]. Remote Sensing of Environment, 2004,90(4):434-440.

[22] Sobrino J A, Raissouni N, Li Z L. A comparative study of land surface emissivity retrieval from NOAA data[J]. Remote Sensing of Environment, 2001,75(2):256-266.

[23] Barsi J A, Schott J R, Palluconi F D, et al. Validation of a web-based atmospheric correction tool for single thermal band instruments[C]. SPIE, 2005, San Diego, CA.

[24] J Qi, A Chehbouni, A R Huete, et al. A modified soil adjusted vegetation index[J]. Remote Sensing of Environment, 1994,48(2):119-126.

[25] 季國(guó)華,胡德勇,王興玲,等. 基于Landsat 8數(shù)據(jù)和溫度-植被指數(shù)的干旱監(jiān)測(cè)[J]. 自然災(zāi)害學(xué)報(bào), 2016,25(2):43-52.

[26] 齊述華,王長(zhǎng)耀,牛錚. 利用溫度植被旱情指數(shù)(TVDI)進(jìn)行全國(guó)旱情監(jiān)測(cè)研究[J]. 遙感學(xué)報(bào), 2003,7(5):420-427.