劉 英，岳 輝，張 鋒，楊 坤

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

遙感技術(shù)因其具有監(jiān)測范圍廣、多時相、快速、動態(tài)等特點，近年來已成為旱情監(jiān)測的主要手段[1-2]。旱情遙感監(jiān)測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，簡稱 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。國際上，Sandholt等[3]利用簡化的歸一化植被指數(shù)（Normalized Difference Vegetation Index，簡稱NDVI）和地表溫度（Land surface temperature，簡稱Ts）構(gòu)成的特征空間，提出了TVDI計算公式；Naira等[4]指出基于NDVI-Ts特征空間的TVDI能夠描述土壤水分時空變化；Patel等[5]指出TVDI與土壤濕度之間存在明顯的負相關(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，簡稱 LAI）呈顯著的負相關(guān)關(guān)系；Cao等[7]利用中分辨率成像光譜儀（Moderate-resolution imaging spectroradiometer，簡稱MODIS）數(shù)據(jù)，基于 NDVI-Ts三角形特征空間的 TVDI監(jiān)測了蒙古高原土壤濕度狀況；Zhang等[8]利用MODIS等數(shù)據(jù)計算了垂直植被干旱指數(shù)、TVDI、降雨狀態(tài)指數(shù)等，并利用這些指數(shù)監(jiān)測了美國大陸的干旱狀況，指出氣象干旱指數(shù)得出的美國大陸嚴重干旱等級面積比例大于農(nóng)業(yè)干旱指數(shù)，且在不同氣象條件下各指數(shù)在監(jiān)測旱情方面各有利弊。

國內(nèi)，沈潤平等[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)和土地覆蓋類型等多個遙感及土壤資料提取的干旱因子為自變量，以氣象站點的綜合氣象干旱指數(shù)為因變量，利用隨機森林模型構(gòu)建遙感干旱監(jiān)測模型，結(jié)果表明該模型能較好地應(yīng)用于監(jiān)測區(qū)域旱情監(jiān)測；薄燕飛等[10]利用MODIS數(shù)據(jù)，基于增強型植被指數(shù)EVI（Enhanced Vegetation Index）-Ts特征空間計算TVDI，指出TVDI能監(jiān)測河北省旱情；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)測指數(shù)，并對武陵山區(qū)旱情進行了監(jiān)測，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，簡稱TLDI）監(jiān)測農(nóng)田水分含量，指出TLDI彌補了TVDI在NDVI達到飽和后監(jiān)測精度降低的缺陷。

相關(guān)學(xué)者利用 TVDI進行旱情監(jiān)測時基本都依賴于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，隨欣欣等[13]指出基于LAI-Ts特征空間的TLDI適用于NDVI達到飽和后的農(nóng)田旱情監(jiān)測。但在植被覆蓋度較低時，NDVI尚未達到飽和時是否也可用LAI-Ts特征空間代替NDVI-Ts特征空間有待驗證。本研究旨在探索當(dāng) NDVI未達到飽和時，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，簡稱TLDI）能否用于旱情監(jiān)測，并利用實地觀測土壤濕度數(shù)據(jù)驗證該指數(shù)的監(jiān)測精度。進一步以TLDI為旱情監(jiān)測指標(biāo)，分析評估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)來源與處理

MODIS/Terra衛(wèi)星數(shù)據(jù)下載于美國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。實測土壤濕度數(shù)據(jù)來自于中國氣象局氣象數(shù)據(jù)中心提供的中國農(nóng)作物生長發(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個氣象站點2000、2005、2010和2015年2月26日-6月1日每月8、18和28日的10cm實測土壤濕度數(shù)據(jù)。研究區(qū)及站點分布見圖1。

圖1 研究區(qū)及站點分布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，利用JAVA語言編程提取研究區(qū)每個LAI對應(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特征空間計算溫度植被干旱指數(shù)（TVDI）的表達式，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對應(yīng)的最大地表溫度，對應(yīng)NDVI-Ts特征空間的干邊；Tsmin為某一NDVI的對應(yīng)最小地表溫度，對應(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)旱情越嚴重；反之，農(nóng)業(yè)旱情越輕。Tsmax和Tsmin計算式為

式中，a1和b1、a2和b2分別為干、濕邊方程系數(shù)，由NDVI-Ts特征空間散點圖線性擬合得到；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未達到飽和，植被覆蓋度較低時，LAI-Ts特征空間能否代替 NDVI-Ts特征空間有待驗證。因此，本文嘗試利用LAI-Ts特征空間計算TLDI。本研究發(fā)現(xiàn)，在 LAI-Ts特征空間中 Tsmax和 Tsmin二次多項式擬合方程精度比線性擬合精度高，故采用二次多項擬合Tsmax和Tsmin，計算式為

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，提取每個像元LAI值對應(yīng)的最高地表溫度（Tsmax）、最低地表溫度（Tsmin），繪制散點圖得到每個階段的LAI-Ts特征空間，其中，LAI-Tsmax對應(yīng)干邊、LAI-Tsmin對應(yīng)濕邊，結(jié)果見圖2、3、4和圖5。由圖中可見，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，兩條線隨著生育期形成了動態(tài)合圍變化態(tài)勢。從合圍情況看，返青期即3月上旬前后（圖a、b），干、濕邊線呈明顯三角形，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€（圖 f）。在LAI-Ts特征空間中任意一點越接近干邊，TLDI值越大，旱情越嚴重；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)性驗證

中國氣象局氣象數(shù)據(jù)中心缺乏2013年之后的實測土壤濕度數(shù)據(jù)，故利用河南省的17個氣象站2000、2005、2010和2013年每年2月26日-6月1日實測地表10cm土壤濕度數(shù)據(jù)與氣象站點3×3像元對應(yīng)的TLDI（溫度-葉面積干旱指數(shù)）均值進行相關(guān)性分析，并計算其相關(guān)系數(shù)（表1）。由表1可知，TLDI與地表10cm土壤濕度存在負相關(guān)關(guān)系，TLDI越大，土壤濕度越低。F檢驗發(fā)現(xiàn)，2000、2005、2010和2013年各時段TLDI與10cm土壤濕度線性回歸方程均通過了95%的顯著性檢驗（表1）。

進一步利用2005年3月30日-6月1日每16d TLDI與同時相實測土壤濕度數(shù)據(jù)進行相關(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與實測土壤濕度（SM）呈顯著負相關(guān)關(guān)系（P＜0.05），計算式為

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，并與同時相實測土壤濕度進行對比（圖6b）。由圖6b可知，反演土壤濕度與實測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)測旱情具有可靠性，可作為旱情監(jiān)測指標(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與實測土壤濕度的關(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：極濕潤（TLDI為0～0.2）；濕潤（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）。因為研究區(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：無數(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日期間的旱情等級時空分布圖（圖7、8、9、10），并統(tǒng)計各時段干旱與極干旱區(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：

（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)嚴重春旱，全省受旱災(zāi)影響的農(nóng)田面積約357.1萬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來說旱情較嚴重，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?？傮w來說對小麥生長較有利。

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：早春時期全省相對濕潤，西南部有輕微旱情，對冬小麥的生長極為有利。

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。

5月1日-6月1日：5月上旬全省相對濕潤，下旬旱情突然嚴重加劇，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，對冬小麥進入返青期較有利；下旬旱情無明顯變化。

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，但全省旱情并不嚴重。4月下旬中部、北部大部分地區(qū)出現(xiàn)輕度干旱，僅個別地區(qū)為中度干旱，全省其它地區(qū)土壤墑情良好，對小麥生長較為有利。

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，全省旱情較嚴重?？傮w來說，對小麥生長較為不利。

由表2可知，2000、2005、2010和2015年每年3月上旬及整個5月是河南省干旱頻發(fā)期，2000年和2005年干旱比例均達全省面積的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 50%以上。進一步分析可知，每年3月上旬和整個5月分別處于冬小麥返青期和開花-灌漿期，此時如果干旱發(fā)生將嚴重影響冬小麥產(chǎn)量，應(yīng)采取積極的抗旱措施。相比各年份干旱情況來說，2000年、2005年和2015年每年2-5月旱情較嚴重，2010年2-5月屬輕度干旱，相對濕潤。

圖7 河南省2000年2月26日-6月1日旱情等級時空分布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日旱情等級時空分布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日旱情等級時空分布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)測精度，指出當(dāng)NDVI達到飽和后 TLDI可代替 TVDI，且其旱情監(jiān)測精度高于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)，驗證當(dāng)植被覆蓋度較低，NDVI未達到飽和時基于 LAI-Ts特征空間的 TLDI能否用于旱情監(jiān)測。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，這種演變特征進一步驗證了Han等[14]提出的早期植被覆蓋較低時應(yīng)采用三角形特征空間，而后期植被覆蓋度增加時則采用梯形特征空間的理論。本研究僅采用了河南省數(shù)據(jù)對TLDI進行驗證，該指數(shù)是否適用于其它區(qū)域的旱情監(jiān)測需要進一步驗證與分析。另外，文獻[17]雖對基于雙拋物線型 NDVI-Ts、EVI-Ts及三角形NDVI-Ts、LAI-Ts特征空間作了一定的對比研究，但側(cè)重于雙拋物線型NDVI-Ts特征空間的提出和驗證，因而這幾種特征空間的適用條件和優(yōu)劣程度需進一步研究。

3.2 結(jié)論

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

（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)生旱情的時間相對較少。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5月，干旱比例均達 50%以上，此時正處于冬小麥返青期和開花-灌漿期的關(guān)鍵時刻。因此，抗旱需要在早春時期就積極應(yīng)對，早春是小麥拔節(jié)生長的重要階段，而后在初夏階段，植被蒸騰作用加劇，更需要對旱情及時預(yù)防和應(yīng)對，保證小麥在灌漿成熟期能健康發(fā)育。

References

[1]劉勤,嚴昌榮,何文清.黃河流域干旱時空變化特征及其氣候要素敏感性分析[J].中國農(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]沈潤平,郭佳,張婧嫻,等.基于隨機森林的遙感干旱監(jiān)測模型的構(gòu)建[J].地球信息科學(xué)學(xué)報,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)的河北省春旱時空變化特征[J].蘭州大學(xué)學(xué)報(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)的廣東省旱情動態(tài)監(jiān)測[J].草業(yè)學(xué)報,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,等.基于多源數(shù)據(jù)的武陵山區(qū)干旱監(jiān)測研究[J].農(nóng)業(yè)機械學(xué)報,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 雙拋物線特征空間的冬小麥旱情遙感監(jiān)測[J].農(nóng)業(yè)機械學(xué)報,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)