摘要：基于FY-3D氣象衛(wèi)星數(shù)據(jù)構(gòu)建Ts-NDVI特征空間，計(jì)算溫度植被干旱指數(shù)（TVDI），分析2020年生長(zhǎng)季內(nèi)黑龍江省主要農(nóng)區(qū)干旱時(shí)空分布變化，并結(jié)合高程、坡度以及氣象數(shù)據(jù)，分析TVDI變化影響因子。結(jié)果表明，2020年生長(zhǎng)季黑龍江省農(nóng)區(qū)TVDI空間分布具有較強(qiáng)的區(qū)域性差異，呈現(xiàn)北部、東部較濕潤(rùn)，西部、中部、南部較干旱趨勢(shì)；東部農(nóng)區(qū)TVDI主要分布于0.2～0.6屬于正?；蚱珴常渌r(nóng)區(qū)有2次典型干旱事件的發(fā)生，干旱峰值位于5月中旬和9月上旬。以400 m 高程為分界點(diǎn)，小于400 m 高程區(qū)域的TVDI與高程呈正相關(guān)關(guān)系，大于400 m高程區(qū)域的TVDI與高程呈負(fù)相關(guān)關(guān)系；坡度分界點(diǎn)為3.5°，小于3.5°區(qū)域TVDI隨坡度的增加逐漸增大，大于3.5°區(qū)域TVDI隨坡度的增加緩慢下降。旬平均氣溫對(duì)TVDI的影響大于旬累計(jì)降水量，且平均氣溫對(duì)TVDI存在持續(xù)性的影響，持續(xù)時(shí)間可達(dá)1～2旬。

關(guān)鍵詞：干旱；溫度植被干旱指數(shù)（TVDI）；遙感；時(shí)空分布；黑龍江省

中圖分類號(hào)：S165.2" " " " "文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2023）03-0241-08

DOI：10.14088/j.cnki.issn0439-8114.2023.03.038 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Monitoring and evaluation on drought in the" growing season of Heilongjiang Province based on FY-3D_TVDI

XU Zuo-min1，WU Shuang1，WU Ying2，GONG Li-juan3，JIANG Li-xia3，SUN Tao1，CHENG Chun-xiang1，XIE Lian-ni1

（1. Heilongjiang Eco-meteorological Center，Harbin" 150030， China；2. China Meteorological Administration Public Meteorological Service Center， Beijing" 100081， China；3. Heilongjiang Province Institute of Meteorological Science，Harbin" 150030， China）

Abstracts： A Ts-NDVI feature space was constructed based on FY-3D meteorological satellite data， and the temperature vegetation dryness index （TVDI） was calculated. The temporal and spatial distribution of drought in the main agricultural areas of Heilongjiang Province in the 2020 growing season was evaluated. In addition， the impact factor of TVDI was studied based on elevation， slope and meteorological data. The results showed that，in the 2020 growing season， a significant regional difference was found on the spatial distribution of TVDI in agricultural areas in Heilongjiang Province， indicating a trend of humidity in north and east， arid in western， central， and southern regions. The TVDI in the east agricultural areas， which was normal or partial waterlogging， was mainly distributed from 0.2 to 0.6. There were 2 typical drought events in other agricultural areas， and the drought peaks were in mid-May and early September.With the 400 m elevation as the cut-off point， the TVDI in the less than 400 m elevation region was positively correlated with the elevation， and the TVDI above the 400 m elevation region was negatively correlated with the elevation. The slope inflection point was 3.5°. TVDI gradually increased with the increase of the slope before the inflection point， and slowly decreased with the increase in the slope after the inflection point. The impact of ten-day average temperature on TVDI was greater than that of ten-day cumulative precipitation， and the average temperature had a continuous impact on TVDI， lasting about 10 to 20 days.

Key words： drought； temperature vegetation dryness index （TVDI）； remote sensing； temporal and spatial distribution； Heilongjiang Province

干旱以其持續(xù)時(shí)間長(zhǎng)、頻發(fā)、波及范圍廣等特點(diǎn)，成為對(duì)社會(huì)影響最廣泛的自然災(zāi)害之一［1，2］，近年來(lái)，隨著全球氣候變暖，干旱發(fā)生頻率呈逐年上升趨勢(shì)，特別是中國(guó)東北地區(qū)干旱增多趨勢(shì)愈發(fā)明顯，給水資源管理和糧食安全帶來(lái)極大壓力［3，4］。因此，能夠積極有效地監(jiān)測(cè)干旱情況，對(duì)于農(nóng)業(yè)生產(chǎn)安全至關(guān)重要［5-9］。傳統(tǒng)的干旱監(jiān)測(cè)方法主要是通過氣象降水?dāng)?shù)據(jù)、土壤水分?jǐn)?shù)據(jù)來(lái)反映干旱情況，人力投入大、站點(diǎn)維護(hù)費(fèi)用高、觀測(cè)站點(diǎn)少，無(wú)法及時(shí)準(zhǔn)確地反映大范圍內(nèi)干旱變化情況。近年來(lái)，隨著對(duì)地觀測(cè)技術(shù)的進(jìn)步，特別是中國(guó)風(fēng)云氣象衛(wèi)星的快速發(fā)展，遙感監(jiān)測(cè)［10］以其高時(shí)效、范圍廣等優(yōu)勢(shì)被大量應(yīng)用到農(nóng)業(yè)干旱監(jiān)測(cè)中，在提高干旱監(jiān)測(cè)效率的同時(shí)大大減少人力成本的投入。

國(guó)內(nèi)外學(xué)者就遙感干旱監(jiān)測(cè)開展了廣泛研究，主要以植被和地表土壤為依據(jù)［11］，建立3類干旱監(jiān)測(cè)指標(biāo)，單純基于地表溫度構(gòu)建的干旱指標(biāo)，其缺點(diǎn)在于受高程、坡度影響較大；基于植被指數(shù)構(gòu)建的干旱指標(biāo)，受植物自身生長(zhǎng)過程影響，干旱監(jiān)測(cè)存在滯后；而利用地表溫度和植被指數(shù)聯(lián)合構(gòu)建的干旱指標(biāo)，綜合考慮了地表溫度和植被本身生長(zhǎng)狀態(tài)數(shù)據(jù)，可以更好地反映區(qū)域干旱情況［12］，在農(nóng)業(yè)干旱監(jiān)測(cè)中得到了廣泛應(yīng)用［13-16］。朱小強(qiáng)等［17］基于 MODIS遙感數(shù)據(jù)估算了TVDI，結(jié)果表明，利用 TVDI進(jìn)行干旱監(jiān)測(cè)精度高、效果好。黃靜等［18］基于 MODIS數(shù)據(jù)計(jì)算溫度植被干旱指數(shù)對(duì)新疆 2000—2016年干旱時(shí)空變化進(jìn)行了監(jiān)測(cè)分析，證明了TVDI對(duì)新疆的干旱監(jiān)測(cè)的適用性； Rahimzadeh-bajgiran等［19］通過改進(jìn)溫度植被干旱指數(shù)對(duì)伊朗的土壤水分進(jìn)行了監(jiān)測(cè)，結(jié)果表明，考慮了地形和氣溫因素影響的iTVDI能更好地反映研究區(qū)作物的干旱狀況；王一昊等［20］基于MODIS數(shù)據(jù)并結(jié)合春玉米生育期數(shù)據(jù)，探究基于NDVI、EVI構(gòu)建的TVDI在春玉米不同發(fā)育階段、不同農(nóng)田環(huán)境條件下的干旱監(jiān)測(cè)精度差異，選取出監(jiān)測(cè)精度高的指標(biāo)進(jìn)行干旱監(jiān)測(cè)。覃藝等［21］基于MODIS數(shù)據(jù)（MOD11A2 LST和 MOD13A2 NDVI）開展內(nèi)蒙古2000—2017年植被生長(zhǎng)季旱情監(jiān)測(cè)，探究?jī)?nèi)蒙古TVDI時(shí)空分布變化特征，并綜合分析了地貌因子與氣象因子對(duì)TVDI的影響。

黑龍江省為農(nóng)業(yè)大省，糧食商品量和調(diào)出量連續(xù)多年居全國(guó)第一位，糧食總產(chǎn)量約占全國(guó)總量的1/10，黑龍江省糧食產(chǎn)量直接影響國(guó)家糧食安全。干旱是黑龍江省面臨的主要?dú)庀鬄?zāi)害之一，本研究以黑龍江省主要農(nóng)區(qū)為研究對(duì)象，通過Ts-NDVI構(gòu)建特征空間向量，探究2020年黑龍江省主要農(nóng)區(qū)生長(zhǎng)季干旱時(shí)空分布，分析氣象因子以及地貌因素對(duì)黑龍江省干旱影響，為干旱防控提供理論支撐。

1 資料與方法

1.1 研究區(qū)概況

黑龍江省是中國(guó)位置最北省份。地形以丘陵和平原為主，氣候類型屬于溫帶大陸性季風(fēng)氣候。全省年平均氣溫-4～5 ℃，氣溫隨地域差異變化較大，溫差接近 l0 ℃，全省年降水量多介于400～650 mm，降水資源穩(wěn)定。生長(zhǎng)季的輻射總量占全年的55%～60%，光照時(shí)間長(zhǎng)，雨熱同季節(jié)，適宜農(nóng)作物生長(zhǎng)。

1.2 NDVI和LST 數(shù)據(jù)

數(shù)據(jù)使用風(fēng)云三號(hào)氣象衛(wèi)星D星的中分辨率光譜成像儀（FY-3D/MERSI-Ⅱ）的一級(jí)和二級(jí)數(shù)據(jù)，數(shù)據(jù)來(lái)源于國(guó)家衛(wèi)星氣象中心，其空間分辨率為1 km。本研究在數(shù)據(jù)處理過程中剔除了云影響較大的像元數(shù)據(jù)，并對(duì)晴空數(shù)據(jù)進(jìn)行拼接、裁剪、掩膜等預(yù)處理，最后對(duì)所用數(shù)據(jù)采用最大值合成法和平均值合成法，以得到研究區(qū)內(nèi)空間分辨率為1 km、時(shí)間分辨率為10 d的LST和NDVI數(shù)據(jù)集。

1.3 DEM 數(shù)據(jù)

DEM來(lái)源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn） 的 ASTER GDEMV2 數(shù)據(jù)，空間分辨率為30 m，經(jīng)過無(wú)效值剔除、拼接和掩膜等預(yù)處理后，將DEM空間分辨率重采樣為1 km。

1.4 其他數(shù)據(jù)

逐日氣象資料來(lái)自黑龍江省44個(gè)氣象站和基礎(chǔ)地理信息資料（圖1）。

1.5 研究方法

Price［22］和Carlson等［23］研究表明研究區(qū)下墊面類型從變化為植被覆蓋100%時(shí)，VI 和 LST 構(gòu)成的散點(diǎn)圖顯現(xiàn)出三角形關(guān)系，Sandholt等［24］在前人的研究基礎(chǔ)上提出溫度植被干旱指數(shù)（TVDI），利用 Ts-NDVI構(gòu)建特征空間提取的水分脅迫指標(biāo)來(lái)估算陸面表層土壤水分。研究區(qū)內(nèi)，隨著NDVI增加，植被通過蒸騰作用將吸收的輻射能部分轉(zhuǎn)化為潛熱的能力會(huì)加強(qiáng)，而轉(zhuǎn)化顯熱的作用相對(duì)減弱，表面溫度呈下降趨勢(shì)。在較小的區(qū)域內(nèi)，可認(rèn)為每個(gè)像元大氣背景條件與受到的太陽(yáng)總輻射量基本一致，地表干旱缺水時(shí)，植被蒸騰轉(zhuǎn)化為潛熱的能量降低，顯熱交換增加，地表溫度會(huì)迅速升高；反之，土壤濕度較大，地表溫度增加較少。在表面溫度Ts與 NDVI的二維空間里，TVDI表達(dá)式為：

式中，Tsmin表示最小地表溫度，對(duì)應(yīng)的是濕邊；Ts表示任意像元的地表溫度；Tsmax表示最大地表溫度，對(duì)應(yīng)的是干邊。a1、b1、a2、b2分別為干、濕邊線性擬合方程的系數(shù)。

2 結(jié)果與分析

2.1 黑龍江省2020年生長(zhǎng)季Ts-NDVI 特征空間的構(gòu)建

提取生長(zhǎng)季內(nèi)每旬NDVI對(duì)應(yīng)的最大地表溫度和最小地表溫度，構(gòu)建黑龍江省2020年生長(zhǎng)季旬的 Ts-NDVI 特征空間。從圖2可以看出，在2020年生長(zhǎng)季內(nèi)，Ts-NDVI散點(diǎn)圖分布呈現(xiàn)典型的三角分布，干濕邊界較為清晰，當(dāng)NDVIlt;0.25時(shí)，監(jiān)測(cè)區(qū)域植被覆蓋度低于25%，不能有效地反映該區(qū)域的植被情況，Ts-NDVI線性關(guān)系不顯著。當(dāng) 0.25lt;NDVIlt;0.80 時(shí)，Tsmax隨NDVI 增大而減小，且NDVI 和 Tsmax之間的線性關(guān)系顯著。 因此，為了提高干、濕邊方程的擬合精度，本研究選取的NDVI范圍為0.25lt;NDVIlt;0.80，并計(jì)算生長(zhǎng)季內(nèi)各旬干濕邊擬合方程，見表1。

2.2 黑龍江省2020年生長(zhǎng)季TVDI時(shí)空分布

2.2.1 TVDI時(shí)間變化特征 基于TVDI 指數(shù)的干旱分級(jí)，可根據(jù)齊述華等［25］提出的用TVDI劃分土壤含水量的標(biāo)準(zhǔn)。對(duì)黑龍江省基于TVDI干旱指數(shù)進(jìn)行土壤濕度分級(jí)，共劃分為5個(gè)等級(jí)，分別為極濕潤(rùn)（0＜TVDI≤0.2）、濕潤(rùn)（0.2＜TVDI≤0.4）、正常（0.4＜TVDI≤0.6）、半干旱（0.6＜TVDI≤0.8）、干旱（0.8＜TVDI≤1.0），2020年生長(zhǎng)季黑龍江省東部農(nóng)區(qū)TVDI主要分布于0.2～0.6屬于正?；蚱珴?，其他農(nóng)區(qū)有2次典型干旱事件的發(fā)生。5月上旬開始較為嚴(yán)重的春季干旱，TVDI介于0.6～1.0的像元占總監(jiān)測(cè)像元比例為29%，5月下旬干旱像元占比達(dá)到峰值48%。進(jìn)入6月上旬之后，春旱影響范圍逐漸縮小，全省旱情基本緩解，干旱像元比例降低為24%。6月中旬至8月上旬，全省無(wú)大面積干旱事件的發(fā)生。8月中旬開始第二次大范圍干旱過程，干旱以輕旱為主，干旱像元比例為31%，9月上旬干旱像元占比達(dá)44%，直至9月下旬，全省夏季干旱得到緩解，干旱像元占比為20%（圖3）。

2.2.2 TVDI空間分布特征 2020年生長(zhǎng)季黑龍江省農(nóng)區(qū)TVDI空間分布具有較強(qiáng)的區(qū)域性差異，呈現(xiàn)北部、東部較濕潤(rùn)，西部、中部、南部較干旱趨勢(shì)（圖4）。從整體來(lái)看，黑龍江省農(nóng)區(qū)生長(zhǎng)季 TVDI均值為0.55，屬于水分供應(yīng)正常年份，松嫩平原干旱狀況較嚴(yán)重，該地區(qū)降雨量少，種植作物以玉米、大豆等旱田為主，黑龍江省旱田作物以雨養(yǎng)為主，對(duì)氣溫、降水等變化較為敏感，生態(tài)系統(tǒng)的穩(wěn)定性易受到影響。其中，TVDI高值區(qū)（0.8～1.0）的像元占監(jiān)測(cè)總像元的3.8%，主要分布在齊齊哈爾、綏化、哈爾濱北部以及牡丹江南部地區(qū)；TVDI中高值區(qū)（0.6～0.8）的像元占監(jiān)測(cè)總像元的27%，主要分布在齊齊哈爾、綏化、大慶、哈爾濱以及佳木斯西南部地區(qū)；TVDI中值區(qū)（0.2～0.6）的像元占監(jiān)測(cè)總像元的66%，主要分布在佳木斯、雞西、雙鴨山、七臺(tái)河以及牡丹江東北部地區(qū)，多為水稻種植區(qū)域，主要特點(diǎn)是由于人工灌溉的影響水資源相對(duì)較好，土壤涵水能力較好。

2.3 黑龍江省2020年生長(zhǎng)季TVDI影響因子分析

2.3.1 高程、坡度對(duì)TVDI影響分析 黑龍江省農(nóng)區(qū)主要分布于三江平原與松嫩平原，地勢(shì)比較低平，海拔介于50～500 m，其中，干旱較為嚴(yán)重區(qū)域高程介于350～400 m。由圖5可知，TVDI與高程、坡度的線性關(guān)系存在明顯的分界點(diǎn)，小于400 m 高程區(qū)域的TVDI與高程呈正相關(guān)關(guān)系，即隨著高程升高TVDI呈波動(dòng)上升趨勢(shì)，大于400 m高程區(qū)域TVDI與高程呈負(fù)相關(guān)關(guān)系。坡度與TVDI相關(guān)性的分界點(diǎn)為3.5°，小于3.5°坡度的區(qū)域，TVDI與坡度呈正相關(guān)關(guān)系，隨著坡度的增加TVDI逐漸增大，大于3.5°坡度的區(qū)域，隨坡度增加TVDI緩慢下降。

2.3.2 氣象因子與TVDI的相關(guān)關(guān)系 黑龍江省農(nóng)區(qū)2020年生長(zhǎng)季累計(jì)降水量介于519～817 mm，平均值為664 mm，較常年偏多，降水分布區(qū)域性特點(diǎn)顯著，生長(zhǎng)季累計(jì)降水量高值區(qū)域集中在黑龍江省東部松嫩平原以及黑龍江省中部。低值區(qū)位于黑龍江省北部遜克站以及黑龍江省西部三江平原區(qū)域，生長(zhǎng)季氣溫平均值介于15～17 ℃，溫度分布較均勻。

表2為黑龍江省主要農(nóng)區(qū)TVDI與生長(zhǎng)季氣象因子的相關(guān)系數(shù)。TVDI與旬平均氣溫相關(guān)系數(shù)介于-0.70～0.42，TVDI與旬平均氣溫相關(guān)性存在顯著的空間分布差異和時(shí)間延續(xù)性，甘南、虎林、海林、穆棱區(qū)域TVDI與本旬、上一旬、上兩旬平均氣溫均呈顯著負(fù)相關(guān)關(guān)系（Plt;0.05）；海倫、樺川、寶清、勃利、雞東區(qū)域TVDI與本旬、上一旬平均氣溫呈顯著負(fù)相關(guān)關(guān)系（Plt;0.05）。由此可見平均氣溫對(duì)旱田作物TVDI存在持續(xù)性的影響，持續(xù)時(shí)間可達(dá)1～2旬。研究區(qū)域TVDI主要與當(dāng)旬的累計(jì)降水量呈顯著相關(guān)，海倫、綏濱、木蘭、虎林、海林、東寧區(qū)域與本旬的累計(jì)降水量相關(guān)系數(shù)均可達(dá)-0.50左右，且均通過" Plt;0.05顯著性檢驗(yàn)。研究區(qū)域TVDI與上一旬、上兩旬累計(jì)降水量相關(guān)性不顯著。通過水旱田分類數(shù)據(jù)發(fā)現(xiàn)，TVDI與氣象因子相關(guān)系數(shù)較高區(qū)域氣象站點(diǎn)附近農(nóng)區(qū)種植作物基本為大豆、玉米等旱田作物（圖1），黑龍江省旱田作物以雨養(yǎng)為主，對(duì)氣溫、降水變化敏感性較高，水稻主要種植區(qū)域由于人工灌溉影響，TVDI對(duì)氣象因子敏感性較低。

3 結(jié)論與討論

國(guó)內(nèi)外學(xué)者結(jié)合典型干旱事件對(duì)TVDI在干旱監(jiān)測(cè)中的適應(yīng)性進(jìn)行了系統(tǒng)研究驗(yàn)證［19，25-27］，本研究在前人研究的基礎(chǔ)上基于FY-3D氣象衛(wèi)星數(shù)據(jù)構(gòu)建Ts-NDVI特征空間，計(jì)算溫度植被干旱指數(shù)（TVDI），分析了2020年生長(zhǎng)季黑龍江省主要農(nóng)區(qū)TVDI時(shí)空分布情況，研究結(jié)果表明，2020年生長(zhǎng)季黑龍江省東部農(nóng)區(qū)TVDI主要分布于0.2～0.6屬于正?；蚱珴?，其他農(nóng)區(qū)有2次典型干旱事件的發(fā)生。5 月上旬開始較為嚴(yán)重的春季干旱，TVDI介于0.6～1.0區(qū)間的像元占總監(jiān)測(cè)像元比例為29%，5月下旬干旱像元占比達(dá)到峰值48%。進(jìn)入6月上旬之后，春旱影響范圍逐漸縮小，全省旱情基本緩解，干旱像元比例降低為24%。6月中旬至8 月上旬，全省無(wú)大面積干旱事件的發(fā)生。8月中旬開始第二次大范圍干旱過程，干旱以輕旱為主，干旱像元比例為31%， 9月上旬干旱像元占比達(dá)44%，直至9月下旬，全省夏季干旱得到緩解，干旱像元占比為20%。鄭昌玲等［28］的研究也表明，2020年黑龍江省降水偏多，同時(shí)8月26日至9月9日第8號(hào)臺(tái)風(fēng)“巴威”、第9號(hào)臺(tái)風(fēng)“美莎克”和第10號(hào)臺(tái)風(fēng)“海神”先后影響東北地區(qū)，降水補(bǔ)充了大部分地區(qū)的農(nóng)田土壤水分，利于深層蓄墑和農(nóng)業(yè)蓄水，緩解了東北西部部分地區(qū)的旱情，與本研究黑龍江省夏季旱情的變化趨勢(shì)相符。

TVDI與高程、坡度的線性關(guān)系存在明顯的分界點(diǎn)，小于400 m 高程區(qū)域的TVDI與高程呈正相關(guān)關(guān)系，即隨著高程升高TVDI呈波動(dòng)上升趨勢(shì)，大于400 m高程區(qū)域TVDI與高程呈負(fù)相關(guān)關(guān)系。坡度與TVDI相關(guān)性的分界點(diǎn)為3.5°，小于3.5°坡度的區(qū)域，TVDI與坡度呈正相關(guān)關(guān)系，隨著坡度的增加TVDI逐漸增大，大于3.5°坡度的區(qū)域，隨坡度增加TVDI緩慢下降。

平均氣溫對(duì)TVDI的影響大于旬累計(jì)降水量，且平均氣溫對(duì)TVDI可產(chǎn)生持續(xù)影響，持續(xù)時(shí)間可達(dá)1～2旬。根據(jù)水旱田地表分類信息進(jìn)一步發(fā)現(xiàn)，玉米、大豆等旱田作物種植區(qū)域TVDI與平均氣溫、本旬累計(jì)降水量的相關(guān)性密切，水稻主要種植區(qū)域由于人工灌溉影響，TVDI對(duì)氣象因子敏感性較低。

本研究?jī)H就高程、坡度、平均氣溫、累計(jì)降水量對(duì)TVDI的影響進(jìn)行了探討，沒有考慮大氣及土壤背景對(duì)土壤濕度的影響，同時(shí)選取的研究區(qū)域氣象站點(diǎn)稀疏，無(wú)法與TVDI格點(diǎn)數(shù)據(jù)進(jìn)行對(duì)應(yīng)分析，今后將針對(duì)TVDI其他影響因素進(jìn)行進(jìn)一步深入的研究，為提高遙感動(dòng)態(tài)干旱監(jiān)測(cè)分析定量化水平做更深一步的工作。

參考文獻(xiàn)：

［1］ AGHAKOUCHAK A， FARAHMAND A， MELTON F S， et al. Remote sensing of rought：Progress， challenges and opportunities［J］. Reviews of geophysics，2015，53（2）：452-480.

［2］ HAO Z C， SINGH V P. Drought characterization from a multivariate perspective：A review［J］. Journal of hydrology， 2015，527：668-678.

［3］ FIELD C B，BARROS V，STOCKER T F，et al. Managing the risks of extreme events and disasters to advance climate change adaptation：Special report of the intergovernmental panel on climate change［R］. Cambridge： Cambridge university press，2012.

［4］ PACHAURI R K，ALLEN M R，BARROS V R，et al. Climate change 2014： Synthesis report. Contribution of working groups I， II and III to the fifth assessment report of the intergovernmental panel on climate change［R］. Geneva， Switzerland ： IPCC，2014.

［5］ SUN L， SUN R， LI X W， et al. Monitoring surface soil moisture status based on remotely sensed surface temperature and vegetation index information［J］. Agricultural and forest meteorology，2012，166-167：175-187.

［6］ SHEFFIELD J， WOOD E F， CHANEY N， et al. A drought monitoring and forecasting system for sub-sahara African water resources and food security［J］. Bulletin of the American meteorological society，2014，95（6）：861-882.

［7］ HAO Z C， AGHAKOUCHAK A， NAKHJIRI N， et al. Global integrated drought monitoring and prediction system［J］. Scientific data，2014，1：1-10.

［8］ LAKSHMI V. Remote sensing of hydrological extremes［M］.Berlin：Springer international publishing， 2017.121-149.

［9］ 盧曉寧，張靜怡，王玲玲，等.綜合考慮植被、溫度和降水的四川省月尺度伏旱遙感監(jiān)測(cè)［J］.自然資源學(xué)報(bào)，2017，32（7）：1145-1157.

［10］ 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)問題與發(fā)展機(jī)遇［J］.干旱氣象，2015，33（1）：1-18.

［11］ 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.

［12］ 劉憲鋒，朱秀芳，潘耀忠，等.農(nóng)業(yè)干旱監(jiān)測(cè)研究進(jìn)展與展望［J］.地理學(xué)報(bào)，2015，70（11）：1835-1848.

［13］ 葛少青，張 劍，孫 文，等.三種干旱指數(shù)在干旱區(qū)沼澤濕地土壤水分遙感反演中的應(yīng)用［J］.生態(tài)學(xué)報(bào)，2018，38（7）：2299-2307.

［14］ LIU L Y， LIAO J S， CHEN X Z， et al. The microwave temperature vegetation drought index （MTVDI） based on AMSR-E，brightness temperatures for long-term drought assessment across China（2003—2010）［J］. Remote sensing of environment，2017，199：302-320.

［15］ 陳少丹，張利平，湯柔馨，等.基于SPEI和TVDI的河南省干旱時(shí)空變化分析［J］.農(nóng)業(yè)工程學(xué)報(bào)，2017，33（24）：126-132.

［16］ 王鳳杰，馮文蘭，扎西央宗，等.基于 FY-3A/VIRR和TERRA/MODIS數(shù)據(jù)藏北干旱監(jiān)測(cè)對(duì)比［J］.自然資源學(xué)報(bào)，2017，32（7）：1229-1239.

［17］ 朱小強(qiáng)，塔西甫拉提·特依拜，丁建麗，等.基于MODIS與Landsat 8的艾比湖濕地旱情時(shí)空變化及其影響因素分析［J］.生態(tài)學(xué)報(bào)，2018，38（8）：2984-2994.

［18］ 黃 靜，張 運(yùn)，汪明秀，等.近17年新疆干旱時(shí)空分布特征及影響因素［J］.生態(tài)學(xué)報(bào)，2020，40（3）：1077-1088.

［19］ RAHIMZADEH-BAJGIRAN P， OMASA K， SHIMIZU Y. Comparative evaluation of the vegetation dryness index （VDI），the temperature vegetation dryness index （TVDI） and the improved TVDI （iTVDI） for water stress detection in semi-arid regions of Iran［J］. ISPRS Journal of photogrammetry and remote sensing，2012，68：1-12.

［20］ 王一昊，武永峰，張立亭，等.基于TVDI的東北地區(qū)春玉米干旱監(jiān)測(cè)——以2018年為例［J］.河南農(nóng)業(yè)科學(xué)，2020，49（3）：167-180.

［21］ 覃 藝，張廷斌，易桂花，等.2000年以來(lái)內(nèi)蒙古生長(zhǎng)季旱情變化遙感監(jiān)測(cè)及其影響因素分析［J］.自然資源學(xué)報(bào)，2021，36（2）：459-475.

［22］ PRICE J C. Using spatial context in satellite data to infer regional scale evapotranspiration［J］. IEEE Transactions on geoscience and remote sensing，1990，28（5）：940-948.

［23］ CARLSON T N，GILLIES R R，PERRY E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover［J］. Remote sensing reviews，1994，9（1-2）：161-173.

［24］ 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（2-3）：213-224.

［25］ 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）：420-427，436.

［26］ 劉立文，張吳平，段永紅，等.TVDI模型的農(nóng)業(yè)旱情時(shí)空變化遙感應(yīng)用［J］.生態(tài)學(xué)報(bào)，2014，34（13）：3704-3711.

［27］ 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.

［28］ 鄭昌玲，宋迎波，何 亮，等.2020年秋收作物生長(zhǎng)季農(nóng)業(yè)氣象條件評(píng)價(jià)［J］.中國(guó)農(nóng)業(yè)氣象，2021，42（3）：250-254.