基于温度植被干旱指数法(TVDI)的朝阳县干旱监测
刘艳伟1, 王淑莹1, 焦忠帅2, 杨国范3, 杨启良1
1.昆明理工大学 现代农业工程学院,云南 昆明 650500
2.中国水利水电第六工程局有限公司,辽宁 沈阳 110179
3.沈阳农业大学 水利学院,辽宁 沈阳 110866

作者简介:刘艳伟(1981—),女,蒙古族,内蒙古通辽人,博士,副教授,主要从事气候变化及生态水文学方面的教学和研究工作。E-mail: 1104296611@qq.com

摘要

利用Landsat 8数据,将归一化植被指数(NDVI)和地表温度(Ts)结合建立二维特征空间,依据二维特征空间分布图拟合干、湿边方程,进而计算温度植被干旱指数(TVDI),并对旱情分布进行分析和评价。利用土壤含水率实测值与反演的地表温度建立模型,并通过模型反演出土壤含水率与实测值进行精度检验。结果表明,随着归一化植被指数的增加,最大地表温度(Tsmax)随之减小,最小地表温度(Tsmin)基本上随之增大,Tsmin和Tsmax的趋势线交汇于一点组合成近似的三角形形状;2016年5—8月,朝阳县全县范围内基本都存在不同程度的旱情,其中6月份旱情最为严重;TVDI与不同深度的土壤含水率的相关性显著,可以较好的实现对旱情的监测。

关键词: 归一化植被指数; 温度植被干旱指数; 地表温度; 土壤含水率; 干旱监测
中图分类号:S16;S271;TP79 文献标志码:A 文章编号:1004-1524(2018)01-0129-08 doi: 10.3969/j.issn.1004-1524.2018.01.17
Monitoring drought in Chaoyang County of Liaoning Province using temperature vegetation drought index (TVDI)
LIU Yanwei1, WANG Shuying1, JIAO Zhongshuai2, YANG Guofan3, YANG Qiliang1
1. Faculty of Modern Agricultural Engineering, Kunming University of Science and Technology, Kunming 650500, China
2. Sinohydro Bureau 6 Co., Ltd., Shenyang 110179, China
3. College of Water Conservancy, Shenyang Agricultural University, Shenyang 110866, China
Abstract

In order to explore the drought in Chaoyang County of Liaoning province from May to August in 2016, to combine the normalized difference vegetation index (NDVI) and surface temperature (Ts) to establish a two-dimensional characteristic spatial distribution using Landsat 8 data. The two-dimensional characteristic spatial distribution was used to fit the dry and wet side equations, calculate the temperature vegetation dryness index (TVDI), and analyze the drought distribution and evaluation. The model was established by using the measured values of soil water content and the retrieved land surface temperature. Model verification and accuracy analysis were relayed by the measured values and the retrieved soil water content. The results showed that the maximum surface temperature decreased, and the minimum surface temperature basically increased with the increase of NDVI. Minimum surface temperature and the maximum surface temperature trend line intersected in one point into triangle shape approximation. In 2016, from May to August, there were different levels of drought in Chaoyang County, and the worst drought occurred in June. The correlation between TVDI and soil moisture at different depths was significant. Thus, TVDI can be used to monitor drought conditions.

Keyword: normalized difference vegetation index (NDVI); temperature vegetation dryness index(TVDI); surface temperature; soil water content; monitoring drought

干旱是一种常见的自然现象, 它通常是长期存在且频发, 是直接影响经济发展的气候现象[1, 2]。农业干旱可能导致减产、甚至绝收等, 不仅给农民带来了经济损失, 还有可能影响社会的稳定和持续发展等[3]。我国是一个干旱频繁发生的国家, 干旱也无疑成为我国最严重的气象灾害之一, 随着全球气候变暖, 干旱区域、干旱程度均有不同程度的扩延[4, 5]。因此, 农业干旱已经逐步发展成众多学者专家关注和研讨的热点问题, 同时监测农业干旱这一领域亦是备受关注和青睐[6]。如何高效地动态监测旱情、提升监测能力更是人类广泛关注和审视的重要课题[7, 8]

遥感技术已逐步应用到旱情的动态监测中来[9]。利用卫星遥感技术可以获取客观的、动态的、时效性好的数据信息, 能在大范围、大面积、短时期内高效地动态监测旱情, 与传统的干旱监测相比, 进一步提升了旱情的监测能力, 也打破了传统监测方法在探测大范围旱情时的局限性[10]。目前, 利用遥感技术监测旱情的方法多种多样, 归一化植被指数(normalized difference vegetation index, NDVI)方法存在低覆盖时反演值偏大, 高覆盖时反演值偏小[7], 地表温度Ts的反演过程复杂[11, 12]等问题。国内外诸多学者尝试将NDVI和Ts结合构建二维特征空间进行旱情监测研究, 因此目前将NDVI和Ts结合的温度植被干旱指数法(temperature vegetation dryness index, TVDI)被学者们广泛应用[13]

本文利用遥感技术和实测数据相结合的方法, 对朝阳县2016年5— 8月的干旱情况进行监测, 通过对遥感影像的预处理、反演和计算, 分析旱情分布和发展情况等, 开展不同深度实测的土壤含水率与TVDI相关性分析, 从而有效预测干旱发展趋势, 以便为相关部门干旱预警、抗旱减灾提供可靠的信息支持。

1 研究区概况和原理
1.1 研究区概况

朝阳县位于辽宁省西部素有“ 十年九旱” 之称的朝阳市, 下辖28个乡镇, 总面积为3 751 km2, 地理坐标40° 55'~41° 54'N, 119° 52'~120° 47'E, 南北长109.1 km, 东西宽76.2 km, 地形复杂[14]。水域面积占9.67%, 耕地面积占21.34%, 宜林面积占33.53%, 河滩面积占7.13%, 牧地面积占28.33%。朝阳县属于温带大陆性季风气候, 雨热同期, 昼夜温差较大。多年平均降水量497.8 mm, 降水偏少且分布不均[15]

1.2 数据来源及预处理

实测数据。朝阳县主要种植玉米, 后四家、阎家窑、胜利屯、团山子、八家子、大屯东地、五家子是该县主要的玉米种植区, 该研究在这7个玉米种植区取土样。取样深度0~10 cm、10~20 cm、20~40 cm, 采用烘干法测定土壤质量含水率(文中简称土壤含水率), 取样时间为2016年5月6日、6月7日、7月9日、8月10日、8月26日。

遥感数据。本文遥感影像数据来自地理空间数据云平台, 采用2016年5月6日、2016年6月7日、2016年7月9日、2016年8月10日、2016年8月26日的Landsat 8的 OLI和TIRS数据。Landsat 8 OLI有9个波段, 空间分辨率为30 m, 其中包括一个15 m的全色波段, 成像宽幅为185 km× 185 km; Landsat 8 TIRS传感器包括TIRS10和TIRS11两个热红外光谱波段[16]空间分辨率100 m。

数据处理。将卫星影像经过ENVI图像处理软件的辐射定标、大气校正、裁剪等一系列的预处理操作后进行反演, 得到地表温度反演值, 并提取干、湿边方程。利用ENVI-Band math工具进行波段运算, 将干、湿边方程的回归系数带入到温度植被干旱指数公式中, 从而得到温度植被干旱指数(TVDI)。

1.3 原理与方法

1.3.1 归一化植被指数(NDVI)

归一化植被指数NDVI是反映土地覆盖植被状况的参数, 当土壤含水率低植被缺水时, 植被指数也会下降; 植被生长较好时, NDVI值也较大[17]

NDVI=(β 45)/(β 45)。(1)

式中:β 4为红波段(Landsat 8 OLI卫星数据第4波段)的反射率; β 5为近红外波段(Landsat 8 OLI卫星数据第5波段)的反射率。

1.3.2 地表温度(Ts)

地表温度Ts是反映植被生长时干旱缺水情况和土壤湿度状况的参数, Ts遥感反演方法主要有大气校正法、分裂窗法、单通道算法及多波段算法等[7], 本文选用大气校正法[18], 利用Landsat8 TIRS卫星图像反演地表温度:

Lλ =[ε B(Ts)+(1-ε )L↓ ]τ +L↑ ; (2)

B(Ts)=[Lλ -L↑ -τ (1-ε )L↓ ]/τ ε ; (3)

Ts=K2/ln[K1/ B(Ts)+1]。 (4)

式中: Lλ 为热红外辐射亮度值, ε 为地表比辐射率, Ts为地表真实温度(K), B(Ts)为黑体热辐射亮度, L↓ 为大气向下辐射亮度, τ 为大气在热红外波段的透过率, L↑ 为大气向上辐射亮度; (4)式中, 对于TIRS 10, K1=774.8853W/(m2· μ m· sr), K2=1321.0789K。

1.3.3 温度植被干旱指数(TVDI)

Sandholt等[19]利用简化的NDVI-Ts二维特征空间提出了可以估算土壤地表含水状态的温度植被干旱指数法(TVDI)。

TVDI= Ts-TsminTsmax-Tsmin; (5)

Tsmin=a+b× NDVI; (6)

Tsmax=c+d× NDVI。(7)

由公式(5)、(6)、(7)得: TVDI= Ts-(a+b×NDVI)(c+d×NDVI)-(a+b×NDVI)。 (8)

式中:Ts是任意像元的地表温度; Tsmin、Tsmax是NDVI对应的最小、最大地表温度, 分别代表湿边(TVDI=0)和干边(TVDI=1); a、b、c、d是湿边和干边拟合方程的系数。

计算所得到的TVDI值在0和1之间。当TVDI=1时, 表示在干边上, 即在斜边上; 当TVDI=0时, 表示在湿边上, 即在平行于X轴的直角边上。TVDI的值越大, 土壤湿度越低, 表示土壤干旱程度越大; 反之, TVDI的值越小, 土壤湿度越高, 表示土壤干旱程度越轻。

2 结果与分析
2.1 NDVI-Ts特征空间

利用NDVI数据和经大气校正法得到的地表温度Ts, 提取最大地表温度Tsmax和最小地表温度Tsmin, 并以植被指数NDVI为X轴, 地表温度Ts为Y轴建立二维特征空间分布图。不同时相的NDVI-Ts特征空间有一个共同特点:随着NDVI的增大, Tsmin和Tsmax的趋势线逐渐交汇于一点组合成近似的三角形形状。这恰好印证了Price等[20]和Carlson等[21]的观点, NDVI-Ts二者散点图近似呈三角形形状。

2.2 干、湿边的确定

对NDVI-Ts特征空间中的Tsmin和Tsmax进行回归拟合可获取干、湿边方程, 计算得到Ts特征空间的干边方程和湿边方程如表1所示。从拟合结果来看, 干边方程拟合结果普遍高于湿边方程, 干边方程的斜率都小于0, 湿边方程的斜率基本上大于0。表明随着NDVI的增大, Tsmin增大, 而Tsmax却在减小。

表1 辽宁省朝阳市朝阳县5— 8月的干、湿边方程 Table 1 Dry-wet edge fitness from May to August in 2016 in Chaoyang of Liaoning province

图1 二维特征空间分布图Fig.1 Space distribution on NDVI-Ts

2.3 TVDI等级分布图

将在ENVI中使用Band math工具获得的干、湿边方程的回归系数分别带入温度植被干旱指数的计算公式, 进行波段运算, 计算求得研究区域各像元点的TVDI, 并以TVDI作为干旱分级指标, 将干旱划分为5级[22], 分别是:湿润(0< TVDI≤ 0.2)、正常(0.2< TVDI≤ 0.4)、轻旱(0.4< TVDI≤ 0.6)、干旱(0.6< TVDI≤ 0.8)、重旱(0.8< TVDI< 1.0)。2016年5月6日、6月7日、7月9日、8月10日、8月26日的干旱等级分布图如下。

从干旱等级分布图可以看出:朝阳县2016年5月6日旱情主要出现在中部、西部等地, 其中轻旱发生面积占比最大为62.43%, 干旱占6.67%, 重旱占4.09%; 到了6月7日, 旱情已基本上蔓延至全县范围, 重旱主要出现在北部, 干旱出现在北部、中部、东部、西部等, 轻旱则主要集中在南部, 旱情占比中轻旱34.56%、干旱46.79%、重旱10.62%; 7月9日旱情有所缓解, 旱情发生面积均有所减少, 重旱主要集中在北部, 干旱、轻旱区域依旧分布在全县范围内, 旱情占比中轻旱31.81%、干旱36.54%、重旱8.09%; 8月10日, 轻旱主要发生在西部, 干旱则主要分布在北部和东部等地, 干旱、重旱发生面积已减少, 旱情以轻旱为主, 占比41.16%, 干旱28.65%、重旱5.26%; 到了8月26日, 重旱发生面积依然在减少, 而轻旱所占面积却在上升, 与同年7月9日和8月10日相比, 旱情又逐步蔓延, 以轻旱为主, 占比49.03%, 干旱29.53%、重旱3.93%。

朝阳县2016年5— 8月的旱情分布比较广, 且6月是旱情最为严重的月份, 应加强该阶段玉米的灌溉, 开展抗旱保收工作。郭宗凯[15]的研究也分析认为50年间(1964— 2013年)朝阳地区每年都会出现不同程度的干旱胁迫, 影响了农作物的生长。

2.4 TVDI与土壤含水率相关性分析

本研究共28个采样点, 其中21个采样点用于建立模型, 剩余的7个采样点用于精度验证分析。将TVDI作为横坐标, 土壤含水率百分比为纵坐标, 构建TVDI-土壤含水率百分比散点图进行回归分析。由图可知, 温度植被干旱指数TVDI与土壤含水率呈现出负相关关系, 即TVDI值越趋近于1, 土壤含水率越低, 旱情则越严重。从相关系数来看, 0~10 cm土壤含水率与TVDI的相关性最好, 且总体趋势是0~10 cm> 10~20 cm> 20~40 cm; 拟合结果经t检验(表2)可知, 0~10 cm和10~20 cm线性回归方程达到极显著水平, 20~40 cm线性回归方程达到显著水平, 这也说明TVDI可以反映表层土壤水分状况, 可以用于旱情的动态监测。2016年5— 8月土壤含水率与TVDI的相关性可知, 7月的相关性系数与6月和8月相比稍低一些, 经分析原因有可能是7月受大气影响云层较多且通过遥感影像的去云处理不理想, 对干、湿边拟合的主观性影响拟合精度, 旱情本身发展变化的随机性等, 这些因素都最终会造成TVDI值与实际情况略有差异, 从而有可能导致相关性受到一定的影响。

表2 线性回归方程显著水平检验 Table 2 Check the significance level on linear regression equation

图2 朝阳县2016年5— 8月干旱等级分布Fig.2 Drought distribution in Chaoyang of Liaoning province from May to August in 2016

图3 不同深度的土壤含水率与TVDI的回归分析Fig.3 Regression analysis between soil content at different depth and TVDI

2.5 模型验证和精度分析

由于表层土壤含水率波动较土壤深层较大, 该文在实测的7个取样区中各选取1个采样点0~10 cm的土壤含水率, 与反演的含水率0~10 cm进行统计分析, 5个时段合计35个采样数据, 对模型进行验证。反演的和实测的土壤含水率最大相对误差为37.36%, 最小相对误差为0.08%, 其中相对误差小于20%的是28个, 占采样总数的80%, RMSE仅为2.44。结果表明:土壤湿度反演结果与实际含水率基本上是一致的, 模型精度较高, 可以用于干旱分析。

图4 实测值和反演值散点分布图Fig.4 Scatter plots of measured values and inverse values

3 结论

本文利用NDVI和Ts构建的二维特征空间, 并运用TVDI来监测2016年5— 8月朝阳县的旱情, 分析旱情分级和发展情况等, 并进行不同深度实测的土壤含水率与TVDI相关性分析, 从而得出以下结论:随着归一化植被指数NDVI的增大, 最小地表温度也随之增大, 而最大地表温度却在减小; 2016年5— 8月, 朝阳县的旱情分布广, 全县范围内基本上都出现了一定程度上的旱情, 且2016年6月是朝阳县旱情最为严重的月份; TVDI与土壤含水率呈负相关关系, 0~10 cm的土壤含水率与TVDI相关性最好, 表明TVDI可以用来监测表层土壤的水分状况, 且监测效果较好, 可以用于干旱监测; 影响NDVI-Ts二维特征空间因素较多, 日后需充分考虑相关影响因素并进行深入的研究。

The authors have declared that no competing interests exist.

参考文献
[1] 吴孟泉, 崔伟宏, 李景刚. 温度植被干旱指数(TVDI)在复杂山区干旱监测的应用研究[J]. 干旱区地理, 2007, 30(1): 30-35.
WU M Q, CUI W H, LI J G. Monitoring drought in mountainous area based on temperature vegetation dryness index (TVDI)[J]. Arid Land Geography, 2007, 30(1): 30-35. (in Chinese with English abstract) [本文引用:1]
[2] 曹影, 胡文庆, 颜培东. 基于温度植被干旱指数(TVDI)的云南干旱遥感监测[J]. 工程勘察, 2016, 44(1): 69-73.
CAO Y, HU W Q, YAN P D. Remote sensing monitoring of the drought based on temperature vegetation dryness index in Yunnan province[J]. Geotechnical Investigation & Surveying, 2016, 44(1): 69-73. (in Chinese with English abstract) [本文引用:1]
[3] 鲍艳松, 严婧, 闵锦忠, . 基于温度植被干旱指数的江苏淮北地区农业旱情监测[J]. 农业工程学报, 2014, 30(7): 163-172.
BAO Y S, YAN J, MIN J Z, et al. Agricultural drought monitoring in north Jiangsu by using temperature vegetation dryness index[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(7): 163-172. (in Chinese with English abstract) [本文引用:1]
[4] 吕娟, 高辉, 孙洪泉. 21世纪以来我国干旱灾害特点及成因分析[J]. 中国防汛抗旱, 2011, 21(5): 38-43.
LU J, GAO H, SUN H Q. The characteristics and cause analysis of drought disasters in China since the 21st century[J]. China Flood & Drought Management, 2011, 21(5): 38-43. (in Chinese) [本文引用:1]
[5] 陈阳, 范建容, 郭芬芬, . 条件植被温度指数在云南干旱监测中的应用[J]. 农业工程学报, 2011, 27(5): 231-236, 395.
CHEN Y, FAN J R, GUO F F, et al. Application of the vegetation temperature condition index to drought monitoring in Yunnan Province[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(5): 231-236, 395. (in Chinese with English abstract) [本文引用:1]
[6] 刘宪锋, 朱秀芳, 潘耀忠, . 农业干旱监测研究进展与展望[J]. 地理学报, 2015, 70(11): 1835-1848.
LIU X F, ZHU X F, PAN Y Z, et al. Agricultural drought monitor: Progress, challenges and prospect[J]. Acta Geographica Sinica, 2015, 70(11): 1835-1848. (in Chinese with English abstract) [本文引用:1]
[7] 张喆, 丁建丽, 李鑫, . TVDI用于干旱区农业旱情监测的适宜性[J]. 中国沙漠, 2015, 35(1): 220-227.
ZHANG Z, DING J L, LI X, et al. Suitability of TVDI used to monitor agricultural drought in arid area[J]. Journal of Desert Research, 2015, 35(1): 220-227. (in Chinese with English abstract) [本文引用:3]
[8] 刘立文, 张吴平, 段永红, . TVDI 模型的农业旱情时空变化遥感应用[J]. 生态学报, 2014, 34(13): 3704-3711.
LIU L W, ZHANG W P, DUAN Y H, et al. Terrain corrected TVDI for agricultural drought monitoring using MODIS data[J]. Acta Ecologica Sinica, 2014, 34(13): 3704-3711. (in Chinese with English abstract) [本文引用:1]
[9] 鲍艳松, 刘利, 孔令寅, . 基于ASAR的冬小麦不同生育期土壤湿度反演[J]. 农业工程学报, 2010, 26(9): 224-232.
BAO Y S, LIU L, KONG L Y, et al. Soil moisture estimation at various growth stages of winter wheat based on ASAR data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(9): 224-232. (in Chinese) [本文引用:1]
[10] 薄燕飞, 白建军, 刘永林. 基于TVDI及气象干旱指数的河北省春旱时空变化特征[J]. 兰州大学学报(自然科学版), 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 Sciences), 2016, 52(2): 188-195. (in Chinese with English abstract) [本文引用:1]
[11] 赵广敏, 李晓燕, 李宝毅. 基于地表温度和植被指数特征空间的农业干旱遥感监测方法研究综述[J]. 水土保持研究, 2010, 17(5): 245-250.
ZHAO G M, LI X Y, LI B Y. An overview on agricultural drought montoring methods based on land surface temperature and vegetation index feature space[J]. Research of Soil and Water Conservation, 2010, 17(5): 245-250. (in Chinese with English abstract) [本文引用:1]
[12] 张顺谦, 卿清涛, 侯美亭, . 基于温度植被干旱指数的四川伏旱遥感监测与影响评估[J]. 农业工程学报, 2007, 23(9): 141-146.
ZHANG S Q, QING Q T, HOU M T, et al. Remote sensing and impact estimation for Sichuan hot-drought based on temperature vegetation dryness index[J]. Transactions of the Chinese Society of Agricultural Engineering, 2007, 23(9): 141-146. (in Chinese with English abstract) [本文引用:1]
[13] 赵丽花, 杜培军, 逄云峰, . 基于温度植被旱情指数的徐州市郊干旱遥感监测[J]. 水土保持通报, 2010, 30(4): 110-114, 247.
ZHAO L H, DU P J, PANG Y F, et al. Monitoring drought using temperature/vegetation drought index based on remote sensing images[J]. Bulletin of Soil and Water Conservation, 2010, 30(4): 110-114, 247. (in Chinese with English abstract) [本文引用:1]
[14] 张宁宁, 迟道才, 袁吉. 朝阳地区干旱特征分析及抗旱对策研究[J]. 中国农村水利水电, 2006(9): 61-63, 66.
ZHANG N N, CHI D C, YUAN J. Analysis of the characters and countermeasures against drought in Chaoyang prefecture[J]. China Rural Water and Hydropower, 2006(9): 61-63, 66. (in Chinese with English abstract) [本文引用:1]
[15] 郭宗凯. 辽宁省朝阳地区干旱发生规律的硏究[D]. 沈阳: 沈阳农业大学学报, 2016.
GUO Z K. Study on the occurrence of drought about arid region of Chaoyang city of Liaoning province[D]. Shenyang: Shenyang Agricultural University, 2016. (in Chinese with English abstract) [本文引用:2]
[16] 季国华, 胡德勇, 王兴玲, . 基于Land sat 8数据和温度-植被指数的干旱监测[J]. 自然灾害学报, 2016, 25(2): 43-52.
JI G H, HU D Y, WANG X L, et al. Drought monitoring based on Land sat 8 data and temperature /vegetation index[J]. Journal of Natural Disasters, 2016, 25(2): 43-52. (in Chinese with English abstract) [本文引用:1]
[17] 申健, 常庆瑞, 李粉玲, . 基于时序NDVI 的关中地区冬小麦种植信息遥感提取[J]. 农业机械学报, 2017, 48(3): 215-220, 260.
SHEN J, CHANG Q R, LI F L, et al. Extraction of winter wheat information based on time-series NDVI in Guanzhong area[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(3): 215-220, 260. (in Chinese with English abstract) [本文引用:1]
[18] 吴志刚, 江滔, 樊艳磊, . 基于Land sat8数据的地表温度反演及分析研究: 以武汉市为例[J]. 工程地球物理学报, 2016, 13(1): 135-142.
WU Z G, JIANG T, FAN Y L, et al. Land surface temperature retrieval and result analysis based on Land sat8 data in Wuhan city[J]. Chinese Journal of Engineering Geophysics, 2016, 13(1): 135-142. (in Chinese with English abstract) [本文引用:1]
[19] 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. [本文引用:1]
[20] PRICE J C. Using spatial context in satellite data to infer regional scale evapotranspiration[J]. IEEE Transactions on Geoseience and Remote Sensing, 1990, 28(5): 940-948. [本文引用:1]
[21] CARLSON T N, GILLIES R R, SCHMUGGE T J. An interpretation of methodologies for indirect measurement of soil water content[J]. Agricultural and Forest Meteorology, 1995, 77(3/4): 191-205. [本文引用:1]
[22] 齐述华, 王长耀, 牛铮. 利用温度植被旱情指数(TVDI)进行全国旱情监测研究[J]. 遥感学报, 2003, 7(5): 420-427, 436.
QI S H, WANG C Y, NIU Z. Evaluating soil moisture status in china using the temperature/vegetation dryness index(TVDI)[J]. Journal of Remote Sensing, 2003, 7(5): 420-427, 436. (in Chinese with English abstract) [本文引用:1]