李潤林++董鵬程++王瑜++汪曉斌

摘要：以張掖市甘州區(qū)綠洲為研究區(qū)，采用5期遙感影像（2011～2015年），運用ENVI 5.2提取歸一化植被指數(shù)（NDVI）、改進型土壤調(diào)節(jié)植被指數(shù)（MSAVI）和地表溫度（Ts），構(gòu)建Ts-NDVI和Ts-MSAVI特征空間，對比分析兩種特征空間。結(jié)果表明，Ts-MSAVI特征空間的干邊和濕邊斜率均小于0，這與前人的研究干邊斜率是負值，濕邊斜率是正值的結(jié)論有所不同。Ts-NDVI和Ts-MSAVI這兩種特征空間具有相同的趨勢，其中2012、2013、2014年這3年兩種特征空間系數(shù)r2較高，其余2年系數(shù)r2較低。整體而言，Ts-NDVI特征空間的干濕邊系數(shù)相比Ts-MSAVI特征空間的干濕邊系數(shù)要高，穩(wěn)定性好。從TVDI旱情等級分布圖上可以得出2012年的受旱面積最大，干旱和重旱面積占總面積的70.39%，2013年干旱情況最嚴重，重干旱面積為1 611.972 km2，重旱面積占到總面積的43.5%，2014年干旱程度開始緩解，輕旱、干旱和重旱面積開始降低，濕潤和正常面積開始增加，2015年干旱程度得到全面緩解，濕潤和正常面積占到總面積的21.9%，但是干旱和重旱面積比重依然很大，說明張掖市甘州區(qū)綠洲旱情依然很嚴峻。

關(guān)鍵詞：干旱；歸一化植被指數(shù)（TVDI）；改進型土壤調(diào)節(jié)植被指數(shù)（MSAVI）；地表溫度；張掖市甘州區(qū)

中圖分類號：TP79；X43 文獻標識碼：A 文章編號：0439-8114（2017）16-3060-07

DOI：10.14088/j.cnki.issn0439-8114.2017.16.015

Soil Drought Monitoring Based on Land Surface Temperature-Vegetation Index Characteristic Space

LI Run-lin1，2，DONG Peng-cheng1，2，WANG Yu1，2，WANG Xiao-bin1，2

（1.Lanzhou Scientific Observation and Experiment Field Station of Ministry of Agriculture for Ecological System in Loess Plateau Areas，Lanzhou 730050，China；2.Lanzhou Institute of Husbandry and Pharmaceutical Sciences，Chinese Academy of Agricultural Sciences，

Lanzhou 730050，China）

Abstract： Selecting oasis of Ganzhou district as the study area in Zhangye city，using ENVI 5.2 software to extact normalized difference vegetation（NDVI），modified soil adjusted vegetation index（MSAVI）and temperature of surface（Ts），Ts-NDVI feature space and Ts-MSAVI feature space were built. The two feature spaces were compared and analyzed. The results showed that the slope of dry-edge and wet-edge of Ts-MSAVI feature space was less than 0，which was not consistent with the previous research. The previous research thinked the dry-edge slope was negative and the wet edge slope was positive. The feature space of Ts-NDVI and Ts-MSAVI had the same trend. The r2 coefficient of two feature spaces was higher in the three years of 2012，2013 and 2013，and the r2 coefficient of the other two years was lower. On the whole，the wet-edge coefficient of the Ts-NDVI feature space was higher than that of the Ts-MSAVI feature space，and the stability was good. From the TVDI drought severity map，it could be concluded that the drought area was the largest in 2012，the drought and heavy drought area accounted for 70.39% of the total area. In 2013，the drought was the most serious，the area of heavy drought was 1 611.972 km2，the area of heavy drought occupied 43.5% of the total area and the degree of drought in 2014 was lightened. And heavy drought area began to decrease，wet and normal area began to increase. In 2015，the degree of drought had been fully relieved， wet and normal area accounted for 21.9% of the total area. But the proportion of drought and heavy drought area was still great， indicating that the drought of Ganzhou district oasis in Zhangye city was still very serious.endprint

Key words： drought； normalized differential vegetation index（TVDI）； modified soil adjusted vegetation index（MSAVI）； temperature of surface； Ganzhou district of Zhangye city

干旱是世界上許多重大自然災害之一，在各種自然災害中，旱災對農(nóng)業(yè)生產(chǎn)的影響最大。據(jù)統(tǒng)計世界每年農(nóng)業(yè)生產(chǎn)因干旱受到的經(jīng)濟損失可達千億美元[1]。因此各國科學家都非常關(guān)注干旱監(jiān)測和干旱預報。干旱是一種由水分收支或供求不平衡而造成的水分短缺現(xiàn)象。傳統(tǒng)的土壤水分監(jiān)測主要是通過地面站進行監(jiān)測。但是干旱現(xiàn)象經(jīng)常是一種區(qū)域面源現(xiàn)象。利用有限監(jiān)測站點無法準確估測區(qū)域干旱情況。相對于傳統(tǒng)的監(jiān)測方法，區(qū)域性和時效性強的遙感技術(shù)成為研究的重要手段[2]。目前，基于遙感技術(shù)的土壤干濕狀況監(jiān)測方法主要有熱慣量法、植被指數(shù)法、特征空間法和微波遙感法（主動微波和被動微波）[3-5]。熱慣量法對資料要求較為苛刻，植被指數(shù)法具有明顯的滯后性，而特征空間法是目前使用最廣的方法之一。2002年Sandholt等[6]利用簡化的NDVI-Ts特征空間，提出了溫度植被干旱指數(shù)（TVDI）。溫度植被干旱指數(shù)法是將植被指數(shù)（NDVI）和地表溫度（Ts）相結(jié)合的方法，具有過程簡單易行、容易實現(xiàn)的特點。因此國內(nèi)學者使用遙感數(shù)據(jù)（AVHRR數(shù)據(jù)、MODIS數(shù)據(jù)、AS-TER數(shù)據(jù)或Landsat TM/ETM+數(shù)據(jù)）計算TVDI并構(gòu)建土壤水分反演模型，取得了良好的效果。但在使用NDVI時也發(fā)現(xiàn)了一些問題，NDVI受土壤背景的影響較大，另外在高植被覆蓋的區(qū)域NDVI容易出現(xiàn)飽和現(xiàn)象[7]，在低植被的覆蓋區(qū)域，NDVI容易受到土壤背景的影響。為了修正NDVI對土壤背景的影響，Huete[8]提出了土壤調(diào)整植被指數(shù)（Soil-Adjusted Vegetation Index，SAVI），經(jīng)過許多學者試驗證明，SAVI能夠降低土壤背景的影響，改善植被指數(shù)與葉面積LAI的線性關(guān)系。同時發(fā)現(xiàn)，SAVI在降低土壤背景影響的同時，也可能丟失部分背景信息，導致植被指數(shù)偏低。為了解決這問題，Qi等[9]提出改進型調(diào)整植被指數(shù)（Modified Soil-Adjusted Vegetation Index，MSAVI），它可以較好地消除土壤背景對植被指數(shù)的影響。MSAVI在描述植被覆蓋度和土壤背景的方面比NDVI和SAVI更具有優(yōu)勢，利用MSAVI與地表溫度相結(jié)合來反映地表土壤水分狀況的研究在國內(nèi)還比較少[10]。因此，考慮用MSAVI替代NDVI作為植被指數(shù)軸與地表溫度相結(jié)合建立Ts-MSAVI特征空間，把這種特征空間稱之為改進型溫度植被旱情指數(shù)（Modified Temperature Vegetation Dryness Index，MTVDI）。綠洲的干旱研究一直是干旱研究的重點，綠洲土地類型復雜，高植被覆蓋和裸地相互交錯，有研究認為NDVI適合反映中低植被覆蓋區(qū)[11]，也有研究認為MSAVI對高植被覆蓋區(qū)域的變化比其他植被指數(shù)的更為敏感。此外由于考慮了裸土土壤線，MSAVI比其他植被指數(shù)對低植被覆蓋有更好的指示作用。比較Ts-MSAVI和Ts-NDVI特征空間，能夠了解兩種植被指數(shù)的適應范圍，對研究綠洲干旱具有重要意義。

本研究以張掖市甘州區(qū)綠洲作為研究區(qū)，選取張掖市甘州區(qū)綠洲2011～2015年近5 a的遙感影像為數(shù)據(jù)源，利用兩種植被指數(shù)（NDVI，MSAVI）與地表溫度構(gòu)建特征空間，模擬兩種特征空間參數(shù)，分析兩種植被指數(shù)的適宜性，并用時間序列的方式來分析張掖市甘州區(qū)近5 a的干旱狀況，為合理安排綠洲農(nóng)業(yè)生產(chǎn)提供參考依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)預處理

1.1 研究區(qū)概況

張掖市甘州區(qū)位于甘肅省西北部的河西走廊中段，南連祁連山，北依合黎、龍首二山，位于北緯38°32′-39°24′，東經(jīng)100°6′-100°52′，平均海拔1 474 m，占地面積3 698 km2，屬于大陸性氣候，干燥少雨，年平均氣溫6 ℃，1月最冷，7月最熱。年平均降水量104～328 mm，年蒸發(fā)量1 638～2 341 mm。每年6～9月是全年最佳旅游季節(jié)。

1.2 數(shù)據(jù)預處理

通過地理空間數(shù)據(jù)云平臺獲取張掖市甘州區(qū)地區(qū)的遙感影像，其中2011年8月1日的遙感影像是Landsat TM5，2012年8月27日的遙感影像是Landsat TM7，2013～2015年的遙感影像是Landsat TM8。利用ENVI 5.2圖像處理軟件平臺，首先對5期遙感影像數(shù)據(jù)進行幾何校正，然后進行輻射校正和大氣校正，利用TM5和TM7的第6波段和TM8的第10波段進行地表溫度反演。

2 研究方法

2.1 植被指數(shù)

在植被遙感環(huán)境監(jiān)測中歸一化植被指數(shù)（NDVI）是一個重要的遙感參數(shù)，它能夠監(jiān)測植被生長狀況、生物量和植被覆蓋程度。它與植被分布密度呈線性相關(guān)，即NDVI越高表明植被狀況越好。NDVI負值表示地面覆蓋為云、水和雪等；0值表示有巖石或裸土等。其計算公式為：

NDVI=（？籽nir-？籽red）/（？籽nir+？籽red） （1）

式中， ？籽nir、？籽red分別為近紅外波段和紅光波段的反射率。

NDVI是最早應用于干旱監(jiān)測的指數(shù)，也是干旱監(jiān)測應用最廣的植被指數(shù)。郭鈮等[12]發(fā)現(xiàn)NDVI的變化與干旱范圍和強度有很好的一致性。近年來研究發(fā)現(xiàn)，NDVI在半干旱地區(qū)對干旱發(fā)生的指示性更好[5]。

2.2 改進型土壤調(diào)節(jié)植被指數(shù)（MSAVI）

MSAVI是在SAVI的基礎上變化而來的，是將SAVI的調(diào)節(jié)因子L改為變量，令L=1-2×NDVI×WDVI，其中，WDVI=NIR-a×R，a為土壤線斜率。該指數(shù)的特點是L隨著植被覆蓋密度的動態(tài)變化，以達到最佳消除土壤噪音的目的。endprint

MSAVI=■-■

（2）

式中，？籽nir、？籽red分別為近紅外波段和紅光波段的反射率。

2.3 地表溫度反演

應用Landsat TM熱紅外波段反演地表溫度主要有3種方法：輻射傳輸方程法、單窗算法和單通道算法。單窗算法由于其算法簡單易操作且精度高，是目前常用的方法[13]。關(guān)于Landsat TM5和TM7的單窗算法較為成熟，本研究的TM5和TM7影像采用覃志豪等[14]的單窗算法。對Landsat TM8的地表溫度反演算法目前還未有成熟的算法。Rozenstein等[15]、Jiménez-Muoz等[16]、宋挺等[17]提出了針對Landsat8的劈窗算法，徐涵秋[18]研究發(fā)現(xiàn)劈窗算法的精度很低。同時，美國國家航空和宇宙航行局（NASA）發(fā)出公告表示，由于熱紅外傳感器（TIRS）散光原因?qū)е翷andsat TM8衛(wèi)星熱紅外波段第11波段的定標出現(xiàn)問題，導致劈窗算法的精度較低，并建議使用單波段反演地表溫度?；贚andsat TM8的單波段算法大多采用覃志豪等[14]的單窗算法，已有人運用單窗算法的理論[19]，根據(jù)地表熱輻射傳導方程推導基于Landsat TM8第10波段改進型單窗算法，并給出不同溫度下a10和b10數(shù)值，如表1所示。

基于Landsat TM8第10波段改進型單窗算法的公式如下：

Ts={a10（1-C10-D10）+[b10（1-C10-D10）+C10+D10]T10-D10Ta}/C10 （3）

式中，C和D是中間變量，根據(jù)調(diào)查研究區(qū)歷年氣溫變化，發(fā)現(xiàn)研究區(qū)的溫度在0～50 ℃，所以本研究采用a10=-62.718 2；b10=0.433 9。

C10=？咨10？著10 （4）

D10=（1-？咨10）[1+（1-？著10）？咨10] （5）

其中，？咨10和？著10分別是第10波段的大氣透過率和地表比輻射率。

式中，Ta是大氣平均作用溫度（K），可根據(jù)熱紅外波段大氣平均作用溫度估算方程，選擇中緯度夏季大氣模式，Ta=16.011 0+0.926 1T0，其中，T0為衛(wèi)星過境時近地地表溫度；T10為影像反演的亮度溫度，計算公式如下：

T10=■ （6）

式中，K1和K2為常數(shù)，對于LandsatTM8圖像，K1=774.89 W/（m2×sr×μm），K2=1 321.08 K。其中L？姿為大氣頂部的輻射亮度，計算公式如下：

L？姿=GresDN+Bres （7）

式中，Gres為增益，DN為像元量化灰度級別，Bres為偏移值。

大氣透過率？咨10利用楊槐[20]Landsat 8數(shù)據(jù)的水汽和透過率關(guān)系進行估算：

？咨10=1.040 2-0.106 7？棕 （8）

？棕與？籽地面水汽壓關(guān)系密切，？棕=0.178 8+0.197 8？籽，可通過相對濕度（RH）來求得，即：

？籽=0.610 83exp[■]×RH （9）

？著10為地表比輻射率。當?shù)乇頌槿脖桓采w時，？著10取值為0.990；地表全裸露時，？著10取值為0.973；其余狀態(tài)時，？著10=0.004Pv+0.968，其中，Pv為植被覆蓋率，通過植被指數(shù)NDVI來求得，即

Pv=（NDVI-NDVIs）（NDVIv-NDVIs） （10）

式中，NDVIv和NDVIs分別為植被和裸土的NDVI，取0.70和0.05近似替代。

2.4 溫度植被干旱指數(shù)

在植被指數(shù)和地表溫度關(guān)系研究中發(fā)現(xiàn)植被指數(shù)和地表溫度的散點圖呈現(xiàn)梯形分布特征，Sandholt等[6]在Ts-NDVI梯形特征空間的基礎上將特征空間從梯形簡化為三角形，并提出了溫度植被干旱指數(shù)（TVDI）的概念。地表溫度（Ts）與歸一化植被指數(shù)存在明顯的負相關(guān)關(guān)系，任意一個NDVI對應惟一一組Tsmax（干邊）和Tsmin（濕邊），因而Ts-NDVI特征空間的擬合線斜率可以反映區(qū)域土壤水分含量的情況。描述的Ts-NDVI三角形特征空間計算TVDI的簡化表達式為：

TVDI=（Ts-Tsmin）（Tsmax-Tsmin） （11）

式中，Tsmax（干邊）和Tsmin（濕邊）分別表示當NDVI等于某一特定值時，地表溫度的最大值和最小值；Ts表示任一像元地表溫度。將Ts-NDVI特征空間簡化處理為三角形的同時，對Tsmin和Tsmax同時進行線性回歸，回歸方程結(jié)果為：

Tsmin=a1+b1NDVI （12）

Tsmax=a2+b2NDV （13）

式中，a1、a2、b1、b2分別為干、濕邊方程的截距和斜率。將式（12）、（13）代入到式（11）中可以得到TVDI的計算公式：

TVDI=■ （14）

TVDI的范圍在[0，1]之間，干邊所對應TVDI為1，濕邊對應TVDI為0，TVDI隨著地表溫度Ts的升高而增大，土壤濕度隨TVDI增大而減小，因而土壤濕度與溫度TVDI都呈負相關(guān)關(guān)系。

本研究中a1、a2、b1、b2 4個參數(shù)是根據(jù)特征空間原理，獲取每一間隔地表溫度最大值和最小值，分別對應的植被指數(shù)值組成點對，最后采用最小二乘法線性擬合的方式將點擬合，形成干邊和濕邊，此過程采用IDL語言編寫程序。

3 結(jié)果與分析

3.1 Ts-NDVI與TS-MSAVI特征空間對比分析

利用5期遙感影像構(gòu)建Ts-NDVI（圖1）和Ts-MSAVI（圖2）特征空間，并用TVDI確定干、濕邊見表2、圖1。由表2、圖1可知，Ts-NDVI特征空間的干邊斜率均小于0，這也表明隨著NDVI的增加，Ts的最大值呈減小趨勢。濕邊的斜率均大于0，表明隨著NDVI的增加，Ts的最小值呈升高趨勢，2011和2012年干邊系數(shù)r2大于濕邊系數(shù)r2（圖1a、圖1b），而2013和2014年濕邊系數(shù)r2大于或等于干邊系數(shù)r2（圖1c、圖1d）。endprint

從2011～2015年Ts-NDVI干濕邊擬合中發(fā)現(xiàn)，利用NDVI反演擬合的溫度精度較高，其中2012年干邊的系數(shù)r2高達0.94，2013和2014年濕邊的系數(shù)r2達到0.79，說明利用NDVI和地表溫度能夠有效地反映張掖市甘州區(qū)綠洲的干旱狀況。

在地表溫度-植被指數(shù)特征圖中一般有3個點，形成一個特征三角形，其中A和B點分別代表干裸土和飽和濕度的裸土，C點代表稠密冠層。從B到A表示其蒸騰從最大到無。AC為特征空間干邊，從A到C表示從裸土到完全植被覆蓋，干邊附近土壤濕度最小，地表無蒸散。BC為特征空間的濕邊，B點的裸土有最大的蒸發(fā)，C點植被區(qū)具有最大蒸騰。植被指數(shù)中的每一個點對應干邊和濕邊的最大溫度和最小溫度。

2015年Ts-MSAVI中沒有干邊，這與本試驗選擇溫度范圍有關(guān)。為了統(tǒng)一比較不同年份的特征空間，結(jié)合不同年份反演的地表溫度范圍，將研究區(qū)特征空間的溫度范圍限定在250～340 K，2015年的Ts-MSAVI的特征空間中，無法擬合到干邊，即表明在2015年Ts-MSAVI的特征空間中裸地水分低，蒸騰弱，地表溫度高于340 K，在特征空間沒有A點，如圖2e。同時，在2015年的Ts-MSAVI的特征空間中，植被密集區(qū)水分含量高，蒸騰強，地表溫度低，溫度低于250 K，在特征空間沒有B點，如圖2e。導致2015年的Ts-MSAVI特征空間中無法擬合到干邊。

由MSAVI和地表溫度構(gòu)建的Ts-MSAVI特征空間（圖2），Ts-MSAVI特征空間的干、濕邊方程如表3所示。從表3可以發(fā)現(xiàn)，利用MSAVI模擬的干旱精度較高，其中2013年干邊的r2系數(shù)高達0.77， 2015年的濕邊r2系數(shù)高達0.96。Ts-MSAVI特征空間的干邊和濕邊斜率均小于0，表明隨著MSAVI的增加，地表溫度的最大值和最小值都呈減小趨勢。但是干邊斜率小于濕邊的斜率，干邊斜率的絕對值是濕邊斜率絕對值的1～4倍，說明干邊下降很快，濕邊下降緩慢，很容易形成三角形特征空間。在Ts-MSAVI特征空間中濕邊斜率是負值，說明隨著MSAVI逐漸增加，地表溫度的最大值和最小值都在逐漸減少。

對比分析Ts-NDVI和Ts-MSAVI這兩種特征空間，發(fā)現(xiàn)這兩種特征空間具有相同的趨勢。其中，2012、2013、2014年這3年兩種特征空間系數(shù)r2較高，其余2年系數(shù)r2較低。在Ts-NDVI特征空間中5年的干邊系數(shù)r2都大于0.70，而在Ts-MSAVI特征空間中只有2012、2013、2014年這3年的干邊系數(shù)r2都大于0.70，2011年的干邊系數(shù)r2只有0.32；在Ts-NDVI特征空間中，2015年濕邊系數(shù)r2最低，為0.34，其余4年都在0.58以上，而在Ts-MSAVI特征空間中，2011年濕邊系數(shù)r2最低，只有0.13， 2015年最高，為0.96，其余3年都在0.57以上。整體而言，Ts-NDVI特征空間的干濕邊系數(shù)相比Ts-MSAVI特征空間干濕邊系數(shù)要高，穩(wěn)定性相對也好，更能客觀地描述張掖綠洲的干旱狀況。

3.2 Ts-NDVI特征空間干旱等級的劃分

為了從宏觀上更加清晰地了解張掖市甘州地區(qū)的土壤水分空間分布，利用0～1范圍的灰度值進行描述，以TVDI為分級指標，便于觀測區(qū)域干旱情況。根據(jù)TVDI灰度值范圍將研究區(qū)干濕狀況劃分為濕潤（0～0.2）、正常（0.2～0.4）、輕旱（0.4～06）、干旱（0.6～0.8）和重旱（0.8～1.0）5個等級，以便準確描述區(qū)域土壤水分的變化狀況。由圖3可知，整個研究區(qū)的旱情等級分布明顯，重旱的面積最大，干旱、輕旱和正常的面積次之，濕潤的面積最小。

張掖市甘州區(qū)2011～2015年旱情狀況如表4所示。從表4可以看出，2011年總體比較濕潤，因為濕潤、正常和輕旱的面積占張掖市甘州區(qū)總面積的68.01%，干旱和重旱的面積只占31.99%。但從2012年開始，張掖市甘州區(qū)的干旱面積迅速增加，2012年干旱和重旱面積占比高達70.39%，2013、2014、2015年占比分別是67.01%、62.52%、53.13%，表明2012年旱情嚴重，2012年70.39%土地受到旱災影響，2013年干旱情況最為嚴重，重旱面積為1 611.972 km2，重旱面積占總面積的43.50%。2014年干旱程度開始緩解，輕旱、干旱和重旱面積開始下降，濕潤和正常面積開始增加，相比2013年，濕潤面積增加了10.798 km2，正常面積增加了394.138 km2，2015年干旱程度得到全面緩解，濕潤和正常面積占總面積的21.90%，但干旱和重旱占總面積的53.13%，比重依然很大，說明張掖市甘州區(qū)綠洲的旱情依然很嚴峻。

4 小結(jié)與討論

張掖綠洲是甘肅省重要的農(nóng)業(yè)生產(chǎn)區(qū)，頻發(fā)的旱災始終是制約農(nóng)業(yè)可持續(xù)發(fā)展的障礙因素。以張掖市甘州區(qū)綠洲為研究區(qū)，利用2011～2015年5期遙感影像，利用ENVI 5.2提取歸一化植被指數(shù)、改進型土壤調(diào)節(jié)植被指數(shù)和地表溫度，構(gòu)建Ts-NDVI和Ts-MSAVII特征空間，分析張掖市綠洲的干旱狀況，主要結(jié)果如下：

1）在本研究中，Ts-MSAVI特征空間的干邊和濕邊斜率均小于0，干邊斜率小于濕邊斜率，但干邊斜率的絕對值是濕邊斜率絕對值的1～4倍，說明干邊下降很快，濕邊下降緩慢，很容易形成三角形特征空間，這與前人的研究干邊斜率是負值，濕邊斜率是正值的結(jié)論有所不同[21]。

2）對比分析Ts-NDVI和Ts-MSAVI兩種特征空間，發(fā)現(xiàn)其具有相同的趨勢，其中2012、2013、2014年這3年兩種特征空間r2系數(shù)較高，其余2年r2系數(shù)較低。整體而言，Ts-NDVI特征空間的干濕邊系數(shù)相比Ts-MSAVI特征空間干濕邊系數(shù)要高，穩(wěn)定性相對也好，更能客觀地描述張掖綠洲的干旱狀況。

3）從TVDI旱情等級分布圖上可以得出2012年的受旱面積最大，干旱和重旱面積占總面積的70.39%，2013年干旱情況最嚴重，重干旱面積為1 611.972 km2，重旱面積占總面積的43.50%，2014年干旱程度開始緩解，輕旱、干旱和重旱面積開始降低，濕潤和正常面積開始增加，2015年干旱程度得到全面緩解，濕潤和正常面積占總面積的21.90%，但干旱和重旱面積比重依然很大，說明張掖市甘州區(qū)綠洲的旱情依然很嚴峻。迫切需要重視綠洲生態(tài)環(huán)境，積極研究綠洲干旱的原因，探索影響綠洲干旱的影響因素，為將來解決綠洲生態(tài)環(huán)境問題提供依據(jù)。endprint

參考文獻：

[1] BREWER M J，HEIM R R. International drought workshop series[J].Bull Amer Meteor Soc，2011，92：29-31.

[2] 楊 曦，武建軍，閆 峰，等.基于地表溫度-植被指數(shù)特征空間的區(qū)域土壤干濕狀況[J].生態(tài)學報，2009，29（3）：1205-1216.

[3] 劉立文，張吳平，段永紅，等.TVDI模型的農(nóng)業(yè)旱情時空變化遙感應用[J]生態(tài)學報，2014，34（13）：3704-3711.

[4] 王明霞，毋兆鵬.遙感監(jiān)測土壤濕度綜述[J].干旱環(huán)境監(jiān)測，2013，27（4）：163-168.

[5] 郭 鈮，王小平.遙感干旱應用技術(shù)進展及面臨的技術(shù)問題與發(fā)展機遇[J].干旱氣象，2015，33（1）：1-18.

[6] 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.

[7] 高中靈，鄭小坡，孫越君，等.利用地表溫度與LAI的新型土壤濕度監(jiān)測方法[J].光譜學與光譜分析，2015，35（11）：3129-3133.

[8] HUETE A R. A soil adjusted vegetation index（SAVI）[J].Remote Sensing of Environment，1988，45（25）：295-309.

[9] QI J，CHEHBOUNI A，HUETE A R，et al. A modified soil adjusted vegetation index[J].Remote Sensing of Environment，1994， 48（2）：119-126.

[10] 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].中國沙漠，2012，32（1）：148-154.

[11] 張 喆，丁建麗，李 鑫，等. TVDI用于干旱區(qū)農(nóng)業(yè)旱災監(jiān)測的適宜性[J].中國沙漠，2015，35（1）：220-227.

[12] 郭 鈮，李棟梁，蔡曉軍，等.1995 年中國西北東部特大干旱的氣候診斷與衛(wèi)星監(jiān)測[J].干旱區(qū)地理，1997，20（3）：69-74.

[13] 丁 鳳，徐涵秋.TM熱波段圖像的地表溫度反演算法與實驗分析[J].地球信息科學學報，2006，8（3）：125-130，135.

[14] 覃志豪，ZHANG M H，KARNIELI A，等.用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J].2001，56（4）：456-466.

[15] ROZENSTEIN O，QIN Z H，DERIMIAN Y，et al. Derivationof land surface temperature for landsat-8 TIRS using a split window algorithm[J].Sensors，2014，14（6）：5768-5780.

[16] JIM？魪NEZ-MUOZ J C，SOBRINO J A，SKOKOVIC D，et al. Land surface temperature retrieval methods from landsat-8 thermal infrared sensor data[J].IEEE Geoscience and Remote Sensing Letters，2014，11（10）：1840-1843.

[17] 宋 挺，段 崢，劉軍志，等.Landsat 8數(shù)據(jù)地表溫度反演算法對比[J].遙感學報，2015，19（3）：451-464.

[18] 徐涵秋.Landsat 8熱紅外數(shù)據(jù)定標參數(shù)的變化及其對地表溫度反演的影響[J].遙感學報，2016，20（2）：229-235.

[19] WANG F，QIN Z H，SONG C Y，et al. An improved mono-window algorithm for land surface temperature retrieval from Landsat 8 thermal infrared sensor data[J].Remote Sensing，2015，7（4）：4268-4289.

[20] 楊 槐.從Landsat 8影像反演地表溫度的劈窗算法研究[J].測繪地理信息，2014，39（4）：73-77.

[21] 張 飛，田 源，塔西普拉提·特依拜，等.基于TVDI的渭干河-庫車河三角洲綠洲植被生長期干旱遙感監(jiān)測研究[J].干旱區(qū)資源與環(huán)境，2014，28（6）：76-81.endprint