当前全球变暖不断加剧,包括干旱在内的极端气候不断增多,由此给全球生态平衡和粮食安全造成严重的不良影响。所以及时监测并对发生的范围较大的干旱灾害进行有效评估将对保障粮食安全以及探索气候变化背景下植被的响应程度起到非常重要的作用。遥感不受时间和空间的限制,可以在区域尺度乃至全球尺度监测干旱胁迫下植被的生长状况,因此被广泛用于评估与干旱相关的植被响应,其中应用较多的便是归一化差异植被指数（the normalized difference vegetation index,NDVI）和增强型植被指数（enhanced vegetation index,EVI）等基于反射率反演的传统植被指数（traditional greenness-based vegetation indices,VIs）。但其局限性却不可忽略,缺点之一即遥感测量的可见光对干旱的反应明显滞后。近年来,不少学者发现遥感反演的日光诱导叶绿素荧光（the solar-induced chlorophyllfluorescence,SIF）和植被自身进行的光合作用存在直接关联,这便为监测植被的生理状态变化提供更为有效的信息,也为估算陆地植被光合作用和干旱研究提供了一种相对较新的方法,借助SIF可以更为精确的监测干旱事件对植被的影响,并为监测植被的生理状态变化提供更有效的信息。本研究利用2007-2015年的日光诱导叶绿素荧光数据（GOME-2 SIF）、辐射数据（PAR、fPAR）、植被指数数据（VIs,NDVI、EVI）、植被总初级生产力数据（GPP）和干旱指数数据（SPEI03）等,以2012年美国中西部玉米带干旱事件为例,通过SIF和VIs等研究多种遥感数据对干旱的响应及其与作物总初级生产力GPP的关系,并对SIF和VIs在此次干旱中的指示能力进行对比,证明SIF数据具备监测干旱情况下总初级生产力GPP的能力,表明SIF在表征作物对于干旱事件响应等方面的优越性。通过实验,本文得到的主要研究结论如下:（1）与NDVI/EVI相比,SIF/SIFyield在响应干旱时更为敏感。其中,SIFyield与SPEI03的相关系数最高,为0.98**,其次是NDVI,与SPEI03的相关系数为0.71***,SIF 与 SPEI03 的相关性比 NDVI 略低,为 0.63**。SIF、NDVI和EVI的季节变化模式是一致的,均呈现倒U型。与NDVI、EVI相比,SIF在指示干旱的能力上具有一定的优越性。此外,荧光产量SIFyield甚至可以提前一个月对干旱做出响应。而对于NDVI和EVI而言,在干旱过程中它们虽然也会做出响应,但却并不能向SIF一样准确的捕捉到每个发生干旱的月份。从空间尺度上而言,SIF的异常值空间分布与干旱的发展演变具有较高的一致性。（2）在干旱胁迫状态下,SIF与GPP的相关性优于NDVI/EVI。其中,不论是整个玉米带空间尺度还是站点尺度,SIF与GPP的相关性明显优于植被指数NDVI和EVI;随着空间尺度的缩小,可以发现SIF与GPP的相关性随之提高,特别是在分析四个站点的SIF与GPP相关性时,可以得到它们的相关系数达到0.9以上。通过划分玉米不同的生长阶段,研究发现对于SIF而言,整个玉米生长阶段3-11月的SIF与GPP的相关性略优于5-8月。