论文部分内容阅读
摘要 利用2017年夏玉米主要生育期（5—8月）的Landsat-8遥感影像数据进行地表温度（LST）和植被指数（NDVI）的反演;利用LST-NDVI构建温度植被干旱指数模型（TVDI），作为表征干旱的监测指标，并依据2017年夏玉米实测样点的数据对模型精度予以验证。结果表明，四平市梨树县干旱总体分布趋势从东南到西北呈现出湿润-正常-轻旱-中旱-重旱的变换规律，体现了四平市梨树县旱情随地形、气候变化的规律性。四平市梨树县干旱主要集中在西北，吉林省的干旱分布规律亦是从东南湿润过渡到西北重旱，这种变化规律与吉林全省湿润气候过渡到半干旱气候的分布规律相吻合。由此可见，TVDI模型指数与土壤湿度具有明显的相关性，可以应用于农作物的旱灾检测。
关键词 夏玉米;生育期;干旱监测;植被干旱指数;地表温度;梨树县
Abstract This paper used the Landsat8 remote sensing image data of the main growth period （May-August） of summer maize in 2017 to retrieve the surface temperature （LST） and vegetation index （NDVI）. Using LSTNDVI， a temperature vegetation drought index model （TVDI） was constructed to represent the drought monitoring index. And the accuracy of the model was verified according to the data of summer maize in 2017. The results showed that the general distribution trend of drought in Lishu County of Siping City was from the southeast to the northwest， showing the transformation rule from humid to normal light drought to medium drought to heavy drought， which reflected the regularity of drought changing with topography and climate in Lishu County of Siping City. The drought in Lishu County of Siping City was mainly concentrated in the northwest， and the distribution law of drought in Jilin Province was also from the southeast humid to the northwest heavy drought， which was consistent with the distribution law of the humid climate to the semiarid climate in Jilin Province. It can be seen that the TVDI model index has a significant correlation with soil moisture， which can be applied to crop drought detection.
Key words Summer maize;Growth period;Drought monitoring;Vegetation drought index;Surface temperature;Lishu County
我国经济近些年来蓬勃发展，在世界经济中的地位及重要性日益凸显，但总体而言我国目前仍属于发展中国家的范畴，农业仍是我国经济结构中重要的一个环节，所占的比重和所产生的影响不言而喻[1]。农业发展的优劣直接影響着大多数人的基本生活，制约着国家第一产业的自给自足，在农业发展中，农业灾害则是制约农业发展的主要因素，它的产生直接导致农业发展。我国横跨热带、亚热带、温带，农业用地类型丰富，近51.9%耕地处于年降水量不足800 mm的地区，干旱灾害是我国农业发展最严重的自然灾害之一，在各类自然灾害造成的总损失中干旱占35%以上，居于首位[2]。
吉林省地处东部季风区，降水时空分布不均，水资源空间分布组合错位，致使供需不平衡加剧，干旱灾害不断发生，对农业生产、人类生活和生态环境等造成重大损失。加强干旱灾害的监测与评估，为政府制定合理的防旱、抗旱决策提供科学依据迫在眉睫。传统农业干旱监测方法不仅费时费力，而且在空间规模以及采样周期等方面都存在一定的局限性[3]。
20世纪60年代，各国学者开始研究利用遥感估算土壤水分含量的新方法，遥感技术具有高效、宏观、时效等优点，可以对土壤水分、地表温度、叶面积指数及植被指数等进行大面积的估算[4]。利用遥感技术检测土壤水分的方法主要包括植被指数法、特征空间法、热惯量法、地表温度法、微波遥感法等[5]。其中，热惯量法对数据资料的要求较为苛刻;植被指数法可检测植被生长状态、植被盖度，但受自然条件影响较大，具有明显的滞后性。将植被指数（NDVI）和地表温度（LST）相结合的方法是目前广泛使用的方法。温度植被旱情指数（TVDI）是Sandholt等[5]提出的一种基于NDVI-LST 特征空间的土壤水分监测方法，相较于单独使用 NDVI 或LST能够提供更加精确、全面的旱情相关信息。我国相关领域的学者使用TVDI指数进行了全国级、地区级、省级、市级等不同空间尺度上的土壤水分反演、旱情监测、作物产量估计等相关研究。TVDI具有监测具体干旱程度的特点，利用这一特点，可及时做好相应的防治工作，减少农业旱灾带来的破坏，提高粮食产量，为农业发展提供科学的辅助决策信息产生积极的影响。 因此，笔者利用Landsat-8遥感数据得到四平市梨树县的TVDI指数分布，通过对比实测样点，分析得到2017年夏玉米生育期的干旱情况，对梨树县的干旱情况予以监测。
1 资料与方法
1.1 研究区域概况
梨树县位于吉林省四平市西南（123°45′～124°53′E，43°02′～43°46′N），东与公主岭市以东辽河为界，南与辽宁省的西丰县、开原县和吉林省额梨树接壤，西与辽宁省昌图县毗邻，北与公主岭市、双辽市以东辽河为界。区域面积4 209 km2，研究区位置见图1。 地势东南高、西北低。南部低山多丘陵，北部为东辽河冲积平原。全年降水量低于800 mm，长期处于干旱-半干旱的状况。
1.2 数据来源与预处理
该研究所采用Landsat-8卫星影像数据为地基础数据源，由地理空间数据云网站提供（数据下载网址：http：//www.gscloud.cn/），空间分辨率为30 m。实测验证点数据为2017年夏玉米生长季实地采样点信息。
数据预处理主要包括对遥感影像的辐射定标、大气校正、几何精校正、影像图幅拼接、问题条带处理等步骤。
1.3 研究方法
1.3.1 TVDI检测干旱空间的原理。
归一化植被指数（NDVI）与植被含水量有着密切的关系，干旱地区降水量较少，含水量低，NDVI值也较低。但由于不同地区、不同植被类型、不同气候条件以及涝灾虫灾等各种因素的影响，植被含水量的变化受多种因素所致，仅依靠NDVI指数很难表达出受干旱的影响程度;地表温度（LST）的变化是大气-土壤-植被系统物质交换和能量循环的结果，从而一定程度上可以反映地表土壤含水量变化。由于系统能量变化，植被在受干旱气候的影响下，叶片呼吸系统（气孔）被迫关闭，以此保护植物体内的水分，因此就会导致植物表面温度升高，且其反应比NDVI指数更敏感。但由于植被类型不同，且覆盖面积的大小不同，从而影响植被的表层温度，因此同一种温度变化不能表现出含水量变化的情况。Moran等[6]提出土壤背景温度高的区域受LST的干旱影响较大，因此，将NDVI与LST结合可以避免以上需考虑的多种缺点，可实现性较大。
由此提出温度植被干旱指数（TVDI）的概念。TVDI是一个反映土壤干旱情况的指数。NDVI-LST的特征空间主要被用来估算蒸散[7]和土壤湿度[8]。NDVI-LST特征空间呈现三角形[9-10]或梯形[10-11]的空间分布特征。Goward等[10]利用AVHRR数据发现 LST与NDVI之间存在很好的关系并随土壤湿度变化。Nemani等[12]研究发现 LST与NDVI的斜率与作物水分指数、土壤水分呈负相关，LST/NDVI 在干旱发生时会增大。LST与NDVI 的斜率与土壤水分的负相关关系是特征空间中的重要统计特征。Sandholt等[5]认为 NDVI-LST 的特征空间中有一系列土壤湿度等值线。
三角形的特征空间如图2所示，A 和B分别表示干燥裸土和湿润裸土。随着地表植被覆盖度的增加，地表温度开始下降。C 点表示植被完全覆盖，土壤水分充足，这时的蒸散阻力最小，所以AC表示土壤水分的有效性很低，地表蒸散小，被认为是 NDVI-LST 特征空间的热边界（干边）;BC表示土壤水分充足，不是植被生长的限制因素，地表蒸散等于潜在蒸散，被认为是 NDVI - LST 特征空间的冷边界（湿边）。
1.3.2 TVDI 监测干旱的途径。
以TVDI指数的等级来表征干旱程度，国内常见的TVDI分级是将TVDI分为5级，等间距分级标准最为常用，密度分割法也应用较广[5]。从前人工作中可看出TVDI的分级标准较为混乱[6，13]，在不同区域、不同时间内TVDI的分级标准有很大差异，对同一研究区用不同的TVDI分级标准评价的旱情差别较大，难以确定合理的TVDI干旱等级。
2 结果与分析
2.1 LST-NDVI特征空间
根据各时相的地表温度和归一化植被指数得到LST-NDVI特征空间分布（图3）。LST的最大值和最小值均与NDVI呈现线性关系。该研究以2017年5—8月特征空间为例，玉米的生长周期大约在100 d，一般在种植1 d后胚芽就会长出来，如果出芽，30 d以后开始进入拔节期，60 d以后玉米开始进入生殖器官发育期，之后的30 d是果实的发育期和成熟期。所以选择5—8月为植物生长周期连续4个月植物的生长周期（苗期阶段、穗期阶段、花粒阶段）具有代表性。从图3中可知，当 NDVI大于某一数值时，随着NDVI值的增大，陆地地表温度的最小值不断增大，而陆地地表温度的最大值不断减小;最大与最小陆地地表 温度随着NDVI的增加，逐渐接近，NDVI-LST 特征空间呈现三角形或梯形的空间分布特征。
2.2 干-湿边提取
由LST-NDVI特征空间原理可知，计算TVDI关键是干-湿边的拟合，最常见的方法是：对于一组NDVI和LST遥感影像，取一定的步长（如0.01或0.02），从合理的NDVI范围内求取每一NDVI对应的陆地表面温度的最高值、最低值，用最小二乘法拟合地表溫度的最高值、最低值分别得到干、湿边方程。由图4得出，LST-NDVI特征空间的干、湿边对应的斜率：
由方程得出，LST-NDVI特征空间的干边对应的斜率均小于0，随着NDVI的增大，地表温度最大值在减小;而湿边的斜率均大于0，说明植被生长在没有水分胁迫下，NDVI增大，地表温度最小值呈上升趋势。
2.3 验证评价
该研究以实测采样点方式验证，以便更好地验证试验结果。
实测的采样点为 2017 年四平市梨树县采样点（图5），采样点的受灾程度和受灾面积作为评定旱情等级的标准。所有的采样点均是实地调查，并且详细记录每个地块的数据，为评定旱情等级的标准。采样点数据以表格的形式记录，对现场采集的数据进行集中的处理，提取受灾信息，根据表格提供的经纬度信息以及受灾程度等信息，提取矢量点。受灾信息作为矢量属性值。 2.4 干旱时空分布
根据干边和湿边的方程，运用了ERDAS建模，计算不同时段的TVDI。依据冯强[14]、薄燕飞等[15]划分干旱等级标准，将TVDI分为5级对应干旱分布的5种状态，由此得到四平市梨树县2017年5—8月干旱等级分布，具体分级标准详见表1 。
为了更好地分析四平市梨树县2017年干旱时空分布（图6），利用ArcGIS软件对旱情监测结果进行总体统计（表2），5月27日正常分布区和轻旱分布区面积分别占全区的9.02%、13.50%，6月28日正常分布区和轻旱分布区面积分别占全区面积的12.92%、29.17%，7月27日正常分布区和轻旱分布区面积分别占全区面积的11.57%、23.12%，8月31日正常分布区和轻旱分布区面积分别占全区面积的49.12%、43.12%。
利用ArcGIS软件对四平市梨树县进行统计分析发现，5月份受旱总面积占全地区的84.84%，其中重度干旱为42.64%，严重的干旱面积极大地影响着植物的生长与发育。6月份受旱总面积占全地区的80.49%，其中重度干旱面积占15.77%，明显好转，植物得到缓解。7月份受旱总面积占全地区的78.64%，其中中度旱面积扩大至40.72%，中度干旱与重度干旱在地区分布更均匀。8月份受旱总面积占全区的50.88%，受旱面积明显降低，尤其重度干旱和中度干旱仅为7.76%。通过图6分析得出，重度干旱地区主要分布在研究区西北部，随着时间的推移重旱面积不断缩小，但是中度干旱面积不断增加，直至8月末9月初中度和重度干旱面积缩至7.76%。大体上吉林省的干旱分布规律是从东南湿润过渡到西北重旱，这种变化规律与吉林省从东南向西北由湿润气候过渡到半干旱气候的分布规律相吻合。
3 结论
该研究使用遥感技术手段进行干旱监测，并根据LST-NDVI特征空间计算出的TVDI指数，构建旱灾等级体系，采用月尺度的地表温度和植被指数数据，基于IDL建模求解干湿边方程，计算TVDI指数;并以此对四平市梨树县旱情进行分析，得到2017年5—8月旱情遥感监测分析，结果表明，TVDI与土壤湿度具有明显的相关性，TVDI指数应用于旱灾监测方面较为可靠，LST-NDVI特征空间指数具有稳定性。梨树县的旱情分布与全省尺度的气候变化、地形特征等相吻合。由此可见，利用TVDI进行旱灾监测对生态治理、农业生产和社会经济等具有重要的存在意义。
参考文献
[1] 赵宏波.吉林省中部地区经济差异与协调发展研究[D].长春：中国科学院研究生院（东北地理与农业生态研究所），2014.
[2] 穆佳，邱美娟，谷雨，等.5种干旱指数在吉林省农业干旱评估中的适用性[J].应用生态学报，2018，29（8）：2624-2632.
[3]蒋兆恒，陶国芳.气候变化对吉林省东部地区农业发展的影响研究[J].通化师范学院学报，2019，40（6）：97-100.
[4] 朱少龙，张晋玉，晁毛妮，等.农业遥感技术研究进展[J].种业导刊，2019（8）：3-9.
[5] 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.
[6] MORAN M S，RAHMAN A F，WASHBURNE J C，et al.Combining the Penman-Monteith equation with measurements of surface temperature and reflectance to estimate evaporation rates of semiarid grassland[J].Agricultural and forest meteorology，1996，80（2）：87-109.
[7] JIANG L，ISLAM S.Estimation of surface evaporation map over Southern Great Plains using remote sensing data[J].Water resources research，2001，37（2）：329-340.
[8] 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.
[9] CARLSON T N，PERRY E M，SCHMUGGE T J.Remote estimation of soil moisture availability and fractional vegetation cover for agricultural fields[J].Agricultural and forest meteorology，1990，52（1/2）：45-69.
[10] GOWARD S N，HOPE A S.Evapotranspiration from combined reflected solar and emitted terrestrial radiation：Preliminary FIFE results from AVHRR data[J].Advances in space research，1989，9（7）：239-249.
[11] NEMANI R，PIERCE L，RUNNING S，et al.Developing satellitederived estimates of surface moisture status[J].Journal of applied meteorology，1993，32（3）：548-557.
[12] NEMANI R R，RUNNING S W. Estimation of regional surface resistance to evapotranspiration from NDVI and thermal Thermal-IRAVHRRR data[J].Journal of applied meteorology，1989，28（4）：276-284.
[13] 烏兰吐雅，于利峰，乌兰，等.基于Landsat 8 TVDI的河套灌区旱情分析：以临河区为例[J].中国农业资源与区划，2017，38（5）：123-127.
[14] 冯强，田国良，王昂生，等.基于植被状态指数的全国干旱遥感监测试验研究（Ⅱ）——干旱遥感监测模型与结果分析部分[J].干旱区地理，2004，27（4）：477-484.
[15] 薄燕飞，白建军，刘永林，等.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.
关键词 夏玉米;生育期;干旱监测;植被干旱指数;地表温度;梨树县
Abstract This paper used the Landsat8 remote sensing image data of the main growth period （May-August） of summer maize in 2017 to retrieve the surface temperature （LST） and vegetation index （NDVI）. Using LSTNDVI， a temperature vegetation drought index model （TVDI） was constructed to represent the drought monitoring index. And the accuracy of the model was verified according to the data of summer maize in 2017. The results showed that the general distribution trend of drought in Lishu County of Siping City was from the southeast to the northwest， showing the transformation rule from humid to normal light drought to medium drought to heavy drought， which reflected the regularity of drought changing with topography and climate in Lishu County of Siping City. The drought in Lishu County of Siping City was mainly concentrated in the northwest， and the distribution law of drought in Jilin Province was also from the southeast humid to the northwest heavy drought， which was consistent with the distribution law of the humid climate to the semiarid climate in Jilin Province. It can be seen that the TVDI model index has a significant correlation with soil moisture， which can be applied to crop drought detection.
Key words Summer maize;Growth period;Drought monitoring;Vegetation drought index;Surface temperature;Lishu County
我国经济近些年来蓬勃发展，在世界经济中的地位及重要性日益凸显，但总体而言我国目前仍属于发展中国家的范畴，农业仍是我国经济结构中重要的一个环节，所占的比重和所产生的影响不言而喻[1]。农业发展的优劣直接影響着大多数人的基本生活，制约着国家第一产业的自给自足，在农业发展中，农业灾害则是制约农业发展的主要因素，它的产生直接导致农业发展。我国横跨热带、亚热带、温带，农业用地类型丰富，近51.9%耕地处于年降水量不足800 mm的地区，干旱灾害是我国农业发展最严重的自然灾害之一，在各类自然灾害造成的总损失中干旱占35%以上，居于首位[2]。
吉林省地处东部季风区，降水时空分布不均，水资源空间分布组合错位，致使供需不平衡加剧，干旱灾害不断发生，对农业生产、人类生活和生态环境等造成重大损失。加强干旱灾害的监测与评估，为政府制定合理的防旱、抗旱决策提供科学依据迫在眉睫。传统农业干旱监测方法不仅费时费力，而且在空间规模以及采样周期等方面都存在一定的局限性[3]。
20世纪60年代，各国学者开始研究利用遥感估算土壤水分含量的新方法，遥感技术具有高效、宏观、时效等优点，可以对土壤水分、地表温度、叶面积指数及植被指数等进行大面积的估算[4]。利用遥感技术检测土壤水分的方法主要包括植被指数法、特征空间法、热惯量法、地表温度法、微波遥感法等[5]。其中，热惯量法对数据资料的要求较为苛刻;植被指数法可检测植被生长状态、植被盖度，但受自然条件影响较大，具有明显的滞后性。将植被指数（NDVI）和地表温度（LST）相结合的方法是目前广泛使用的方法。温度植被旱情指数（TVDI）是Sandholt等[5]提出的一种基于NDVI-LST 特征空间的土壤水分监测方法，相较于单独使用 NDVI 或LST能够提供更加精确、全面的旱情相关信息。我国相关领域的学者使用TVDI指数进行了全国级、地区级、省级、市级等不同空间尺度上的土壤水分反演、旱情监测、作物产量估计等相关研究。TVDI具有监测具体干旱程度的特点，利用这一特点，可及时做好相应的防治工作，减少农业旱灾带来的破坏，提高粮食产量，为农业发展提供科学的辅助决策信息产生积极的影响。 因此，笔者利用Landsat-8遥感数据得到四平市梨树县的TVDI指数分布，通过对比实测样点，分析得到2017年夏玉米生育期的干旱情况，对梨树县的干旱情况予以监测。
1 资料与方法
1.1 研究区域概况
梨树县位于吉林省四平市西南（123°45′～124°53′E，43°02′～43°46′N），东与公主岭市以东辽河为界，南与辽宁省的西丰县、开原县和吉林省额梨树接壤，西与辽宁省昌图县毗邻，北与公主岭市、双辽市以东辽河为界。区域面积4 209 km2，研究区位置见图1。 地势东南高、西北低。南部低山多丘陵，北部为东辽河冲积平原。全年降水量低于800 mm，长期处于干旱-半干旱的状况。
1.2 数据来源与预处理
该研究所采用Landsat-8卫星影像数据为地基础数据源，由地理空间数据云网站提供（数据下载网址：http：//www.gscloud.cn/），空间分辨率为30 m。实测验证点数据为2017年夏玉米生长季实地采样点信息。
数据预处理主要包括对遥感影像的辐射定标、大气校正、几何精校正、影像图幅拼接、问题条带处理等步骤。
1.3 研究方法
1.3.1 TVDI检测干旱空间的原理。
归一化植被指数（NDVI）与植被含水量有着密切的关系，干旱地区降水量较少，含水量低，NDVI值也较低。但由于不同地区、不同植被类型、不同气候条件以及涝灾虫灾等各种因素的影响，植被含水量的变化受多种因素所致，仅依靠NDVI指数很难表达出受干旱的影响程度;地表温度（LST）的变化是大气-土壤-植被系统物质交换和能量循环的结果，从而一定程度上可以反映地表土壤含水量变化。由于系统能量变化，植被在受干旱气候的影响下，叶片呼吸系统（气孔）被迫关闭，以此保护植物体内的水分，因此就会导致植物表面温度升高，且其反应比NDVI指数更敏感。但由于植被类型不同，且覆盖面积的大小不同，从而影响植被的表层温度，因此同一种温度变化不能表现出含水量变化的情况。Moran等[6]提出土壤背景温度高的区域受LST的干旱影响较大，因此，将NDVI与LST结合可以避免以上需考虑的多种缺点，可实现性较大。
由此提出温度植被干旱指数（TVDI）的概念。TVDI是一个反映土壤干旱情况的指数。NDVI-LST的特征空间主要被用来估算蒸散[7]和土壤湿度[8]。NDVI-LST特征空间呈现三角形[9-10]或梯形[10-11]的空间分布特征。Goward等[10]利用AVHRR数据发现 LST与NDVI之间存在很好的关系并随土壤湿度变化。Nemani等[12]研究发现 LST与NDVI的斜率与作物水分指数、土壤水分呈负相关，LST/NDVI 在干旱发生时会增大。LST与NDVI 的斜率与土壤水分的负相关关系是特征空间中的重要统计特征。Sandholt等[5]认为 NDVI-LST 的特征空间中有一系列土壤湿度等值线。
三角形的特征空间如图2所示，A 和B分别表示干燥裸土和湿润裸土。随着地表植被覆盖度的增加，地表温度开始下降。C 点表示植被完全覆盖，土壤水分充足，这时的蒸散阻力最小，所以AC表示土壤水分的有效性很低，地表蒸散小，被认为是 NDVI-LST 特征空间的热边界（干边）;BC表示土壤水分充足，不是植被生长的限制因素，地表蒸散等于潜在蒸散，被认为是 NDVI - LST 特征空间的冷边界（湿边）。
1.3.2 TVDI 监测干旱的途径。
以TVDI指数的等级来表征干旱程度，国内常见的TVDI分级是将TVDI分为5级，等间距分级标准最为常用，密度分割法也应用较广[5]。从前人工作中可看出TVDI的分级标准较为混乱[6，13]，在不同区域、不同时间内TVDI的分级标准有很大差异，对同一研究区用不同的TVDI分级标准评价的旱情差别较大，难以确定合理的TVDI干旱等级。
2 结果与分析
2.1 LST-NDVI特征空间
根据各时相的地表温度和归一化植被指数得到LST-NDVI特征空间分布（图3）。LST的最大值和最小值均与NDVI呈现线性关系。该研究以2017年5—8月特征空间为例，玉米的生长周期大约在100 d，一般在种植1 d后胚芽就会长出来，如果出芽，30 d以后开始进入拔节期，60 d以后玉米开始进入生殖器官发育期，之后的30 d是果实的发育期和成熟期。所以选择5—8月为植物生长周期连续4个月植物的生长周期（苗期阶段、穗期阶段、花粒阶段）具有代表性。从图3中可知，当 NDVI大于某一数值时，随着NDVI值的增大，陆地地表温度的最小值不断增大，而陆地地表温度的最大值不断减小;最大与最小陆地地表 温度随着NDVI的增加，逐渐接近，NDVI-LST 特征空间呈现三角形或梯形的空间分布特征。
2.2 干-湿边提取
由LST-NDVI特征空间原理可知，计算TVDI关键是干-湿边的拟合，最常见的方法是：对于一组NDVI和LST遥感影像，取一定的步长（如0.01或0.02），从合理的NDVI范围内求取每一NDVI对应的陆地表面温度的最高值、最低值，用最小二乘法拟合地表溫度的最高值、最低值分别得到干、湿边方程。由图4得出，LST-NDVI特征空间的干、湿边对应的斜率：
由方程得出，LST-NDVI特征空间的干边对应的斜率均小于0，随着NDVI的增大，地表温度最大值在减小;而湿边的斜率均大于0，说明植被生长在没有水分胁迫下，NDVI增大，地表温度最小值呈上升趋势。
2.3 验证评价
该研究以实测采样点方式验证，以便更好地验证试验结果。
实测的采样点为 2017 年四平市梨树县采样点（图5），采样点的受灾程度和受灾面积作为评定旱情等级的标准。所有的采样点均是实地调查，并且详细记录每个地块的数据，为评定旱情等级的标准。采样点数据以表格的形式记录，对现场采集的数据进行集中的处理，提取受灾信息，根据表格提供的经纬度信息以及受灾程度等信息，提取矢量点。受灾信息作为矢量属性值。 2.4 干旱时空分布
根据干边和湿边的方程，运用了ERDAS建模，计算不同时段的TVDI。依据冯强[14]、薄燕飞等[15]划分干旱等级标准，将TVDI分为5级对应干旱分布的5种状态，由此得到四平市梨树县2017年5—8月干旱等级分布，具体分级标准详见表1 。
为了更好地分析四平市梨树县2017年干旱时空分布（图6），利用ArcGIS软件对旱情监测结果进行总体统计（表2），5月27日正常分布区和轻旱分布区面积分别占全区的9.02%、13.50%，6月28日正常分布区和轻旱分布区面积分别占全区面积的12.92%、29.17%，7月27日正常分布区和轻旱分布区面积分别占全区面积的11.57%、23.12%，8月31日正常分布区和轻旱分布区面积分别占全区面积的49.12%、43.12%。
利用ArcGIS软件对四平市梨树县进行统计分析发现，5月份受旱总面积占全地区的84.84%，其中重度干旱为42.64%，严重的干旱面积极大地影响着植物的生长与发育。6月份受旱总面积占全地区的80.49%，其中重度干旱面积占15.77%，明显好转，植物得到缓解。7月份受旱总面积占全地区的78.64%，其中中度旱面积扩大至40.72%，中度干旱与重度干旱在地区分布更均匀。8月份受旱总面积占全区的50.88%，受旱面积明显降低，尤其重度干旱和中度干旱仅为7.76%。通过图6分析得出，重度干旱地区主要分布在研究区西北部，随着时间的推移重旱面积不断缩小，但是中度干旱面积不断增加，直至8月末9月初中度和重度干旱面积缩至7.76%。大体上吉林省的干旱分布规律是从东南湿润过渡到西北重旱，这种变化规律与吉林省从东南向西北由湿润气候过渡到半干旱气候的分布规律相吻合。
3 结论
该研究使用遥感技术手段进行干旱监测，并根据LST-NDVI特征空间计算出的TVDI指数，构建旱灾等级体系，采用月尺度的地表温度和植被指数数据，基于IDL建模求解干湿边方程，计算TVDI指数;并以此对四平市梨树县旱情进行分析，得到2017年5—8月旱情遥感监测分析，结果表明，TVDI与土壤湿度具有明显的相关性，TVDI指数应用于旱灾监测方面较为可靠，LST-NDVI特征空间指数具有稳定性。梨树县的旱情分布与全省尺度的气候变化、地形特征等相吻合。由此可见，利用TVDI进行旱灾监测对生态治理、农业生产和社会经济等具有重要的存在意义。
参考文献
[1] 赵宏波.吉林省中部地区经济差异与协调发展研究[D].长春：中国科学院研究生院（东北地理与农业生态研究所），2014.
[2] 穆佳，邱美娟，谷雨，等.5种干旱指数在吉林省农业干旱评估中的适用性[J].应用生态学报，2018，29（8）：2624-2632.
[3]蒋兆恒，陶国芳.气候变化对吉林省东部地区农业发展的影响研究[J].通化师范学院学报，2019，40（6）：97-100.
[4] 朱少龙，张晋玉，晁毛妮，等.农业遥感技术研究进展[J].种业导刊，2019（8）：3-9.
[5] 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.
[6] MORAN M S，RAHMAN A F，WASHBURNE J C，et al.Combining the Penman-Monteith equation with measurements of surface temperature and reflectance to estimate evaporation rates of semiarid grassland[J].Agricultural and forest meteorology，1996，80（2）：87-109.
[7] JIANG L，ISLAM S.Estimation of surface evaporation map over Southern Great Plains using remote sensing data[J].Water resources research，2001，37（2）：329-340.
[8] 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.
[9] CARLSON T N，PERRY E M，SCHMUGGE T J.Remote estimation of soil moisture availability and fractional vegetation cover for agricultural fields[J].Agricultural and forest meteorology，1990，52（1/2）：45-69.
[10] GOWARD S N，HOPE A S.Evapotranspiration from combined reflected solar and emitted terrestrial radiation：Preliminary FIFE results from AVHRR data[J].Advances in space research，1989，9（7）：239-249.
[11] NEMANI R，PIERCE L，RUNNING S，et al.Developing satellitederived estimates of surface moisture status[J].Journal of applied meteorology，1993，32（3）：548-557.
[12] NEMANI R R，RUNNING S W. Estimation of regional surface resistance to evapotranspiration from NDVI and thermal Thermal-IRAVHRRR data[J].Journal of applied meteorology，1989，28（4）：276-284.
[13] 烏兰吐雅，于利峰，乌兰，等.基于Landsat 8 TVDI的河套灌区旱情分析：以临河区为例[J].中国农业资源与区划，2017，38（5）：123-127.
[14] 冯强，田国良，王昂生，等.基于植被状态指数的全国干旱遥感监测试验研究（Ⅱ）——干旱遥感监测模型与结果分析部分[J].干旱区地理，2004，27（4）：477-484.
[15] 薄燕飞，白建军，刘永林，等.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.