基于地表温度—植被指数特征空间的土壤干旱监测

李润林++董鹏程++王瑜++汪晓斌

摘要：以張掖市甘州区绿洲为研究区，采用5期遥感影像（2011～2015年），运用ENVI 5.2提取归一化植被指数（NDVI）、改进型土壤调节植被指数（MSAVI）和地表温度（Ts），构建Ts-NDVI和Ts-MSAVI特征空间，对比分析两种特征空间。结果表明，Ts-MSAVI特征空间的干边和湿边斜率均小于0，这与前人的研究干边斜率是负值，湿边斜率是正值的结论有所不同。Ts-NDVI和Ts-MSAVI这两种特征空间具有相同的趋势，其中2012、2013、2014年这3年两种特征空间系数r2较高，其余2年系数r2较低。整体而言，Ts-NDVI特征空间的干湿边系数相比Ts-MSAVI特征空间的干湿边系数要高，稳定性好。从TVDI旱情等级分布图上可以得出2012年的受旱面积最大，干旱和重旱面积占总面积的70.39%，2013年干旱情况最严重，重干旱面积为1 611.972 km2，重旱面积占到总面积的43.5%，2014年干旱程度开始缓解，轻旱、干旱和重旱面积开始降低，湿润和正常面积开始增加，2015年干旱程度得到全面缓解，湿润和正常面积占到总面积的21.9%，但是干旱和重旱面积比重依然很大，说明张掖市甘州区绿洲旱情依然很严峻。

关键词：干旱；归一化植被指数（TVDI）；改进型土壤调节植被指数（MSAVI）；地表温度；张掖市甘州区

中图分类号：TP79；X43 文献标识码：A 文章编号：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

干旱是世界上许多重大自然灾害之一，在各种自然灾害中，旱灾对农业生产的影响最大。据统计世界每年农业生产因干旱受到的经济损失可达千亿美元[1]。因此各国科学家都非常关注干旱监测和干旱预报。干旱是一种由水分收支或供求不平衡而造成的水分短缺現象。传统的土壤水分监测主要是通过地面站进行监测。但是干旱现象经常是一种区域面源现象。利用有限监测站点无法准确估测区域干旱情况。相对于传统的监测方法，区域性和时效性强的遥感技术成为研究的重要手段[2]。目前，基于遥感技术的土壤干湿状况监测方法主要有热惯量法、植被指数法、特征空间法和微波遥感法（主动微波和被动微波）[3-5]。热惯量法对资料要求较为苛刻，植被指数法具有明显的滞后性，而特征空间法是目前使用最广的方法之一。2002年Sandholt等[6]利用简化的NDVI-Ts特征空间，提出了温度植被干旱指数（TVDI）。温度植被干旱指数法是将植被指数（NDVI）和地表温度（Ts）相结合的方法，具有过程简单易行、容易实现的特点。因此国内学者使用遥感数据（AVHRR数据、MODIS数据、AS-TER数据或Landsat TM/ETM+数据）计算TVDI并构建土壤水分反演模型，取得了良好的效果。但在使用NDVI时也发现了一些问题，NDVI受土壤背景的影响较大，另外在高植被覆盖的区域NDVI容易出现饱和现象[7]，在低植被的覆盖区域，NDVI容易受到土壤背景的影响。为了修正NDVI对土壤背景的影响，Huete[8]提出了土壤调整植被指数（Soil-Adjusted Vegetation Index，SAVI），经过许多学者试验证明，SAVI能够降低土壤背景的影响，改善植被指数与叶面积LAI的线性关系。同时发现，SAVI在降低土壤背景影响的同时，也可能丢失部分背景信息，导致植被指数偏低。为了解决这问题，Qi等[9]提出改进型调整植被指数（Modified Soil-Adjusted Vegetation Index，MSAVI），它可以较好地消除土壤背景对植被指数的影响。MSAVI在描述植被覆盖度和土壤背景的方面比NDVI和SAVI更具有优势，利用MSAVI与地表温度相结合来反映地表土壤水分状况的研究在国内还比较少[10]。因此，考虑用MSAVI替代NDVI作为植被指数轴与地表温度相结合建立Ts-MSAVI特征空间，把这种特征空间称之为改进型温度植被旱情指数（Modified Temperature Vegetation Dryness Index，MTVDI）。绿洲的干旱研究一直是干旱研究的重点，绿洲土地类型复杂，高植被覆盖和裸地相互交错，有研究认为NDVI适合反映中低植被覆盖区[11]，也有研究认为MSAVI对高植被覆盖区域的变化比其他植被指数的更为敏感。此外由于考虑了裸土土壤线，MSAVI比其他植被指数对低植被覆盖有更好的指示作用。比较Ts-MSAVI和Ts-NDVI特征空间，能够了解两种植被指数的适应范围，对研究绿洲干旱具有重要意义。

本研究以张掖市甘州区绿洲作为研究区，选取张掖市甘州区绿洲2011～2015年近5 a的遥感影像为数据源，利用两种植被指数（NDVI，MSAVI）与地表温度构建特征空间，模拟两种特征空间参数，分析两种植被指数的适宜性，并用时间序列的方式来分析张掖市甘州区近5 a的干旱状况，为合理安排绿洲农业生产提供参考依据。

1 研究区概况与数据预处理

1.1 研究区概况

张掖市甘州区位于甘肃省西北部的河西走廊中段，南连祁连山，北依合黎、龙首二山，位于北纬38°32′-39°24′，东经100°6′-100°52′，平均海拔1 474 m，占地面积3 698 km2，属于大陆性气候，干燥少雨，年平均气温6 ℃，1月最冷，7月最热。年平均降水量104～328 mm，年蒸发量1 638～2 341 mm。每年6～9月是全年最佳旅游季节。

1.2 数据预处理

通过地理空间数据云平台获取张掖市甘州区地区的遥感影像，其中2011年8月1日的遥感影像是Landsat TM5，2012年8月27日的遥感影像是Landsat TM7，2013～2015年的遥感影像是Landsat TM8。利用ENVI 5.2图像处理软件平台，首先对5期遥感影像数据进行几何校正，然后进行辐射校正和大气校正，利用TM5和TM7的第6波段和TM8的第10波段进行地表温度反演。

2 研究方法

2.1 植被指数

在植被遥感环境监测中归一化植被指数（NDVI）是一个重要的遥感参数，它能够监测植被生长状况、生物量和植被覆盖程度。它与植被分布密度呈线性相关，即NDVI越高表明植被状况越好。NDVI负值表示地面覆盖为云、水和雪等；0值表示有岩石或裸土等。其计算公式为：

NDVI=（？籽nir-？籽red）/（？籽nir+？籽red） （1）

式中， ？籽nir、？籽red分别为近红外波段和红光波段的反射率。

NDVI是最早应用于干旱监测的指数，也是干旱监测应用最广的植被指数。郭铌等[12]发现NDVI的变化与干旱范围和强度有很好的一致性。近年来研究发现，NDVI在半干旱地区对干旱发生的指示性更好[5]。

2.2 改进型土壤调节植被指数（MSAVI）

MSAVI是在SAVI的基础上变化而来的，是将SAVI的调节因子L改为变量，令L=1-2×NDVI×WDVI，其中，WDVI=NIR-a×R，a为土壤线斜率。该指数的特点是L随着植被覆盖密度的动态变化，以达到最佳消除土壤噪音的目的。endprint

MSAVI=■-■

（2）

式中，？籽nir、？籽red分别为近红外波段和红光波段的反射率。

2.3 地表温度反演

应用Landsat TM热红外波段反演地表温度主要有3种方法：辐射传输方程法、单窗算法和单通道算法。单窗算法由于其算法简单易操作且精度高，是目前常用的方法[13]。关于Landsat TM5和TM7的单窗算法较为成熟，本研究的TM5和TM7影像采用覃志豪等[14]的单窗算法。对Landsat TM8的地表温度反演算法目前还未有成熟的算法。Rozenstein等[15]、Jiménez-Muoz等[16]、宋挺等[17]提出了針对Landsat8的劈窗算法，徐涵秋[18]研究发现劈窗算法的精度很低。同时，美国国家航空和宇宙航行局（NASA）发出公告表示，由于热红外传感器（TIRS）散光原因导致Landsat TM8卫星热红外波段第11波段的定标出现问题，导致劈窗算法的精度较低，并建议使用单波段反演地表温度。基于Landsat TM8的单波段算法大多采用覃志豪等[14]的单窗算法，已有人运用单窗算法的理论[19]，根据地表热辐射传导方程推导基于Landsat TM8第10波段改进型单窗算法，并给出不同温度下a10和b10数值，如表1所示。

基于Landsat TM8第10波段改进型单窗算法的公式如下：

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

式中，C和D是中间变量，根据调查研究区历年气温变化，发现研究区的温度在0～50 ℃，所以本研究采用a10=-62.718 2；b10=0.433 9。

C10=？咨10？着10 （4）

D10=（1-？咨10）[1+（1-？着10）？咨10] （5）

其中，？咨10和？着10分别是第10波段的大气透过率和地表比辐射率。

式中，Ta是大气平均作用温度（K），可根据热红外波段大气平均作用温度估算方程，选择中纬度夏季大气模式，Ta=16.011 0+0.926 1T0，其中，T0为卫星过境时近地地表温度；T10为影像反演的亮度温度，计算公式如下：

T10=■ （6）

式中，K1和K2为常数，对于LandsatTM8图像，K1=774.89 W/（m2×sr×μm），K2=1 321.08 K。其中L？姿为大气顶部的辐射亮度，计算公式如下：

L？姿=GresDN+Bres （7）

式中，Gres为增益，DN为像元量化灰度级别，Bres为偏移值。

大气透过率？咨10利用杨槐[20]Landsat 8数据的水汽和透过率关系进行估算：

？咨10=1.040 2-0.106 7？棕 （8）

？棕与？籽地面水汽压关系密切，？棕=0.178 8+0.197 8？籽，可通过相对湿度（RH）来求得，即：

？籽=0.610 83exp[■]×RH （9）

？着10为地表比辐射率。当地表为全植被覆盖时，？着10取值为0.990；地表全裸露时，？着10取值为0.973；其余状态时，？着10=0.004Pv+0.968，其中，Pv为植被覆盖率，通过植被指数NDVI来求得，即

Pv=（NDVI-NDVIs）（NDVIv-NDVIs） （10）

式中，NDVIv和NDVIs分别为植被和裸土的NDVI，取0.70和0.05近似替代。

2.4 温度植被干旱指数

在植被指数和地表温度关系研究中发现植被指数和地表温度的散点图呈现梯形分布特征，Sandholt等[6]在Ts-NDVI梯形特征空间的基础上将特征空间从梯形简化为三角形，并提出了温度植被干旱指数（TVDI）的概念。地表温度（Ts）与归一化植被指数存在明显的负相关关系，任意一个NDVI对应惟一一组Tsmax（干边）和Tsmin（湿边），因而Ts-NDVI特征空间的拟合线斜率可以反映区域土壤水分含量的情况。描述的Ts-NDVI三角形特征空间计算TVDI的简化表达式为：

TVDI=（Ts-Tsmin）（Tsmax-Tsmin） （11）

式中，Tsmax（干边）和Tsmin（湿边）分别表示当NDVI等于某一特定值时，地表温度的最大值和最小值；Ts表示任一像元地表温度。将Ts-NDVI特征空间简化处理为三角形的同时，对Tsmin和Tsmax同时进行线性回归，回归方程结果为：

Tsmin=a1+b1NDVI （12）

Tsmax=a2+b2NDV （13）

式中，a1、a2、b1、b2分别为干、湿边方程的截距和斜率。将式（12）、（13）代入到式（11）中可以得到TVDI的计算公式：

TVDI=■ （14）

TVDI的范围在[0，1]之间，干边所对应TVDI为1，湿边对应TVDI为0，TVDI随着地表温度Ts的升高而增大，土壤湿度随TVDI增大而减小，因而土壤湿度与温度TVDI都呈负相关关系。

本研究中a1、a2、b1、b2 4个参数是根据特征空间原理，获取每一间隔地表温度最大值和最小值，分别对应的植被指数值组成点对，最后采用最小二乘法线性拟合的方式将点拟合，形成干边和湿边，此过程采用IDL语言编写程序。

3 结果与分析

3.1 Ts-NDVI与TS-MSAVI特征空间对比分析

利用5期遥感影像构建Ts-NDVI（图1）和Ts-MSAVI（图2）特征空间，并用TVDI确定干、湿边见表2、图1。由表2、图1可知，Ts-NDVI特征空间的干边斜率均小于0，这也表明随着NDVI的增加，Ts的最大值呈减小趋势。湿边的斜率均大于0，表明随着NDVI的增加，Ts的最小值呈升高趋势，2011和2012年干边系数r2大于湿边系数r2（图1a、图1b），而2013和2014年湿边系数r2大于或等于干边系数r2（图1c、图1d）。endprint

从2011～2015年Ts-NDVI干湿边拟合中发现，利用NDVI反演拟合的温度精度较高，其中2012年干边的系数r2高达0.94，2013和2014年湿边的系数r2达到0.79，说明利用NDVI和地表温度能够有效地反映张掖市甘州区绿洲的干旱状况。

在地表温度-植被指数特征图中一般有3个点，形成一个特征三角形，其中A和B点分别代表干裸土和饱和湿度的裸土，C点代表稠密冠层。从B到A表示其蒸腾从最大到无。AC为特征空间干边，从A到C表示从裸土到完全植被覆盖，干边附近土壤湿度最小，地表无蒸散。BC为特征空间的湿边，B点的裸土有最大的蒸发，C点植被区具有最大蒸腾。植被指数中的每一个点对应干边和湿边的最大温度和最小温度。

2015年Ts-MSAVI中没有干边，这与本试验选择温度范围有关。为了统一比较不同年份的特征空间，结合不同年份反演的地表温度范围，将研究区特征空间的温度范围限定在250～340 K，2015年的Ts-MSAVI的特征空间中，无法拟合到干边，即表明在2015年Ts-MSAVI的特征空间中裸地水分低，蒸腾弱，地表温度高于340 K，在特征空间没有A点，如图2e。同时，在2015年的Ts-MSAVI的特征空间中，植被密集区水分含量高，蒸腾强，地表温度低，温度低于250 K，在特征空间没有B点，如图2e。导致2015年的Ts-MSAVI特征空间中无法拟合到干边。

由MSAVI和地表温度构建的Ts-MSAVI特征空间（图2），Ts-MSAVI特征空间的干、湿边方程如表3所示。从表3可以发现，利用MSAVI模拟的干旱精度较高，其中2013年干边的r2系数高达0.77， 2015年的湿边r2系数高达0.96。Ts-MSAVI特征空间的干边和湿边斜率均小于0，表明随着MSAVI的增加，地表温度的最大值和最小值都呈减小趋势。但是干边斜率小于湿边的斜率，干边斜率的绝对值是湿边斜率绝对值的1～4倍，说明干边下降很快，湿边下降缓慢，很容易形成三角形特征空间。在Ts-MSAVI特征空间中湿边斜率是负值，说明随着MSAVI逐渐增加，地表温度的最大值和最小值都在逐渐减少。

对比分析Ts-NDVI和Ts-MSAVI这两种特征空间，发现这两种特征空间具有相同的趋势。其中，2012、2013、2014年这3年两种特征空间系数r2较高，其余2年系数r2较低。在Ts-NDVI特征空间中5年的干边系数r2都大于0.70，而在Ts-MSAVI特征空间中只有2012、2013、2014年这3年的干边系数r2都大于0.70，2011年的干边系数r2只有0.32；在Ts-NDVI特征空间中，2015年湿边系数r2最低，为0.34，其余4年都在0.58以上，而在Ts-MSAVI特征空间中，2011年湿边系数r2最低，只有0.13， 2015年最高，为0.96，其余3年都在0.57以上。整体而言，Ts-NDVI特征空间的干湿边系数相比Ts-MSAVI特征空间干湿边系数要高，稳定性相对也好，更能客观地描述张掖绿洲的干旱状况。

3.2 Ts-NDVI特征空間干旱等级的划分

为了从宏观上更加清晰地了解张掖市甘州地区的土壤水分空间分布，利用0～1范围的灰度值进行描述，以TVDI为分级指标，便于观测区域干旱情况。根据TVDI灰度值范围将研究区干湿状况划分为湿润（0～0.2）、正常（0.2～0.4）、轻旱（0.4～06）、干旱（0.6～0.8）和重旱（0.8～1.0）5个等级，以便准确描述区域土壤水分的变化状况。由图3可知，整个研究区的旱情等级分布明显，重旱的面积最大，干旱、轻旱和正常的面积次之，湿润的面积最小。

张掖市甘州区2011～2015年旱情状况如表4所示。从表4可以看出，2011年总体比较湿润，因为湿润、正常和轻旱的面积占张掖市甘州区总面积的68.01%，干旱和重旱的面积只占31.99%。但从2012年开始，张掖市甘州区的干旱面积迅速增加，2012年干旱和重旱面积占比高达70.39%，2013、2014、2015年占比分别是67.01%、62.52%、53.13%，表明2012年旱情严重，2012年70.39%土地受到旱灾影响，2013年干旱情况最为严重，重旱面积为1 611.972 km2，重旱面积占总面积的43.50%。2014年干旱程度开始缓解，轻旱、干旱和重旱面积开始下降，湿润和正常面积开始增加，相比2013年，湿润面积增加了10.798 km2，正常面积增加了394.138 km2，2015年干旱程度得到全面缓解，湿润和正常面积占总面积的21.90%，但干旱和重旱占总面积的53.13%，比重依然很大，说明张掖市甘州区绿洲的旱情依然很严峻。

4 小结与讨论

张掖绿洲是甘肃省重要的农业生产区，频发的旱灾始终是制约农业可持续发展的障碍因素。以张掖市甘州区绿洲为研究区，利用2011～2015年5期遥感影像，利用ENVI 5.2提取归一化植被指数、改进型土壤调节植被指数和地表温度，构建Ts-NDVI和Ts-MSAVII特征空间，分析张掖市绿洲的干旱状况，主要结果如下：

1）在本研究中，Ts-MSAVI特征空间的干边和湿边斜率均小于0，干边斜率小于湿边斜率，但干边斜率的绝对值是湿边斜率绝对值的1～4倍，说明干边下降很快，湿边下降缓慢，很容易形成三角形特征空间，这与前人的研究干边斜率是负值，湿边斜率是正值的结论有所不同[21]。

2）对比分析Ts-NDVI和Ts-MSAVI两种特征空间，发现其具有相同的趋势，其中2012、2013、2014年这3年两种特征空间r2系数较高，其余2年r2系数较低。整体而言，Ts-NDVI特征空间的干湿边系数相比Ts-MSAVI特征空间干湿边系数要高，稳定性相对也好，更能客观地描述张掖绿洲的干旱状况。

3）从TVDI旱情等级分布图上可以得出2012年的受旱面积最大，干旱和重旱面积占总面积的70.39%，2013年干旱情况最严重，重干旱面积为1 611.972 km2，重旱面积占总面积的43.50%，2014年干旱程度开始缓解，轻旱、干旱和重旱面积开始降低，湿润和正常面积开始增加，2015年干旱程度得到全面缓解，湿润和正常面积占总面积的21.90%，但干旱和重旱面积比重依然很大，说明张掖市甘州区绿洲的旱情依然很严峻。迫切需要重视绿洲生态环境，积极研究绿洲干旱的原因，探索影响绿洲干旱的影响因素，为将来解决绿洲生态环境问题提供依据。endprint

参考文献：

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

[2] 杨 曦，武建军，闫 峰，等.基于地表温度-植被指数特征空间的区域土壤干湿状况[J].生态学报，2009，29（3）：1205-1216.

[3] 刘立文，张吴平，段永红，等.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.

[4] 王明霞，毋兆鹏.遥感监测土壤湿度综述[J].干旱环境监测，2013，27（4）：163-168.

[5] 郭 铌，王小平.遥感干旱应用技术进展及面临的技术问题与发展机遇[J].干旱气象，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] 高中灵，郑小坡，孙越君，等.利用地表温度与LAI的新型土壤湿度监测方法[J].光谱学与光谱分析，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，丁建丽，王高峰.基于地表温度-植被指数特征空间的区域土壤水分反演[J].中国沙漠，2012，32（1）：148-154.

[11] 张 喆，丁建丽，李 鑫，等. TVDI用于干旱區农业旱灾监测的适宜性[J].中国沙漠，2015，35（1）：220-227.

[12] 郭 铌，李栋梁，蔡晓军，等.1995 年中国西北东部特大干旱的气候诊断与卫星监测[J].干旱区地理，1997，20（3）：69-74.

[13] 丁 凤，徐涵秋.TM热波段图像的地表温度反演算法与实验分析[J].地球信息科学学报，2006，8（3）：125-130，135.

[14] 覃志豪，ZHANG M H，KARNIELI A，等.用陆地卫星TM6数据演算地表温度的单窗算法[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 峥，刘军志，等.Landsat 8数据地表温度反演算法对比[J].遥感学报，2015，19（3）：451-464.

[18] 徐涵秋.Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响[J].遥感学报，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] 杨 槐.从Landsat 8影像反演地表温度的劈窗算法研究[J].测绘地理信息，2014，39（4）：73-77.

[21] 张 飞，田 源，塔西普拉提·特依拜，等.基于TVDI的渭干河-库车河三角洲绿洲植被生长期干旱遥感监测研究[J].干旱区资源与环境，2014，28（6）：76-81.endprint