干旱监测指数研究

干旱监测指数研究 3 侯英雨 1, 2, 33 3 　何延波 1 　柳钦火 2 　田国良 2 (1 国家气象中心 , 北京 100081; 2 中国科学院遥感应用研究所 , 北京 100101; 3 中国科学院研究生院 , 北京 100039) 摘　要 　日益严重的全球化干旱问题已经成为各国科学家和政府部门共同关注的热点 ,它 直接威胁着人类的生存环境。而干旱监测 ,尤其是遥感干旱监测 ,一直是科学界公认的难 题。本文对传统的干旱监测指数如帕尔默干旱指数、作物湿度指数、 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 降水指数、地表水 分供应指数的优缺点进行评述 ;将遥感干旱监测指数分成 2类 ,一类是基于地表反射率和 发射率的干旱监测指数 ;另一类是基于地表水和能量平衡模型的干旱监测指数 ,详细介绍 了这 2类干旱遥感监测指数的原理、方法以及适用范围. 对各种干旱监测指数存在的问题 以及干旱监测的发展趋势进行了探讨。 关键词 　干旱指数 ; 干旱监测方法 ; 遥感 中图分类号 　S423, TP79　文献标识码 　A　文章编号 　1000 - 4890 (2007) 06 - 0892 - 06 Research progress on drought ind ices. HOU Ying2yu1, 2, 3 , HE Yan2bo1 , L IU Q in2huo2 , TIAN Guo2liang2 (1 N ationa lM eteorolog ica l Cen ter, B eijing 100081, Ch ina; 2 Institu te of R em ote Sensing A pplica tion, Chinese A cadem y of Sciences, B eijing 100101, Ch ina; 3 Gradua te U n iversity of Chi2 nese A cadem y of Sciences, B eijing 100039, Ch ina) . Ch inese Journa l of Ecology, 2007, 26 (6) : 892 - 897. Abstract: Global drought disaster is increasingly severe, and becomes a hotpot which many sci2 entists and governments pay more attention to. This disaster has directly threatened our existent environment, but how to effectively detect and monitor its occurrence and evolvement on a global or continental scale is still an embarrassment for us. In this paper, the traditional drought indices such as Palmer D rought Severity Index ( PDSI) , Crop Moisture Index (CM I) , Standardized Pre2 cip itation Index ( SP I) and Surface W ater Supp ly Index ( SW SI) were reviewed, with their ad2 vantages and disadvantages analyzed. The drought indices based on remote sensing were divided into two classes, one was based on the reflectivity and em issivity of land surface, such asVegeta2 tion Condition Index (VC I) , Temperature Condition Index ( TC I) and Vegetation Temperature Condition Index (VTC I) , and the other was based on the energy balance model of land surface, such as soil heat inertia index, evaporative fraction index and crop water stress index. The mech2 anism s, methodologies, and app lication ranges of these drought indices in remote sensing monito2 ring were introduced, and the disadvantages and future development of different drought indices were discussed. Key words: drought index; drought monitoring method; remote sensing.3 国家自然科学基金资助项目 (40275035)。3 3 通讯作者 E2mail: yyhou@ cma. gov. cn 收稿日期 : 2006207215　　接受日期 : 20072022071　引 　言进入 20世纪以来 ,严重、频繁的干旱已经成为世界范围内最为严重的气候灾害之一 ,它直接阻碍了社会经济可持续发展。中国是一个受干旱灾害影响比较严重的国家 ,干旱半干旱面积占整个国土面 积的 1 /2左右。开展干旱的监测、预测与评估研究 ,具有重大现实意义。由于干旱成因及其影响的复杂性 ,要定义一个广泛接受的干旱概念是非常困难的(L i & Xiao, 1992)。李克让 (1999)根据干旱的成因把干旱归纳为气象干旱、农业干旱、水文干旱和社会经济干旱。基于干旱标准 ,干旱的强度和持续时间可以用一个干旱指数来表达 ,干旱指数是综合表征了地表 生态学杂志 Chinese Journal of Ecology　2007, 26 (6) : 892 - 897　　　　　　　　　　　　　 干湿状况的一个简单数值 (Narasimhan & Sriniva2 san, 2005)。目前应用广泛的干旱监测指数主要有 2类 :一类是基于地面气候数据的干旱指数 ,即传统 干旱监测指数 ,这些指数都是基于单点观测 ,很难反 映大面积的干旱状况 ;另一类是基于卫星遥感信息 的干旱监测指数 ,主要是应用多时相、多光谱、多角 度遥感数据从不同侧面定性或半定量地评价土壤水 分分布状况 ,具有范围广、空间分辨率高等优点。因 此 ,利用卫星遥感技术进行大范围的干旱监测对国 家有关部门宏观决策、指导农业生产及区域的可持 续发展具有重要意义。 2　传统干旱监测指数 211　帕尔默干旱指数 ( Palmer drought severity in2 dex, PDSI) PDSI是最重要的气象干旱指数之一 ,主要用来 评价异常湿润和异常干燥天气的持续时间。该指数 能反映干旱的成因、程度、持续时间 ,具有物理意义 明确、 资料 新概念英语资料下载李居明饿命改运学pdf成本会计期末资料社会工作导论资料工程结算所需资料清单 获取容易、参数计算简便等特点 ,因此被 大家广泛接受 ( Palmer, 1965; A lley, 1984; Akinrem i, 1996)。PDSI模型输入参数包括降水、温度、平均土 壤水分含量。计算过程如下 : 1 )通过输入的参数 , 利用一个简单的水分平衡模型可以计算得到水分平 衡各种组分 ,包括蒸发、土壤补充水分、径流和表层 失水量 ; 2)根据近 30年历史天气数据计算的各气 候常量 ,可以针对当前存在的天气条件计算一个气 候适宜降水量 ; 3)利用实际降水量与气候适宜降水 量的差值来计算降水亏缺 ; 4 )基于经验统计关系 , 利用降水亏缺计算 PDSI。 PDSI不但可以评价实时干旱分布状况 ,还可以 分析过去 100多年以来全球干旱演变规律 (Dai et a l. , 1998)。Dai等 ( 2004)利用 1870—2002年的全 球月 PDSI数据集分析了 PDSI与土壤湿度及全球变 暖的关系。 212　作物湿度指数 ( crop moisture index, CM I) 由降水亏缺计算得到 PDSI对监测长期干旱状 况是一个非常有用的指标。然而 ,农作物在关键生 长季节对短期的水分亏缺是高度受影响的 ,并且降 水亏缺的发生与土壤水分引起的农业干旱之间有一 个滞后时间。为此 , Palmer在 PDSI的基础上开发了 CM I作为监测短期农业干旱的指标 ( Palmer, 1968) , CM I主要是基于区域内每周或旬的平均温度和总降 水来计算 ,能快速反映农作物的土壤水分状况。 CM I已被美国农业部 (USDA )采用并在其《天气和 作物周报 》上作为短期作物水分需求指标发布 (W il2 hite & Glantz, 1985)。 213　标准降水指数 ( standardized p recip itation in2 dex, SP I) 近 20年 ,另一种气象干旱指数 ,即标准降水指 数 ( SP I) ,被广泛接受。 SP I是基于过去 3、6、9、12、 24或 48个月的降水总量的气象干旱指数。在计算 SP I的过程中 ,将实测的 3、6、9、12、24或 48个月的 降水总量首先拟合成γ概率分布 ,然后用高斯函数 将γ概率分布转换为标准正态分布 ,并给出每个时 间刻度上的 SP I值 ,并根据 SP I值来定义其干旱等 级程度 (McKee et a l. , 1993)。SP I的最大优点能够 在不同时间尺度上计算 ,可以提供干旱早期预警。 自 1994年来 , SP I被美国科罗多拉州作为干旱状况 的常规业务监测手段之一 (McKee et a l. , 1995)。 214　地表水分供应指数 ( surface water supp ly index, SW SI) SW SI是对 PDSI的一个补充 ,由 Shafer和 Dez2 man在 1982年 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 开发 ,用来监测美国科罗多拉州 地表湿度状况。 PDSI模型是主要基于地形相对均 一地区的地表湿度算法 ,它不考虑地形差异 ,也不考 虑地表积雪及其产生的径流。SW SI的目的是把水 文和气候特征耦合成一个综合的指数值。计算 SW 2 SI的主要输入参数有积雪当量、流量及流速、降雨 量、水库存储量。SW SI的最大优点是计算简单 ,能 够反映流域内的地表水分供应状况。由于 SW SI在 每个地区或流域的计算都不一样 ,因此流域之间或 地区之间的 SW SI缺乏可比性 ( Garen, 1993)。 3　基于卫星遥感的干旱监测指数 311　基于地表反射率和发射率的干旱指数 在过去 20年 ,人们常常利用卫星数据通过建立 不同的遥感模型来监测区域尺度的干旱状况 ,如植 被指数干旱监测模型 ( Gutman, 1990; 陈维英等 , 1994; Eklundh, 1996; Gosh, 1997)、地表温度干旱监 测模型 (McV icar & Jupp, 1998)、地表温度和植被指 数组合干旱监测模型 ( Kogan & Sullivan, 1993; Kogan, 1995, 1997, 1998; L iu & Kogan, 1996)等。这 些干旱遥感监测模型的主要因子是地表在可见光和 近红外波段的反射率以及从热红外波段反演的地表 温度。 这些干旱指数的前提假设是 :一个地区的植被 398侯英雨等 :干旱监测指数研究 状态是该地区环境状况的一个重要指标。在半干旱 地区 ,水分条件通常是植被生长发育的制约因素 ,因 此植被状态应该是水分胁迫是否发生和严重程度的 指示剂 (刘绿柳等 , 2006)。这些干旱指数的输入参 数主要包括可见光、近红外波段的反射率和地表温 度。关于不同植被指数和地表温度反演算法的评价 分析已做过总结 ( Gutman, 1991; Lep rieur et a l. , 1994)。 目前最为常用的遥感干旱指数有归一化植被指 数 ( normalized difference vegetation index, NDV I)、全 球环境监测指数 ( global environmental monitoring in2 dex, GEM I) ( Pinty & Verstraete, 1992)、植被状态指 数 ( vegetation condition index, VC I) 和温度状态指 数 ( temperature condition index, TC I) ( Kogan, 1997)、植被温度状态指数 ( vegetation temperature condition index, VTC I) (W ang et a l. , 2001; W an et a l. , 2004)等。 31111　植被状态指数和温度状态指数 　VC I的定 义如下 : VC I = NDV I - NDV Im in NDV Imax - NDV Im in 式中 , NDV Im in和 NDV Imax为同一像元 NDV I多年的最 大和最小值。NDV I为感兴趣年具体像元的 NDV I值。 Kogan (1990, 1997)根据不同地表覆盖类型多 年 NDV I变化情况对 NDV I进行了归一化 ,提出了 VC I,并经研究表明 VC I能够较好地反映降水动态 变化 ,可以作为植被受到环境胁迫程度的指标。L iu 和 Kogan (1996)认为 VC I不但能监测和跟踪区域干 旱 ,还能用来定量估算农作物产量。VC I试图从植 被变化里反映出的长期气候信号中分离出与短期天 气有关信号。从这个意义说 , VC I比 NDV I更能反 映水分胁迫状况 ( Kogan, 1993)。当然 , VC I对干旱 的响应度主要依靠植被指数与植被生长活力的关系 程度 ,也依靠用来计算 NDV I最大和最小值的遥感 数据的数量和质量。 TC I的定义与 VC I类似 ,具体公式如下 : TC I = Tsmax - Tso Tsmax - Tsm in TC I是基于植被冠层或土壤表面温度随着水分 胁迫的增加而增加的原理 ,与 VC I具有等同意义的 指示作用。VC I和 TC I都是无量纲的量 ,其变化范 围从 0到 1。0为水分胁迫最厉害的情况 , 1为水分 状况最好的情况。如果一个时期内既包含干的年份 又包含湿的年份并且植被生长主要与可得到的水分 有关 ,那么 VC I和 TC I将在水分胁迫监测中有着较 大的潜力。Ramesh等 (2003)利用 VC I和 TC I对印 度地区的干旱进行监测研究表明 ,组合 VC I和 TC I 不但能监测干旱 ,而且还能对渍涝进行监测。 31112　植被温度状态指数 　基于地表温度 ( land surface temperature, LST)与 NDV I散点图组成的梯 形空间 ,Moran等 (1994)提出了 V ITT ( vegetation in2 dex / temperature trapezoid)概念 ,并在此基础提出了 一个新的水分亏缺指数 (water deficit index, WD I)。 W ang等 (2001)在 LST和 NDV I组成的三角形特征 空间的基础上提出了利用植被温度状态指数 ( vege2 tation temperature condition index, VTC I)来监测区域 干旱。W an等 ( 2004)利用 EOS - MOD IS的 LST和 NDV I产品对 VTC I方法监测干旱进行了更进一步 的研究。 VTC I定义如下 : V TC I = LS TNDV Ii. max - LS TNDV Ii LS TNDV Ii. max - LS TNDV Ii. m in LS TNDV Ii. max = a1 + b1 ×DNV Ii LS TNDV Ii. m in = a2 + b2 ×NDV Ii 式中 , LS TNDV Ii. m in 和 LS TNDV Ii. max 分别为研究区域内具 有相同 NDV I值的像元的最低温度和最高温度 , LS TNDV Ii 为 NDV I值为 NDV Ii的一个像元的温度 ,系 数 a1、b1、a2、b2从 LST和 NDV I的散点图估算出来。 该方法要求研究区足够大而且土壤表层含水量 变化范围为凋萎含水量到田间持水量之间 ,适合于 研究某一特定年内某一时期干旱程度。VTC I取值 范围为 0—1,一般说 VTC I的值越小 ,干旱程度越严 重。关于 VTC I指数的干旱监测方法 ,国内也有不 少人做过这方面的应用研究工作 ,并取得了良好的 应用效果 (王鹏新等 , 2001;侯英雨等 , 2005)。 312　基于地表水和能量平衡模型的干旱指数 31211　土壤热惯量模型 　土壤热惯量是土壤热特 性的一种综合量度 ,它是土壤密度、热容量和热传导 系数的函数。土壤温度的分布与土壤的热特性有 关 ,而热特性又与土壤的含水量有关。因此土壤热 惯量是引起土壤表层温度变化的内在因素 ,与土壤 含水量密切相关。W aston等 ( 1971)最早开展了土 壤热模型应用研究工作 ,随后 Kahle ( 1977)提出了 热惯量概念模型。Rosema等 ( 1978)在此基础上提 出了热惯量的计算模式。Price等 ( 1980)在能量平 衡方程的基础上简化潜热蒸发 (散 )形式 ,引入地表 498 　　　　　　　　　　　　　　　　　　　　　　　　　　生态学杂志 　第 26卷 　第 6期 　 综合参量 B概念 (B为土壤辐射率 ,比热及温度等 气象要素的函数 ) ,并系统地描述了热惯量方法及 热惯量的遥感成像原理。隋洪智等 ( 1997)在考虑 地面因子和大气因子的情况下 ,进一步简化了能量 平衡方程 ,使直接利用卫星资料计算地表热特性参 数成为可能。田国良等 ( 1992)根据土壤水量平衡 原理 ,提出了一套利用遥感技术监测冬小麦干旱的 方法 ,即利用遥感方法建立试验区土壤表观热惯量 与土壤水分的经验统计关系 ,然后根据冬小麦需水 规律和土壤有效水分含量来定义干旱指数模型。具 体公式如下 : P = C (1 - A )ΔT0 式中 , P为热惯量 ,ΔT0 为昼夜温差 , A为全波段反射 率 , C为常数。 余涛和田国良 ( 1997 )从 Price等的研究出发 , 提出了一种求解土壤表层热惯量的简化方法 ———傅 立叶法。该方法具有良好的计算精度 ,被应用于华 北农业区域土壤水分监测。 31212　蒸发比指数 ( evaporative fraction, EF) 　地表 蒸散是地表水热平衡的重要组成部分 ,与土壤水分 紧密相关。作物蒸腾表征了整个作物生长过程的水 分平衡 (刘绍民和刘志辉 , 1998)。因此由那些能够 描述地表水分状况时空变化的特征物理量组成的指 数是比较适合于干旱监测的。 地表蒸发比指数 ( EF)定义如下 (N iemeyer & Vogt, 1998) : EF = λE (Rn - G) 即 : EF是潜热 (λE) 与地表可得到能量 (Rn - G) 的 比值。 地表能量平衡方程为 : Rn =λE + H + G 式中 , Rn为净辐射通量 ,λE为潜热通量 , H为显热通 量 , G为土壤热通量。 EF表明了地表可得到的能量中有多少可用来 蒸发。一般地 ,如果土壤水分充足 ,能量主要用于蒸 发 , EF接近 1;如果土壤水分含量很少或者没有 ,所 得到的能量将主要用来转换为感热 ,使地表和周围 温度升高 , EF接近 0。 31213　作物缺水指数 ( crop water stress index, CW 2 SI) 　CW SI是土壤水分的一个指度量指标。它是根 据水分能量平衡原理 ,在考虑土壤水分和农田蒸散 的基础上建立起来的 ,物理意义十分明确 ( Su et a l. , 2003)。利用热红外温度和常规气象资料来间 接监测植被条件下的土壤水分 ,是遥感监测土壤水 分的一种很重要的方法。作物缺水指数最初由 Jackson等 (1981)以能量平衡为基础提出来的 ,定义 如下 : CW S I = 1 - ET ETP 式中 , ET为实际蒸散 , ETP 为潜在蒸散。 田国良等 ( 1990)在中国科学院河南开封生态 实验站进行了大量的田间实验 ,证明了基于能量平 衡方程 ,利用卫星遥感数据和地面气象站资料估算 农田蒸散是可行的。并认为作物缺水指数 (CW SI) 与土壤水分含量有明显的相关关系 ,可以建立作物 土壤湿度与 CW SI的回归方程。申广荣等 (1998)在 GIS的支持下 ,通过对气象数据的最优插值 ,利用 NOAA - AVHRR卫星遥感数据计算了黄海平原地 区作物缺水指数。通过实测结果表明 , CW SI能够 达到准确、实时监测干旱的目的。刘安麟等 (2004) 从能量平衡原理出发 ,对作物缺水指数的计算过程 进行了简化 ,并利用简化的模型对陕西地区的干旱 进行了监测 ,取得满意的效果。 作物缺水指数以陆面过程为基础 ,物理意义明 确。从理论上说 ,利用作物缺水指数能够实现对干 旱的定量监测。但因涉及到许多农学和气象参数 , 完全意义上实现起来比较困难 ,有些参数只能取参 考值。模型的精度也取决于地面气象数据的代表性 以及遥感反演的地表参数的精度。遥感反演地表参 数需要知道地表特性 (植被冠层结构、反射率、土壤 特性、地形、坡度和粗糙度 )、大气状态 (温湿廓线、 水气压、风速和云量 )、卫星观测姿态等信息 ,而这 些信息有时很难获取。因此遥感反演地表参数的精 度目前还很难达到模型定量化计算的要求 ,在一定 程度上阻碍了模型的推广应用。 4　结 　语 传统的干旱指数虽然同化一些降水、土壤湿度 和水分供给等信息 ,但这些信息是由单点观测得到 , 因此基于气候数据的传统干旱监测指数缺乏空间代 表性。而且目前大多数气象干旱指数都只基于降水 或者降水和温度的组合 ,然而对于作物生长 ,根系区 可利用土壤水分总量比实际降水的亏盈更加关键。 遥感干旱监测方法经过近 20年的发展 ,取得了 598侯英雨等 :干旱监测指数研究 非常重要的研究成果 ,有些研究成果已经进入推广 应用 ,获得了巨大的社会效益和经济效益。但由于 干旱是一种非常复杂的自然现象 ,它的发生具有随 机性、地域性、隐蔽性和不易觉察等特点 ,给遥感干 旱监测带来许多不确定性的问题。这些问题涉及到 遥感参数反演的精确性、监测模型的可操作性、干旱 指数的可评价性等方面。 大多数基于植被指数的模型一般情况下只适合 植被覆盖度比较高的地区。对于稀疏植被或裸地 , 监测结果存在较大的偏差。另外 ,植被指数对干旱 的响应有一个滞后 ,在干旱的初期 ,很难通过植被指 数监测出来。 基于能量平衡方程推导出来的作物缺水指数 , 具有一定的物理意义 ,反映了土壤水分状况。一般 情况下 ,作物缺水指数小 ,表明土壤含水量高 ,作物 供水充分 ;作物缺水指数大 ,表明土壤水分亏缺 ,作 物受到水分胁迫。但干旱是一个相对概念 ,是针对 特定目标或特定区域来说的 ,如对作物来说 ,不同的 发育期 ,需水量是不同的。因此相同的缺水指数在 作物不同的发育期具有不同的意义。 近年来 ,人们更加清晰地认识到没有一种单独 的干旱指数完全适合于区域尺度干旱监测。因此 , 随着遥感和地理信息系统技术的不断发展 ,综合不 同干旱监测指数并结合水文模型、作物模型 ,建立适 合于多种不同地表类型的干旱监测指数也许是可行 的。 参考文献 陈维英 , 肖乾广 , 盛永伟. 1994. 距平植被指数在 1992年特 大干旱监测中的应用. 环境遥感 , 9 (3) : 12 - 18. 侯英雨 , 张佳华 , 何延波 , 等. 2005. 利用 EOS2MOD IS卫星 遥感数据监测西藏干旱. 山地学报 , 23 (增刊 ) : 118 - 123. 李克让 . 1999. 中国干旱灾害研究及减灾对策. 郑州 : 河南科 学技术出版社. 刘安麟 , 李星敏 , 何延波 ,等. 2004. 作物缺水指数法的简化 及在干旱遥感监测中的应用. 应用生态学报 , 15 ( 2 ) : 210 - 214. 刘绿柳 , 肖风劲. 2006. 黄河流域植被 NDV I与温度、降水关 系的时空变化. 生态学杂志 , 25 (5) : 471 - 596. 刘绍民 , 刘志辉. 1998. 作物农田蒸散计算模型的研究 . 生 态学杂志 , 17 (4) : 66 - 69. 隋洪智 , 田国良 , 李会琴. 1997. 农田蒸散双层模型及其在干 旱遥感监测中的应用. 遥感学报 , 1 (3) : 94 - 103. 田国良 , 杨希华 , 郑 　柯. 1992. 冬小麦旱情遥感监测模型研 究 .环境遥感 , 7 (2) : 83 - 89. 田国良 , 郑 　柯 , 李付琴 , 等. 1990. 用 NOAA2AVHRR数字 图像和地面气象站资料估算麦田的蒸散和土壤水分 / / 黄河流域典型地区遥感动态研究. 北京 : 科学出版社 : 161 - 175. 申广荣 , 田国良. 1998. 作物缺水指数监测旱情方法研究. 干 旱地区农业研究 , 16 (1) : 123 - 128. 王鹏新 , 龚健雅 , 李小文. 2001. 条件植被温度指数及其在 干旱监测中的应用. 武汉大学学报 (信息科学版 ) , 26: 412 - 418. 余 　涛 , 田国良. 1997. 热惯量法在监测土壤表层水分中的 应用研究. 遥感学报 , 1 (1) : 24 - 31. A lleyWM. 1984. The Palmer D rought Severity Index: L im ita2 tions and assump tions. Journal of C lim ate and A pplied M e2 teorology, 23 (7) : 100 - 1109. Akinrem i OO, McGinn SM. 1996. Evaluation of the Palmer drought index on the Canadian Prairies. Journa l of C li2 m ate, 9 (5) : 897 - 905. Dai A, Trenberth KE, Karl T. 1998. Global variations in droughts and wet spells: 1900 - 1995. Geophysica l Re2 search Letters, 25: 3367 - 3370. Dai A, Trenberth KE, Q ian T. 2004. A global data set of Palm2 er D rought Severity Index for 1870—2002: Relationship with soil moisture and effects of surface warm ing. Journa l of Hydrom eteorology, 5: 1117 - 1130. Eklundh L. 1998. Estimating relations between AVHRR NDV I and rainfall in East Africa at 102day and monthly time scales. In ternational Journa l of Rem ote Sensing, 19 ( 3 ) : 563 - 568. Garen DC. 1993. Revised Surface W ater Supp ly Index ( SW SI) for western United States. Journal of W ater Resources Plan2 ning and M anagem ent, 119 (4) : 437 - 454. Gosh TK. 1997. Investigation of drought through digital analysis of satellite data and geographic information system s. Theo2 retical and A pplied C lim atology, 58: 105 - 112. Gutman CG. 1990. Towards drought monitoring from space. Journal of C lim ate, 3: 282 - 295. Gutman CG. 1991. Vegetation indices from AVHRR: An up2 date and future p rospects. R em ote Sensing of Environm ent, 35: 121 - 136. Jackson RD, Idso SB. 1981. Canopy temperature as a crop wa2 ter stress indicator. W ater Resources Research, 17: 1133 - 1138. Kahle AB. 1977. A simp le thermal model of the earth surface for geologic mapp ing by remote sensing. Journal of Geo2 physical Research, 82: 1673 - 1680. Kogan FN. 1990. Remote sensing of weather impacts on vegeta2 tion in non2homogeneous areas. In ternationa l Journa l of Re2 m ote Sensing, 11: 1405 - 1419. Kogan FN, Sullivan J. 1993. Development of a global drought2 watch system using NOAA /AVHRR data. A dvances in Space Research, 13: 219 - 222. Kogan FN. 1995. App lication of vegetation index and brightness temperature for drought detection. A dvances in Space Re2 search, 15: 91 - 100. Kogan FN. 1997. Global drought watch from space. B ulletin of 698 　　　　　　　　　　　　　　　　　　　　　　　　　　生态学杂志 　第 26卷 　第 6期 　 the Am erican M eteorological Society, 78: 621 - 636. Kogan FN. 1998. A typ ical pattern of vegetation conditions in southern Africa during El N ino years detected from AVHRR data using three2channel numerical index. In terna tional Journal of Rem ote Sensing, 19: 3689 - 3695. Lep rieur C, Verstraete MN, Pinty B. 1994. Evaluation of the performance of various vegetation indices to retrieve vegeta2 tion cover from AVHRR data. R em ote Sensing Review s, 10: 265 - 284. L i SX, Xiao L. 1992. D istribution and management of dryland in the peop le republic of China. A dvances in Soil Sciences, 18: 147 - 302. L iu W T, Kogan FN. 1996. Monitoring regional drought using the vegetation condition index. In ternationa l Journa l of Re2 m ote Sensing, 17: 2761 - 2782. McKee TB, Doesken NJ, Kleist J. 1993. The relationship of drought frequency and duration to time scales/ / Proceeding of 8 th Conference on App lied Climatology. American Mete2 orological Society, Boston, Massachusetts: 179 - 184. McKee TB, Doeskin NJ, Kleist J. 1995. D rought monitoring with multip le time scales/ / Proceeding of 9 th Conference on App lied Climatology. American Meteorological Society, Boston, Massachusetts: 233 - 236. McV icar TR, Jupp DLB. 1998. The current and potential oper2 ational uses of remote sensing to aid decision on drought ex2 cep tional circum stance in Australia: A review. A gricu ltural System s, 57: 399 - 468. Moran MS, Clarke TR, Inoue U, et a l. 1994. Estimating crop water deficit using the relation of between surface2air tem2 perature and spectral vegetation index. Rem ote Sensing of Environm ent, 49: 246 - 263. N iemeyer S, Vogt JV. 1998. Towards monitoring drought condi2 tions in Sicily using an energy balance app roach / / Proceed2 ings 7 th International Conference for Computer Technology in Agriculture ( ICCTA) : Computer Technology in Agricul2 turalManagement and R isk Prevention. Published as Sup2 p lemento agli A tti dei Georgofili, Anno 2000, Florence, It2 aly: 459 - 466. PalmerWC. 1965. Meteorological drought. Research Paper 45. U. S. W ashington, DC: W eather Bureau. PalmerWC. 1968. Keep ing track of crop moisture conditions, nationwide: The new crop moisture index. W eatherw ise, 21 (4) : 156 - 161. Pinty B, Verstraete MM. 1992. GEM I: A non2linear index to monitor global vegetation from satellites. Plan t Ecology, 101: 15 - 20. Price JC. 1980. The potential of remotely sensed thermal infra2 red data to infer surface soil moisture and evaporation. W a2 ter R esources Research, 16 (4) : 787 - 795. Ramesh PS, Sudipa R, Kogan FN. 2003. Vegetation and tem2 perature condition indices from NOAA AVHRR data for drought monitoring over India. In terna tional Journal of Re2 m ote Sensing, 24: 4393 - 4402. Rosema A, B ijleveld JH, Reiniger P, et al. 1978. A combined surface temperature, soil moisture and evaporation mapp ing app roach / / Proceedings 12 th International Symposium on Remote Sensing of the Environment. Manilla, Philipp ines: 2267 - 2275. Shafer BA, Dezman LE. 1982. Development of a Surface W ater Supp ly Index ( SW SI) to assess the severity of drought con2 ditions in snowpack runoff areas/ / Proceedings of the W est2 ern Snow Conference, Colorado State University, Fort Col2 lins, Colorado: 164 - 175. Su ZB, Yacob A, W en J, et al. 2003. A ssessing relative soil moisture with remote sensing data: Theory, experimental validation and app lication to drought monitoring over the Northern China Plain. Physics and Chem istry of the Earth, 28: 89 - 101. W an Z, W ang P, L i X. 2004. U singMOD IS land surface tem2 perature and Normal D ifference Vegetation Index p roducts for monitoring drought in the southern Great Plains, USA. In ternationa l Journa l of Rem ote Sensing, 10: 61 - 72. W ang PX, L i XW , Gong JY, et al. 2001. Vegetation tempera2 ture condition index and its app lication for drought monito2 ring/ / Proceedings of International Geoscience and Remote Sensing Symposium. Sydney, Australia: 141 - 143. W atson K, Rowen LC, Offield TW. 1971. App lication of ther2 mal modeling in the geologic interp retation of IR images. Rem ote Sensing of Environm ent, 3: 2017 - 2041. W ilhite DA, GlantzMH. 1985. Understanding the drought phe2 nomenon: The role of definitions. W ater Internationa l, 10 (3) : 111 - 120. 作者简介 　侯英雨 , 男 , 1971年生 , 高级工程师 , 博士研究 生。主要从事生态环境与农业遥感应用研究。E2mail: yy2 hou@ cma. gov. cn 责任编辑 　李凤芹 798侯英雨等 :干旱监测指数研究