全 文 ：基于温度植被干旱指数的广东省旱情动态监测
王莺１，王劲松１，姚玉璧１，２，赵福年１
（１．中国气象局兰州干旱气象研究所 甘肃省干旱气候变化与减灾重点实验室 中国气象局干旱气候变化与
减灾重点开放实验室，甘肃 兰州７３００２０；２．甘肃省定西市气象局，甘肃 定西７４３００３）
摘要：广东省饱受季节性干旱的困扰，开展遥感旱情监测工作具有重要的现实意义。利用 ＭＯＤＩＳ数据构建温度植
被指数特征空间，采用线性拟合的方法提取干湿边，计算广东省２０１１年温度植被干旱指数（ＴＶＤＩ），以该指数为依
据分析了广东省旱情的时空分布，得到了以下主要结论：１）随着ＥＶＩ的增加，陆地表面最大温度减小，最大地表温
度和最小地表温度差值呈减小趋势，且地面温度的最大和最小值与ＥＶＩ呈近似线性关系。ＥＶＩＴＳ 特征空间的季
节变化明显，随着温度降低，ＥＶＩＴＳ 特征空间明显萎缩。随着年内温度的变化，ＥＶＩＴＳ 特征空间的干湿边截距也
发生相应变化，即冬季截距较小，夏季截距较大。２）２０１１年广东省的冬旱非常严重，春季和秋季也有一定程度的干
旱。其冬旱和春旱的地域分布相似，均呈现自北向南逐渐加重的趋势，且沿海地区重于内陆。秋旱的地区分布特
点与冬春旱相反，大致呈自南向北逐渐加重的趋势。结合广东省历史气象资料对干旱监测结果进行评价，结果表
明遥感监测结果与实际旱情较吻合。３）比较了ＴＶＤＩ与土壤湿度的相关性，结果表明ＴＶＤＩ可以体现土壤湿度状
况，两者呈负相关关系。将ＴＶＤＩ和主要气象因子做了相关性分析，从结果可以看出，ＴＶＤＩ与降水量、温度和相对
湿度间都呈负相关关系。从相关系数来看，ＴＶＤＩ与降水量之间的相关性最高。从气象站尺度来说，ＴＶＤＩ对降水
的变化是敏感的，即连续降水可导致ＴＶＤＩ值下降，旱情得到缓解；持续无降水可使ＴＶＤＩ值增加，旱情加重。
关键词：广东省；温度植被干旱指数（ＴＶＤＩ）；ＭＯＤＩＳ；ＥＶＩＴＳ 特征空间；旱情动态监测
中图分类号：Ｓ５０３．４；Ｓ１６５＋．２ 文献标识码：Ａ 文章编号：１００４５７５９（２０１４）０２００９８１０
犇犗犐：１０．１１６８６／ｃｙｘｂ２０１４０２１２
自有人类社会起，干旱就与其相伴相生，并阻碍着社会的进步与发展。作为一种复杂的自然灾害，干旱在每
一种气候区域内都有可能发生。据世界气象组织的报告，自１９６３年开始，干旱已经发展成为世界范围内影响最
为广泛的自然灾害［１］。中国是一个干旱灾害频发的国家。据统计，自２０世纪９０年代以来，我国因旱年均粮食损
失高达２７８亿ｋｇ，因旱年均工业损失超过２０００亿元，因旱年均饮水困难人口达２７４６万人［２］。更需要注意的是，
在近年来全球气候变暖的大背景下，我国年均气温升高，年降水量时空变异增大，极端天气气候事件增多，干旱区
域不断扩大，并有从干旱区向湿润区发展的趋势。
广东省地处我国华南地区，地势北高南低，属于亚热带季风气候区，是中国多雨地区之一。但是在季风、地理
和地质条件的多重因素影响下也饱受季节性干旱的困扰。据《中国气象灾害大典·广东卷》记录，１９５０年以来，
全省每年受旱面积在十几万至几十万公顷，干旱严重的年份受旱面积可超过１００万公顷，到９０年代止，全省２３０
多万公顷的耕地中，约２４％的耕地经常受旱。２００４年，广东省就发生了半个世纪以来最严重的农业旱灾，受灾面
积７２８０ｋｍ２，成灾面积３２００ｋｍ２，直接经济损失超过３５亿元［３］。王静爱等［４］分析了１９４９－２０００年中国旱灾动
态变化趋向的区域分异，发现广东省为旱灾增加区。随着社会经济的发展和城市化程度的不断提高，广东省对淡
水的需求量剧增，干旱在威胁着全省农业生产的同时，也越来越严重地影响到社会生活的各个方面。因此进行有
效的干旱监测可以帮助决策部门及时准确地了解旱情的时空分布及其变化特征，采取积极有效的防旱抗旱措施，
将干旱灾害带来的损失降到最低。
传统的干旱监测主要依靠位点尺度的土壤水分含量数据来表征研究区的干旱程度和范围，这种方法的单点
９８－１０７
２０１４年４月
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
第２３卷 第２期
Ｖｏｌ．２３，Ｎｏ．２
收稿日期：２０１３０５２７；改回日期：２０１３０６０９
基金项目：国家重点基础研究发展计划（２０１３ＣＢ４３０２００，２０１３ＣＢ４３０２０６），国家重大科学研究计划（２０１２ＣＢ９５５９０３），中国清洁发展机制基金项目
“面向适应的气候灾害风险评估与管理机制研究”和兰州干旱气象研究所博士科研启动项目（ＫＹＳ２０１２ＢＳＫＹＯ２）资助。
作者简介：王莺（１９８４），女，甘肃兰州人，助理研究员，博士。Ｅｍａｉｌ：ｗａｎｇｙｎ９２４＠ｇｍａｉｌ．ｃｏｍ
测量精度较高，但缺点是空间代表性差。近年来，空间遥感技术以其在时间和空间上可快速获得大面积地物光谱
信息的优势弥补了传统监测方法的不足，对实现干旱的动态监测具有十分重要的意义［５］。自２０世纪７０年代开
始，国内外对遥感监测土壤水分的方法开展了大量研究，应用较广泛的方法主要有热惯量法、热红外法、距平植被
指数法、作物缺水指数法、植被供水指数法等。热惯量法只适用于裸土或稀疏植被覆盖情况，若植被覆盖度大，热
惯量法对土壤水分的监测就会受到很大限制；归一化差值植被指数（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ，ＮＤ
ＶＩ）作为水分胁迫指标具有一定的滞后性［６８］；温度作为水分胁迫指标具有较高敏感性，但遥感获得的地表温度
数据受到土壤背景和植被覆盖的影响。２００２年，Ｓａｎｄｈｏｌｔ等［９］在简化的植被指数－地表温度特征空间的基础上
提出了温度植被干旱指数（ｔｅｍｐｅｒａｔｕｒｅｖｅｇｅｔａｔｉｏｎｄｒｙｎｅｓｓｉｎｄｅｘ，ＴＶＤＩ），该指数既考虑了区域内ＮＤＶＩ的变
化，又考虑了在ＮＤＶＩ相同情况下地表温度的变化，对区域农业旱情和地表土壤水分的监测效果得到了广大学
者的肯定［１０１６］。但是计算ＴＶＤＩ指数时用到的ＮＤＶＩ数据在植被覆盖度低的区域受到土壤背景的影响，在植被
覆盖度高的区域有饱和现象，且存在对大气影响的纠正不彻底、“最大值合成法”不能保证选择最佳像元等缺
点［１７］，而基于 ＭＯＤＩＳ数据的增强型植被指数（ｅｎｈａｎｃｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ，ＥＶＩ）在刻画高覆盖度植被方面比
ＮＤＶＩ更加敏感，且能有效抵御大气干扰，因此可以更好地描述区域植被在不同季节的差异［１８］。
基于上述原因，尝试采用 ＭＯＤＩＳ－ＥＶＩ与陆地表面温度相结合构建ＥＶＩＴＳ特征空间的方法开展广东省的
干旱动态监测，并结合野外实测土壤湿度数据对模型模拟结果做精度验证，评估该方法对广东省干旱监测工作的
适宜性，以期为广东省的防旱抗旱工作提供科技支撑。
１ 材料与方法
１．１ 研究区简介
广东省位于１０９°４０′～１１７°２０′Ｅ、２０°０８′～２５°３２′Ｎ之间，海岸线曲折绵长，境内山岭众多，其走向主要为东
北－西南方向，地势呈由北向南伸向海洋的斜坡，山地丘陵约占全境面积的２／３，台地平原占１／３（图１）。广东省
南北跨温带、亚热带和热带，年平均气温１９～２３℃，１月份平均气温１２～１６℃，热量资源十分丰富，不少经济作物
可以越冬。广东省濒临南海，年降水量１３００～２５００ｍｍ，居全国前列。但在季风、热带气旋和地形的作用下，该
地区热量和降水量在时空分配上不均匀，常有季节性的春旱、秋旱、冬春连旱和夏秋连旱。广东省的作物主要以
水稻（犗狉狔狕犪狊犪狋犻狏犪）为主，占粮食总产量的８０％以上，其抗旱能力低，对水分要求高，极易受旱成灾。
１．２ 遥感数据
在研究中使用的遥感数据为美国宇航局／中分辨率成像光谱辐射计（ＮａｔｉｏｎａｌＡｅｒｏｎａｕｔｉｃｓａｎｄＳｐａｃｅＡｄ
ｍｉｎｉｓｔｒａｔｉｏｎ／ＭｏｄｅｒａｔｅＲｅｓｏｌｕｔｉｏｎＩｍａｇｉｎｇＳｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ，ＮＡＳＡ／ＭＯＤＩＳ）陆地产品组按照统一算法开发
的２０１１年１６日最大合成产品 ＭＯＤ１３Ａ２（１０００ｍ×１０００ｍ）中的ＥＶＩ数据和８日最大合成产品 ＭＯＤ１１Ａ２
（１０００ｍ×１０００ｍ）中的ＬＳＴ（ＬａｎｄＳｕｒｆａｃｅＴｅｍｐｅｒａｔｕｒｅ）数据。以上数据在全球正弦曲线投影ＳＩＮ（ＳＩＮｕｓｏｉｄａｌ
ｐｒｏｊｅｃｔｉｏｎ）系统中的编号为ｈ２８ｖ０６，资料版本为５．０，数据格式为ＥＯＳ－ＨＤＦ。该数据可以从ｈｔｔｐ：／／ｒｅｖｅｒｂ．
ｅｃｈｏ．ｎａｓａ．ｇｏｖ／ｒｅｖｅｒｂ／网站下载。ＭＯＤ１３Ａ２数据包含 ＮＤＶＩ、ＥＶＩ、红光、近红外、中红外、蓝光波段反射率及
其他辅助信息，使用最新合成算法减小随观测角度变化和太阳－目标－传感器几何学因素引起的变化，用双向反
射分布函数（ＢＲＤＦ）模式将观测量订正到天顶角。ＭＯＤ１１Ａ２数据包含白天和夜间地表温度，其地表温度是用
３１和３２通道亮温线性组合的劈窗算法计算获取的，通道亮温值由辐射度与０．１Ｋ步长亮温的查找表来确定，发
射率是由 ＭＯＤＩＳ土地覆盖产品来确定［１９］。
在 ＭＲＴ（ｍｏｄｉｓｒｅｐｒｏｊｅｃｔｉｏｎｔｏｏｌ）软件中将ＥＯＳ－ＨＤＦ格式的 ＭＯＤＩＳ图像转成ＴＩＦＦ格式，并定义为大
地坐标 ＷＧＳ８４；然后在ＡｒｃＧＩＳ９．３中用ｄａｔａｍａｎａｇｅｍｅｎｔｔｏｏｌｓ将图像坐标系统转换为Ａｌｂｅｒｓ地图投影，并用
ｃｅｌｓｔａｔｉｓｔｉｃｓ工具对 ＭＯＤ１１Ａ２数据进行１６日最大值合成；最后在ｓｐａｔｉａｌａｎａｌｙｓｔｔｏｏｌｓ中用标准的广东省行政
边界掩膜提取研究区ＥＶＩ和ＬＳＴ数据。
１．３ 土壤湿度数据
广东省气象数据和土壤湿度数据分别来源于中国气象科学数据共享服务网（ｈｔｔｐ：／／ｃｄｃ．ｃｍａ．ｇｏｖ．ｃｎ／
９９第２３卷第２期 草业学报２０１４年
图１ 各站点位置图
犉犻犵．１ 犔狅犮犪狋犻狅狀狅犳狋犺犲狊狅犻犾犿狅犻狊狋狌狉犲狅犫狊犲狉狏犪狋犻狅狀狊犻狋犲狊犪狀犱犮犾犻犿犪狋犲狊狋犪狋犻狅狀狊
ｈｏｍｅ．ｄｏ）的《中国地面气候资料日值数据集》和《中国农作物生长发育和农田土壤湿度旬值数据集》。该数据集
包含了２０１１年广东省内３６个气象站点的日降水量和温度，以及１０个农气站观测的１０ｃｍ土壤相对湿度（图
１）。
１．４ ＭＯＤＩＳ－ＥＶＩ
ＭＯＤＩＳ－ＥＶＩ数据是综合处理土壤、大气饱和问题的增强型植被指数。它采用ＳＡＶＩ（ｓｏｉｌａｄｊｕｓｔｅｄｖｅｇｅｔａ
ｔｉｏｎｉｎｄｅｘ）对土壤背景影响进行了校正［２０］，除了“云处理”和大气校正处理外，还用 ＡＲＶＩ（ａｔｍｏｓｐｈｅｒｉｃａｌｙｒｅ
ｓｉｓｔａｎｔｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ）对残留气溶胶做了处理。ＥＶＩ就是通过参数构建的一个同时校正土壤和大气影响的植
被指数。ＭＯＤＩＳ－ＥＶＩ的合成算法是根据合成期１６ｄ内数据质量状况分４步逐步合成的，即当１６ｄ内超过
３０％的数据符合质量要求，则根据ＢＲＤＦ把不同视角换算为星下点反射值，分别计算植被指数，然后采用限定视
角内最大值原理合成；若１６ｄ内小于３０％且多于２ｄ的数据符合质量要求，选其中视角最小的２个植被指数，取
两者中最大值合成；若只有１ｄ无云，则直接使用这天的数据计算植被指数；若观测期内均有云，则取合成期所有
植被指数的最大值［２１］。其计算公式为：
犈犞犐＝２．５（ρＮＩＲ－ρＲｅｄ）／（ρＮＩＲ＋犮１ρＲｅｄ－犮２ρＢｌｕｅ＋犔） （１）
式（１）中，ρ为经大气校正的各波段（ＮＩＲ、Ｒｅｄ和Ｂｌｕｅ）的反射率，犔＝１为土壤调节参数，犮１ 和犮２ 是描述通过Ｂｌｕｅ
波段修正大气对Ｒｅｄ波段影响的参数，分别是６．０和７．５。
该数据在算法方面的改进为遥感定量研究奠定了良好的基础。王正兴等［１７１８］的研究发现，在南亚热带和热
带地区，ＥＶＩ与地表温度的线性关系明显高于ＮＤＶＩ，且对植被不同季相的变化反应更加灵敏。
１．５ ＴＶＤＩ计算方法
很多研究人员发现陆地表面温度（ＴＳ）和植被指数之间存在明显的负相关关系，这种关系与土壤湿度密切相
关［２２２３］。Ｃａｒｌｓｏｎ等［２４］和Ｐｒｉｃｅ［２５］发现若研究区植被覆盖包含裸土到全覆盖，土壤湿度包含极干旱到极湿润，则
以遥感资料获得的ＮＤＶＩ和ＴＳ数据的散点图呈三角形，而 Ｍｏｒａｎ等［２６］发现其表现为梯形。这就是 ＮＤＶＩＴＳ
特征空间（图２）。Ｓａｎｄｈｏｌｔ等［９］在研究土壤湿度时发现ＮＤＶＩＴＳ 特征空间中有很多等值线，于是提出了ＴＶＤＩ
指数，用以估算土壤表层水分状况，从而进行遥感干旱监测。
００１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．２
由于１．４中提到的ＥＶＩ的优势，所以应用ＥＶＩ来
图２ 犖犇犞犐犜犛特征空间
犉犻犵．２ 犐犾狌狊狋狉犪狋犻狅狀狅犳狊犻犿狆犾犻犳犻犲犱犖犇犞犐犜犛狊狆犪犮犲
替代ＮＤＶＩ建立ＥＶＩＴＳ 特征空间，进而构建 ＴＶＤＩ
指数。ＴＶＤＩ的计算见公式（２）：
犜犞犇犐＝（犜犛－犜犛ｍｉｎ）／（犜犛ｍａｘ－犜犛ｍｉｎ） （２）
式中，犜犞犇犐的取值在０～１之间，湿边的犜犞犇犐最小，
为０，土壤含水量接近田间持水量，干边的犜犞犇犐最
大，为１，土壤含水量接近萎蔫点；犜犛 是任意像元的地
表温度；犜犛ｍｉｎ是某一ＥＶＩ对应的最低地表温度，对应
ＥＶＩＴＳ空间的湿边；犜犛ｍａｘ是某一ＥＶＩ值对应的最高
地表温度，对应ＥＶＩＴＳ 空间的干边。犜犛ｍｉｎ和犜犛ｍａｘ的
拟合方程如下：
犜犛ｍｉｎ＝犪１＋犫１×犈犞犐 （３）
犜犛ｍａｘ＝犪２＋犫２×犈犞犐 （４）
式中，犪１、犫１ 是湿边拟合方程的系数，犪２、犫２ 是干边拟合方程的系数。
２ 结果与分析
２．１ 特征空间参数
提取广东省相同ＥＶＩ下不同像元对应的所有温度中的最大和最小陆地表面温度，然后通过ＥＶＩ和ＬＳＴ二
维散点图建立每１６ｄ１次的ＥＶＩＴＳ特征空间图（图３）。２０１１年共获得２３张ＥＶＩＴＳ 特征空间图，图３为其中
的４张。从图中可以看出，ＥＶＩＴＳ散点图有相似的分布特征，即随着ＥＶＩ的增加，陆地表面最大温度减小，最大
图３ 犈犞犐犜犛特征空间
犉犻犵．３ 犈犞犐犜犛狊狆犪犮犲
１０１第２３卷第２期 草业学报２０１４年
地表温度和最小地表温度差值呈减小趋势，且地面温
度的最大和最小值与ＥＶＩ呈近似线性关系。另外，
ＥＶＩＴＳ特征空间的季节变化也非常明显，随着温度降
低，ＥＶＩＴＳ 特征空间明显萎缩。和图２相比，若将湿
边描述成与ＥＶＩ轴平行的直线会给结果带来较大误
差，所以有必要对湿边进行线性拟合。
按照ＴＶＤＩ原理，当植被指数增加时，陆地表面最
大温度逐渐降低。这个假设基于植被指数与地表植被
覆盖度呈线性关系这一前提。但实际情况并非如
此［２７］。设ＥＶＩ的精度为０．０１，提取相应ＥＶＩ在特征
空间中的最大和最小陆地表面温度，并对特征空间进
行最优目视判读，回归拟合获得每个特征空间的干湿
边方程（表１），线性拟合结果经狋检验发现均达到０．０５
的显著性水平。从表中可以看出，ＥＶＩＴＳ特征空间干
边拟合的整体效果很好，平均拟合系数犚２＞０．８７；湿
边的拟合效果也比较好，平均拟合系数犚２＞０．５５。但
是在某些时段干湿边拟合精度仍比较低，造成这一现
象的主要原因是 ＭＯＤＩＳ产品存在的噪声会影响线性
拟合精度。
犪１ 和犪２ 是干湿边拟合方程的常数项，在特征空
间中是干湿边在犢 轴（地表温度）的截距。它代表了
裸土像元在水分充足（犪１）和水分匮乏（犪２）时的地表温
度值。从表１中可以看到，随着年内温度的变化，
ＥＶＩＴＳ特征空间的干湿边截距也发生相应变化，即冬
季截距较小，夏季截距较大。犫１ 和犫２ 为干湿边拟合方
程的斜率，其变化可以归因于蒸散［２８］、冠层传导度［２９］
和土壤湿度［３０］。在多重因素的影响下，犫１ 和犫２ 随时
间变化的规律性不明显。
表１ 犈犞犐犜犛特征空间干湿边方程
犜犪犫犾犲１ 犜犺犲犲狇狌犪狋犻狅狀狊狅犳狋犺犲犱狉狔犲犱犵犲犪狀犱
狑犲狋犲犱犵犲犳狅狉犈犞犐犜犛狊狆犪犮犲
日序数
Ｊｕｌｉａｎｄａｙ
干边方程
Ｄｒｙｅｄｇｅ
犚２ 湿边方程
Ｗｅｔｅｄｇｅ
犚２
１ 狔＝－９．３３狓＋２４．６８ ０．９２ 狔＝２２．７８狓＋０．３６ ０．９４
１７ 狔＝－１２．４６狓＋２４．８８ ０．８７ 狔＝５．３１狓＋４．６７ ０．４０
３３ 狔＝－２１．０３狓＋３２．９９ ０．９０ 狔＝３．９７狓＋１４．７９ ０．５１
４９ 狔＝－２１．１３狓＋３４．９５ ０．９１ 狔＝１７．４１狓＋１１．２９ ０．７４
６５ 狔＝－１６．８６狓＋３６．１６ ０．８６ 狔＝－４．３６狓＋１７．９８ ０．３５
８１ 狔＝－１６．３６狓＋３４．５５ ０．９５ 狔＝２４．２８狓＋９．７５ ０．８６
９７ 狔＝－３０．２４狓＋４３．５４ ０．９６ 狔＝－７．４１狓＋２５．３１ ０．７２
１１３ 狔＝－１９．５１狓＋４０．３５ ０．９２ 狔＝２．９５狓＋２０．９１ ０．４３
１２９ 狔＝－１４．２２狓＋３８．９６ ０．９２ 狔＝３．１１狓＋２０．９５ ０．３４
１４５ 狔＝－１５．５４狓＋４１．２０ ０．９３ 狔＝－４．６４狓＋２７．０４ ０．５１
１６１ 狔＝－４．０２狓＋３４．２１ ０．５０ 狔＝１２．０５狓＋１５．４３ ０．７６
１７７ 狔＝－１８．６６狓＋４２．７６ ０．９１ 狔＝３．６３狓＋２２．２４ ０．４０
１９３ 狔＝－１３．７８狓＋３９．２４ ０．９３ 狔＝２．３４狓＋２４．１９ ０．４２
２０９ 狔＝－１５．６７狓＋４０．７２ ０．９５ 狔＝３．２９狓＋２３．２８ ０．３４
２２５ 狔＝－１６．１０狓＋４１．１９ ０．９５ 狔＝３．２３狓＋２２．７８ ０．４４
２４１ 狔＝－１１．７５狓＋３８．１７ ０．９７ 狔＝７．７７狓＋２０．７４ ０．６１
２５７ 狔＝－１８．２４狓＋３９．８５ ０．９７ 狔＝４．２２狓＋２０．７１ ０．３８
２７３ 狔＝－１３．５４狓＋３５．２６ ０．９３ 狔＝６．７４狓＋１７．３８ ０．５８
２８９ 狔＝－１３．８１狓＋３４．４５ ０．９６ 狔＝５．２８狓＋１９．９７ ０．４２
３０５ 狔＝－１１．２６狓＋３３．５３ ０．９２ 狔＝６．０５狓＋１８．２６ ０．８２
３２１ 狔＝－５．６５狓＋２８．８０ ０．７７ 狔＝４．９６狓＋１７．９６ ０．４２
３３７ 狔＝－２．７３狓＋２３．７４ ０．４３ 狔＝３．０６狓＋１１．５０ ０．５８
３５３ 狔＝－４．１８狓＋２３．７５ ０．８７ 狔＝４．３２狓＋１０．８８ ０．６０
２．２ 旱情等级分布
根据表１获得的干湿边方程和公式（２），分别计算各时段的ＴＶＤＩ值。以ＴＶＤＩ值作为旱情分级指标，将旱
情分为５级，分别是湿润（０～０．２）、正常（０．２～０．４）、轻旱（０．４～０．６）、中旱（０．６～０．８）和重旱（０．８～１．０）。由此
可得２０１１年２３个时段１６ｄ的广东省旱情分布图（图４）。从图中可以看出，２０１１年广东省的冬旱非常严重，春
季和秋季也有一定程度的干旱。广东省冬旱和春旱的地区分布相似，均呈现自北向南逐渐加重的趋势，且沿海地
区重于内陆。秋旱的地区分布特点与冬春旱相反，大致呈自南向北逐渐加重的趋势。具体来看，１月，重旱区主
要位于广东省西南部的徐闻县、雷州市、湛江市、遂溪县、廉江市、吴川市、化州市、茂名市、电白县、高州市和阳西
县，还有阳东县和信宜市的大部分地区，以及广东省东部的海丰县、汕尾市、陆丰市、陆河县、惠来县、普宁市、潮阳
区、揭西县、揭阳市、揭东县、汕头市和澄海区。２月，广东西南部的重旱区仍然存在，同时广东北部的龙川县、兴
宁市和梅州市也发展成了重旱区。３月，重旱区主要分布在广东的东南沿海。４月，重旱区主要位于广东的西南
部和东部。５月中上旬，广东西南部的重旱区基本消失，而到了５月下旬，广东西南部化州市、廉江市、茂名市、电
白县、吴川市、湛江市、遂溪县、雷州市、徐闻县又出现重旱。６月，广东西南部的重旱范围向南推移。７月，广东西
南部的重旱范围进一步缩小。８月，广东西南部的重旱基本得到缓解，而广东中部和北部出现局部的重旱。９月
２０１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．２
和１０月，广东西南部、中偏东部和东部出现局部重旱。１１月，广东西南部又出现大面积重旱。１２月，重旱分布范
围在１１月的基础上有了明显扩大。
《中国气象灾害大典·广东卷》中记载，广东省的重春旱区位于雷州半岛、周江口一带及东南部沿海地区，而
雷州半岛南端春旱是固有的灾害现象；重秋旱区主要位于北部偏北及潮汕一带沿海地区；重冬春连旱区主要位于
西南部偏西地区和珠江口附近沿海地区。本文的监测结果与上述规律基本吻合。而《中国气象灾害年鉴（２０１２）》
中记载，广东省自２０１０年１０月１日至２０１１年４月２８日平均降水量为２２５．６ｍｍ，比常年同期偏少６１％，为历史
同期最少，持续偏少的降水导致广东出现了历史罕见的秋冬春连旱，而旱情从３月开始从粤东到粤西蔓延加剧。
本文的研究结果较准确的反映了上述记录。因此，可以应用 ＭＯＤＩＳ数据进行广东省旱情的动态监测，为防灾减
灾和灾后救援提供及时准确的基础资料。
图４ ２０１１年广东省旱情遥感监测分布
犉犻犵．４ 犜犺犲犱狉狅狌犵犺狋犱犻狊狋狉犻犫狌狋犻狅狀犿狅狀犻狋狅狉犲犱犫狔狉犲犿狅狋犲狊犲狀狊犻狀犵犻狀犌狌犪狀犵犱狅狀犵犻狀２０１１
２．３ ＴＶＤＩ与土壤湿度
图５ 犜犞犇犐与土壤湿度
犉犻犵．５ 犜犺犲狉犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀犜犞犇犐犪狀犱狊狅犻犾犿狅犻狊狋狌狉犲
提取和土壤湿度数据采集时间相近的相应像元
的ＴＶＤＩ数据，分析ＴＶＤＩ值与站点０～１０ｃｍ土壤
湿度间的相关性（图５）。从图中可以看出，ＴＶＤＩ和
土壤湿度间呈负相关关系，犚２ 为０．１６，经过狋检验
发现线性回归方程达到０．０１的显著性水平。即
ＴＶＤＩ值越高，土壤湿度越低。这一结论满足ＴＶ
ＤＩ值越接近１，土壤水分越少的原理。这进一步说
明ＴＶＤＩ可以反映广东省地表土壤水分状况，用该
指标做广东省旱情动态监测是可行的，具有应用价
值。
３０１第２３卷第２期 草业学报２０１４年
２．４ ＴＶＤＩ与气象因子
图６ 犜犞犇犐与气象因子
犉犻犵．６ 犜犺犲狉犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀犜犞犇犐犪狀犱
犿犲狋犲狅狉狅犾狅犵犻犮犪犾犳犪犮狋狅狉狊
在本研究中主要分析了降水量、平均温度和平均
相对湿度与相应像元的 ＴＶＤＩ值之间的相关性（图
６）。从图中可以看出，ＴＶＤＩ与降水量、温度和相对湿
度都呈负相关关系。说明随着降水量减少、温度降
低和平均相对湿度减小，ＴＶＤＩ值增加，广东省干旱程
度增加。经狋检验表明，方程达到０．０５的显著性水
平。从相关系数来看，ＴＶＤＩ与降水量之间的相关性
最高，犚２ 为０．３５，与平均温度间的相关性最低，犚２ 为
０．２１。因此，广东省旱情发展的主要影响因子是降水
量。
在气象站尺度上进一步分析了ＴＶＤＩ和降水量的
时间变化趋势。选择了 ２ 个站点，分 别 是 罗 定
（１１１．５７°Ｅ，２２．７７°Ｎ）和惠阳（１１４．４２°Ｅ，２３．０８°Ｎ）。
这两个站所在像元在２３幅图像中均有有效数据，降水
量有较明显差异，且分别位于广东省的西南和东北区，
具有地域代表性。从图７中可以看出，ＴＶＤＩ对降水
的变化是敏感的，在连续降水之后，土壤湿度增加，植
物受胁迫的情况得到缓解，ＴＶＤＩ值降低；当降水减
少，土壤湿度减小，植被生长受到胁迫，ＴＶＤＩ值增加。
从相关系数来看，罗定站的 ＴＶＤＩ和降水量间的犚２
为０．０３９６，惠阳站的 ＴＶＤＩ和降水量间的 犚２ 为
０．０１１８，均未通过显著性检验。出现这种情况的主要
原因是空间尺度的不同。ＴＶＤＩ的空间分辨率为１
ｋｍ，代表的是１ｋｍ２ 的地表干湿状况，而降水量数据
只代表气象站一个点的降水状况。但从图７中仍可以
看出，ＴＶＤＩ指数对降水是敏感的。
图７ 降水量与犜犞犇犐在站点尺度随时间变化关系图
犉犻犵．７ 犜狉犲狀犱狊狅犳狉犪犻狀犳犪犾犪狀犱犜犞犇犐犳狉狅犿狋犺犲狊狋犪狋犻狅狀狊犮犪犾犲
４０１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．２
３ 结论
通过建立ＥＶＩＴＳ特征空间算法，获得近似三角形的温度植被指数特征空间，然后采用线性拟合的方法提取
了干湿边，构建了广东省２０１１年的温度植被干旱指数ＴＶＤＩ，得到了以下主要结论。
１）随着ＥＶＩ的增加，陆地表面最大温度减小，最大地表温度和最小地表温度差值呈减小趋势，且地面温度的
最大和最小值与ＥＶＩ呈近似线性关系。ＥＶＩＴＳ 特征空间的季节变化也非常明显，随着温度降低，ＥＶＩＴＳ 特征
空间明显萎缩。随着年内温度的变化，ＥＶＩＴＳ特征空间的干湿边截距也发生相应变化，即冬季截距较小，夏季截
距较大。
２）以ＴＶＤＩ值作为旱情分级指标，建立广东省２０１１年旱情遥感监测图，从图中可以看出２０１１年广东省的冬
旱非常严重，春季和秋季也有一定程度的干旱。冬旱和春旱的地区分布相似，均呈现自北向南逐渐加重的趋势，
且沿海地区重于内陆。秋旱的地区分布特点与冬春旱相反，大致呈自南向北逐渐加重的趋势。结合广东省历史
气象资料对干旱监测结果进行评价，结果表明遥感监测结果与实际旱情较吻合，因此应用 ＭＯＤＩＳ数据构建
ＴＶＤＩ指数的方法可以用于广东省旱情动态监测。
３）比较ＴＶＤＩ与土壤湿度的相关性的结果表明，ＴＶＤＩ可以体现土壤湿度状况，两者呈负相关关系。从相关
分析结果可以看出，ＴＶＤＩ与降水量、温度和相对湿度间都呈负相关关系。从相关系数来看，ＴＶＤＩ与降水量之
间的相关性最高。在气象站尺度上ＴＶＤＩ对降水的变化最敏感。
从以上结论可以看出，ＴＶＤＩ是一种适用于大尺度的简单有效且物理意义明确的旱情动态监测方法，具有快
速、及时、宏观等优势。而利用ＥＶＩ代替ＮＤＶＩ建立ＥＶＩＴＳ 特征空间，既改善了ＮＤＶＩ的植被饱和、对大气纠
正不彻底等问题，也降低了土壤背景对植被指数的影响，使其更适宜于广东省的旱情监测与评估。因为定性反映
土壤湿度情况的干边和湿边拟合方程是由ＥＶＩＴＳ特征空间数据得到的，不需要其他辅助数据，所以在不同时间
和不同区域不具有可比性，且对边界的拟合具有一定的主观性。另外，在复杂地表和多变的气候环境条件下，遥
感影像的部分像元数值质量较差，从而影响特征空间干湿边线性拟合的精度，在今后的工作中也要注意加强对无
效像元分析剔除等方法的研究。
参考文献：
［１］ 李华朋，张树清，高自强，等．ＭＯＤＩＳ植被指数监测农业干旱的适宜性评价［Ｊ］．光谱学与光谱分析，２０１３，３３（３）：７５６
７６１．
［２］ 亚行技援中国干旱管理战略研究课题组．中国干旱灾害风险管理战略研究［Ｍ］．北京：中国水利水电出版社，２０１１：１２．
［３］ 高懋芳，张虹鸥，秦晓敏，等．广东省农业旱灾遥感监测［Ｊ］．国土资源遥感，２００８，（３）：９４９９．
［４］ 王静爱，孙恒，徐伟，等．近５０年中国旱灾的时空变化［Ｊ］．自然灾害学报，２００２，１１（２）：１６．
［５］ 李慧，王鹏新．基于ＴｅｒｒａＭＯＤＩＳ和ＮＯＡＡＡＶＨＲＲ数据的条件植被温度指数干旱监测及其对比分析［Ｊ］．干旱区资源与
环境，２０１３，２７（３）：６１６６．
［６］ 花立民．玛曲草原植被ＮＤＶＩ与气候和载畜量变化的关系分析［Ｊ］．草业学报，２０１２，２１（４）：２２４２３５．
［７］ 周伟，王倩，章超越，等．黑河上游草地ＮＤＶＩ时空变化规律及其对气候因子的响应分析［Ｊ］．草业学报，２０１３，２２（１）：１３８
１４７．
［８］ 王浩，李文龙，杜国祯，等．基于３Ｓ技术的甘南草地覆盖度动态变化研究［Ｊ］．草业学报，２０１２，２１（３）：２６３７．
［９］ ＳａｎｄｈｏｌｔＩ，ＲａｓｍｕｓｓｅｎＫ，ＡｎｄｅｒｓｅｎＪ．Ａｓｉｍｐｌｅｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｔｈｅｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ／ｖｅｇｅｔａｔｉｏｎｉｎｄｅｘｓｐａｃｅｆｏｒａｓｓｅｓｓ
ｍｅｎｔｏｆｓｕｒｆａｃｅｍｏｉｓｔｕｒｅｓｔａｔｕｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００２，７９（２）：２１３２２４．
［１０］ 冯蜀青，殷青军，肖建设，等．基于温度植被旱情指数的青海高寒区干旱遥感动态监测研究［Ｊ］．干旱地区农业研究，２００６，
２４（５）：１４１１４５．
［１１］ ＰａｔｅｌＮＲ，ＡｎａｐａｓｈｓｈａＲ，ＫｕｍａｒＳ，犲狋犪犾．ＡｓｓｅｓｓｉｎｇｐｏｔｅｎｔｉａｌｏｆＭＯＤＩＳｄｅｒｉｖｅｄｔｅｍｐｅｒａｔｕｒｅ／ｖｅｇｅｔａｔｉｏｎｃｏｎｄｉｔｉｏｎｉｎｄｅｘ
（ＴＶＤＩ）ｔｏｉｎｆｅｒｓｏｉｌｍｏｉｓｔｕｒｅｓｔａｔｕｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００９，３０（１）：２３３９．
［１２］ 齐述华，王长耀，牛铮．利用温度植被旱情指数 （ＴＶＤＩ）进行全国旱情监测研究［Ｊ］．遥感学报，２００３，７（５）：４２０４２７．
［１３］ ＧａｏＺ，ＧａｏＷ，ＣｈａｎｇＮＢ．Ｉｎｔｅｇｒａｔｉｎｇｔｅｍｐｅｒａｔｕｒｅｖｅｇｅｔａｔｉｏｎｄｒｙｎｅｓｓｉｎｄｅｘ（ＴＶＤＩ）ａｎｄｒｅｇｉｏｎａｌｗａｔｅｒｓｔｒｅｓｓｉｎｄｅｘ（ＲＷ
５０１第２３卷第２期 草业学报２０１４年
ＳＩ）ｆｏｒｄｒｏｕｇｈｔａｓｓｅｓｓｍｅｎｔｗｉｔｈｔｈｅａｉｄｏｆＬＡＮＤＳＡＴＴＭ／ＥＴＭ＋ｉｍａｇｅｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＥａｒｔｈＯｂｓｅｒ
ｖａｔｉｏｎａｎｄＧｅｏｉｎｆｏｒｍａｔｉｏｎ，２０１１，１３（３）：４９５５０３．
［１４］ 吴孟泉，崔伟宏，李景刚．温度植被干旱指数 （ＴＶＤＩ）在复杂山区干旱监测的应用研究［Ｊ］．干旱区地理，２００７，３０（１）：３０
３５．
［１５］ 赵莉荣，武伟，刘洪斌，等．基于温度植被干旱指数法的农业干旱研究［Ｊ］．西南师范大学学报（自然科学版），２００９，３４（２）：
８０８４．
［１６］ ＷａｎＺ，ＷａｎｇＰ，ＬｉＸ．ＵｓｉｎｇＭＯＤＩＳｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅａｎｄｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘｐｒｏｄｕｃｔｓｆｏｒｍｏｎｉ
ｔｏｒｉｎｇｄｒｏｕｇｈｔｉｎｔｈｅｓｏｕｔｈｅｒｎＧｒｅａｔＰｌａｉｎｓ［Ｊ］．ＵＳＡ，ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００４，２５（１）：６１７２．
［１７］ 王正兴，刘闯，ＨｕｅｔｅＡ．植被指数研究进展：从ＡＶＨＲＲＮＤＶＩ到 ＭＯＤＩＳＥＶＩ［Ｊ］．生态学报，２００３，２３（５）：９７９９８７．
［１８］ 王正兴，刘闯，陈文波，等．ＭＯＤＩＳ增强型植被指数ＥＶＩ与 ＮＤＶＩ初步比较［Ｊ］．武汉大学学报（信息科学版），２００６，
３１（５）：４０７４１０．
［１９］ ＷａｎＺ．ＭＯＤＩＳｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅｐｒｏｄｕｃｔｓｕｓｅｒｓ’ｇｕｉｄｅ［Ｚ］．ＩｎｓｔｉｔｕｔｅｆｏｒＣｏｍｐｕｔａｔｉｏｎａｌＥａｒｔｈＳｙｓｔｅｍＳｃｉｅｎｃｅ，Ｕｎｉ
ｖｅｒｓｉｔｙｏｆＣａｌｉｆｏｒｎｉａ，ＳａｎｔａＢａｒｂａｒａ，ＣＡ．ｈｔｔｐ：／／ｗｗｗ．ｉｃｅｓｓ．ｕｃｓｂ．ｅｄｕ／ｍｏｄｉｓ／ＬｓｔＵｓｒＧｕｉｄｅ／ｕｓｒｇｕｉｄｅ．ｈｔｍｌ，２００６．
［２０］ ＨｕｅｔｅＡＲ．Ａｓｏｉｌａｄｊｕｓｔｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ（ＳＡＶＩ）［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９８８，（２５）：２９５３０９．
［２１］ 李文梅，覃志豪，李文娟，等．ＭＯＤＩＳＮＤＶＩ与 ＭＯＤＩＳＥＶＩ的比较分析［Ｊ］．遥感信息，２０１０，６：７３７８．
［２２］ 李云鹏，司瑶冰，刘朋涛，等．基于空间信息的内蒙古农业干旱监测研究［Ｊ］．干旱区资源与环境，２０１１，２５（１１）：１２５１３１．
［２３］ 于敏，程明虎．基于ＮＤＶＩＴＳ 特征空间的黑龙江省干旱监测［Ｊ］．应用气象学报，２０１０，２１（２）：２２１２２８．
［２４］ ＣａｒｌｓｏｎＴＮ，ＧｉｌｉｅｓＲＲ，ＰｅｒｒｙＥＭ．ＡｍｅｔｈｏｄｔｏｍａｋｅｕｓｅｏｆｔｈｅｒｍａｌｉｎｆｒａｒｅｄｔｅｍｐｅｒａｔｕｒｅａｎｄＮＤＶＩｍｅａｓｕｒｅｍｅｎｔｓｔｏｉｎ
ｆｅｒｓｕｒｆａｃｅｓｏｉｌｗａｔｅｒｃｏｎｔｅｎｔａｎｄｆｒａｃｔｉｏｎａｌｖｅｇｅｔａｔｉｏｎｃｏｖｅｒ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇＲｅｖｉｅｗｓ，１９９４，９（１２）：４５５９．
［２５］ ＰｒｉｃｅＪＣ．Ｕｓｉｎｇｓｐａｔｉａｌｃｏｎｔｅｘｔｉｎｓａｔｅｌｉｔｅｄａｔａｔｏｉｎｆｅｒｒｅｇｉｏｎａｌｓｃａｌｅｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ［Ｊ］．ＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓ
ｉｎｇ，ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎ，１９９０，２８（５）：９４０９４８．
［２６］ ＭｏｒａｎＭＳ，ＣｌａｒｋｅＴＲ，ＩｎｏｕｅＹ，犲狋犪犾．Ｅｓｔｉｍａｔｉｎｇｃｒｏｐｗａｔｅｒｄｅｆｉｃｉｔｕｓｉｎｇｔｈｅｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｓｕｒｆａｃｅａｉｒｔｅｍｐｅｒａｔｕｒｅａｎｄ
ｓｐｅｃｔｒａｌｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９４，４９（３）：２４６２６３．
［２７］ 叶琦，赵萍，孙静．基于 ＭＯＤＩＳ／ＮＤＶＩ与ＥＶＩ的皖江流域植被覆盖比较分析［Ｊ］．长江流域资源与环境，２０１２，２１（３）：
３６１３６８．
［２８］ ＨｏｐｅＡＳ，ＰｅｔｚｏｌｄＤＥ，ＧｏｗａｒｄＳＮ，犲狋犪犾．Ｓｉｍｕｌａｔｉｎｇｃａｎｏｐｙｒｅｆｌｅｃｔａｎｃｅａｎｄｔｈｅｒｍａｌｉｎｆｒａｒｅｄｅｍｉｓｓｉｏｎｓｆｏｒｅｓｔｉｍａｔｉｎｇｅ
ｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ［Ｊ］．ＷａｔｅｒＲｅｓｏｕｒｃｅｓＢｕｌｅｔｉｎ，１９８７，２２（６）：１０１１１０１９．
［２９］ ＮｅｍａｎｉＲＲ，ＲｕｎｎｉｎｇＳ Ｗ．Ｅｓｔｉｍａｔｉｏｎｏｆｒｅｇｉｏｎａｌｓｕｒｆａｃｅｒｅｓｉｓｔａｎｃｅｔｏｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｆｒｏｍ ＮＤＶＩａｎｄｔｈｅｒｍａｌＩＲ
ＡＶＨＲＲｄａｔａ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｙ，１９８９，２８（４）：２７６２８４．
［３０］ ＣａｒｌｓｏｎＴ．Ａｎｏｖｅｒｖｉｅｗｏｆｔｈｅ“ｔｒｉａｎｇｌｅｍｅｔｈｏｄ”ｆｏｒｅｓｔｉｍａｔｉｎｇｓｕｒｆａｃｅｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎａｎｄｓｏｉｌｍｏｉｓｔｕｒｅｆｒｏｍｓａｔｅｌｉｔｅ
ｉｍａｇｅｒｙ［Ｊ］．Ｓｅｎｓｏｒｓ，２００７，７（８）：１６１２１６２９．
６０１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．２
犇狔狀犪犿犻犮犿狅狀犻狋狅狉犻狀犵狅犳犱狉狅狌犵犺狋犫犪狊犲犱狅狀犜犲犿狆犲狉犪狋狌狉犲犞犲犵犲狋犪狋犻狅狀犇狉狔狀犲狊狊犐狀犱犲狓犻狀犌狌犪狀犵犱狅狀犵犘狉狅狏犻狀犮犲
ＷＡＮＧＹｉｎｇ１，ＷＡＮＧＪｉｎｇｓｏｎｇ１，ＹＡＯＹｕｂｉ１，２，ＺＨＡＯＦｕｎｉａｎ１
（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｒｉｄＣｌｉｍａｔｉｃＣｈａｎｇｅａｎｄＲｅｄｕｃｉｎｇＤｉｓａｓｔｅｒｏｆＧａｎｓｕＰｒｏｖｉｎｃｅ，ＫｅｙＯｐｅｎ
ＬａｂｏｒａｔｏｒｙｏｆＡｒｉｄＣｈａｎｇｅａｎｄＤｉｓａｓｔｅｒＲｅｄｕｃｔｉｏｎｏｆＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＡｄｍｉｎｉｓｔｒａｔｉｏｎ，
ＩｎｓｔｉｔｕｔｅｏｆＡｒｉｄＭｅｔｅｏｒｏｌｏｇｙ，ＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＡｄｍｉｎｉｓｔｒａｔｉｏｎ，Ｌａｎｚｈｏｕ
７３００２０，Ｃｈｉｎａ；２．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＢｕｒｅａｕｏｆＤｉｎｇｘｉＣｉｔｙ，
Ｄｉｎｇｘｉ７４３００３，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：ＧｕａｎｇｄｏｎｇＰｒｏｖｉｎｃｅｈａｓｂｅｅｎｓｕｆｆｅｒｉｎｇｆｒｏｍｓｅａｓｏｎａｌｄｒｏｕｇｈｔａｎｄｔｈｅｄｙｎａｍｉｃｍｏｎｉｔｏｒｉｎｇｏｆｄｒｏｕｇｈｔ
ｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａｃｏｕｌｄｂｅａｎｉｍｐｏｒｔａｎｔｔｏｏｌ．ＴｈｅＥＶＩＴＳｓｐａｃｅｗａｓｃｏｎｓｔｒｕｃｔｅｄｂｙＭｏｄｅｒａｔｅＲｅｓｏｌｕｔｉｏｎ
ＩｍａｇｉｎｇＳｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ（ＭＯＤＩＳ）ｄａｔａ，ｔｈｅｄｒｙａｎｄｗｅｔｅｄｇｅｓｗｅｒｅｅｘｔｒａｃｔｅｄｗｉｔｈａｌｉｎｅａｒｆｉｔｔｉｎｇｍｅｔｈｏｄ
ａｎｄｔｈｅｎｔｈｅＴｅｍｐｅｒａｔｕｒｅＶｅｇｅｔａｔｉｏｎＤｒｙｎｅｓｓＩｎｄｅｘ（ＴＶＤＩ）ｗａｓｃａｌｃｕｌａｔｅｄｆｏｒＧｕａｎｇｄｏｎｇＰｒｏｖｉｎｃｅｉｎ２０１１
ａｎｄｔｈｅＴｅｍｐｏｒａｌｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｄｒｏｕｇｈｔｗａｓａｎａｌｙｚｅｄ．１）ＷｉｔｈａｎｉｎｃｒｅａｓｅｏｆｔｈｅＥｎｈａｎｃｅｄＶｅｇｅｔａｔｉｏｎ
Ｉｎｄｅｘ（ＥＶＩ），ｔｈｅｍａｘｉｍｕｍｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅｄｅｃｒｅａｓｅｄａｎｄｔｈｅｄｉｆｆｅｒｅｎｃｅｖａｌｕｅｂｅｔｗｅｅｎｔｈｅｍａｘｉｍｕｍ
ａｎｄｍｉｎｉｍｕｍｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅａｌｓｏｄｅｃｒｅａｓｅｄ．Ｔｈｅｍａｘｉｍｕｍａｎｄｍｉｎｉｍｕｍｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ
ｂｏｔｈｈａｄａｎａｐｐｒｏｘｉｍａｔｅｌｙｌｉｎｅａｒｒｅｌａｔｉｏｎｔｏｔｈｅＥＶＩ．ＴｈｅｓｅａｓｏｎａｌｖａｒｉａｔｉｏｎｏｆＥＶＩＴＳｓｐａｃｅｗａｓｏｂｖｉｏｕｓ．
Ｗｈｅｎｔｈｅｔｅｍｐｅｒａｔｕｒｅｄｅｃｒｅａｓｅｄ，ｔｈｅＥＶＩＴＳｓｐａｃｅｓｈｒａｎｋａｎｄｗｉｔｈａｃｈａｎｇｅｏｆｔｅｍｐｅｒａｔｕｒｅ，ｔｈｅｉｎｔｅｒｃｅｐｔｏｆ
ｔｈｅｄｒｙａｎｄｗｅｔｅｄｇｅｓｃｈａｎｇｅｄｃｏｒｒｅｓｐｏｎｄｉｎｇｌｙ，ｉ．ｅ．ｔｈｅｉｎｔｅｒｃｅｐｔｗａｓｓｍａｌｅｒｉｎｗｉｎｔｅｒａｎｄｂｉｇｇｅｒｉｎｓｕｍｍｅｒ．
２）Ｗｉｎｔｅｒｄｒｏｕｇｈｔｗａｓｖｅｒｙｓｅｒｉｏｕｓ，ｗｈｉｌｅｓｐｒｉｎｇａｎｄａｕｔｕｍｎｄｒｏｕｇｈｔｗｅｒｅａｌｓｏｓｅｒｉｏｕｓｔｏｓｏｍｅｄｅｇｒｅｅｉｎ
ＧｕａｎｇｄｏｎｇＰｒｏｖｉｎｃｅｉｎ２０１１．Ｔｈｅｄｒｏｕｇｈｔｉｎｗｉｎｔｅｒａｎｄｓｐｒｉｎｇｈａｄｓｉｍｉｌａｒｄｉｓｔｒｉｂｕｔｉｏｎａｒｅａｓ，ａｎｄｔｈｅｇｒａｄｅ
ｗｅａｋｅｎｅｄｇｒａｄｕａｌｙｆｒｏｍｓｏｕｔｈｔｏｎｏｒｔｈ．Ｔｈｅｄｒｏｕｇｈｔｉｎｃｏａｓｔａｌａｒｅａｓｗａｓｍｏｒｅｓｅｒｉｏｕｓｔｈａｎｉｎｉｎｌａｎｄａｒｅａｓ．
Ｔｈｅｇｅｏｇｒａｐｈｉｃａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆａｕｔｕｍｎｄｒｏｕｇｈｔａｐｐｒｏｘｉｍａｔｅｌｙｉｎｃｒｅａｓｅｄｆｒｏｍｓｏｕｔｈｔｏｎｏｒｔｈ，ｗｈｉｃｈｗａｓｔｈｅ
ｏｐｐｏｓｉｔｅｔｏｗｉｎｔｅｒａｎｄｓｐｒｉｎｇｄｒｏｕｇｈｔｓ．ＡｃｃｏｒｄｉｎｇｔｏｔｈｅｗｅａｔｈｅｒｄａｔａｉｎＧｕａｎｇｄｏｎｇＰｒｏｖｉｎｃｅ，ｔｈｅｒｅｓｕｌｔｓｏｆ
ｔｈｅｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇｗｅｒｅｉｎｃｏｎｆｏｒｍｉｔｙｗｉｔｈｒｅａｌｉｔｙ．３）Ｔｈｅｒｅｗａｓａｓｉｇｎｉｆｉｃａｎｔｎｅｇａｔｉｖｅ
ｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎＴＶＤＩａｎｄｓｏｉｌｍｏｉｓｔｕｒｅａｎｄｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｓｏｉｌｍｏｉｓｔｕｒｅｃａｎｂｅｓｕｃｃｅｓｓｆｕｌｙ
ｒｅｆｌｅｃｔｅｄｂｙｔｈｅＴＶＤＩｄａｔａ．ＴｈｅＴＶＤＩｗａｓｎｅｇａｔｉｖｅｌｙｃｏｒｒｅｌａｔｅｄｗｉｔｈｐｒｅｃｉｐｉｔａｔｉｏｎ，ｔｅｍｐｅｒａｔｕｒｅａｎｄｍｅａｎｒｅｌ
ａｔｉｖｅｈｕｍｉｄｉｔｙ．ＴＶＤＩｈａｄａｈｉｇｈｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｗｉｔｈｐｒｅｃｉｐｉｔａｔｉｏｎ．ＴＶＤＩｗａｓｓｅｎｓｉｔｉｖｅｔｏｐｒｅｃｉｐｉｔａｔｉｏｎ
ｏｎｔｈｅｓｔａｔｉｏｎｓｃａｌｅ，ｗｈｉｃｈｉｓａｓｉｍｉｌａｒｔｒｅｎｄｔｏｔｈｅｃｈａｎｇｅｏｆＴＶＤＩａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｔｈｅｔｉｍｅｓｅｒｉｅｓ．Ｃｏｎｔｉｎ
ｕｏｕｓｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒａｃｅｒｔａｉｎｔｉｍｅｗａｓｆｏｌｏｗｅｄｂｙａｄｅｃｌｉｎｅｉｎｔｈｅＴＶＤＩｗｈｉｃｈｉｎｄｉｃａｔｅｄｓｌｉｇｈｔｄｒｏｕｇｈｔｏｎｌｙ
ａｎｄｖｉｃｅｖｅｒｓａ．
犓犲狔狑狅狉犱狊：ＧｕａｎｇｄｏｎｇＰｒｏｖｉｎｃｅ；ＴｅｍｐｅｒａｔｕｒｅＶｅｇｅｔａｔｉｏｎＤｒｙｎｅｓｓＩｎｄｅｘ（ＴＶＤＩ）；ＭｏｄｅｒａｔｅＲｅｓｏｌｕｔｉｏｎＩｍａ
ｇｉｎｇＳｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ（ＭＯＤＩＳ）；ＥＶＩＴＳｓｐａｃｅ；ｄｙｎａｍｉｃｍｏｎｉｔｏｒｉｎｇｏｆｄｒｏｕｇｈｔ
７０１第２３卷第２期 草业学报２０１４年