全 文 ：中国生态农业学报 2014年 10月 第 22卷 第 10期
Chinese Journal of Eco-Agriculture, Oct. 2014, 22(10): 1252−1258


* 国家自然科学基金项目(40971025)、河北省自然科学基金项目(D2013503039)和河北省科技支撑计划项目(14227407D)资助
李红军, 主要研究方向为定量遥感与信息农业。E-mail: lhj@sjziam.ac.cn
收稿日期: 2014−07−09 接受日期: 2014−08−05
DOI: 10.13930/j.cnki.cjea.140815
地表温度−植被指数特征空间时空尺度效应分析*
李红军 1 雷玉平 1 李春强 2 许 宁 3 成铁刚 3
(1. 中国科学院遗传与发育生物学研究所农业资源研究中心 石家庄 050022;
2. 河北省气象科学研究所 石家庄 050021; 3. 河北省农业技术推广总站 石家庄 050011)
摘 要 利用遥感技术构建的地表温度−植被指数特征空间法(以下简称特征空间法)综合了这两个参数特有
的生理生态意义, 被广泛应用于区域旱情监测与蒸散估算。但是受前期降雨的影响, 特征空间法的应用前提
(研究区域存在极端干旱地区)很难满足; 同时, 多空间分辨率遥感数据对地面极端湿润或干旱状况识别程度
不同, 增加了特征空间法应用的不确定性。为探索特征空间法的时空尺度效应, 本文利用 MODIS数据对降雨
后特征空间拟合边界的连续变化进行分析, 利用 Landsat 5 TM数据对不同空间分辨率下的特征空间参数及温
度−植被干旱指数(TVDI)的变化进行研究。结果表明: 拟合“干边”因受降雨影响, 与理论“干边”存在较大差异,
拟合“干边”的变化能够反映研究区域的墒情演变, 要提高特征空间法的估算精度, 必须正确对拟合“干边”在
裸地处(NDVI=0.1)的数值进行动态赋值。遥感数据空间分辨率的降低使得拟合“干边”与“湿边”偏离理论边界, 造
成特征空间向中间压缩, 导致 TVDI指数向极端干旱和极端湿润区偏移。任何不符合特征空间法应用前提的畸变
都可影响到最后的计算结果, 应该从机理上对这些畸变进行校正或避开, 特征空间法才能得到正确的应用。
关键词 特征空间法 时空尺度 TVDI 旱情监测 蒸散估算
中图分类号: TP79 文献标识码: A 文章编号: 1671-3990(2014)10-1252-07
Effects of spatial and temporal scale on the surface temperature-
vegetation index feature space
LI Hongjun1, LEI Yuping1, LI Chunqiang2, XU Ning3, CHENG Tiegang3
(1. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences,
Shijiazhuang 050022, China; 2. Meteorological Institute of Hebei Province, Shijiazhuang 050021, China; 3. Agricultural Technology
Extension Station of Hebei Province, Shijiazhuang 050011, China)
Abstract Surface temperature-vegetation index feature space (hereinafter to be referred as feature space method), constructed by
using remote sensing technology, combines these 2 components’ physiological and ecological functions and is widely used in
regional drought monitoring and evapotranspiration estimation. However, influenced by the antecedent precipitation, the premise of
the feature space method, i.e., the study area has extreme drought regions, is hard to satisfy. In addition, different spatial resolution
remote sensing data have different abilities to identify the extreme moist or drought condition of the soil. All these facts increase the
uncertainty of the feature space method. To explore the effects of spatial and temporal scale on the feature space method, this paper
analyzed the continuous changes of feature space fitting borders after the rain using MODIS data. The surface temperature and
Normalized Difference Vegetation Index (NDVI) retrieved by Landsat 5 TM data were interpolated into different resolution data,
feature space parameters and Temperature-Vegetation Drought Index (TVDI) obtained by these different resolution data were studied.
The results showed that the fitting dry edges were far from the theoretical ones because the influence of antecedent rainfall. The
continuous changes of the fitting dry edges were in accordance with the soil moisture evolution of the study area. To improve the
estimate precision of the feature space method, the value of fitting dry edge at the bare soil (where NDVI=0.1) should be assigned
correctly and dynamically. The decrease of the spatial resolution of remote sensing data made the fitting dry and wet edges more far
from the theoretical ones and the feature space compressed to the center. These led to some places be mistaken for more drought or
more moist. By this token, any discrepancy with the premise of the feature space caused error in the drought monitoring and evapotrans-
第 10期 李红军等: 地表温度−植被指数特征空间时空尺度效应分析 1253


piration estimation. The discrepancy should be corrected based on its mechanism and the demands of the feature space method.
Keywords Feature space method; Spatial and temporal scale; TVDI; Drought monitoring; Evapotranspiration estimation
(Received Jul. 9, 2014; accepted Aug. 5, 2014)
通过不断发展的遥感技术, 多种地表参数得到
反演, 这为陆面水热过程的分布式研究提供了数据
支撑, 促进了相关模型的研发。在区域旱情监测与
蒸散估算方面, 地表温度−植被指数特征空间法(以
下简称特征空间法)得到了广泛应用。该方法最早由
Goward 等[1]提出, 它仅利用地表温度与植被指数组
合空间的生理生态信息就可反演获得区域的旱情分
布, 并能估算区域蒸散, 在模型原理与计算方法上
比较直观, 不需要对地表温度的高精度反演, 并且
避免了对空气动力学阻抗的复杂计算 [2], 因而成为
旱情监测与蒸散估算的主流方法之一。Sandholt等[3]
基于地表温度与植被指数形成的三角空间提出了温
度−植被干旱指数 (Temperature-Vegetation Drought
Index, TVDI)并将其用于区域土壤墒情的诊断。该指
数得到广泛采用, 如齐述华等[4]利用 TVDI对中国的
旱情进行了监测研究, Moran等[5]利用该空间设计了
水分亏缺指数(Water Deficit Index, WDI)用于反演土
壤和植被的水分亏缺, Jiang等[6]、Simon等[7]、舒云
巧等 [8]将地表温度−植被指数特征空间与 Priestley-
Taylor公式相结合, 采用了 2步插值法对参数φ进行
求解, 从而估算各像素的蒸散。
特征空间法的应用必须满足下列假设: 研究区
域存在所有土壤墒情状况和植被覆盖状况, 即从极
度干旱到完全湿润以及从裸地到完全植被覆盖[9]。
因此, 许多研究者在应用该方法时力求研究区域足
够大以便满足上述假设, 从而能够拟合获得接近于
理论上的“干边”与“湿边”。但这个假设往往很难满
足, 特别是受前期降雨的影响, 即使是裸地也并不
是完全干旱, 导致拟合的“干边”与理论“干边”存在
很大差异, 如果利用区域不同植被覆盖度下的最高
地表温度拟合获得的“干边”被赋予最大干旱值, 将
很难准确反映降雨发生后区域的旱情演变。同时区
域过大会造成地表辐射差异显著, 结果影响到该方
法的估算精度。
特征空间法在利用多源遥感数据时同样会产生
尺度问题。不同空间分辨率的遥感影像使得地表上
的植被和温度信息不同程度地被混合, 降低了对极
端干旱和极端湿润地块的识别 , 从而影响到对“干
边”和“湿边”拟合。在景观生态学研究中, 空间粒度(最
小可辨识单元)的变化会造成景观格局指数中斑块密
度、景观形状指数、景观聚集度的规律性变化[10−11], 而
在特征空间法的应用中, 对于不同空间分辨率遥感
数据所造成影响的研究则鲜见报道。
针对特征空间法应用中存在的上述时空尺度效应
问题, 本研究通过对同一研究区在降雨发生后特征
空间的连续变化, 以及不同空间分辨率遥感影像下
特征空间边界变化的分析, 探讨特征空间法时空尺度
效应产生的机理以及对旱情监测与蒸散估算的影响,
以期为该方法的改进与估算精度的提高提供依据。
1 资料与方法
本研究以河北平原(113.97°~117.84°E, 36.01°~
39.60°N)作为研究区域。该区域西到太行山麓, 东到
渤海, 地势平坦, 属于大陆季风半干旱半湿润气候,
是我国最主要的粮食产区之一。
1.1 资料来源
气象数据来自河北省气象科学研究所。根据气
象资料显示, 2011年 5月 7日至 10日河北平原为连
续阴雨, 之后为连续晴天。为了分析降雨发生后特
征空间法的时间效应即拟合“干边”与“湿边”随时间
的演变, 本研究采用该时段的MODIS数据的每日地
表温度产品 MOD11A1以及 16 d合成的归一化植被
指数(NDVI)产品 MOD13A2。其中, NDVI产品采用
时间相距最近的 5 月 9 日的数据并假设研究期间地
表的植被变化可以忽略。2010年 6月 21日 Landsat 5
TM 数据被用于研究遥感影像空间分辨率对特征空
间法的影响。
1.2 温度−植被指数特征空间法
有诸多的文献对特征空间法的原理及算法进行
了描述, 本文仅对其在时空尺度上的不确定性进行
分析。特征空间法的示意图如图 1所示。图中 A、B、
C、D分别代表研究区域内的 4个理论极端点: 极干
旱裸地、极干旱完全植被覆盖区、极湿润裸地和极
湿润完全植被覆盖区。边界 AB 和 CD 则分别为理
论上的“干边”和“湿边”。对于观测“湿边”的确定, 研
究者们提出了几种方法可供选择: NDVI>0的最低地
表温度(NDVI>0 可剔除水体、云及其阴影)[6], 卫星过
境时刻的空气温度[13], 内陆水体的平均遥感温度[14],
灌溉后的农田表面温度[15]等。从地表能量平衡的角
度, 如果忽略平流的影响, 极湿润点的感热应该为
0, 即地表温度等于空气温度。鉴于本研究区域内存
在大量湿地与灌溉农田, 而卫星过境时刻的精确空
气温度又很难获得, 采用 NDVI>0 的最低地表温度
作为“湿边”, 从而最大程度地接近理论“湿边”。
1254 中国生态农业学报 2014 第 22卷



图 1 地表温度−植被指数特征空间示意图
(据 Long等[12]修改)
Fig. 1 A sketch of the surface temperature-vegetation index
space (redraw from Long et al. [12])
特征空间法的不确定性主要集中在“干边”。由
于研究区域内不同植被覆盖下的土地不一定都存在
极端干旱的状态, 因此利用其最高地表温度拟合获
得的“干边”FH 往往与理论“干边”AB 存在差异。
Carlson[16]认为特征空间内均匀分布着土壤湿度的
等值线, 且与“干边”非均匀相交, 因此, 观测“干边”
上的干旱指数并不相等, 可通过非线性插值方法获
得。以蒸散计算中“干边”上参数φ的求解为例, 其插
值公式为[7−8]:
2
min
,min max
max min
NDVI NDVI
NDVI NDVI
i
iφ φ ⎡ ⎤−= ⎢ ⎥−⎣ ⎦ (1)
式中: ,miniφ 为拟合“干边”在 NDVIi 处的φ值, maxφ
为“湿边”上对应的 φ 值(1.26), NDVImin 为裸地植被
指数(0.1), NDVImax为最大植被指数(0.9)。笔者认为
由于研究区域内土壤墒情千变万化, 拟合获得的“干
边”是对其最干旱状况的反映, 其斜率也会随旱情而
变化, 与“湿边”的交点 E 不一定是观测到的最大植
被指数 , 因此 , 使用观测“干边”与“湿边”交叉处的
NDVI 作为 NDVImax 更为合理。同时, 该方法默认
NDVImin 处(裸地)拟合“干边”的φ值为 0, 如果存在
前期降雨的影响, 则会因其大于零而导致误差, 具
体分析见后文。
在获得拟合“干边”与“湿边”并对其参数化以后,
空间内的任一点 G(NDVIi, Ti)可利用地表温度线性插
值获得, 仍以参数φ的求解为例, 其插值公式为[7,8]:
( ),max max ,min ,min
,max ,min
i i
i i i
i i
T T
T T
φ φ φ φ−= − +− (2)
式中: iφ 为空间任一点处的 φ值, ,maxiT 、 ,miniT 分别
为 NIDVi处对应拟合“干边”和“湿边”的温度。
1.3 时空效应分析方法
特征空间法的关键是“干边”与“湿边”的确定以
及对边界属性值(如: 干旱指数、蒸散)的正确定义,
而研究区域时空尺度的变化会造成这 2 个边界的变
动。对于时间尺度即区域旱情逐日变化对特征空间
的影响, 本研究利用MODIS的地表温度与 NDVI数
据对其逐日的特征空间进行拟合, 分析降雨后旱情
演变与拟合边界变动之间的关系; 对于空间尺度影
响的研究, 则利用高空间分辨率的 Landsat 5 TM数
据, 将反演获得的 NDVI 与地表温度插值成空间分
辨率分别为 60 m、120 m、180 m、⋯、1 020 m, 对
不同分辨率下的特征空间边界进行分析, 探讨空间
粒度变化对特征空间的影响。
对于特征空间法中“干边”的拟合, 本研究采用
NDVI 为 0.01 的间隔分别查找各间隔内的最高地表
温度, 通过线性拟合获得。关于利用 Landsat 5 TM
数据计算地表温度与 NDVI 的算法参考 Allen 等[17]
和 Tasumi等[18]的文献, 本文不再重述。
2 结果与分析
2.1 特征空间法的时间尺度效应
据气象资料显示, 2011年 5月 7—10日间的日降
水量分别为 9.91 mm、15.24 mm、10.16 mm和 0.25 mm,
之后是连续晴天。从土壤水平衡的角度可知, 连续
的降雨使得整个河北平原不同植被覆盖下的土壤处
于湿润状态, 从 5月 11日(DOY131)开始随着逐日蒸
散耗水, 土壤含水量逐渐减小, 限制了地表蒸发和
作物蒸腾。从地表能量平衡的角度可知, 如果降雨
使得土壤非常湿润, 蒸散将处于潜在蒸散水平, 感
热通量会很小甚至是 0, 这时的冠层温度接近于空
气温度; 随着旱情的加剧, 用于蒸散的潜热越来越
少 , 相应地 , 感热通量得到增加 , 地表温度将会升
高。图 2为河北平原降雨后连续 6 d内其地表温度−
植被指数特征空间拟合 “干边 ”的连续变化图。
DOY131 的拟合“干边”温度最低, 位于连续 6 d“干
边”的最下方; 其次是 DOY132 的“干边”; DOY133
的“干边”异常偏高 , 位于这 6 个“干边”的最上方;
DOY134 的 “干边 ”高于 DOY132 低于 DOY135;
DOY136 的“干边”与 DOY135 的几乎重叠。整体看
来, 除 DOY133外, “干边”的温度值呈逐日升高的趋
势, 说明河北平原的土壤含水量在逐日降低, 感热
通量的分配比例逐日加大。DOY131 是连续降雨后
的第一个晴天, 但该天拟合“干边”上的温度大于“湿
边”的温度(图 3), 说明区域降雨不均造成了土壤墒
情的差异 , 并不是所有地表均处于潜在蒸散的水
平。连续 4 d 的降雨使得河北平原的土壤处于不同
的湿润状态, 如果将 TVDI 定义为公式(3)的形式,
则降雨后连续 6 d的 TVDI值均是从 0到 1, 且 1表
示极端干旱。显然这种 TVDI 计算方法很不合理。
第 10期 李红军等: 地表温度−植被指数特征空间时空尺度效应分析 1255


首先, 受降雨影响, 研究区域无法满足特征空间法
的假设, DOY131的拟合“干边”与理论“干边”差距最
大; 其次, 图 2拟合“干边”温度的逐渐升高说明区域
旱情是逐日加剧的, 如果按公式(3)计算逐天的干旱
指数, 则无法正确反映区域旱情的逐日演变。
,min
,max ,min
TVDI i i
i i
T T
T T
−= − (3)
图 3为降雨后连续 6 d内拟合“干边”上的最高温
度(裸地, NDVI=0.1)及“湿边”的温度。5 月 13 日
(DOY132)气温异常偏高 , 造成该天拟合“干边”与
“湿边”的温度值偏高。其他 5 d“湿边”的温度几乎相
等, 相差不到 1 K, 说明研究区域内一直存在完全湿
润的区域, 拟合“湿边”接近于理论“湿边”。拟合“干
边”上裸地的温度存在逐日升高的趋势, 显示其旱情
在逐渐加剧。

图 2 特征空间法中拟合“干边”受区域旱情逐日变化图
Fig. 2 Changes of fitting dry edges caused by the continuous
drought evolution

图 3 连续 6 d内特征空间拟合“干边”最高温度及
“湿边”温度的变化
Fig. 3 Changes of the highest temperature on the dry edge and
the temperature of wet edge during 6 consecutive days
由于降雨的影响, 即使研究区域非常大, 特征
空间法应用的前提假设也很难满足。图 2 中雨后拟
合“干边”的连续变化反映了区域旱情的演变。要正
确应用特征空间法, 关键是对拟合“干边”进行科学
的动态定义。拟合“干边”与“湿边”在交点上数值相
同, 因此, 问题就归结为如何动态地对拟合“干边”
在裸地处(NDVI=0.1)的数值进行动态的赋值, 从而
才能正确反映区域旱情的演变, 并能正确地计算其
蒸散。
2.2 特征空间法的空间尺度效应
Landsat 5 TM 数据具有较高的空间分辨率, 而
MODIS数据具有较好的时间分辨率, 因此 2种数据
被广泛用于遥感监测。二者在空间分辨率上相差较
大, 空间粒度的不同影响到对地表植被指数与温度
信息的识别, 进而影响到对“干边”和“湿边”的拟合,
对于将其应用于特征空间法时的区别与注意事项
则很少有人研究。本研究利用 2010 年 6 月 21 日
Landsat 5 TM 数据反演获得的 NDVI 与地表温度,
然后将其插值成不同空间分辨率的数据, 利用不同
空间分辨率的 NDVI与表面温度分别对特征空间法
中的“干边”和“湿边”进行拟合, 图 4 显示了遥感数
据空间分辨率对特征空间法中“干边”与“湿边”拟合
的影响。
空间分辨率的降低对地表信息起到了混合、平
均的作用。图 4中遥感数据的空间分辨率由 60 m逐
渐变成 1 020 m, “干边”最高温度表现为急剧降低,
由最高的 336.27 K变为 331.27 K, 空间分辨率的变
化使得温度降低 5 K。“干边”最低温度虽然也存在降
低现象, 但不如“干边”最高温度那样规律性下降。
“湿边”温度随空间分辨率的降低呈线性上升, 前后
相差 6.43 K。相应地, “干边”与“湿边”的交点也发生
了变化, 交点处的 NDVI值由 1.18变为 0.68。可见,
遥感数据空间分辨率的降低显著地影响到对极端干
旱与极端湿润地表的识别, 遥感像元的过度混合使
得研究区域内很难存在极端干旱或极端湿润的纯像
元, 这样在应用特征空间法时将无法拟合获得与理
论“干边”和“湿边”接近的边界, 即使是研究区域满
足其前提假设, 存在极端干旱和极端湿润的地表。
利用不同空间分辨率的 NDVI 及相应的地表温
度对 TVDI进行计算, 图 5对不同 TVDI的分布频率
进行了比较, 显示其存在较大差异。在频率分布上,
60 m空间分辨率的 TVDI较其他结果明显偏向于左
侧, 中值偏多且变幅较小, 说明 TVDI数值整体偏小,
极端干旱和极端湿润的像素很少。随着空间分辨率
的降低, TVDI 的中值部分被明显压缩, 两端的极值
部分逐渐增多, 这与其拟合“干边”与“湿边”的变化
相关。如前所述, 随着空间分辨率的降低, “干边”温
度下降, “湿边”温度上升, 特征空间被逐渐压缩, 因
而其 TVDI向 2个极端数值区偏移, 干旱和湿润像素
增多。
1256 中国生态农业学报 2014 第 22卷



图 4 不同空间分辨率下特征空间法中相关参数的变化
Fig. 4 Changes of parameters in the feature space caused be the changes of resolution

图 5 不同空间分辨率遥感数据获得的 TVDI分布频率图
Fig. 5 Distribution frequency of TVDI retrieved with remote sensing data of different resolutions
由此可知, 在将特征空间法应用于低空间分辨
率遥感数据时, 拟合边界存在很大的不确定性, 容
易造成干旱指数与蒸散估算的误差。我们在特征空
间法中利用低空间分辨率遥感数据时(如 MODIS、
NOAA), 要特别注意研究区域土地利用 /覆盖的空
间均匀性, 以确保存在极端条件的纯像元, 或根据
像元的混合程度, 对拟合获得的“干边”与“湿边”进
行正确的边界赋值, 而后者很难做到。鉴于在研究
区域内很难找到 1 km2 的极端湿润的纯像元, 在使
用 MODIS数据时, “湿边”最好采用卫星过境时刻的
空气温度, 而对于拟合“干边”上裸地处的赋值, 则
需要根据当时当地的情况(主要是受前期降雨的影
响), 赋予相应的合理数值。
3 讨论与结论
特征空间法物理意义明确, 计算方法简单, 只
需要少量辅助数据即可对区域旱情和蒸散进行估算,
因而得到广泛应用。但该方法要求研究区域的土壤
墒情变化从极端干旱到极端湿润、土地植被覆盖从
裸地到完全覆盖的所有类型。由于上述前提假设有
时难以满足, 同时不同空间分辨率遥感数据对极端
墒情状况的识别程度不同, 造成特征空间法在应用
中受到一定的时空尺度影响。本研究对降雨发生后
地表温度−植被指数特征空间拟合“干边”与“湿边”
的连续变化进行了分析, 认为拟合“干边”与理论“干
边”相差较大, 且拟合“干边”的逐日变化反映了研究
区域的墒情演变, 而拟合“湿边”因受降雨影响与理
论“湿边”较为接近。要提高特征空间法的估算精度,
必须对拟合“干边”在裸地处(NDVI=0.1)的数值进行
正确地动态赋值。遥感数据空间分辨率的降低显著
地影响到对极端干旱与极端湿润地表的识别, 使得
拟合“干边”与“湿边”偏离理论边界, 造成特征空间
第 10期 李红军等: 地表温度−植被指数特征空间时空尺度效应分析 1257


向中间压缩, 最后计算获得的 TVDI 指数向极端干
旱和极端湿润区偏移。因此, 在使用低空间分辨率
遥感数据时, 建议湿边采用卫星过境时刻的空气温
度 , 同时根据当时当地的情况 , 正确地对拟合“干
边”上的裸地处进行赋值。
此外, 特征空间法的应用还受到其他因素的影
响, 如地形、辐射差异、气温等。冉琼等[19]考虑到
随高程增加导致的空气温度降低对地表的降温作用,
使用数字高程模型(DEM)对地表温度进行了订正 ,
从而使得 TVDI 能够更好地反映土壤墒情。我们在
进行大范围旱情监测时考虑到不同纬度上太阳辐射
的差异, 按纬度将研究区域分成小的条带, 分别进
行 TVDI 指数的计算, 其结果与土壤相对湿度观测
值的相关性得到明显改善[20]。在大范围旱情监测中,
地区间气温的差异同样会增加特征空间法的不确定
性[21]。总之, 特征空间法的应用必须遵循它的计算
原理, 任何在时空尺度上违背其应用前提的畸变都
可影响到最后的计算结果, 我们应该从机理上对这
些畸变进行校正或避开, 特征空间法才能得到正确
的应用。
参考文献
[1] Goward S N, Cruickshanks G D, Hope A S. Observed relation
between thermal emission and reflected spectral radiance of a
complex vegetated landscape[J]. Remote Sensing of
Environment, 1985, 18(2): 137–146
[2] Tang R L, Li Z L, Tang B H. An application of the Ts-VI
triangle method with enhanced edges determination for
evapotranspiration estimation from MODIS data in arid and
semi-arid regions: Implementation and validation[J]. Remote
Sensing of Environment, 2010, 114(3): 540–551
[3] 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
[4] 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): 420–427
Qi S H, Wang C Y, Niu Z. Evaluating soil moisture status in
China using the temperature/vegetation dryness index
(TVDI)[J]. Journal of Remote Sensing, 2003, 7(5): 420–427
[5] Moran M S, Clarke T R, Inoue Y, et al. Estimation crop
water-deficit using the relation between surface-air
temperature and spectral vegetation index[J]. Remote Sensing
of Environment, 1994, 49(3): 246–263
[6] 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
[7] Simon S, Inge S, Anette N, et al. Combing the triangle method
with thermal inertia to estimate regional evapotranspiration —
Applied to MSG-SEVIRI data in the Senegal River basin[J].
Remote Sensing of Environment, 2008, 112: 1242–1255
[8] 舒云巧 , 李红军 , 雷玉平 . 基于静止气象卫星的河北平原
实际蒸散量遥感估算[J]. 中国生态农业学报, 2011, 19(5):
1151–1156
Shu Y Q, Li H J, Lei Y P. Estimation of regional
evapotranspiration over Hebei Plain using geostationary
satellite data[J]. Chinese Journal of Eco-Agriculture, 2011,
19(5): 1151–1156
[9] Toby C. An overview of the “triangle method” for estimating
surface evapotranspiration and soil moisture from satellite
imagery[J]. Sensors, 2007, 7(8): 1612–1629
[10] 高艳 , 毕如田 , 曹毅 . 空间粒度变化及土地利用分类对景
观指数的影响——以山西省闻喜县为例[J]. 中国生态农业
学报, 2010, 18(5): 1076–1080
Gao Y, Bi R T, Cao Y. Effect of changing spatial grain size
and land-use classification on landscape index — A case
study of Wenxi County, Shanxi Province[J]. Chinese Journal
of Eco-Agriculture, 2010, 18(5): 1076–1080
[11] 徐丽, 卞晓庆, 秦小林, 等. 空间粒度变化对合肥市景观格
局指数的影响[J]. 应用生态学报, 2010, 21(5): 1167–1173
Xu L, Bian X Q, Qin X L, et al. Effects of grain size change
on landscape pattern indices of Hefei City[J]. Chinese Journal
of Applied Ecology, 2010, 21(5): 1167–1173
[12] Long D, Singh V P. A two-source trapezoid model for
evapotranspiration (TTME) from satellite imagery[J]. Remote
Sensing of Environment, 2012, 121: 370–388
[13] Jiang L, Islam S. An intercomparison of regional latent heat
flux estimation using remote sensing data[J]. International
Journal of Remote Sensing, 2003, 24(11): 2221–2236
[14] Jiang L, Islam S, Guo W, et al. A satellite-based daily actual
evapotranspiration estimation algorithm over South Florida[J].
Global and Planetary Change, 2009, 67(1/2): 62–77
[15] Kendy E, Gérard-Marchant P, Todd Walter M, et al. A soil-
water-balance approach to quantify groundwater recharge
from irrigated cropland in the North China Plain[J].
Hydrological Processes, 2003, 17(10): 2011–2031
[16] Carlson T. An overview of the “Triangle Method” for
estimating surface evapotranspiration and soil moisture from
sate- llite imagery[J]. Sensors, 2007, 7(8): 1612–1629
[17] Allen R G, Tasumi M, Trezza R. Satellite-based energy ba-
lance for mapping evapotranspiration with internalized
calibration (METRIC) — Model[J]. Journal of Irrigation and
Drainage Engineering, 2007, 133(4): 380–394
[18] Tasumi M, Allen R G, Trezza R. At-surface reflectance and
albedo from satellite for operational calculation of land
surface energy balance[J]. Journal of Hydrologic Engineering,
2008, 13(2): 51–63
[19] 冉琼 , 张增祥 , 张国平 ,等 . 温度植被干旱指数反演全国土
壤湿度的 DEM 订正[J]. 中国水土保持科学 , 2005, 3(2):
1258 中国生态农业学报 2014 第 22卷


32–36
Ran Q, Zhang Z X, Zhang G P, et al. DEM correction using
TVDI to evaluate soil moisture status in China[J]. Science of
Soil and Water Conservation, 2005, 3(2): 32–36
[20] 李红军, 李春强, 郑力, 等. 大范围旱情遥感监测的分带计
算[J]. 遥感技术与应用, 2006, 21(2): 137–141
Li H J, Li C Q, Zheng L, et al. Zonal calculation of drought
inspection using remote sensing in large-scale[J]. Remote
Sensing Technology and Application, 2006, 21(2): 137–141
[21] Li H J, Li C Q, Lin Y, et al. Surface temperature correction in
TVDI to evaluate soil moisture over a large area[J]. Journal of
Food, Agriculture & Environment, 2010, 8(3/4): 1141–1145

JJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ
欢迎订阅 2015年《农业现代化研究》
《农业现代化研究》是由中国科学院主管、中国科学院亚热带农业生态研究所主办的农业综合性学术刊物, 科学出
版社出版。其办刊宗旨是探索和研究具有中国特色的农业现代化理论、战略、方针、道路及我国农业现代化进程中的
有关科学技术、经济、生态、社会各方面协调发展问题, 促进国内外学术交流与合作, 为我国农业可持续发展和农业现
代化建设服务。它是国内惟一以农业现代化为主题内容, 以自然科学为主, 兼融人文社会科学为特色的学术性、综合性
农业学术期刊。注重以宏观和综合为主, 宏观战略与微观技术相结合, 综合性与专业性相结合, 自然科学与社会科学相
结合, 理论与实际相结合的原则。主要刊登农业发展战略和农业基础科学及其交叉学科的基础理论研究和应用研究方面
的学术论文、科研报告、研究简报等。内容包括农业发展战略、农业可持续发展、区域农业、生态农业、农业生物工
程、信息农业、农村生态环境、农业经济、农业产业化、农业系统工程、农业机械化、高新技术应用、资源利用与保
护、国外农业等。
《农业现代化研究》从 1992 年起一直被列入全国中文核心期刊, 并编入《中国学术期刊(光盘版)》、中国期刊网、万方
数据库、中国科学引文数据库、中国科技期刊数据库和 CABI文摘库、Agrindex等国际权威检索系统。曾先后被评为中国科
学院优秀期刊、湖南省一级期刊和优秀期刊。
《农业现代化研究》为双月刊, 逢单月出版。每册 10个印张 160页, 大 16开国际版本, 每册定价 15.00元。向国内外公
开发行, 国内邮发代号 42−46, 全国各地报刊发行局(所)均可订阅; 国外由中国国际图书贸易总公司负责发行, 代号:
BM6665。主要读者对象: 农业院校师生, 各级领导干部和管理人员及广大农业科技工作者。
地址: 湖南长沙马坡岭中国科学院亚热带农业生态研究所 (410125)
电话: 0731-84615231 E-mail: nyxdhyj@isa.ac.cn 网址: http://nyxdhyj.isa.cas.cn/ch/index.aspx