[1] |
陈艾琳, 戴晓爱, 张诗琪, 等, 2020. 2007—2016年四川省土壤干旱时空动态分析[J]. 山地学报, 38 (1): 31-41.
|
[2] |
何超禄, 吕海深, 朱永华, 等, 2022. TIGGE降水预报在中国干旱半干旱地区的适用性评估[J]. 干旱区研究, 39(2): 368-379.
|
[3] |
景岗, 2016. 利用多源遥感数据的四川省近年特大干旱时空分布特征研究[D]. 成都: 四川师范大学.
|
[4] |
刘德祥, 董安祥, 陆登荣, 2005. 中国西北地区近43年气候变化及其对农业生产的影响[J]. 干旱地区农业研究, 23(2): 195-601.
|
[5] |
刘宪锋, 朱秀芳, 潘耀忠, 等, 2015. 1982—2012年中国植被覆盖时空变化特征[J]. 生态学报, 35(16): 5 331-5 342.
|
[6] |
马梓策, 2020. 华北地区干旱时空变化特征及其影响因素分析[D]. 呼和浩特: 内蒙古师范大学.
|
[7] |
屈新星, 何云玲, 闫文波, 等, 2022. 基于MODIS数据的滇中高原农业干旱时空变化分析[J]. 云南大学学报(自然科学版), 44(4): 744-753.
|
[8] |
宋怡, 马明国, 2008. 基于GIMMS AVHRR NDVI数据的中国寒旱区植被动态及其与气候因子的关系[J]. 遥感学报, 12(3): 499-505.
|
[9] |
王嘉杰, 王贺封, 张安兵, 等, 2023. 基于多种植被指数TVDI京津冀地区干旱监测[J]. 测绘与空间地理信息, 46(4): 21-25.
|
[10] |
王鑫, 陈东东, 李金建, 2015. 基于MODIS的温度植被干旱指数在四川盆地盛夏干旱监测中的适用性研究[J]. 高原山地气象研究, 35(2): 46-51.
|
[11] |
王椰, 史海静, 姜艳敏, 等, 2023. 基于TVDI的黄土高原干旱时空变化与其影响因素[J]. 农业机械学报, 54(7): 184-195.
|
[12] |
王莹, 张舒, 徐永清, 等, 2023. 近50 a黑龙江省5—9月气象干旱及大气环流异常特征[J]. 干旱气象, 41(4): 540-549.
DOI
|
[13] |
王永前, 施建成, 刘志红, 等, 2014. 微波植被指数在干旱监测中的应用[J]. 遥感学报, 18(4): 843-867.
|
[14] |
文博, 2014. 四川省干旱时空分布特征研究[D]. 成都: 四川师范大学.
|
[15] |
吴孟泉, 崔伟宏, 李景刚, 2007. 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, 30(1): 30-35.
|
[16] |
徐作敏, 吴双, 吴英, 等, 2023. 基于FY-3D_TVDI的黑龙江省生长季干旱监测评估[J]. 湖北农业科学, 62(3): 241-248.
|
[17] |
闫峰, 王艳姣, 武建军, 2009. 基于Ts-EVI特征空间的春旱遥感监测: 以河北省为例[J]. 干旱区地理, 32(5): 769-775.
|
[18] |
杨明兴, 2018. 攀西地区土地利用变化及其生态环境效应研究[D]. 武汉: 武汉大学.
|
[19] |
杨扬, 赵伟明, 胡颖冰, 等, 2023. “衡邵娄干旱走廊”干旱时空演变特征分析[J]. 干旱气象, 41(4): 550-559.
DOI
|
[20] |
姚丹丹, 苗放, 陈军, 2015. 基于MODIS的四川省干旱遥感监测不同方法的比较[J]. 湖北农业科学, 54(9): 2 097-2 101.
|
[21] |
于敏, 王春丽, 2011. 不同卫星遥感干旱指数在黑龙江的对比应用[J]. 应用气象学报, 22(2): 221-231.
|
[22] |
张启霖, 殷红, 纪瑞鹏, 等, 2017. 基于NDVI-LST模型对辽宁月尺度土壤水分的反演[J]. 中国农业气象, 38(11): 720-728.
DOI
|
[23] |
张顺谦, 卿清涛, 侯美亭, 等, 2007. 基于温度植被干旱指数的四川伏旱遥感监测与影响评估[J]. 农业工程学报, 23(9): 141-146.
|
[24] |
中国气象局气候变化中心, 2023. 中国气候变化蓝皮书2023[M]. 北京: 科学出版社.
|
[25] |
DU L, SONG N, LIU K, et al, 2017. Comparison of two simulation methods of the Temperature Vegetation Dryness Index (TVDI) for drought monitoring in semi-arid regions of China[J]. Remote Sensing, 9(2): 177-195.
|
[26] |
LIANG L, ZHAO S H, QIN Z H, et al, 2014. Drought change trend using MODIS TVDI and its relationship with climate factors in China from 2001 to 2010[J]. Journal of Integrative Agriculture, 13(7): 1 501-1 508.
|
[27] |
LI X B, WANG H, LONG H, et al, 2012. A model for the estimation of fractional vegetation cover based on the relationship between vegetation and soil moisture[J]. International Journal of Remote Sensing, 33(11/12): 3 580-3 595.
|
[28] |
LIU Y, YUE H, 2018. The Temperature Vegetation Dryness Index (TVDI) based on Bi-Parabolic NDVI-Ts Space and Gradient-Based Structural Similarity (GSSIM) for long-term drought assessment across Shaanxi Province, China (2000-2016)[J]. Remote Sensing, 10(6): 959-979.
|
[29] |
SENAY G B, VELPURI N M, BOHMS S, et al, 2014. Drought monitoring and assessment:Remote sensing and modeling approaches for the Famine Early Warning Systems Network. Remote Sensing and Modeling Approaches for the Famine Early Warning Systems Network[M]. Amsterdam: Elsevier Inc.
|
[30] |
SHI S, YAO F, ZHANG J, et al, 2020. Evaluation of temperature vegetation dryness index on drought monitoring over Eurasia[J]. IEEE Access, 8(99): 30 050-30 059.
|
[31] |
TAO L L, RYU D, WESTERN A, et al, 2020. A new drought index for soil moisture monitoring based on MPDI-NDVI trapezoid space using MODIS data[J]. Remote Sensing, 13(1): 122-141.
|
[32] |
ZHANG J, ZHOU Z, YAO F, et al, 2014. Validating the Modified Perpendicular Drought Index in the North China region using in situ soil moisture measurement[J]. IEEE Geoscience & Remote Sensing Letters, 12(3): 542-546.
|