检索结果

Select

1.

基于温度植被干旱指数（TVDI）的甘肃省农业干旱监测方法研究

沙莎, 王丽娟, 王小平, 胡蝶, 张良

干旱气象 2024, 42 (1): 27-38. DOI: 10. 11755/j. issn. 1006-7639（2024）-01-0027

摘要（146）

PDF（pc）（10861KB）（169）

PDF（mobile）（10861KB）（10）

改进温度植被干旱指数（Temperature Vegetation Dryness Index，TVDI）并明确TVDI的农业干旱

等级阈值，对提高TVDI指数监测农业干旱能力有重要意义。利用近19 a的MODIS（Moderate Resolu⁃

tion Imaging Spectro-radiometer，MODIS）遥感数据，基于单时次和多时次方法构建NDVI（Normalized

Difference Vegetation Index，NDVI）-LST（Land Surface Temperature，LST）、EVI（Enhanced Vegetation In⁃

dex，EVI）-LST、RVI（Ratio Vegetation Index，RVI）-LST、SAVI（Soil-Adjusted Vegetation Index，SAVI）-LST

等几种特征空间，讨论TVDI计算方法，分析TVDI在甘肃省农业干旱监测中的适用性，并明确甘肃省

夏季TVDI农业干旱分级标准。结果表明：（1）基于多时次方法构建的 SAVI-LST特征空间TVDI更适

合甘肃省农业干旱监测，其对土壤相对湿度（Relative Soil Moisture，RSM）拟合的均方根误差（Root

Mean Squared Error，RMSE）和平均绝对误差（Mean Absolute Error，MAE）比NDVI-LST特征空间TVDI

对RSM拟合的RMSE和MAE下降1%~5%；（2）TVDI适用于夏季甘肃省半干旱区、半湿润区、湿润区等

非干旱区浅层10、20 cm土壤深度的农业干旱监测，RMSE和MAE约15.6%和12.6%，拟合误差湿润区<

半湿润区<半干旱区；（3）利用TVDI与RSM线性关系确定的TVDI农业干旱等级更有利于提高TVDI

监测农业干旱的准确性。

参考文献 | 相关文章 | 多维度评价

Select

2. 2023年上半年我国干旱的特征及其成因分析

王昀, 王丽娟, 陆晓娟, 张金玉, 王芝兰, 沙莎, 胡蝶, 杨扬, 颜鹏程, 李忆平

干旱气象 2023, 41 (6): 884-896. DOI: 10. 11755/j. issn. 1006-7639（2023）-06-0884

摘要（171）

PDF（pc）（46906KB）（328）

2023年1—6月我国西南、华北东部、华东北部、华中南部、华南及东北中部等地均发生不同程度的气象干旱，严重影响农业生产、制约当地经济发展。为提高应对旱灾能力，及时开展防灾减灾工作，应对旱情进行实时总结，本文利用 K干旱指数、MCI指数、T-N通量和 CABLE 陆面模式，以及气象观测数据、再分析数据、土壤水分资料等，综合分析区域性干旱事件的时空分布特征及成因。结果显示：（1）2023年上半年，中国西南和内蒙古东部地区发生严重区域性干旱，西南地区经历了从持续型到骤发型的干旱转变，而内蒙古地区则持续干旱。（2）同期 500 hPa高度场在中高纬度呈“两槽两脊”型，西太平洋副热带高压异常西伸北抬，欧亚中纬度Rossby波异常偏弱，导致中高纬地区的平直西风和冷空气影响减弱，造成西南地区和内蒙古东部地区降水偏少，进而引发区域性干旱。（3）2023年上半年，冬季La Niña事件转为春季El Niño事件，导致西南地区对流活动偏弱，诱发持续高温干旱天气；内蒙古地区的海温敏感区分布导致其上游高压脊稳定，造成内蒙古东部地区干旱少雨。