基于TVDI的东北地区春玉米干旱监测——以2018年为例

王一昊，武永峰，张立亭，张锦水，李崇瑞，张晓旭

(1.东华理工大学 测绘工程学院，江西 南昌330013；2.中国农业科学院 农业环境与可持续发展研究所/农业部农业环境重点实验室，北京100081；3.北京师范大学 地理科学学部/北京市陆表遥感数据产品工程技术研究中心，北京100875)

在全球气候变暖的影响下，中国农业干旱事件频发，尤其是东北地区干旱增多趋势愈发明显[1-2]。作为我国玉米主产区之一，干旱频发势必会对东北春玉米生长造成严重影响，甚至直接影响到我国农业的可持续发展[3-5]。因此，开展东北地区春玉米干旱动态监测研究，对保障我国粮食安全及国民经济发展具有极其重要的现实意义。相对于人工测墒和利用气象站点土壤湿度、降雨量等数据进行干旱监测而言，干旱遥感监测具有空间连续、监测范围广且省时省力等特点[6]，将遥感数据引入到农业干旱监测中,有助于提高干旱监测效率。国内外学者从植被和地表土壤2个干旱载体入手，从不同角度建立农业干旱遥感监测指标[7]，目前较为常见的指标和方法大致归为3类。一是通过反演地表温度(LST)而构建的指标，如温度条件指数(TCI)[8]、地表热通量遥感反演模型和只适用于裸土和低植被区干旱监测的热惯量反演模型[9-10]等。单纯利用地表温度构建干旱指标，容易受到海拔和地形等因素的影响。为此，刘立文等[11]利用数字高程模型(DEM)数据对地表温度进行校正后得到了精度更高的地表温度数据。二是基于植被指数构建的指标，如植被条件指数(VCI)[12]等。三是利用地表温度和植被指数共同构建的指标，这也是目前农业干旱遥感监测中应用最为广泛的指标方法，如温度植被干旱指数(TVDI)[13]、植被供水指数(VSWI)[14]、归一化干旱指数(NDDI)[15]、多波段干旱指数(MBDI)[16]、植被健康指数(VHI)[17]等。其中，以TVDI为代表的旱情遥感监测方法，考虑了区域内植被指数(VI)变化和同一VI值条件下LST的变化，通过地表温度和植被指数构造出LST-VI特征空间的变化特征，以反演地表干湿状况来实现农业旱情监测目的，发展至今，已在农业旱情监测方面得到广泛应用[18-20]。RAHIMZADEH-BAJGIRAN等[21]考虑了地形和气温因素影响，提出修订后的iTVDI，并对伊朗的土壤水分进行了监测，表明iTVDI能更好地反映研究区作物的干旱状况；在构建特征空间的参数选取上，LIU等[22]利用微波数据建立的微波TVDI对中国农业干旱进行的分析表明，可以利用其他植被指数代替归一化植被指数(NDVI)构建TVDI，以进行农业干旱遥感监测；陈丙寅等[23]在LIU等[22]的研究基础上，分别利用增强型植被指数(EVI)和NDVI作为植被指数参数计算了TVDI，并通过TVDI和地形矫正后的mTVDI对新疆干旱区进行了干旱监测，得到了不同植被指数计算的TVDI和mTVDI在不同月份的干旱监测中均存在敏感性差异的结论；DHORDE等[24]利用叶面积指数(LAI)和LST构建的特征空间计算TVDI，并对印度西部6—10月的农作物生长季极端干旱现象进行了监测和分析；WEN等[25]的研究也表明，EVI、NDVI对植被覆盖程度的指示灵敏度存在差异。

为提高TVDI监测精度，前人在其参数的选取方面已开展了一系列研究，同时利用干旱事件对TVDI进行了大量验证工作，进而表明其在干旱遥感监测应用中的优势[21-23]。总的来看，基于NDVI或EVI与LST构建的TVDI具有更为广泛的应用基础。针对东北地区春玉米不同发育阶段以及各类农田环境条件而言，选取不同植被指数构建的TVDI对地表植被监测可能会存在敏感性差异，从而造成春玉米干旱监测结果精度的差别。鉴于此，本研究以2018年东北地区春玉米干旱监测为例，通过对NDVI、EVI分别与LST构建的2种特征空间拟合方程的决定系数进行比较，确定春玉米生育期内基于NDVI和EVI构建的TVDI对干旱敏感的最佳监测时期以及二者转换期；以实时地面调查和农田采样为验证手段，探究基于NDVI、EVI构建的TVDI在春玉米不同发育阶段、不同农田环境条件下的干旱监测精度差异，选取出监测精度高的指标进行干旱监测，进一步揭示2018年东北地区春玉米生育期内的干旱时空规律，以期为东北地区春玉米干旱动态监测方法的建立提供参考依据。

1 材料和方法

1.1 研究区概况

研究区位于北纬38°43′～53°33′和东经118°53′～135°05′，包括辽宁、吉林、黑龙江，总面积约7.9×107hm2。夏季短且气候湿润，冬季漫长低温，属温带大陆性季风气候。东部地区山区林地较多，宜耕区较少；中西部地区平原丘陵较多，适宜耕种。受热量影响，东北地区春玉米种植制度为一年一熟[26]。宜耕区降水分布不均匀，春玉米极易受到干旱胁迫，2018年东北地区发生的大范围干旱对春玉米生长造成了严重影响[2]。研究区概况、2018年实地调查样区分布及2018年春玉米记录点如图1所示。

图1 研究区概况，5、7、8月调查样区分布及2018年春玉米记录点Fig.1 The general situation of the study area,the distribution of the investigation zones in May,July and August and the spring maize recording point in 2018

1.2 数据来源及处理

1.2.1 8 d合成NDVI、EVI和LST时序数据 由MODIS/Terra 8 d合成地表反射率(SR)和LST数据计算得到。SR和LST数据分别来自于NASA官方网站下载的MOD09A1和MOD11A2数据产品。利用ENVI+IDL编程环境，首先，将2种数据产品进行格式转换、重投影、拼接、裁剪和去噪等处理；其次，基于SR数据计算NDVI和EVI，并采用线性插值和S-G滤波方法对受云及阴影影响而造成的缺失值进行插补[27-28]，进一步得到研究区2018年NDVI、EVI重建数据；最后，利用NDVI、DEM与LST的局域回归关系模型，对空间上缺失的LST值进行插补[29]，以生成LST重建数据。

1.2.2 春玉米空间分布数据 在GEE(Google earth engine)中选取覆盖东北地区的2018年4—8月Landsat 8 OLI地表反射率数据产品，经去云及阴影处理后，对缺失值部分采用2017年或2016年对应月份无云影像补充，形成覆盖研究区的完整合成影像；计算4—7月合成影像的NDVI和NDWI指数，将其与8月合成影像的前7个波段(海岸气溶胶、蓝、绿、红、近红外、短波红外1、短波红外2波段)作为随机森林分类器的预测波段；将随机森林分类器设置为20棵树，在GEE中利用4 900个已知类别的样本点(水体、城镇、林地、玉米、水稻、大豆以及未利用土地共7类)训练分类器，然后利用该分类器将东北地区分为这7类地物，提取其中的玉米分布信息[30]；利用2018年3次实地调查过程使用手持式GPS记录的194个位于研究区范围内的春玉米定位点，对随机森林分类生成的春玉米空间分布数据进行精度验证，最终分类精度达到87.1%。用于精度验证的春玉米定位点如图1所示。

1.2.3 DEM数据和土壤质地空间分布数据 土壤质地空间分布数据由中国科学院资源环境科学数据中心(http://www.resdc.cn)提供，用于研究区砂质、黏质和壤质土壤信息的提取；30 m分辨率DEM数据(VSTER GDEM V2版本)用于研究区海拔高度和坡度信息的提取。

1.2.4 数据精度 MODIS数据、Landsat数据、DEM数据和土壤质地空间分布数据的空间分辨率均使用ArcGIS10.5软件重采样至1 000 m。

1.3 TVDI指数原理及计算

PRICE等[31]发现，当研究区下垫面类型满足从裸地到植被全覆盖时，VI和LST构成的散点图显现出三角形关系，SANDHOLT等[13]在此基础上提出了温度植被干旱指数的概念，其定义如下：

(1)

LSTVIimax=a1+b1VIi
LSTVIimin=a2+b2VIi

(2)

其中，LSTVIimin为相同VI值的最小地表温度，对应LST-VI特征空间“湿边方程”，LSTVIimax为相同VI值的最大地表温度，对应LST-VI特征空间的“干边方程”。a1、b1、a2、b2分别是干边与湿边线性拟合方程的系数，TVDI有效值范围为[0,1.0]，模型原理如图2所示。

图2 TVDI指数原理示意图Fig.2 TVDI index schematic diagram

根据TVDI定义，结合LST-NDVI和LST-EVI拟合空间干湿边方程，分别计算了2018年第14—30期(日序112—240，为便于叙述，自1月1日起的每8 d合成影像记作一期影像，以下简称第*期)8 d合成影像各像元TVDI-N和TVDI-E值。参考前人利用TVDI模型对东北地区干旱监测的研究成果[11,32]确定了研究区TVDI干旱等级阈值。将干旱程度划分为4级，即无旱、轻旱、中旱和重旱，如表1所示。

表1 TVDI干旱等级Tab.1 Drought grading based on TVDI index

1.4 春玉米干旱调查与实测干旱等级判定

2018年在春玉米种植区内开展了3次野外实地调查，完成了19个样区(每个样区范围约100 hm2)土壤样品采样和23个样区春玉米植株受旱症状调查工作，并利用手持式GPS记录了每个样区内所有样点的经纬度。5月14—18日春玉米出苗前后的春玉米生长前期和7月12—19日春玉米大喇叭口期前后的春玉米生长中期，对朝阳、彰武、松原、乾安、长岭、阜新、凌源、北票、方正、茄子河、宝清、虎林等14个样区的玉米田块内的表层土壤进行采集，每个样点取样深度为20 cm，并在实验室内完成了土壤相对含水量的测定工作；8月6—14日春玉米灌浆期前后的春玉米生长后期，对锦州、阜新、四平、辽源、通化、丹东、本溪、铁岭、沈阳等23个样区进行实地调查，记录了春玉米植株的干旱症状，还对其中5个样区进行了表层土壤样品采集。3次调查区分布如图1所示。

调查样区涵盖了不同坡度、不同海拔高度及不同土壤质地的农田环境，调查时间包括春玉米出苗前后至灌浆期在内的不同发育阶段，调查样区具有一定的代表性。各调查时期不同农田环境背景下的样区数量如表2所示。

表2 不同农田环境背景下的调查样区数量Tab.2 Number of sampling zones under different farmland environments

注：表中“-”表示无样区。
Note:The “-” in the table means no sampling zone.

本研究对春玉米不同发育阶段的实地调查干旱等级采取了不同的划分依据，以更为准确地判定调查样区的实测干旱等级。春玉米出苗期前后，下垫面类型从单一地表(完全裸土覆盖)发展至混合地表，此时实测干旱等级判定采用土壤表层(0～20 cm)相对湿度野外实测数据，根据气象行业标准《北方春玉米干旱等级》(QX/T 259—2015)规定的春玉米出苗—拔节期，黏土、壤土和砂土的0～20 cm土层土壤相对湿度所判定的干旱等级作为实测干旱分级标准；春玉米大喇叭口—灌浆期，下垫面类型以植被覆盖地表为主，干旱程度通过春玉米植株体的受旱症状便可直接表征，无需再使用耕层土壤相对湿度来表征，该时期通过玉米植株形态特征记录资料，利用气象行业标准《北方春玉米干旱等级》(QX/T 259—2015)规定的抽雄—乳熟期春玉米受旱后形态表征所判定的干旱等级作为实测干旱分级标准。实地调查的春玉米干旱等级与TVDI监测干旱等级一致，均划为4级。

1.5 春玉米干旱遥感监测结果验证

首先对2018年14—30期8 d合成NDVI、EVI 2种植被指数与LST分别计算的TVDI拟合空间干湿边方程的决定系数进行分析，拟找到2种植被指数计算的TVDI在不同植被覆盖度下干旱监测敏感性最佳时期及转换时期；其次分析2种植被指数计算的TVDI在调查区海拔高度、坡度、土壤质地和春玉米发育阶段等单项干旱驱动因素影响下的敏感性及监测精度，并基于2018年3次实地干旱调查结果，使用干旱一致性和干旱判对率2种判定方法对干旱遥感监测结果进行验证。干旱判对率即遥感监测结果与实测干旱结果同时判定为发生干旱或无干旱发生的概率；干旱一致性即判定遥感监测干旱等级与实测干旱等级是否一致，计算公式为(m/n)×100%[33]，其中，m为TVDI监测干旱等级与实测干旱等级一致的样点数量，n为总样点数量。

2 结果与分析

2.1 TVDI-N与TVDI-E特征空间拟合结果随玉米发育进程的适用性分析

利用ENVI+IDL编程环境，将研究区范围内全部像元NDVI、EVI值以0.01为步长分割，分别提取对应的最大、最小LST，以最大值、最小值合成法分别计算拟合空间干、湿边方程及其决定系数，其相关性均至少达到0.01显著水平。特征空间拟合方程的决定系数越高，说明拟合效果越好，对植被受旱变化的敏感性越强。依据TVDI与土壤湿度的相关性在2种极端的情况下可以反映干、湿情况的原理，对14—30期特征空间中可以反映土壤干旱情况的干边方程决定系数进行分析，找到了2种植被指数参数计算的TVDI在监测干旱的敏感性转折时期(图3)。

图3 春玉米不同发育阶段基于TVDI-N与TVDI-E干边拟合方程的决定系数Fig.3 Coefficient of determination for dry-edge fitting equation based on TVDI-N and TVDI-E at different development stage of spring maize

从图3可以看出：(1)春玉米生长前期(出苗—拔节期，对应第14—19期遥感监测结果)TVDI-N干边方程决定系数持续高于TVDI-E，第14期两者决定系数相差最大，差值为0.44，第18期两者决定系数相差最小，差值为0.10，平均差值为0.23，该阶段TVDI-N特征空间的拟合效果好于TVDI-E特征空间的拟合效果，对干旱监测的敏感性更强；(2)春玉米生长中期(拔节—大喇叭口期，对应第20—24期遥感监测结果)无明显出现一种特征空间干边方程决定系数持续高于或持续低于另一种的情况，该阶段2期TVDI-N干边拟合方程决定系数高于TVDI-E，差值分别为0.06、0.02，3期TVDI-E干边拟合方程决定系数高于TVDI-N，差值分别为0.10、0.11、0.07，该阶段为TVDI-N和TVDI-E拟合空间敏感性差异过渡时期；(3)春玉米生长后期(大喇叭口—灌浆期，对应第25—30期遥感监测结果)TVDI-N干边方程决定系数持续低于 TVDI-E，第25期两者决定系数相差最大，差值为0.29，第26期两者决定系数相差最小，差值为0.13，平均差值为0.18，该阶段TVDI-E特征空间的拟合效果好于TVDI-N特征空间的拟合效果，对干旱监测的敏感性更强。

2.2 干旱遥感监测结果与实际调查结果比较

2.2.1 基于春玉米不同发育阶段的TVDI-N、TVDI-E对不同农田环境条件的敏感性分析 为比较3次实地调查时期TVDI-N、TVDI-E干旱监测时不同农田环境影响下的敏感性差别，本研究在总结了前人对干旱驱动因素的研究成果后，选取了海拔高度、坡度、春玉米发育阶段和土壤质地4种因子进行分析。首先将春玉米同一调查时间段内不同海拔高度、坡度下的TVDI-N、TVDI-E值进行了分析，结果如表3所示。

海拔、坡度是农业干旱最为直接的影响因子之一，其变化决定了地形地貌、气候和植被的变化情况，从而影响该区域土壤墒情。从分析结果来看，春玉米种植样区均为低海拔农耕区，海拔、坡度差别不明显，也使得TVDI-N、TVDI-E值未出现明显差别。故本研究认为，春玉米不同发育阶段的植被覆盖度是影响农业干旱的下垫面因素，下垫面类型的差别使得不同植被指数构建的TVDI存在监测敏感性差别。依据TVDI与土壤含水量相关性原理，TVDI值越接近于1，土壤湿度越低，干旱越严重，且在TVDI-N/TVDI-E阈值相同的情况下，TVDI-N/TVDI-E值越高说明其对干旱的响应越敏感，据此，结合表3得出：(1)5月实地调查时，春玉米处于生长前期，下垫面类型为裸地至植被半覆盖地表过渡时期，此时调查样区的TVDI-N值均高于TVDI-E值，差值最大为0.04，最小为0.01，该时期TVDI-N对干旱监测的敏感性强于TVDI-E；(2)7月实地调查时，春玉米处于生长中期，下垫面类型为植被半覆盖地表至植被全覆盖地表过渡时期，调查样区的TVDI-N值无持续高于或低于TVDI-E值，该时期为两者敏感性差别变化的过渡时期；(3)8月实地调查时，春玉米处于生长后期，下垫面类型为植被全覆盖地表，调查样区的TVDI-E值均高于TVDI-N值，差值最大为0.03，最小为0.01，该时期TVDI-E对干旱监测的敏感性强于TVDI-N。3次调查时期分别处在春玉米3个发育阶段，各调查时期TVDI-N、TVDI-E对植被监测的敏感性差别判定结果与拟合方程决定系数界定的TVDI-N、TVDI-E对干旱监测敏感性差别结果一致。

表3 各调查时期内结果海拔、坡度变化时的TVDI-N、TVDI-E值Tab.3 TVDI-N and TVDI-E values in different investigation periods with altitude and slope change

2.2.2 基于春玉米不同发育阶段和不同农田环境条件的TVDI-N、TVDI-E判对率及一致性分析 为检验TVDI-N、TVDI-E干旱监测精度，计算了春玉米不同发育阶段和不同农田环境条件下TVDI-N和TVDI-E对干旱监测等级与实测干旱等级的判对率及一致性，计算结果如表4。由表4可以看出：(1)出苗期，TVDI-N和TVDI-E监测干旱等级与实测干旱等级的判对率均达到100.0%，但TVDI-N监测干旱等级与实测干旱等级一致性高于TVDI-E 33.3个百分点；大喇叭口期，TVDI-N监测干旱等级与实测干旱等级的判对率低于TVDI-E 12.5个百分点，一致性检验结果则和TVDI-E相同；灌浆期，TVDI-E监测干旱等级与实测干旱等级判对率和一致性分别高于TVDI-N 8.7个百分点和39.2个百分点。(2)如不考虑调查区所处的春玉米发育阶段，将3次调查区放在一起比较，TVDI-E在土壤质地、海拔、坡度等农田环境变化时的干旱判对率及一致性均高于或等于TVDI-N。

表4 不同农田环境条件下基于TVDI-N和TVDI-E的春玉米干旱判对率及一致性Tab.4 Judgment ratio and uniformity of spring maize drought based on TVDI-N and TVDI-E under different farmland environmental impacts

2.3 2018年春玉米干旱时空格局

根据以上分析结果，针对春玉米不同发育阶段，选用监测精度更高的TVDI进行干旱监测，即：春玉米生长前期(第14—19期)采用TVDI-N；春玉米生长中期(第20—24期)虽为两者敏感性过渡时期，但TVDI-E的监测精度高于TVDI-N，故采用TVDI-E；春玉米生长后期(第25—30期)采用TVDI-E。基于这一选取原则，计算生成2018年东北地区春玉米生育期内干旱灾变监测结果，并使用春玉米空间分布数据进行掩膜，提取春玉米种植区干旱状况信息，如图4所示。

通过图4可以看出2018年春玉米种植区内2次干旱事件的发生、发展和减弱的过程。5月上中旬春旱最为严重，辽宁省西部的朝阳市、阜新市，吉林省西部的四平市、长春市和黑龙江省西南部的齐齐哈尔市均有明显的干旱发生。5月中旬后，春旱影响程度开始减弱，黑龙江省西南部的绥化市、大庆市以及吉林省北部松原市仍受干旱影响。进入6月中旬之后，春旱影响范围逐渐缩小。6月中下旬至7月中旬，东北地区干旱影响程度总体上较轻，仅在7月上旬干旱态势有所加重。7月下旬之后夏伏旱开始产生和发展，直至8月上旬，春玉米受夏伏旱影响达到最大，重旱区多集中于辽宁省西部的朝阳市、阜新市和锦州市以及吉林省西南部的四平市、长春市。8月中旬之后，旱情开始得到缓解。

图4 2018年东北地区春玉米干旱时空变化Fig.4 Spatio-temporal changes of spring maize drought in northeast China in 2018

3 结论与讨论

3.1 TVDI用于干旱监测的适用性及监测精度

前人利用大量干旱事件对TVDI在干旱监测中的可行性进行了系统验证[18,20-21]，本研究在前人研究基础上，对EVI、NDVI作为参数计算的TVDI-E、TVDI-N用于东北春玉米干旱监测的敏感性时期和监测精度进行了分析，得到了TVDI-N在春玉米生长前期适用，TVDI-E在春玉米生长中后期适用的结论，与前人利用EVI和NDVI作为参数计算的TVDI进行干旱监测得到的适用性结论一致[11,34-36]。将TVDI-N和TVDI-E作为春玉米生长前期和中后期干旱监测指标，对2018年东北地区春玉米干旱进行监测，所得到的春玉米生长前期的干旱监测判对率达到100.0%，一致性达到83.3%；春玉米生长中后期的干旱监测判对率达到82.6%，一致性达到78.3%。但是前人研究与本研究在指标筛选方法、应用对象及研究区范围均存在一定的差异。

指标筛选方法差异。前人通过分析TVDI与土壤湿度之间的相关性差异来界定不同植被指数构建的TVDI用于干旱监测的敏感时期，并利用同步气象数据进行验证；而本研究通过分析不同植被指数的LST-VI特征空间拟合方程决定系数差异界定不同植被指数构建的TVDI用于干旱监测的敏感时期，并利用2018年3次实地采样数据进行验证。此外，刘立文等[11]研究所使用的遥感数据为逐16 d时相尺度，对不同植被指数构建的TVDI在5—9月的干旱监测敏感时期进行了界定；而本研究则利用逐8 d时相尺度的遥感数据，将不同植被指数构建的TVDI干旱监测敏感时期精确到了春玉米生长季的不同发育阶段，相比前人对TVDI干旱监测敏感时期划分更为精细。

应用对象及研究区范围差异。前人研究对象既有农作物也有森林等植被。将TVDI用于这些植被的干旱监测时，虽能很好地得到干旱时空分布结果，但TVDI用于单一植被类型的干旱监测时可能会存在精度不足。由于不同农作物候期存在时空上的差异，小麦、大豆等作物的播种期与春玉米不同，春玉米处于出苗期时，其他农作物不一定同时处于出苗期，因此不同植被指数构建的TVDI对春玉米苗期干旱监测敏感时，不一定对同时期小麦或大豆的干旱监测敏感。与之同理，林区包含了落叶林、常绿针叶林等不同类型的森林植被，不同季节的不同森林植被存在明显的差异，如春季、冬季时的落叶林NDVI较低，而此时针叶林的NDVI则高于落叶林，因此，植被类型差异也可能会导致不同植被指数构建的TVDI对落叶林干旱监测敏感，却不一定对同时期其他森林植被的干旱监测敏感；而本研究的对象仅为东北春玉米，研究时间也仅为春玉米生长季，利用Landsat 8影像对玉米种植区进行提取，将监测结果利用玉米种植区数据进行掩膜提取，结合2018年3次春玉米种植区实地采样数据，只对春玉米种植区的受旱状况进行分析，有针对性地分析了春玉米各发育阶段的受旱情况，与前人的研究结果相比，本研究的干旱监测更具有一定的针对性。

3.2 气象因素对干旱发生及发展的影响

本研究的干旱监测结果表明，2018年发生了2次干旱灾变(即春旱和夏伏旱)，但2次干旱的发生时间、持续时长、分布及发展趋势甚至引发条件均存在一定的差异。首先，就春旱而言，玉米种植区内5月上中旬受春旱影响最为严重，重旱区集中在辽宁省西部、吉林省西部和黑龙江省西南部。5月中旬后，春旱影响程度开始减弱，重旱影响区主要集中在黑龙江省西南部以及吉林省北部。进入6月中旬之后，春旱影响范围逐渐缩小，重度干旱影响区仅在吉林省北部和黑龙江南部有较小范围的分布。刘维等[37]的研究也表明，2018年春季辽宁西部和吉林西部降水量比常年同期偏少30%～80%，导致土壤失墒加剧，受干旱影响春玉米播种期推迟或延长，同时春玉米出苗率低，长势偏差。直至5月下旬旱区大部出现中到大雨，春旱才得以缓解，与本研究对春旱发生、发展、减弱的趋势分析也达成一致。亦可以看出2018年东北地区春旱主要由于降水量偏少所导致，与张良等[38]对2018年春季干旱成因的研究成果一致。总的来看，春旱发生区域亦是东北地区春玉米主要种植区域，但是4—6月玉米处于播种—拔节期，该时期春玉米需水量相对中后期较少，虽春旱强度大且影响范围广，但有效的降水仍然可以缓解旱情，使植株在很大程度上恢复正常生长，从而不至于对春玉米苗期生长造成严重影响。

其次，就夏伏旱而言，7月下旬之后夏伏旱开始产生和发展，直至8月上旬，春玉米受夏伏旱影响达到最大，重旱区多集中于辽宁省西部和吉林省西南部，8月中旬之后，旱情开始得到缓解。刘维等[37]的研究也表明，2018年7月21日—8月5日辽宁、吉林出现大范围持续高温天气，辽宁中北部、吉林西部等地出现大范围的农业干旱，此外，8月6—14日受台风“温比亚”、“苏力”影响，辽宁东部、吉林东部、黑龙江东南部出现2次明显降水过程，才使得夏伏旱得以解除，与本研究对夏伏旱发生、发展、减弱的趋势分析也达成一致。同时也可以看出2018年东北地区夏伏旱主要由于温度偏高所导致，直至8月中旬，及时的降水才缓解了夏伏旱旱情，这与张宇等[39]对2018年夏季干旱成因的研究成果一致。虽然7—8月，春玉米正处于大喇叭口—灌浆期，这一时期的春玉米由营养生长转变为生殖生长，是春玉米生长发育的关键期，严重干旱势必会对玉米产量造成严重影响，但是，2018年东北地区夏季≥10 ℃积温较常年同期偏多60 ℃·d，充足的热量条件有效补偿了因春季干旱而播种延迟、发育期偏晚的不利影响，作物生长发育进程加快，至8月底大部地区玉米发育时期接近常年或偏早。由此看来，8月的高温对于春旱造成的春玉米播种期延后、发育时期偏晚亦是有利的，8月下旬的2次明显降水过程也对夏伏旱旱情做出了一定缓解，因此2018年连续的春旱和夏伏旱虽影响范围广，强度大，但及时的降水均对旱情做出了一定的缓解，并未对玉米营养生长、生殖生长甚至产量造成严重影响。

本研究利用TVDI指数对2018年东北地区春玉米生长季进行干旱监测，亦存在不足及未考虑到的因素。尽管本研究提出的TVDI-N和TVDI-E，在春玉米生长前期和中后期干旱监测中得到良好的应用，但是因为各年发生干旱时的气象条件、农田环境以及春玉米品种、生育阶段等的不同，仅使用2018年的数据进行东北春玉米干旱监测研究，存在一定的片面性。该结论是否同时适用于其他年份，仍需在后续研究中使用更多的历史数据对本研究结论的普适性加以佐证，进一步深入分析和检验本研究结论在其他年份中干旱监测的可行性。另外，春玉米植株受到干旱胁迫时，首先由气象干旱导致土壤水分缺失，进而引起植株缺水，长时间气象干旱所导致的降水减少最终引发农业干旱[40]，故气象干旱与农业干旱之间存在一定的滞后性。为此，引入气象因素，充分分析温度、降水等致灾因素对干旱发生、发展以及减弱过程的影响也将作为后续研究的重点关注方向，并据此对极端干旱天气引发的气象干旱与农业干旱之间的滞后时长进行探讨。

本研究分别以EVI和NDVI作为参数计算TVDI-E和TVDI-N，并对其用于2018年东北春玉米不同发育阶段和不同农田环境下的干旱监测敏感性、精度分析后得到以下结论：

(1)春玉米生长前期，TVDI-N较TVDI-E对干旱监测有更高的敏感性；春玉米生长中期，为两者对干旱监测敏感性的过渡时期；春玉米生长后期，则TVDI-E较TVDI-N对干旱监测有更高的敏感性。

(2)TVDI-E在土壤质地、海拔、坡度等农田环境变化时的干旱判对率及一致性均高于TVDI-N，监测精度更高。

(3)分别将TVDI-N和TVDI-E作为春玉米生长前期和中后期干旱监测指标，对2018年东北地区春玉米干旱进行监测，发现春旱比夏伏旱影响范围更广、程度更重、持续时间更长。春旱主要发生在玉米苗期，此时玉米植株需水量相对较少，后期降水能在一定程度上缓解旱情，不至于对玉米生长造成严重影响；夏伏旱发生时，春玉米处于生殖生长关键期，若发生持续的干旱将直接影响春玉米产量。