1.2  国内外研究现状 传统的干旱监测方法，主要是人工进行检测，会耗费大量的人力，财力，物力，并且整个的流程耗时长，且精度有限。MODIS 系列数据在干旱监测中占有绝对的优势，具有很高的研究价值，尤其是对大气、海洋、陆地，甚至实时的对地观测和应急处理，如森林或草原火灾的检查有很大的帮助。 干旱监测主要是根据土壤含水量指标来实现的，在干旱监测的研究领域，比较成熟的遥感方法是：蒸散计算、热惯性法、地表温度和归一化植被指数法[3]和微波遥感方法[4]。向大享等利用FY -3A MERSI和MODIS  数据进行干旱监测，发现二者结果精度基本一致[5]；王海等利用 LST-NDVI构建特征空间，计算温度植被指数  (TVDI)，对云南地区进行干旱监测[6]；刘玉琴等基于不同的植被指数  (EVI 和 NDVI) ，构建LST-NDVI 特征空间，比较二者的差别，并计算了温度植被指数  (TVDI)，监测了福州地区的土壤干湿状况[7]； 张喆等利用NDVI-Ts 特征空间， 获得温度植被指数  (TVDI)，研究土库曼斯坦典型绿洲干旱状况[8]；齐述华等利用  MODIS 数据提取归一化植被指数( NDVI) 和陆地表面温度(  LST)，计算温度植被指数  (TVDI)，发现以陆地表面温度为基础的干旱指标更加合理[9]；陈斌等通过温度植被指数  (TVDI)  进行干旱监测，发现其与研究区实际情况相对比，二者在各方面都基本吻合，认为 TVDI也能很好的应用在草原的干旱监测上[10]；吴孟泉等利用温度植被干旱指数  (TVDI)  监测云南省复杂山区的干旱分布状况，同时结合气象局信息和野外同步观测的表层土壤温度、湿度数据对TVDI进行验证，得出该方法可以进行大区域的干旱监测，尤其是山区的预警[11]；王纯枝等利用 MODIS  数据产品计算了黄淮海平原的温度植被指数  (TVDI)，认为TVDI  更能稳定反映和指示地表  10～20 cm 的土壤水分状况，该方法适用于黄淮海平原作物生长季的土壤湿度动态监测[12]。 
1.3   主要研究内容和技术方法 利用归一化植被指数  NDVI  (Normalized Difference Vegetation Index)和地表温度 LST  (Land Surface Temperature)，构建 LST-NDVI特征空间，计算温度植被干旱指数TVDI (Temperature Vegetation Dryness Index)，对某区域进行干旱动态监测，尤其是监测某一时期整个区域的干旱程度，并且利用该研究结果分析该地区干旱程度的时空变化特征。本文选取  2001～  2010  年黄淮海地区，包括北京、天津、河北、山东、河南、江苏、安徽 5 省 2 市的 MODIS-NDVI 数据以及 Landsat-TM 数据，利用温度植被干旱指数法  (TVDI)  反演方法，分析黄淮海地区干旱情况的时空分布状况，并与该地区实际的干旱状况进行比较。 基于MODIS数据与TVDI指数的黄淮海干旱变化动态分析(2):http://www.youerw.com/jisuanji/lunwen_36174.html