陈　曦， 胥　兵，2, 陈爱明， 方　臣

(1.湖北省地质调查院,湖北 武汉　430034； 2.中国地质大学(武汉) 资源学院,湖北 武汉　430074)

0　引言

准确和有效地获取滑坡信息是后续滑坡灾害分析、评价和预测的基础[1]。长期以来国内外普遍采用的信息获取方法主要来自地面调查,但面对大面积、交通困难、高海拔、峡谷等不利因素的滑坡信息获取,地面常规调查显露出周期较长、人力成本较高、长期监测难度较大的困难[2],逐渐不能满足中大比例尺的区域滑坡灾害详查的需要。

遥感技术由于能够快速、准确、兼顾宏观和微观两个方面获取滑坡信息,在滑坡调查和研究中得到了广泛的应用。中国的滑坡遥感调查起步于20世纪80年代初二滩水电站周边的滑坡灾害排查[3]。伴随着遥感卫星的发展,出现了利用高分辨率卫星图像替代早期航片进行滑坡信息的判读[4-5]。这些高分辨率卫星数据既具有高分辨率的全色波段,又有多光谱数据,通过融合影像,可有效地提高滑坡识别水平[6]。在利用高空间分辨率遥感图像进行目视解译时,通常认为目视解译滑坡的最小规模为高分影像最高空间分辨率的20～25倍[7],而使用空间分辨率<10 m的遥感影像进行滑坡判读效果欠佳[8]。

目前,高空间分辨率遥感技术已被应用于滑坡识别、滑坡监测、堆积体定量计算、滑坡敏感地带划分等诸多研究方向[9]。2004年,Delacourt 等人通过对空间分辨率高于1 m 的航片和Quick Bird 影像进行光学变换,进行了2.5 ～20 m的滑坡运动制图[10]。王治华提出了结合GIS技术的“数字滑坡技术”,能准确定性、定量地认识滑坡,展示滑坡信息[11-12]。“长江中上游(江津—宜昌段)1∶5万航空遥感地质调查(地质灾害部分)”应用航片精细解译了危岩、崩塌、滑坡地质灾害[13-14]。Nichol等应用IKONOS全色图像,最小可识别滑坡达到了9～14 m[15]。杨红日等人利用Quick Bird影像,结合野外GPS控制点进行滑坡前后对比解译分析及定量研究[16]。在汶川地震发生以后,黄润秋等利用汶川地震后的ALOS卫星影像数据排查了地震滑坡点[17]。日本京都大学的Chigira等利用ALOS卫星影像数据分析了滑坡分布的特征[18]。殷跃平、Dai、Van Westen等也从不同角度使用不同方法对地震滑坡进行了详尽的研究[19-21]。

滑坡灾害作为一种特殊的地貌过程现象,在遥感图像上表现出其特殊的色调、形状、阴影、纹理及图形差异特征,这些特征的特定组合即滑坡识别的直接解译标志;因为滑坡而形成的地形地貌、植被、水系的异常亦可为滑坡的判定形成佐证,称为间接解译标志。以往的滑坡判读主要依靠地质人员根据经验,结合解译标志目视判读。但由于滑坡遥感识别存在的复杂性,特别是地质环境条件不同、滑坡发生时间不同、滑坡规模与滑动距离不同、主导滑坡形成的影响因素不同均会使滑坡影像特征产生较大差别,难以建立统一的遥感解译标志,增加了遥感判读工作的经验性,加大了滑坡判释的难度。

如上所述,综合应用遥感技术,根据滑坡灾害的特点提取滑坡宏观背景环境特征,圈定滑坡灾害的重点区域,以缩小滑坡灾害的遥感调查范围;再结合微观滑坡地貌环境特征,进行人机交互解译,能明确滑坡灾害的空间分布区域,减少解译工作的强度。本文选取湖北省房县的部分区域,以遥感技术提取滑坡背景环境特征为基础,圈定滑坡灾害的重点区域。在重点区域内,根据房县滑坡的特点,利用遥感技术提取滑坡微地貌特征、光谱特征,最终人机交互圈定滑坡体,达到快速预判的目的。

本文使用的遥感数据为“高分一号”卫星多光谱和全色数据,及空间分辨率为30 m的ASTER GDEM数据。数据指标如表1。

表1　GF-1卫星有效载荷技术指标Table 1　GF-1 satellite payload technical indicators

1　宏观易发环境分析与提取

滑坡是在一定的地质、地貌、地形等条件下形成的,是各种环境因素的特定组合共同形成的结果。宏观来说,滑坡的稳定性取决于它的物质组成、地质构造、地形地貌、地表湿度、植被覆盖等几个重要方面。其中,物质组成、地质构造、地形地貌取决于滑坡体自身固有属性,而地表湿度、植被覆盖等为滑坡遥感可监测的外在表现。任何单一的条件都不足以确定一个滑坡,但根据不同条件的组合,可以提取特有的滑坡条件的组合,从而缩小滑坡遥感解译的范围,这个过程即为滑坡宏观易发环境提取。

1.1　特定地表坡度提取

所谓“滑坡”,一个重要的决定因素即为“坡”。世界上绝大部分的滑坡位于山区。因为重力是滑坡形成的根本原因[22]。重力在自然界中是时刻存在的,在重力作用下并不是所有的斜坡体都会产生滑动,但当外界环境因素发生变化时,改变了原有的应力条件,便可以发生滑坡。

重力在宏观地貌的表现形式就是斜坡,在遥感观测角度表现为具有一定坡度。所以根据区域斜坡稳定性判别依据,提取特定坡度的区域,便可以从单一坡度因素宏观圈定不稳定斜坡所处范围。

在本次调查研究区——十堰市房县,根据《十堰市(郧西、竹山、竹溪、房县)地质灾害详细调查实施细则》中的稳定性分级(表2),对应提取坡度的阈值划分为坡度级别。以ASTER GDEM为遥感数据源进行坡度计算,使用决策树分类提取以上特定坡度的区域。

1.2　特定地层岩性提取

“滑坡”还有一个重要的决定因素,就是“滑”。组成斜坡岩性的软弱程度决定了斜坡的易滑动性,特定的地层和岩性组合是滑坡发生的物质基础。在本次研究范围内,便存在结构松散的沉积物(残坡积物)、页岩、泥灰岩、泥质板岩、千枚岩、泥质砂岩以及煤系地层。这些基岩组成的地层岩土力学强度较弱,抗剪、抗风化差,在流水或其他外部因素作用下易产生滑动,所以这些地层存在滑动潜质。通过区域“高分一号”卫星影像的分析和对比,发现这些易滑地层和特定岩性组合在高分辨率遥感影像上具有较高的区分度。

通过区域地质资料的收集和分析,建立了如表3所示地层岩性遥感影像解译标志。

表2　斜坡、滑坡稳定性判别依据表Table 2　Stability of slopes and landslide discriminations

如表3所示的部分软质岩解译标志,解译区内软质岩,厘定软质岩边界,制作软质岩空间分布图,用以区别有滑动潜质的软质岩与其它地层的关系,突出差别,缩小滑坡解译范围。

1.3　相关地质构造信息提取

工作区地质构造十分复杂,房县南部为秦岭—大别造山系与扬子陆块之交接部位,一级构造分区断裂青峰—襄樊—广济断裂由房县盆地以南呈近东西向延伸,二级构造分区断裂——竹山断裂位于竹山县南西,青峰—襄樊—广济断裂及竹山断裂以北,为青白口纪武当山岩群浅变质岩分布区,以发育北东向断裂为主,上述断裂影像线性特征十分清晰,呈明显的线性行迹。

表3　工作区地层岩性遥感影像解译简表Table 3　Summary table of remote sensing image interpretation on the work area

续表3

与滑坡相关的地质构造主要有区域大构造、褶皱的转折端，也包括区域小构造。不论构造规模的大小,都会不同程度地影响斜坡的稳定性。断裂造成岩体破碎,为滑坡提供了物质来源。因构造活动造成的裂隙、揉皱改变了基岩原有的结构特性,为滑坡产生提供了物质、结构基础，为外部触发储备了条件。

一般而言,断层的性质不同,其倾角也有一定差别。正断层的倾角在60°左右,走滑断层的倾角一般为90°左右,而逆冲断层的倾角一般在30°左右。研究证明[23],断裂倾角对滑坡分布起控制作用。随着断层倾角变陡,垂直于断层走向方向上受到滑坡影响的范围就会随之变小。所以,就区内构造而言,以逆冲断层和正断层为代表的倾角相对较缓的断层控制着更多滑坡的形成和发展。

在区域构造背景指导下,利用“高分一号”遥感卫星影像数据在1∶5万的尺度下进行断裂构造详细解译,建立该地区遥感构造解译标志,根据解译标志采用类比法解译全区断裂构造,得到区内断裂构造遥感解译图。重点提取除走滑断层外的低倾角断层,受断层控制和影响的区域与断层倾角有负相关关系,与断层规模呈正相关关系,但总体而言,影响范围为沿断裂走向线性展布的带状区域。根据与房县临近的竹山县解译的经验,通过遥感解译和地质资料,提取区内正断层、逆冲断层等构造信息,勾绘受这些断层控制和影响的区域,作为下一步解译的重点区域,从而大大缩小了解译强度和解译范围。据此进行缓冲区分析,得到特定受构造影响,滑坡重点解译区域图(图1)。

图1　受断裂构造影响的滑坡重点解译区域图Fig.1　The key areas affected by fault structure

1.4　地表湿度异常提取

降水是诱发滑坡的重要动力因素,主要通过四方面机制触发滑坡:①降水和地表水进入岩土体后产生加载作用,增加岩土体的重量,在重力作用下易达到滑动临界值,产生崩解、泥化现象,诱发滑坡;②在地表水的浸泡作用下,易滑地层易被软化,层间泥质成分易产生滑动层,降低了层间抗剪力;③岩土体节理、间隙充水饱和,增加动水、静水压力的同时,减小其有效应力;④岩土体附水、失水的过程中裂隙更加发育,使岩土体结构进一步恶化。以上机制主要表现于地表水分含量以及岩土体附水性。通过对地表水分含量的监测，便可以划分地表水分含量诱发滑坡的影响程度。

表4　Red-NIR光谱空间区分布特征简表Table 4　Red-NIR spectral region of space distribution characteristics

地表水分含量的遥感监测手段较多,但考虑到房县植被覆盖率高,且本次使用的遥感数据——“高分一号”卫星属宽波段多光谱传感器,所以考虑使用高分一号数据的band3(红光波段)、band4(近红外波段)构建Red-NIR光谱特征空间[24],以区分岩土体的水分含量,定性、半定量的判断地表岩土体的附水性。从表4可以看出,NIR-Red光谱特征空间具有良好的地物分辨能力。能较好的分辨水体、湿土、干土并对不同植被覆盖下的裸土壤、低植被覆盖混合像元、高植被覆盖有良好的区分性。

通过“高分一号”卫星多光谱数据构建的Red-NIR光谱特征空间中,特征空间散点图呈典型的三角形分布。存在清晰的土壤基线BC(图2)。由土壤基线B端到C端呈现土壤由湿变干的特征。

在NIR-Red光谱特征空间上,过原点作土壤线BC的垂线L,从任何一个点到直线L的距离可以说明地表的干旱情况,即离L线越远地表越干旱,反之亦然。

一般来说,接近于直线L的空间较为湿润,反之,远离的空间较为干燥。由此利用Red-NIR特征空间上点到直线L的距离便可以用以对土壤水分含量做定性以至定量描述。用以突出土壤水分含量的差异。据此建立垂直植被干旱指数PDI[26]:

图2　垂直植被干旱指数原理示意图[25]Fig.2　The PDI index theory

(1)

式中：M是Red-NIR特征空间的土壤线的斜率；Rred、RNIR分别是任意一点红光和近红外波段的反射率[27]。由式(1)可以方便地使用波段运算得到PDI的值加以分析。

PDI指数简单易用,对土壤湿度评估迅速。在PDI的基础上,受到植被对土壤含水量的影响,引入植被覆盖率构建改进的垂直植被干旱指数MPDI。

改进的垂直植被干旱指数也是基于Red-NIR特征空间,其主要思想是将植物对PDI的影响通过线性反射率混合模型消除[24,28-31]。

首先在PDI指数基础上消除植被影响信息,仅考虑土壤,建立理论公式[28]:

(2)

试通过线性混合模型分解混合像元反射率:

Ri=fvRi,veg+(1-fv)Ri,soil

(3)

式(3)中：fv为植被覆盖率；Ri,veg为植被反射率；Ri,soil为土壤反射率。据此可以得到混合像元中土壤反射率为[29-31]：

(4)

所以将公式(4)带入(2)中得到MPDI:

(5)

根据公式(5),结合“高分一号”数据就能获得每个像元的MPDI值,区分土壤水分含量。

1.5　地表植被覆盖程度提取

植被覆盖度是判断已产生滑动新、老滑坡的重要客观指标。植被对水土具有良好的保持作用,滑坡体一般少有植被发育。特别是在房县,地表植被覆盖度整体较高,滑坡区域与非滑坡区域有一定的区分性。根据十堰市房县西侧竹山县目视解译的经验,新、老滑坡体表面植被发育与背景植被存在异常,表现为:滑坡体表面植被稀疏或呈现裸土,基本不会覆盖乔木,常覆盖有灌木或被改造为农田。针叶林或针叶阔叶混交林表观显墨绿色,遥感观测可见球状、点状冠层;而灌木林和农田显浅绿色,农田更有较规则图案,如表5所示:

表5　典型滑坡植被覆盖异常表Table 5　Vegetable cover anomaly of typical landslide

所以,通过遥感手段,利用归一化植被指数(式(6))对研究区植被覆盖率进行划分,可以从宏观上就针叶阔叶混交林和滑坡体(阔叶林、农田)在植被覆盖率上的差别,提取低植被覆盖的区域。

(6)

根据归一化植被指数求得植被覆盖率:

(7)

式中：Fg为植被覆盖率；NDVImin、NDVImax分别为该区域归一化植被指数的最小值和最大值。利用高分一号数据便可以求得植被覆盖率图,从宏观上区分针叶林与滑坡体上裸土、阔叶植被或农田。

1.6　宏观易发环境综合分析

控制滑坡的宏观环境因素较多,也较为复杂。就十堰市房县地区滑坡特征而言,使用遥感手段,从滑坡形成的内在条件:坡度、软质岩、断裂控制;滑坡形成的外在诱发条件:地表湿度;滑坡表观特征:滑坡体植被异常;三个方面、五个指标综合划定遥感解译重点区域,以减少单纯遍历型目视解译的工作强度,力求做到有的放矢。

现实情况中的滑坡各具特点,往往不是简单的五个指标的叠加,而是三两或两两的特定组合。就灾害详查的要求而言,不适于简单草率的使用叠加分析取交集法、简单证据权法、层次分析法等简单提取易发区域而忽略其他条件。所以,建议采用简单模糊的叠加求和分析,扩大重点解译区的范围(图3)。解译过程以缓冲区(断裂影响范围)为轴线,逐步辐射扩大的方式,提高解译效果。

图3　滑坡宏观易发环境遥感信息提取示意图Fig.3　Remote sensing information extraction of landslide

根据三个方面、五个指标的信息提取,可以方便地将各要素层作简单的叠加分析,缩小解译区域,减少解译工作量。对解译区域的滑坡宏观环境的组合了然于胸,对灾害点的解译有直接的指示作用。下面仅以区内某一个灾害点为例作为宏观环境五个指标的印证(表6)。

表6　宏观易发环境滑坡印证表Table 6　Specific cases substantiation

2　微观特征环境分析与提取

经过宏观滑坡易发环境分析,并结合“高分一号”数据和GDEM数据进行区内宏观易发因素的提取,能够确定重点解译区域,做到有重点、有方向的确定滑坡灾害点。但指导思想仅仅是通过提取滑坡所处宏观环境因素而缩小目视解译范围。总结已解译的部分滑坡,在微观地貌特征与微观地表覆被特征有一定的相似性,通过在“宏观重点解译区域”(前文提取的宏观易发因素确定)采用遥感手段,结合十堰市房县滑坡地质灾害特点,提取滑坡微观地貌特征与微观地表覆被特征,自动提取滑坡形态,达到圈定灾害点的目的。

2.1　滑坡体边界特征的确定

滑坡形成后在斜坡上往往会出现周围较陡,中间较缓的圈椅形微地貌特征。一个发育完全的滑坡一般具有:滑坡体、滑坡周界、滑坡壁、滑坡台阶、滑坡舌、滑坡轴、滑坡鼓丘、滑坡裂缝、滑动面、滑动带、滑床等要素。但现实中,滑坡形态各异,并不完全具备以上滑坡要素,但滑坡后壁、滑坡体、滑坡周界、滑动带和滑床是所有滑坡都具备的。就遥感观测而言,能解译出的基本要素仅有表观的滑坡后壁和滑坡周界两项,如图4。

图4　滑坡微地貌(据王治华,2007)Fig.4　Landslide micro landform1.滑坡体;2.滑坡周界;3.滑坡壁;4.滑坡台阶;5.滑坡舌;6.滑坡轴;7.滑坡鼓丘;8.拉张裂缝;9.剪切裂缝;10.扇形裂缝;11.鼓张裂缝;12.破裂缘;13.后缘洼地;14.滑动面;15.滑动带;16.滑坡床;17.剪出口;18.原始地面。

滑坡后壁和周界在微地貌形态上呈陡坎状,陡坎的顶部边界在滑坡体以及滑坡附近区域内为坡度与坡向变化较快的区域(图4中红色区域)。根据这个特

点,使用DEM遥感数据分别求取坡度、坡向，并在此基础上求取坡度变化率和坡向变化率,陡坎部分在坡度变化率和坡向变化率均有突出的高值特征,所以可以使用这种高值特征勾绘滑坡后壁和滑坡边界,下面是使用GDEM作为遥感数据源提取的滑坡后壁与滑坡周界效果,如表7。

由表中实例可见,对于后壁、周界具有陡坎形态特征的滑坡可以被以上方法检测。但由于本次使用的GDEM空间分辨率(30 m)的限制,本次微地貌提取仅对规模较大的滑坡有效。若使用空间分辨率更高的DEM数据,则可以提取更小规模的滑坡,提高解译效果。

2.2　滑坡体地表覆被异常范围的圈定

实际解译和实地考察过程中,部分滑坡体具有微观地表覆被异常特征。实地可能见到马刀树、醉汉林等,且以低矮阔叶植被为多,有的滑坡体被改造为农田,造成滑体与背景植被覆盖特征有较大差别。针对这些表观特征,在遥感观测角度可以较明显地监测到植被种属的区别。

常见的滑坡体与背景地表覆被异常组合有三种:滑坡体为裸土,背景为针叶林;滑坡体为阔叶植被,背景为针叶阔叶混交林;滑坡体为农田,背景为针叶林。表8是通过遥感分类方法区分滑体与背景。

表7　工作区滑坡形态特征提取简表Table 7　Extraction of morphological features of work area of landslide

表8　基于遥感分类的滑坡覆被异常特征提取简表Table 8　Extraction of landslide based on remote sensing classification

3　总结

本文利用“高分一号”遥感数据和ASTER GDEM数据对湖北省十堰市房县滑坡宏观易发环境进行了分析与提取,主要提取了特定坡度、软质岩分布、断裂构造分布、地表湿度异常、植被覆盖度异常五方面指标,通过叠加分析确定了重点解译区域。通过对滑坡周界微地貌特征和滑坡体地表覆被异常的遥感划分,在重点区域内自动勾绘滑坡体轮廓,取得了较好效果。最终通过人机交互的方式在提取的重点区域内,结合通过微观特征环境提取获得的滑坡体轮廓信息,解译全区滑坡灾害点。

使用本文方法选取房县青峰镇幅、王家湾幅、土城幅、房县幅四个1∶5万标准图幅,解译滑坡灾害点209处,多数能被本文提取的宏观易发环境良好控制,微观特征环境信息也有较好指示作用。相对以往的目视解译,本文所用方法降低了工作强度,对滑坡灾害点的空间分布特征能有足够的预判,对灾害点的解译能做到有的放矢。但在重点解译区内利用坡度变化率和坡向变化率分析滑坡微地貌特征时常常会受到线性沟谷、山脊线、河流、冲沟等起伏较大、线状特征明显的地物的影响。所以,在利用坡度变化率和坡向变化率指标时,需结合滑坡遥感目视解译方法,参考坡度与坡向变化特征,进行人机交互解译,达到避免线性地质体干扰的目的。

参考文献：

[1]胡德勇,李京,陈云浩,等.GIS支持下滑坡灾害空间预测方法研究[J].遥感学报,2007,11(6):852-859.

[2]王治华.滑坡遥感调查、监测与评估[J].国土资源遥感,2007(1):10-15.

[3]王治华.中国滑坡遥感及新进展[J].国土资源遥感,2007,19(4):7-10,32.

[4]王治华.滑坡、泥石流遥感回顾与新技术展望[J].国土资源遥感,1999(3):10-15.

[5]Leonhard Johannes B lesius.Leonardo:a satellite based methodology for land slid e susceptibility mapping incorporating geotechnical slope stability parameters[D].Bowa City:The University of Iowa,2002.

[6]李铁锋,徐岳仁,潘懋,等.基于多期SPOT-5影像的降雨型浅层滑坡遥感解译研究[J].北京大学学报:自然科学版,2007,43(2):204-210.

[7]石菊松,吴树仁,石玲.遥感在滑坡灾害研究中的应用进展[J].地质论评,2008,54( 4):505-514.

[8]Burns B.Comparison of mapping techniques in the Portland hills pilot study area,Landslide Symposium 2007—New tools and techniques for develop in regional hazard maps and future risk management practices[EB/OL].( 2007-04-26)[2013-09-01].http://www.oregongeology.com/sub /landslide /symposium 2007/index.htm.

[9]鲁学军,史震春,等.滑坡高分辨率遥感多维解译方法及其应用[J].中国图像图形学报,2014,19(1):141-149.

[10]Delacourt C,Allemand P,Casson B,et al.Velocity field of the“La Clapière”landslide measured by the correlation of aerial and Quick Bird satellite images[J].Geophysical Research Letters,2004,31(15):615-619.

[11]王治华.数字滑坡技术及其应用[J].现代地质,2005,19(2):157-164.

[12]王治华.大型个体滑坡遥感调查[J].地学前缘,2006,13(5):516-523.

[13]童立强,郭兆成.典型滑坡遥感影像特征研究[J].国土资源遥感,2013,25(1):86-92.

[14]王芳洁,陈曦.航空影像在滑坡调查与监测中的应用研究[J].城市勘测,2012(5):163-167.

[15]Nichol J,Wong M S.Satellite remote sensing for detailed landslide inventories using change detect ion and image fusion[J].International journal of remote sensing,2005,26(9):1913-1926.

[16]杨金中,杨日红.遥感技术在三峡库区千将坪滑坡研究中的应用[J].国土资源遥感,2007,19(4):85-89.

[17]黄润秋,李为乐.“5·12”汶川大地震触发地质灾害的发育分布规律研究[J].岩石力学与工程学报,2008,27(12):2585-2592.

[18]Chigira M,Wu X,Inokuchi T,et al. Landslides Induced by the 2008 Wenchuan Earthquake,Sichuan,China[J].Geomorphology,2010，118(3):127-138.

[19]殷跃平,成余粮,王军.汶川地震触发大光包巨型滑坡遥感研究[J].工程地质学报,2011,19(5):674-684.

[20]Dai F C,Xu C,Yao X,et al.Spatial Distribution of Landslides Triggered by the 2008 Ms 8.0 Wenchuan Earthquake,China[J].Journal of Asian Earth Sciences,2010(4):10.

[21]Van Westen C,Gorum T,Fan X,et al.Distribution Patternof Earthquake-induced Landslides Triggered by the 12 May 2008 Wenchuan Earthquake[R].Vienna:EGU,2010.

[22]Skempton AW,Deilory FA.Stability of natural slopes in London clay[C]//Proceedings,4thInternational Comference on Sdl Mechenies and Foundation Engiceering,1957:378-381.

[23]陈晓利，惠红军，赵永红.断裂性质与滑坡分布的关系——以汶川地震中的大型滑坡为例[J].地震地质，2014(2)：358-367.

[24]陈曦,陈建国,王成彬,孙潇,谢应波.福建武夷山植被覆盖区遥感地质信息提取[J].地质学刊,2013(3):496-508.

[25]Q.QIN,A.GHULAM,L.ZHU et al.Evaluation of MODIS derived perpendicular drought index for estimation of surface dryness over northwestern China[J].International Journal of Remote Sensing,2008,29:1983-1995.

[26]Ghulam A,Qin Q,Kusky T,et al.A re-examination of perpendicular drought indices[J].International Journal of Remote Sensing,2008,29(20):6037-6044.

[27]詹志明,秦其明,阿布都瓦斯提·吾拉木,等.基于NIR-Red光谱特征空间的土壤水分监测新方法[J].中国科学(D辑:地球科学),2006(11):1020-1026.

[28]Ghulam A,Qin Q,Teyip T,et al.Modified perpendicular drought index (MPDI):a real-time drought monitoring method[J].ISPRS journal of photogrammetry and remote sensing,2007,62(2):150-164.

[29]Li Z,Tan D.The Second Modified Perpendicular Drought Index (MPDI1):A Combined Drought Monitoring Method with Soil Moisture and Vegetation Index[J].Journal of the Indian Society of Remote Sensing,2013:1-9.

[30]Zhang H,Chen H,Shen S,et al.The application of Modified Perpendicular Drought Index (MPDI) method in drought remote sensing monitoring[C].ISPRS journal of photogrammetry and remote sensing,2008,59(2):230-244.

[31]李震,陈权.MPDI在微波辐射计植被覆盖区土壤水分反演中的应用[J].遥感学报，2006(1)：34-38.