Comparison of Satellite-Based Drought Monitoring Indicators (NDVI, NDMI, and LST): The Case of the Northern Aegean Drainage Basin
Arman Monshizadeh Karimi · İ̇smail Taş
比较Landsat 8的NDVI、NDMI与LST三种遥感干旱指标在北爱琴海流域的相关性。
用2019-2022年3-5月Landsat 8数据计算NDVI、NDMI、LS
LST与NDMI、NDVI负相关随春季增强，5月最强（r=-0.78、-0.74），NDMI略优。
可融合气象与地面数据构建多源干旱指数，并验证NDMI-LST关系在其他气候区的普适性。
方法对比扎实、结论明确，但属区域案例研究，公共影响有限，适合作为遥感干旱监测主题的补充素材而非头条精选。
得益于技术进步，卫星遥感为监测植被、地表水分状况和地表温度对干旱的时空响应提供了重要手段。其大范围、高时间连续性的监测能力显著消除了地面观测的空间局限性，使得植被动态、土壤水分和地表温度等关键变量能够被同步、可比地分析。归一化差异植被指数（NDVI）、归一化差异水分指数（NDMI）和地表温度（LST）等指标提供了关于植被状况、地表水分和热胁迫的互补信息，从而支持干旱监测。这一综合监测框架既支持水资源的可持续管理，又增强了决策过程的科学基础，对减少灾害风险具有重要贡献。本研究对2019年至2022年3月、4月和5月获取的Landsat 8数据所衍生的NDVI、NDMI和LST值进行了比较评估，并考察了北爱琴海流域（NADB）内这些变量之间的关系。结果表明，从3月到5月，LST与光谱指数之间的负相关关系日益增强，5月观测到最强相关性，NDMI–LST（r = −0.78）和NDVI–LST（r = −0.74）。可以认为NDMI-LST关系略优于NDVI-LST关系。NDMI与NDVI之间的相关系数在3月最低（r=0.54），5月最高（r=0.90）。研究确定，LST值较高的区域其NDVI和NDMI值较低。利用遥感方法进行干旱监测在时间和精度方面具有重要意义，但仅靠其自身并不充分。除卫星影像带来的问题外，地表还受到短期气候因素的影响。因此，从卫星影像获得的指数必须与气象和地面数据结合评估。然而，可以认为在当前技术和方法条件下，基于卫星的干旱监测将产生更可靠的结果。