作为世界上最大苹果生产国和消费国，中国的苹果产量占世界苹果产量40%以上^［1］。陕西省洛川县地处渭北旱塬，是我国优质苹果主产区，苹果产业是推动该区经济发展主要动力。然而，洛川县属干旱半干旱地区，大陆性季风气候明显，水资源匮乏且常年降水不均；苹果树整个生育期耗水量大，加上多数果园灌溉方式落后，水分利用率低，导致干旱灾害严重影响该区苹果产量和质量^［2-4］；另一方面，全球气候变暖加剧干旱对苹果的威胁，迫切需要开展苹果干旱监测工作。

目前，对苹果干旱的研究多集中于干旱发生后苹果生理特性变化以及防治方面，监测苹果受旱情况的研究较少，且苹果干旱监测相关研究主要运用站点数据，如气温、降水等气象数据以及土壤湿度等墒情数据^［5-13］。王景红等^［12］利用降水数据，结合苹果生育期需水规律，构建苹果旱情评估指数Dr，对陕西4个代表县进行了分生育期的苹果干旱风险分布分析。利用站点数据能够精确监测小区域苹果园或部分苹果样点干旱情况，但对空间信息表征有限。通过遥感手段，可获取区域尺度长时间序列地表温度、植被生长状况等信息，能实现大范围植被干旱时空动态监测。前人已在农作物遥感干旱监测研究方面取得重大突破，发展了一系列能实现作物干旱监测的遥感指标，如与作物冠层温度相关的温度植被干旱指数（TVDI）^［14-17］、温度状态指数（TCI）^［18-19］与作物冠层含水量有关的归一化植被水分指数（NDWI）^［20-21］以及综合反映作物形态、植被绿度、冠层温度的植被供水指数（VSWI）^{［17，22-23］}等。此类遥感干旱指标已被应用于农作物干旱监测，并取得较为理想的干监测效果^［24］。刘公英等^［16］基于MODIS数据，以重大干旱年份2010年为例，验证了TVDI监测冬小麦干旱的可行性。Liu等^［21］研究表明，NDWI比NDVI对水稻冠层含水量更敏感，能准确反映水稻短期干旱的时空状况。孙丽等^［24］同时利用温度植被干旱指数（TVDI）和植被供水指数（VSWI）监测2009年全国冬小麦主产区干旱状况，结果显示两个指数与10 cm深度土壤湿度相关性较好。目前，学者多对小麦、玉米等粮食作物进行遥感干旱监测研究，而对苹果干旱监测研究报道较少。苹果作为一种经济作物，与粮食作物有较大区别。苹果是多年生乔本植物，粮食作物多为一年生禾本植物，两者在形态结构和生理特征上差异较大，具有不同的抗旱能力，因此探索遥感干旱指数在苹果干旱监测中的适用性具有重要意义。

干旱监测中常用的遥感数据为MODIS，它具有时间序列长、光谱范围宽、覆盖范围广、时空分辨率高、标准产品丰富等优点，有利于从多角度、长时间序列监测作物的生长变化状况/异常，是农业干旱监测重要数据源^［25］。土壤湿度是干旱监测的重要指标，农业遥感干旱研究中常通过遥感反演土壤湿度实现大范围干旱监测，或利用土壤湿度对遥感干旱指标监测的干旱状况进行验证^{［24，26-27］}。张洁等^［26］研究表明在华北平原中部地区冬小麦生长季节，10 cm深度土壤湿度与植被供水指数（VSWI）线性关系较好；Amani等^［27］提出温度植被土壤湿度干旱指数（TVMDI），并利用土壤湿度评估了该指数以及垂直干旱指数（PDI）、改良垂直干旱指数（MPDI）、温度植被干旱指数（TVDI）的干旱监测结果，验证TVMDI的干旱监测能力。

本文以MODIS反射率产品（MOD09A1）、地表温度产品（MOD11A2）以及地表覆被数据（MCD12Q1）为遥感数据源，结合土壤湿度数据和野外调查资料，以洛川县为研究区，分析遥感干旱指数TVDI、NDWI、VSWI与苹果区土壤湿度一致性，探索遥感干旱指标对土壤干湿状况表征能力，并进一步研究遥感干旱指标对土壤湿度滞后性，以及在苹果不同生育期对干旱响应敏感性，评估不同遥感干旱指标的适用性，以期寻找对苹果干旱敏感的遥感干旱指标，为苹果干旱监测提供简单有效的监测方法。

洛川县位洛川县位于陕西中部（35°21′09″~36°04′12″ N，109°18′14″~109°45′47″ E），延安南部，地处渭北旱塬沟壑区，平均海拔1 100~1 200 m，地势北高南低，东高西低，属北温带大陆性季风气候，降水偏少且季节分配不均，多年平均降水量623.6 mm，集中在6~9月；年均气温约9.9 ℃，昼夜温差大，日照充足，利于苹果光合物质的合成、积累和运转，是世界优质苹果宜生区。洛川县地下水资源匮乏，年均蒸发量1 560 mm，与降水差距较大，水量收支不平衡，干旱灾害频发。洛川产业以苹果产业为主导，截至2019年，洛川耕地面积约64万亩，其中苹果种植面积50万亩，占耕地面积78%。苹果需水量大，干旱灾害是限制洛川苹果产业发展的主要自然灾害。

研究所用数据源主要包括野外调查数据、MODIS数据、土壤湿度数据以及气温和降水数据：

（1）2019年5月洛川县野外调查，获取23个苹果样点位置信息（图1）及部分果园基本情况，包括苹果种植面积、种植时间、生育期和受灾情况等。23个样点苹果种植面积均在500亩以上，树龄10年以上；通过野外调查并结合文献资料，确定洛川苹果生育期划分大致为：3月中旬至4月中旬为萌芽-花期，4月下旬至6月下旬为新梢旺长期，6月底7月初进入果实膨大期，9、10月果实成熟，11月中旬进入落叶休眠期。

（2）为保证研究时段样点地物为苹果，同时综合考虑苹果主要生育期（萌芽-果实成熟）和近年洛川干旱灾害发生年份（2014年、2017年），选用2014~2018年MODIS地表反射率数据集MOD09A1和地表温度数据集MOD11A2，每年具体提取第81天~第305天（3~10月）的数据用于遥感干旱指标计算。MODIS数据源自NASA网站（https：//ladsweb.modaps.eosdis.nasa.gov/），MOD09A1与MOD11A2数据集的时间分辨率均为8天，空间分辨率分别是500 m（MOD09A1）和1 km（MOD11A2）。8天的时间分辨率能捕获苹果较为详细的生长变化状况/异常，有利于探测苹果对干旱的响应。此外，在地表温度重建过程中用到MODIS地表覆盖产品MCD12Q1，分辨率为500 m。

（3）降水和气温数据来自中国气象数据网，是洛川县国家级气象站2014~2018年的逐日气象资料，用于辅助分析遥感干旱指标变化特征。

（4）作为表征干旱的重要指标，选取欧空局气候变化倡议项目（http：//www.esa-soilmoisture-cci.org）公开的2014~2016年土壤湿度数据，该数据由微波遥感反演得到，时间分辨率为1 d，空间分辨率为25 km，单位为cm³/cm³。申晓骥等^［28］已利用全国700多个农气站点实测土壤湿度数据对中国区的土壤湿度数据进行验证，相关系数大于0.8，与农气站点数据高度吻合。

MODIS数据处理主要包括拼接、重投影、裁剪、无效值（包括填充像元和质量差的像元）剔除、剔除值重建。其中，针对不同的数据集，剔除的数据和重建的方法有所差异。

地表反射率数据集MOD09A1存在部分填充值，为提取MOD09A1影像有效数据，先去除填充值，再使用待填充像元9×9范围内土地利用类型相同的像元平均值进行填补，并计算增强型植被指数（EVI）和归一化植被指数（NDVI），形成2014~2018年EVI和NDVI时间序列集。

MOD11A2地表温度数据存在大面积填充值或质量差的像元（如云覆盖像元），剔除后会造成研究数据大量缺失，影响实验结果，需要对剔除后的影像进行重建。采用Shuai等^［29］提出的MODIS地表温度数据重建方法，原理是同一植被类型相邻像元地表温度相近。在进行质量控制时，剔除掉的像元为：LST低于7 500的像元以及根据质量控制文件确定LST error>3 K的数据。剔除掉的像元为待重建像元。针对待重建像元，通过邻近同地类质量较好的像元（参考像元）加权平均进行填充，权重由待重建像元与参考像元的光谱角相似度决定（图2）。

为保证数据时空间分辨率一致，将重建后的MOD11A2地表温度数据利用双线性内插法采样到500 m；使用平均法合成时间分辨率为8 d的土壤湿度数据集（ESA CCI SM），并降采样到500 m。土壤湿度降采样方法已有大量研究，Song等^［30］提出利用土壤湿度与表观热惯量关系进行降采样的方法，该方法适用于裸露地表和植被稀疏的陆表；Carlson等^［31］提出的基于植被指数和温度的降采样方法^［30］，可用于不同植被覆盖区。本文采用Carlson等提出的方法将ESA CCI SM土壤湿度数据降采样到500 m。

对于2014~2018年逐日气温和降水数据，通过平均法获得月平均气温数据，并计算月尺度降水累积量，获取月尺度降水累积数据。

作物的生理状态、长势与旱情发展有着密切的关系，因此可以通过作物形态、绿度、冠层温度、含水量、细胞液浓度等指标监测作物干旱状况^［24］。NDVI、VCI等指标只考虑了作物形态和绿度，且在高植被覆盖区容易出现饱和现象^{［24，32］}；TCI只考虑作物冠层温度，且不适合大尺度监测^［32-33］；NDWI与冠层含水量有直接关系，有研究表明NDWI比NDVI对干旱更敏感^［21］；而VSWI以及TVDI综合考虑了作物形态、绿度以及冠层温度，对作物种植结构敏感，且能避免高植被覆盖区过饱和问题^{［25，32-33］}。因此，本文选择VSWI、TVDI以及NDWI 3个遥感干旱指标用于研究。

温度植被干旱指数（Temperature Vegetation Dryness Index， TVDI）最早是由Sandholt等^［34］提出。考虑表征植被生长状况的归一化植被指数（NDVI）和地表温度（LST）两个因素，构建 NDVI-LST的特征空间（图3），在不同植被指数等级范围统计对应植被冠层温度或者土壤温度信息。由于在植被覆盖度较高地区或生长旺盛的时间段，NDVI因饱和现象不能很好地反映植被状况，同时为了进一步校正土壤和大气的影响，本文还选用抗饱和性较好的EVI计算TVDI，与NDVI计算的TVDI作比较。两种植被指数计算的TVDI分别记为TVDI（EVI）和TVDI（NDVI），且计算公式一致，其中，TVDI（NDVI）的计算公式为：

其中：LST_min、LST_max为NDVI相同值对应的最低地表温度和最高地表温度，分别对应为NDVI-LST特征空间的湿边和干边（图3）。根据影像像元构造的特征空间，通过线性拟合获得特征空间中的干边和湿边方程，其公式如下：

其中：a₁、b₁、a₂、b₂分别是植被指数与LST特征空间中拟合的干边和湿边方程的系数。TVDI取值范围为［0，1］，值越大，表示土壤湿度越低，干旱程度越高。

植被供水指数（Vegetation Supply Water Index， VSWI）是根据植被在干旱逆境中表现出的非正常生理特征而提出^［17］。在一定时间范围内，植被因自生生长周期带来的影响较小，且影响植被生长的其他条件相对稳定时，表征植被形态、绿度的植被指数和与植被水分含量相关的冠层温度保持在一定数值范围；当受到干旱胁迫时，植被供水不足导致叶片自卫性关闭以减少蒸腾，水分流失减少，冠层温度升高，同时伴随植被指数降低^{［22-23，29］}。因此，在干旱发生时，植被冠层温度与植被指数呈现相反的变化规律，两者的简单比值可反映干旱状况。

VSWI适用于植被覆盖区，在高植被覆盖区对干旱响应效果更佳^［35］，但NDVI在高植被覆盖区易饱和，涵盖的植被生长信息受限，且受土壤背景影响大，因此本研究在计算VSWI时使用增强型植被指数EVI，并与归一化植被指数NDVI计算结果进行比较，分别探究其对苹果干旱情况的反映程度。基于NDVI和EVI的VSWI分别记为VSWI（NDVI）、VSWI（EVI），计算公式为：

其中：TS表示地表温度，单位为开尔文（K），VSWI 值越小，表明受干旱影响越严重，反之表示受干旱影响程度小或没有受到干旱影响。

Gao等^［36］于1996年提出归一化植被水分指数 （Normalized Difference Water Index，NDWI）。该指数选用860 nm与1 240 nm构建，用于反演植被水分含量。其中，860 nm是与植被水分吸收无关的波段，1 240 nm位于植被水分吸收位置。Chen等^［37］研究MODIS 7个波段组合与植被水分含量的关系，结果显示MODIS第7波段（2105~2155 nm）计算的NDWI对植被冠层水分的反演最有效，受土壤背景和其他因素影响较小，故本文用第7波段和第2波段来计算NDWI。

其中：ρ₂、ρ₇ 是MODIS的第2、7波段反射率。NDWI数值越小，表明冠层含水量越低，发生干旱的可能性越大或受干旱影响越严重。

对洛川县整个区域进行遥感指标计算，构建2014~2016第81到305天（3月中旬~10月）遥感干旱指标与土壤湿度数据集，并提取23个苹果调查样点所在位置的VSWI、TVDI、NDWI以及土壤湿度值，分析不同遥感干旱指标与土壤湿度的时序变化趋势一致性，进而分析遥感指标与土壤湿度的空间变化特征，探索遥感指标与土壤湿度在空间上的一致性，并利用2014、2017年洛川苹果干旱事件对时空一致性最好的遥感干旱指标进行验证。此外，探讨了遥感干旱指标对土壤湿度的反映滞后性和不同生育期对土壤湿度的敏感性，为洛川县苹果遥感干旱监测提供参考价值。

图4为3个遥感干旱指标与土壤湿度的时序变化趋势，可从时间维分析各遥感指标与土壤湿度的一致性。VSWI、NDWI与土壤湿度（SM）整体上呈现相似变化规律，TVDI与SM一定程度上存上相反变化规律。相关分析表明，VSWI、NDWI与SM之间存在显著性正相关，TVDI与SM为显著负相关，相关系数绝对值大小排列为：r（NDWI）>r（VSWI（EVI））>r（VSWI（NDVI））>r（TVDI（EVI））>r（TVDI（NDVI）），NDWI的相关性为0.695，VSWI（EVI）为0.615。

VSWI、NDWI、SM在1年之内具有明显变化特征：值先增加后减少，1年有一个高峰，出现时间大致在6~8月。这一特征大致与洛川降水和温度变化规律相符合（图5）。洛川一年中降水集中在6~9月，是造成该时间段土壤湿度较同年其他月份高的主要原因。同时，VSWI越大，表示受干旱程度越小，NDWI越大，表示植被含水量越高，而6~8月出现VSWI和NDWI峰值，可能存在两方面的原因：一是由苹果树自身的生长规律引起；6~8月是苹果生长旺盛阶段，植被覆盖度高，植被指数大，冠层、树枝等组织发育完善，VSWI与NDWI峰值出现在6~8月符合苹果生长规律。其次与洛川夏季多雨的气候特征相关；6~8月降水量占全年降水量60%左右，夏季受旱概率较春旱小，VSWI与NDWI在夏季值偏高。TVDI 1年间的变化特征大致为先减少后增加，与VSWI、NDWI、SM变化相反，1年大致只有一个低谷，出现时间范围大致在6~8月。由于洛川具有典型大陆性季风气候夏季高温的特点，7月温度全年最高，水分蒸发加剧，导致土壤湿度、VSWI和NDWI在7月左右出现一个小低谷，在2014年7月该低谷较为明显。

4.1.1节分析表明VSWI（EVI）和NDWI与土壤湿度时间变化一致性较好，本节选择干旱年份2014年为例，进一步分析三者在空间上的分布。采用平均值法合成月尺度影像，分析每月遥感干旱指标与土壤湿度空间分布状况（图6）。

干旱指标在不同月份呈现的空间分布特征不一致。从遥感干旱指标和土壤湿度空间分布图来看，除3、4、9月外，其他月份VSWI与土壤湿度空间分布较为一致；NDWI与土壤湿度在7~9月空间分布较为一致。

干旱指标的空间分布与洛川气候、地势密切相关。洛川县地处渭北黄土高原沟壑区，地势由东北向西南倾斜，黄土梁状丘陵主要分布在东北部以及北部黄龙山边缘地带，丘陵地区土地利用类型为林地；黄土原主要分布在洛川南部以及中北部地区，土地利用类型多为耕地。

3~5月VSWI值在洛川县大部分地区偏低，东北角VSWI值较大。洛川冬春季节降水偏少，发生春季干旱，但林地蓄水能力强，低海拔的地区气温回暖快，因此，造成北部地区较中部、南部湿润的现象；到6月，VSWI低值区域主要集中在南部。南部地区海拔较低，且主要为耕地，耕地土壤水分蒸发强度大，加上6月降水偏低，气温升高，导致南部地区土壤含水量低，VSWI值较小；7、8月降水增加，降水量达到全年降水量60%以上，因此全县土壤湿度较高，VSWI值较大。到9月份，降水达全年最高，土壤湿度比7、8月高，而VSWI主要受植被指数和地表温度的影响，经过7~9月份降水积累，大部分植被不会出现缺水情况，植被指数变动较小，但温度降低，故VSWI值较大。10月降水急剧减少，气温下降缓慢，VSWI值降低。

在7~9月，NDWI与土壤湿度空间分布最为一致。NDWI不仅受土壤湿度的影响，还与植被覆盖度、土壤背景、地形等多种因素有关；而7~9月降水较高，且苹果处于果实膨大期，对水分敏感；大多数植被处于生长旺盛阶段，植被覆盖度高（NDWI与植被覆盖正相关），受土壤背景影响小，该阶段土壤湿度是影响植被水分含量的一个重要因素，故7~9月洛川县NDWI整体偏高，与土壤湿度空间分布较为一致。此外，NDWI空间分布受地形地貌影响较大。

遥感干旱指标与土壤湿度变化趋势一致性表明，VSWI（EVI）与土壤湿度时间和空间上一致性最好，说明VSWI能在一定程度上反映土壤干湿状况。本节进一步分析干旱事件中VSWI变化特征。

根据野外问卷调查得知，2014年7~8月，陕西省大面积发生干旱，洛川县发生中、重度干旱；2017年7月，洛川大部分果园遭受高温伏旱，苹果果实出现高温日灼；2018年较其他年份降水多，属丰水年份。

由于植被自生的生长周期性，不同月份或一年中不同生育阶段的VSWI无法直接进行比较。为避免植被周期性生长规律对试验影响，增加结论可靠性，通过比较干旱年份2014、2017和丰水年2018年同期数据，分析干旱事件VSWI变化特征。因7、8月苹果正处于果实膨大期，果树对水分需求大，对高温干旱高度敏感，因此在2014、2017年7月，VSWI数值明显低于2018年份同期数值；2018年4~8月，洛川降水量较历年同期偏高40%以上，苹果园没有发生干旱或受旱程度较轻，VSWI数值大体上高于干旱年份同期数值。以上结果表明，VSWI在干旱事件中的变化符合实际情况，能对干旱做出正确响应。

从大气降水，土壤渗透到植被吸收土壤中的水分并反映到自身生长状况上需要一定的时间，所以，通过植被生长状况信息表征干旱特征存在时间滞后性。为研究VSWI、NDWI、TVDI对SM反映滞后性，将2014~2016年的时间序列SM数据，分别与同时相的VSWI、NDWI、TVDI数据以及滞后一个时相（8 d）、2个时相（16 d）、3个时相（24 d）的VSWI、 NDWI、TVDI数据进行相关性分析，结果如表1所示。

从整体情况看，VSWI、NDWI与SM之间为显著正相关关系，TVDI与SM之间为负相关关系，基本符合理论情况（图7）。

滞后不同时相NDWI与SM的相关性结果表明，同时相的NDWI与SM相关系数明显大于滞后1~3时相NDWI与SM的相关系数，且随着滞后时相的增加，相关性减弱。由此可看出，NDWI对SM的滞后反映不明显。由于本文采用的数据时间分辨率为8 d，每一时相的数据均是后期8 d时间内的合成数据，代表的是8 d内的大致状况，而NDWI对SM的滞后响应时间可能小于8 d，结果显示SM与同时相的NDWI之间相关性最大。

VSWI与SM的相关性较好，除相同时相VSWI与SM的相关系数外，其他时相VSWI与SM相关系数均大于0.5，且全通过0.05的显著性检验。除2014年，均是滞后3个时相的VSWI与SM的相关系数最高，说明VSWI对SM的滞后反应时间约为24 d。而VSWI（EVI）与SM的相关性整体上高于VSWI（NDVI）与SM的相关性，说明VSWI（EVI）对干旱响应更敏感。

分析SM与滞后0~3时相的苹果TVDI相关关系，可以看出：苹果TVDI对SM的滞后响应时间大致为一个时相。原因可能是TVDI更多从温度角度表征干旱，用到的植被本身的生长状况信息较少，而温度对SM的响应会比植被指数对SM的响应快。而苹果VSWI比TVDI滞后时间长，可能与VSWI是温度和植被指数相结合的比值指标有关，VSWI比TVDI包含更多植被生长信息。

所有干旱指标中，滞后3时相的VSWI（EVI）与SM的相关性最高，而NDWI对SM滞后时间较短，对干旱响应较及时，因此，VSWI（EVI）和NDWI在监测干旱方面具有较大潜力。此外，多数情况下，VSWI（EVI）和TVDI（EVI）与SM的相关性分别高于VSWI（NDVI）和TVDI（NDVI）与SM的相关性，使用EVI能提高VSWI和TVDI对干旱的表征能力。

植被对土壤湿度的响应是一个复杂的过程，植被处于不同的生育期，对土壤湿度的响应敏感性不同。为研究遥感干旱对土壤湿度响应敏感时段，本文基于23个苹果样本点，计算单时相遥感指标与单时相SM的相关性。由于遥感干旱指标对土壤湿度存在响应延时，为增加结果准确性，设置两组试验：试验一利用同时相遥感干旱指标与SM计算相关性，试验二基于4.2节中研究结果利用同时相NDWI、延时3个时相的VSWI以及延迟1个时相的TVDI与SM作敏感性分析，结果如图8所示。

试验一和试验二两组结果大体上显示相似规律：遥感干旱指数与SM相关性最大的时间大致在新梢旺长期（5~6月），其次是萌芽开花期（3~4月）、果实膨大期；其中，VSWI表现出的特征最明显。5~6月相关系数出现峰值可能与洛川苹果生育期、需水规律以及洛川气候条件有关。苹果一年中有4个关键需水期，包括萌芽期，新梢旺长期，果实膨大期和落叶休眠期，其中新梢旺长期需水量最大，而洛川5、6月正处于新梢旺长期和幼果膨大期，是水分供应敏感时期，且该时段降水偏少，易发生干旱，苹果树对土壤水分变化（缺水状况）表现出高度敏感性。因此，基于植被生长状况的遥感干旱监测指标在该时间段与土壤湿度相关性好。

相较于新梢旺长期（4~7月），果实膨大期（7~9月）干旱监测指标与SM的相关性低。原因可能是新梢旺长期是苹果树树体发育期，该时间段树体生长变化明显，苹果树对缺水状况高度敏感，水分胁迫能显著影响苹果树树叶、树枝、树干正常生长，从而影响遥感影像获取的树体生长信息（NDVI、EVI、植被覆盖度、LAI等参数）；而果实膨大期需水量低于新梢旺长期，可能会影响苹果树对缺水状况敏感性，且该时段是果实生长发育期，此时缺水会造成叶片和果实争夺营养，造成落果现象，因此该时段缺水首要影响果实发育，而受限于遥感的空间分辨率，遥感影像获取的信息更多是反映树体叶片、树枝信息，包含的果实信息有限，因此不能敏感捕获果实的生长变化，从而影响干旱指标对土壤湿度变化响应，造成干旱指标与SM的相关性较新梢旺长期弱。

试验一结果显示在果实成熟期（9~10月）相关系数矩阵出现一个小高峰，试验二考虑干旱指标对SM的延迟性后，该时段小高峰几乎可忽略；试验二结果更符合实际情况：苹果果实成熟期对水分需求较小，树体对水分变化敏感程度远不及新梢旺长期，因此在果实成熟期出现明显峰值的可能性较小。

基于陕西省洛川县2014~2018年MODIS数据，结合土壤湿度和野外调查数据，对遥感干旱指标TVDI、NDWI、VSWI与苹果区土壤湿度一致性进行评价，分析苹果遥感干旱指标对土壤湿度的滞后性以及在不同生育期对干旱响应敏感性，评估不同遥感干旱指标的对洛川苹果干旱适用性。结果表明：

（1）从时间维分析，苹果TVDI、NDWI、VSWI与土壤湿度一致性排序为：NDWI>VSWI（EVI）>VSWI（NDVI）>TVDI（EVI）>TVDI（NDVI）；从空间维分析可知，VSWI（EVI）与SM一致性较好；此外VSWI（EVI）在2014、2017年表现出的干旱特征与实际旱情相符。因此，在计算的5组遥感干旱监测指标中，VSWI（EVI）能充分表征苹果区土壤表层干湿状况，具有监测洛川苹果干旱的潜力。

（2）TVDI、NDWI、VSWI对土壤湿度变化响应存在一定滞后；NDWI、TVDI、VSWI对土壤湿度的滞后时间大致为：小于8 d、8 d、24 d（3个时相）。滞后3时相的VSWI（EVI）与SM的相关性最高，而NDWI对SM滞后时间较短，对干旱响应较及时。

（3）VSWI（EVI）和TVDI（EVI）与SM的相关性分别高于VSWI（NDVI）和TVDI（NDVI）与SM的相关性，表明使用EVI替代NDVI能提高VSWI和TVDI对干旱的表征能力。

（4）TVDI、NDWI、VSWI对土壤湿度在不同生育期敏感性不同，VSWI在不同生育期敏感性差异最为明显：苹果新梢旺长期（5、6月）对土壤湿度最为敏感，其次是萌芽开花期，果实膨大期、果实成熟期。该结果符合洛川县苹果不同生育期需水规律，同样与洛川降水、干旱发生特征相符。因此，滞后3时相的VSWI（EVI）结合NDWI在监测新梢旺长期苹果干旱情况中可能得到较好的监测结果。

本文探讨了3种遥感指标对土壤湿度的一致性，分析其在苹果干旱监测中的适用性。研究表明，从对干旱响应及时性角度讲，NDWI较其他指标在苹果干旱监测中具有优势；从对干旱响应准确性角度讲，滞后3时相的VSWI（EVI）与土壤表层湿度相关性最强，具有监测苹果干旱的潜力。已有研究表明，单一的遥感指标在干旱监测中存在很大不确定性。因此，综合不同遥感干旱监测指标（如VSWI和NDWI），考虑苹果需水规律、生育期特点，研究适合苹果关键生育期的干旱监测模型需要进一步开展。