干旱已经成为我国普遍发生的自然灾害，危及我国粮食安全，对我国的国民经济造成了极大的损失。如何实时、大范围监测干旱已经成为粮食安全、以及全球变化等领域的重要科学问题。国内外做了许多关于干旱方面的研究，前期主要借助降水、气温等地面站点的监测数据，根据不同的需要构建多种干旱指标应用到实际研究中。这些研究虽然取得了一些进展，但由于气象数据获取困难，且获取的仅是“点数据”等为干旱监测带来一定的困扰。近年来随着遥感技术的发展，其大区域、实时的优势为干旱监测开辟了新的途径。众多研究人员从不同角度出发，利用不同的植被指数、能量平衡等实现了对干旱的监测，并取得一系列成果。叶面积指数（leaf area index，英文简称LAI）作为陆地植被生长情况的一个重要指示参数，当作物缺水时，其生长发育会受到明显抑制，叶面积指数会较正常值偏低，因此可以利用叶面积指数实现对干旱的监测。本文用到的LAI数据是由我国863项目“全球陆表特征参量产品生产与应用研究”生产的覆盖全球的LAI产品（以下简称GLASS LAI）。该产品在生产时，经过了大气校正、几何校正、云雪阴影的去除等预处理，且对缺失像元进行填补及滤波处理，最终产品没有数据缺失，提高了产品的时间精度。LAI的变化除了受降雨的影响外，它还因植被类型的不同而有所差异。本文利用MODIS土地利用分类数据（MOD12Q1），应用马里兰植被分类方法提取出东北农作物区域作为最终的实验区。在研究中，利用谷歌地球筛选出31个下垫面覆盖为农作物的气象站点，并收集了每个站点对应的降雨数据，还定义了降雨量距平百分率（anomalypercentage of rainfall，英文简称Pa）和帕默尔干旱指数（Palmer Drought Severity Index，英文简称PDSI）等气象干旱指数。以GLASS LAI为基础定义了LAI距平百分率(anomalypercentage of LAI，文中英文简称Lap)作为植被干旱指数。然后分析Lap与气象干旱指数的相关性，还研究了滞后性；并根据LAI距平划分了五个干旱等级，对2009年5月至10月东北农作物进行干旱监测。结果表明：在地表覆盖为农作物且作物生长比较旺盛的季节，Pa与Lap相关性相对较好，相关系数接近0.5；而PDSI与Lap的相关性较弱，相关系数不足0.3。滞后性研究中无法确定比较规律的滞后时间。利用气象干旱指数对研究区内干旱分布进行验证，结果表明：基于GLASS LAI定义的Lap可以很好地反映研究区内发生的干旱事件，同时GLASS LAI数据的时空连续性克服了降水数据在空间分布不均的问题，可以提高农作物干旱监测精度，具有广阔的应用前景。