The reliable and consistent remote sensing-based drought indices along with Geographic Information System (GIS) play a significant role in the mapping, and monitoring of agricultural drought. The core objective of the present study is to monitor agricultural drought dynamics over the semi-arid Rayalaseema region of Peninsular India during the year 2000 to 2018 by using the Normalized Vegetation Supply Water Index (NVSWI) derived from time-series remote sensing data products. NVSWI is the normalization of Vegetation Supply Water Index (VSWI), which was computed by integrating the Normalized Difference Vegetation Index (NDVI) and Land Surface Temperature (LST). The analysis of Standardized Precipitation Index (SPI) shows that in dry year (2001), majority of the study area experienced extreme dry conditions (SPI < −2.0) due to the deficit rainfall during the growing season. The spatio-temporal analysis of NVSWI reveals that the western, central, and northern parts of the study area were prone to frequent droughts of moderate to severe intensity. The high temperatures and below normal rainfall are found to be the major triggering factors for the droughts in the region. During the years 2001, 2002, 2003, 2006, 2009, 2014, 2017, and 2018 worst droughts were observed in the study region. The Pearson correlation analysis between monthly NVSWI with 1-month SPI and Vegetation Health Index (VHI) for the growing season of dry (2001) and wet (2007) years clearly show a significant positive correlation. The study clearly demonstrates the potential of NVSWI as one of the robust indices in the assessment and monitoring of agricultural droughts.

可靠且一致的基于遥感的干旱指数以及地理信息系统（GIS）在农业干旱的制图和监测中发挥着重要作用。本研究的核心目标是使用时间序列遥感数据产品得出的标准化植被供水指数（NVSWI）来监测印度半岛半干旱Rayalaseema地区2000年至2018年的农业干旱动态。NVSWI是植被供水指数（VSWI）的归一化，它是通过将归一化差异植被指数（NDVI）和地表温度（LST）进行积分而得出的。对标准降水指数（SPI）的分析表明，在干旱年份（2001年），大部分研究区域都经历了极端干旱条件（SPI <-2。0）由于生长季节降雨不足。NVSWI的时空分析表明，研究区的西部，中部和北部地区容易发生中度至重度的频繁干旱。高温和降雨低于正常水平是造成该地区干旱的主要诱因。在研究区域2001年，2002年，2003年，2006年，2009年，2014年，2017年和2018年期间，观察到最严重的干旱。干旱（2001年）和湿润（2007年）生长期的每月NVSWI和1个月SPI与植被健康指数（VHI）之间的Pearson相关分析清楚地显示了显着的正相关。该研究清楚地证明了NVSWI作为评估和监测农业干旱的有力指标之一的潜力。NVSWI的时空分析表明，研究区的西部，中部和北部地区容易发生中度至重度的频繁干旱。高温和降雨低于正常水平是造成该地区干旱的主要诱因。在研究区域2001年，2002年，2003年，2006年，2009年，2014年，2017年和2018年期间，观察到最严重的干旱。干旱（2001年）和湿润（2007年）生长期的每月NVSWI和1个月SPI与植被健康指数（VHI）之间的Pearson相关分析清楚地显示了显着的正相关。该研究清楚地证明了NVSWI作为评估和监测农业干旱的有力指标之一的潜力。NVSWI的时空分析表明，研究区的西部，中部和北部地区容易发生中度至重度的频繁干旱。高温和降雨低于正常水平是造成该地区干旱的主要诱因。在研究区域2001年，2002年，2003年，2006年，2009年，2014年，2017年和2018年期间，观察到最严重的干旱。干旱（2001年）和湿润（2007年）生长期的每月NVSWI和1个月SPI与植被健康指数（VHI）之间的Pearson相关分析清楚地显示了显着的正相关。该研究清楚地表明了NVSWI作为评估和监测农业干旱的有力指标之一的潜力。研究区域的北部和北部容易发生中度至重度的频繁干旱。高温和降雨低于正常水平是造成该地区干旱的主要诱因。在研究区域内，2001年，2002年，2003年，2006年，2009年，2014年，2017年和2018年发生了最严重的干旱。干旱（2001年）和湿润（2007年）生长期的每月NVSWI和1个月SPI与植被健康指数（VHI）之间的Pearson相关分析清楚地显示了显着的正相关。该研究清楚地表明了NVSWI作为评估和监测农业干旱的有力指标之一的潜力。研究区域的北部和北部容易发生中度至重度的频繁干旱。高温和降雨低于正常水平是造成该地区干旱的主要诱因。在研究区域内，2001年，2002年，2003年，2006年，2009年，2014年，2017年和2018年发生了最严重的干旱。干旱（2001年）和湿润（2007年）生长期的每月NVSWI和1个月SPI与植被健康指数（VHI）之间的Pearson相关分析清楚地显示了显着的正相关。该研究清楚地证明了NVSWI作为评估和监测农业干旱的有力指标之一的潜力。高温和降雨低于正常水平是造成该地区干旱的主要诱因。在研究区域内，2001年，2002年，2003年，2006年，2009年，2014年，2017年和2018年发生了最严重的干旱。干旱（2001年）和湿润（2007年）生长期的每月NVSWI和1个月SPI与植被健康指数（VHI）之间的Pearson相关分析清楚地显示了显着的正相关。该研究清楚地表明了NVSWI作为评估和监测农业干旱的有力指标之一的潜力。高温和降雨低于正常水平是造成该地区干旱的主要诱因。在研究区域2001年，2002年，2003年，2006年，2009年，2014年，2017年和2018年期间，观察到最严重的干旱。干旱（2001年）和湿润（2007年）生长期的每月NVSWI和1个月SPI与植被健康指数（VHI）之间的Pearson相关分析清楚地显示了显着的正相关。该研究清楚地表明了NVSWI作为评估和监测农业干旱的有力指标之一的潜力。干旱（2001年）和湿润（2007年）生长期的每月NVSWI和1个月SPI与植被健康指数（VHI）之间的Pearson相关分析清楚地显示了显着的正相关。该研究清楚地表明了NVSWI作为评估和监测农业干旱的有力指标之一的潜力。干旱（2001年）和湿润（2007年）生长期的每月NVSWI和1个月SPI与植被健康指数（VHI）之间的Pearson相关分析清楚地显示了显着的正相关。该研究清楚地表明了NVSWI作为评估和监测农业干旱的有力指标之一的潜力。