近年来,已开发的遥感干旱指数被广泛应用于全球和区域的干旱监测中,并取得了较为显著的成效。遥感干旱指数具有较强的干旱监测能力,且具有数据易获取、监测范围广、时效性好等优势,但是部分遥感干旱指数也存在在反演地表特征不准确、表征致旱因素不全面等缺点,因此目前的遥感干旱监测方法还有进一步改进的空间。基于此,本文以温度-植被-降水（TVPDI）遥感干旱指数为研究对象,分别运用叶面积指数(Leaf?ATrea Index,LAI)、地表温度（Land Surface Temperature,LST）与月平均气温的差值以及全球降水观测计划（Global Precipitation Measurement,GPM）降水数据,代替原指数中的归一化植被指数（NDVI）,地表温度（LST）和TRMM（Tropical Rainfall Measuring Mission,TRMM）降水数据,并通过新的归一化和组合方法改进TVPDI指数,改进后的指数命名为improvement Temperature-Vegetation-Precipitation Drought Index（iTVPDI）。通过植被总初级生产力（Gross Primary Productivity,GPP）、土壤含水量（Soil-Moisture,SM）、单位面积粮食产量等数据验证了iTVPDI指数的监测准确度,在此基础上选取被广泛认可的干旱指数,如:标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index,SPEI）,标准化降水指数（Standardized Precipitation Index,SPI）,帕默尔干旱指数（Palmer Drought Severity Index,PDSI）,温度-植被干旱指数（Temperature-Vegetation Drought Index,TVDI）,干旱强度指数（Drought Severity Index,DSI）,作物水分胁迫指数（Crop Water Stress Index,CWSI）等检验了iTVPDI的干旱监测能力,通过选取典型样区检验了iTVPDI的监测精度。最后,将该指数应用于中国大陆2001-2020年的干旱监测中。研究结果表明:（1）通过与GPP,单位面积粮食产量和土壤含水量之间的相关性分析表明,iTVPDI在东北地区、华北地区和西南地区具有较强的监测能力,与土壤含水量的R~2为0.62（p＜0.05）,高于TVPDI（R~2=0.52）。（2）通过iTVPDI与TVPDI分别与SPI,SPEI,PDSI,CWSI,DSI和TVDI的相关性分析表明,二者与上述六个指数的相关系数差距不大,说明iTVPDI的干旱监测能力与TVPDI一致,但是在局部地区,如青藏高原地区,iTVPDI的监测能力比TVPDI强。（3）通过典型样区结果检验,发现iTVPDI调节了TVPDI中表征植被因子的NDVI在低植被覆盖区受土壤干扰的影响和高植被覆盖区过饱和现象,相比TVPDI而言,iTVPDI更能反映出其不受植被覆盖高低差异造成的监测误差;（4）通过iTVPDI在中国大陆的应用结果表明,中国在2001-2021年间呈现由干旱向湿润转变的趋势,且iTVPDI在2001年、2010年等典型干旱年份均有较好的响应。