基于多源遥感和机理性干旱指数的农业干旱监测研究

Agricultural drought indices lay an important foundation for agricultural drought monitoring, however, the accuracy and applicability of mechanism-based agricultural drought indices is greatly restrained by their scaling problems. We focus on the scaling problems of mechanism-based agricultural drought indices, and aim to explore their applicability at the regional scale with help of multi-source remote sensing data from the perspective of remote sensing data downscaling. Taking soil water in the root zone from remote sensing as the research object, we first disaggregate the remotely sensed soil water data with the actual evaporative fraction-based disaggregation method (AEFD). Then, we explore the soil characteristics with the pedotransfer function (PTF), integrate the downscaled data of soil water in the root zone and the remotely sensed actual evapotranspiration, improve the modified soil water deficit index (MSWDI), and build a mechanism-based agricultural drought index based on multi-source remote sensing data (RS_MSWDI). Thereafter, we carry out validation of the RS_MSWDI from three perspectives: drought index data sources, other popular drought indices and drought characteristics. Finally, we carry out agricultural drought monitoring at the regional scale with multi-source remote sensing data and the mechanism-based agricultural drought index. This study can contribute to improving the theoretical basis of agricultural drought monitoring and is of great significance to enriching the interdisciplinary research contents of agricultural drought and remote sensing.

农业干旱指数是农业干旱监测的重要基础，但当前机理性农业干旱指数存在尺度拓展问题，制约了其准确性与可应用性。本项目基于机理性农业干旱指数的尺度拓展问题，从遥感降尺度入手，探索利用多源遥感数据实现机理性农业干旱指数在区域尺度上的应用。以遥感根区土壤水为研究对象，采用实际蒸发比降尺度方法（AEFD）进行遥感土壤水的降尺度研究；基于土壤转换函数（PTF）测算土壤属性空间信息，并集成降尺度遥感根区土壤水及遥感实际蒸散发数据，改进修正土壤水亏缺指数（MSWDI），构建基于多源遥感数据的机理性农业干旱指数（RS_MSWDI）；开展指数数据源、其他主流干旱指数和干旱特征三个视角上的RS_MSWDI验证工作，在区域尺度实现基于多源遥感和机理性干旱指数的农业干旱监测。本研究有助于完善农业干旱监测的理论基础，对丰富农业干旱及遥感信息科学的交叉学科内容具有重要意义。

MSWDI是一个有效的基于作物水分亏缺的机理性农业干旱指数，目前该指数只限于田间尺度单点应用，限制其向大尺度拓展的主要因素是根区土壤水监测的空间连续性问题。随着基于卫星的遥感技术的发展，大范围遥感土壤水监测表现出强大的潜力。然而，遥感土壤水空间分辨率有关的挑战依然存在，遥感土壤水的降尺度是解决目前迫切需求的可行方案之一。本项目从遥感根区土壤水的降尺度研究出发，结合MODIS遥感实际蒸散发信息与遥感空间降尺度技术，提高遥感根区土壤水的空间分辨率，并耦合多源遥感、土壤属性和机理性农业干旱指数，构建基于多源遥感的机理性农业干旱指数，为区域农业干旱监测开辟新途径。基于DISPATCH和GWR两种降尺度方法的结果均良好的显示了粗像素内的详细子网格水分变化信息。与降尺度前遥感原始数据相比，基于两种方法的降尺度遥感土壤水与地面监测土壤水之间均有相关性提高，误差减小的趋势。其中DISPATCH方法的趋势拟合效果较好，但精度较低；多元回归方法的精度较高，但趋势拟合效果较差。由两种方法得到农业干旱指数结果高度一致，均理想的达到了提高干旱监测结果精度的目标，只是由于两个方法本身的差异，在个别日期的干旱结果上，会出现随机差异。多维度交叉验证结果发现，降尺度后的结果明显比降尺度前的结果更细腻的刻画了干旱程度的空间异质性；降尺度前后的机理性农业干旱指数结果和PDSI和SPEI的结果在空间分布上有较大的差异，虽然相关系数很高且均通过了0.05显著性水平检验，但是有强正相关也有强负相关，出现负相关的区域主要分布在土壤持水能力较弱的区域，说明机理性农业干旱指数与PDSI和SPEI相比更能体现土壤持水性能在农业干旱监测中的作用。本项目研究成果不仅可以完善农业干旱监测的理论基础，还可以增强遥感根区土壤水在其他相关领域的应用，对丰富农业干旱监测及遥感信息科学内容具有十分重要的理论意义。