Enhancing Drought Monitoring Using Integrated Remote Sensing and Ground-Based Indices
Hadi Siasar · Mahboube Ebrahimi · Mehdi Bahrami 等 4 人
整合遥感与地面数据，在GEE上评估德黑兰2000–2022年多尺度干旱动态。
MODIS、GPM/TRMM与气象数据，构建5种复合干旱指数，Mann-Kend
复合指数更一致；干旱由降水驱动转向温度驱动，蒸散需求加剧干旱。
可引入机器学习融合多源指数，提升半干旱区干旱预警的时空精度与驱动归因。
多源遥感与地面指数融合的干旱监测框架，方法扎实、结论有新意，但属区域案例研究，产业影响有限。
准确的干旱监测对于可持续水资源管理至关重要，尤其是在气象观测稀疏且空间异质性强的半干旱地区。本研究在统一的多源框架内，应用已有的单一和综合干旱指数对干旱状况进行综合评估，该框架将地面气象数据与卫星遥感数据集（包括MODIS地表产品和GPM/TRMM降水估算）相结合，并在Google Earth Engine平台上实现。研究分析了表征植被状况、热胁迫、降水亏缺和土壤湿度变率的干旱指标集以及五种综合指数，以对干旱动态进行多维评估。分析在月、季和年尺度上针对伊朗德黑兰2000—2022年期间开展。此外，采用Mann–Kendall检验和Sen斜率估计器评估趋势显著性，以量化干旱行为的长期变化。结果表明，综合指数能更一致地表征干旱演变，且更能有效捕捉关键气候驱动因子之间的相互作用。具体而言，分析揭示了从降水驱动型干旱（如2008年和2016年）向日益增强的温度驱动型干旱（如2022年）的转变，这与潜在蒸散和热胁迫升高有关。这凸显了在变暖条件下大气蒸发需求在加剧干旱严重程度方面日益重要的作用。从应用角度看，所提出的框架可支持干旱预警、空间风险评估以及水资源管理和农业规划中的知情决策。然而，结果的可靠性取决于数据质量、空间分辨率以及关键干旱驱动因子的表征，因此在解读时应考虑这些局限性。本研究表明，多源数据与多尺度干旱指数的综合应用为理解和监测半干旱城市环境中的干旱动态提供了稳健基础。