Drought and Water Stress Analysis in the Kaman Region (Kırşehir, Türkiye) Using Landsat 8/9 and Sentinel-2A Data

方法

用Landsat 8/9与Sentinel-2的NDVI、NDMI、LST及Se

发现

NDMI对夏季干旱胁迫最敏感，植被动态受多因子交互控制而非单一变量。

机会点

可引入机器学习融合多源遥感与气象数据，构建半干旱区干旱胁迫的时序预测模型。

本研究利用综合遥感数据评估了卡曼（土耳其）半干旱农业景观中的植被动态与干旱状况。研究分析了来自Landsat和Sentinel-2的归一化植被指数（NDVI）和归一化水分指数（NDMI），结合地表温度（LST）和Sentinel-1土壤水分数据，以评估植被—环境相互作用。NDVI时间序列分析揭示了明显的季节性物候循环，植被生长在春季达到峰值，夏季因温度升高和水分可利用性降低而显著衰退。NDMI对植被含水量表现出更高的敏感性，能够有效捕捉夏季干旱胁迫，尤其在7月至8月期间。NDVI与NDMI之间的强正相关关系表明植被水分的重要性，而与LST的负相关关系则凸显了热胁迫的限制作用。尽管土壤水分与植被指数总体呈正相关关系，但由于时空变异性，其统计影响相对较弱。回归结果表明，植被动态受多个交互因素控制，而非单一变量。总体而言，NDVI、NDMI、LST和土壤水分的综合集成为监测半干旱生态系统中的干旱和植被水分胁迫提供了稳健的框架。