中国矿业大学（北京）孙灏老师课题组在遥感学科顶刊RSE上发文，率先提出30m分辨率植被干旱遥感综合监测模型

《Remote Sensing of Environment》高空间分辨率干旱响应指数（HiDRI）：基于遥感、深度学习和时空融合的植被干旱监测一体化框架

第一作者：徐振恒

通讯作者：孙灏

       该项研究首次构建30m分辨率植被干旱遥感综合监测模型，突破了国内外现有植被干旱遥感综合监测模型公里级空间分辨率的约束，为农田、矿区等局域尺度植被干旱监测提供了有力工具。

介绍

       独特的地理与气候条件决定着我国干旱灾害频发，并且干旱灾害影响较为严重。在全球气候变化背景下，未来我国干旱事件发生的范围、程度、频次及其造成的损失都有可能进一步恶化。植被干旱胁迫严重威胁着我国粮食和生态安全，已成为制约社会经济可持续发展的重要因素之一。遥感科技在植被干旱监测和预警方面具有显著的技术特长和应用潜力，是我国进一步提升干旱灾害防御能力的“精兵利器”。然而，已有植被干旱遥感综合监测模型处于公里级空间分辨率，难以满足农田、矿区等局域范围高空间分辨率的监测需求。本文首次将遥感综合化干旱监测由公里级提升至30m，成功建立适用矿区、农田等局域尺度的高空间分辨率植被干旱遥感综合监测模型。

材料与方法

研究路线

     针对目前仍缺少田间尺度精细化植被干旱监测方案的问题。研究综合了多源多尺度遥感影像、气象再分析资料、站点数据、植被生长环境等多方面数据资料，基于深度学习、时空融合、空间欧氏距离、联合累积分布等先进技术方法。形成了一套系统的局域尺度植被干旱综合化监测的解决方案，建立了30m高空间分辨率植被干旱遥感综合监测模型。

图1 研究技术路线图

研究方法

（1）建立了局域尺度精细化植被干旱监测的因子分类体系。基于自然灾害系统理论，从孕灾环境、致灾因子、植被状况等三方面对植被干旱进行综合化监测，具有突出的物理意义。

（2）形成了一套完整的局域尺度精细化植被干旱监测地表特征参数反演以及耦合方案。结合多源遥感影像、再分析资料等数据，基于深度学习和时空融合技术，实现了高分辨率植被干旱地表参数的有效反演；基于空间欧式距离、联合累积分布函数等，完成了对不同方面干旱特征参数的有效耦合。

（3）建立了30m高空间分辨率植被干旱遥感综合监测模型，具有可拓展性及业务化运行的能力。

研究结果

图2  干旱区典型站点3km范围内30m x 30m 植被干旱监测结果

图3  干旱半湿润区典型站点3km范围内30m x 30m 植被干旱监测结果

图4  湿润区典型站点3km范围内30m x 30m 植被干旱监测结果

图5 30m高分辨率地表特征参数反演精度验证-NDVI

图6 30m高分辨率地表特征参数反演精度验证-NDMI

图7 30m高分辨率地表特征参数反演精度验证-LST

图8  30m高分辨率地表特征参数反演精度验证-环境致旱因子

图9  30m植被干旱监测结果与SPEI对比

图10  30m植被干旱监测结果与土壤湿度对比

图11 30m植被干旱监测结果与SPEI的空间相关性

研究结论

      将遥感综合干旱监测能力从公里级首次提升至30m，形成了一套系统的局域尺度植被干旱综合化监测的有效解决方案，建立了30m高空间分辨率植被干旱遥感综合监测模型，并具有业务化运行的能力。

DOI:https://doi.org/10.1016/j.rse.2024.114324

第一作者：徐振恒，博士生，研究领域：人工智能、遥感数据融合、植被干旱监测。

通讯作者：孙灏，副教授，博士生导师，北京地理学会青年工作委员会副主任、中国矿业大学（北京）越崎青年学者、《遥感学报》编委、《煤炭学报》青年编委。主要研究领域：热红外遥感、生态水文遥感、矿区生态环境遥感。EMAIL: sunhao@cumtb.edu.cn