Page 219 - 《高原气象》2026年第5期
P. 219
5 期 郭继富等:基于BMA降尺度模型的西北雨养农业区干旱监测研究 1435
旱监测提供了新方向(Wang et al., 2023)。其中, 的响应更强烈、 更快, 可以有效监测植被的水分胁
杨晋云等(2021)选择偏差校正随机森林 BRF(Bias- 迫状况(曹银轩等, 2022; 刘伟琦等, 2023), 并可
corrected random forest)、 支持向量回归 SVR(Sup‐ 直接探测光合作用过程中的动态变化(Joiner et al.,
port vector regression)和 Cubist模型等 3种机器学习 2014), 目前已广泛应用于大尺度植被监测研究
方法, 融合多源遥感数据的 7 个影响因子模拟 3 个 (Song et al., 2018; Doughty et al., 2019)。相较于
月时间尺度的标准化降水蒸散指数 SPEI-3, 可在站 极轨碳观测卫星(OCO-2)反演得到的原始 SIF 数
点和空间尺度上精确监测山东地区的干旱。袁雪 据, 结合机器学习优化后的 GOSIF数据集拥有更高
琪等(2023)基于深度学习构建耦合多源遥感和气 的空间分辨率和时间分辨率(0. 05°, 8 d)以及更长
象数据的草地综合干旱监测模型, 并考虑气候和地 时 间 覆 盖 范 围(Li and Xiao, 2019; Zhang et al.,
理条件的适用性在内蒙古草地进行适用性干旱监 2018)。Geng et al.(2022)通过分析 GOSIF 与多尺
测验证研究。Foroumandi et al.(2023)通过融合多 度标准化降水蒸散指数(Standardized Precipitation
源遥感数据, 利用卷积长短期记忆网络(ConvL‐ Evapotranspiration Index, SPEI)的相关性, 揭示了
STM)构建干旱监测模型, 分析了降水、 植被、 温度 黄河流域干旱发生发展的时空过程, 并识别出了
和土壤湿度等环境因子对干旱的影响。袁燕萍等 2004年的典型干旱事件, 探究了不同植被类型对干
(2024)综合考虑了大气-植被-土壤等要素相互作 旱的响应过程及差异。Wu et al.(2024)结合 SIF 时
用机制对干旱的影响, 融合气象资料和遥感数据, 空变化特征及其对 SPEI的响应, 发现流域内 SIF呈
采用多元线性回归法构建了适用于鄱阳湖流域的 现东南向西北递减的空间格局, 揭示了干旱在黄河
综合遥感干旱监测模型。陈涵等(2025)利用 Light‐ 流域的时空分布规律。已有研究主要集中于大尺
GBM(Light Gradient Boosting Machine)算法构建了 度范围内 OCO-2 原始 SIF 数据集或 GOSIF 数据与
统计降尺度模型与线性回归方法进行比较, 探讨了 其他植被指数(如 NDVI 和 EVI)在植被变化以及干
机器学习模型在统计降尺度领域的应用能力。虽 旱监测方面的潜力分析, 有关高精度 SIF 在区域尺
然机器学习已在遥感监测干旱方面取得了一些进 度的研究较少。
展, 但已有研究都是基于单一机器学习或深度学习 干旱的频发与持续会直接导致农作物减产和
算法从而构建干旱监测模型或统计降尺度模型等 土壤退化, 而西北大部分作物主要靠雨水灌溉的地
解决应用问题。 区受干旱影响尤为严重。因此, 本研究聚焦于西北
农业干旱监测方法主要包括基于站点观测资 典型雨养农业区域研究, 基于多源遥感数据和气象
料的干旱指标和基于遥感监测构建的指标(郝增超 站点资料, 利用融合贝叶斯模型平均法(Bayesian
等, 2020)。基于站点的农业干旱监测方法操作效 Model Averaging, BMA)和机器学习方法对长时序
率低、 测点缺乏代表性, 难以实现农业干旱的宏观 GOSIF数据进行空间降尺度研究, 以此得到高精度
动态监测(吴泽棉等, 2020)。遥感监测方法弥补了 SIF 产品数据, 并在此基础上开展区域精细化干旱
离散站点时空不连续的缺点, 为大范围、 快速、 精 监测, 以期为高精度遥感数据应用于区域干旱监测
确监测旱情提供了有力保障(Quiring and Ganesh, 提供方法理论基础。
2010)。植被指数(Vegetation Index, VI)可以反映 2 研究区和数据来源
作物水分亏缺状态, 是一种较为直接的农业干旱监
测方法(韩东等, 2021)。相较于可见光-近红外的 2. 1 研究区概况
光学植被特性, 微波具有可穿透云层和气溶胶(Liu 选择西北半干旱雨养农业区及研究区范围内
et al., 2011), 不受天气和昼夜影响, 可实现全天时 67 个气象站点降水资料进行研究。主要集中在甘
和全天候的监测。日光诱导叶绿素荧光(Sun/Solar- 肃陇东和陇中地区、 陕北高原地区以及宁夏南部的
induced Chlorophyll Fluorescence, SIF)作为新兴的 山区(32°59′N -39°58′N, 103°47′E -111°24′E),
遥感植被探测技术受到越来越多的关注(杨天垚 如图 1所示。研究区内的甘肃庆阳地区在春夏两季
等, 2023)。SIF是绿色植物吸收太阳辐射后重新激 降水时空差异明显, 区域性、 阶段性旱涝灾害交替
发的光信号(Van der Tol et al., 2014), 可以反映植 出现, 极端天气频繁发生(殷丽霞等, 2025); 同时
物的光合作用和生长状态。植物光合作用对干旱 研究区处于中国北方干旱多发带, 极端干旱事件发
胁迫十分敏感(张永强等, 2002)。相较于传统植被 生的次数更为频繁、 强度更为剧烈、 范围更为广阔
指数, SIF 与光合作用密切相关, 对光合速率变化 (陆晓娟等, 2025)。研究区地势自西北向东南逐渐

