王 巖,王敬宜,2,馮 銳,李嘉寧,武晉雯,許常華,林 毅,紀(jì)瑞鵬,于文穎,汪利誠,2

(1.沈陽建筑大學(xué)交通與測繪工程學(xué)院,遼寧 沈陽 110168;2.中國氣象局沈陽大氣環(huán)境研究所,遼寧 沈陽 110166;3.遼寧省農(nóng)業(yè)氣象災(zāi)害重點實驗室,遼寧 沈陽 110166;4.遼寧省氣象服務(wù)中心,遼寧 沈陽 110166;5.錦州市氣象局,遼寧 錦州 121000)

干旱是指某一地區(qū)長期無雨或少雨而使土壤水分不足、作物水分平衡遭到破壞,導(dǎo)致作物減產(chǎn)的氣象災(zāi)害,其具有地區(qū)性、持續(xù)性和季節(jié)性的特點,是一種反復(fù)發(fā)生的極端事件,對人類生產(chǎn)生活造成巨大的影響[1-2]。據(jù)統(tǒng)計,2004年中國農(nóng)作物受旱面積達(dá)到1 725萬 hm2,因旱造成糧食損失231億 kg,造成直接經(jīng)濟損失348.2億元[3],對人民生活造成嚴(yán)重影響。東北三省是全國主要的糧食生產(chǎn)區(qū)之一,其處于季風(fēng)區(qū)域,受季風(fēng)進退影響,降水量呈現(xiàn)季節(jié)和年際變化。在降水稀少的情況下,該區(qū)域極易發(fā)生干旱災(zāi)害,影響糧食生產(chǎn)。因此,準(zhǔn)確地監(jiān)測土壤相對濕度,并采取有效的旱情應(yīng)對手段,能很大程度上減少干旱造成的損失,保障糧食安全,對農(nóng)業(yè)生產(chǎn)和國民經(jīng)濟建設(shè)具有重要意義。

干旱監(jiān)測方法主要包括地面監(jiān)測和空間監(jiān)測[4-5],地面監(jiān)測是以人工記錄為主,通過統(tǒng)計地面觀測點的數(shù)據(jù)分析干旱情況,這種方法在操作上費時費力、時效性低且精度差?？臻g監(jiān)測是利用衛(wèi)星遙感技術(shù)獲取影像,利用可見光、近紅外、短波紅外和熱紅外等波段數(shù)據(jù)構(gòu)建干旱監(jiān)測指數(shù),當(dāng)植被遭到水分脅迫時,其生長形態(tài)發(fā)生改變,干旱監(jiān)測指數(shù)也會隨之變化[6-7],從而實現(xiàn)干旱監(jiān)測,該方法具有速度快、范圍廣和精度高等特點,已成為干旱監(jiān)測的主要手段。以往干旱監(jiān)測多采用單一指數(shù),在農(nóng)業(yè)干旱監(jiān)測中有一定的局限性,如由降水因子構(gòu)成的監(jiān)測指數(shù)在雨水充沛的時期才具備明顯監(jiān)測能力,表觀熱慣量(ATI)等與土壤含水量相關(guān)的指數(shù)適用于地面裸露或植被覆蓋度低的時期[8],以植被因子建立的監(jiān)測指數(shù)則更適宜監(jiān)測植被茂密和地表覆蓋度高的時期[9-11]。為了克服單一指數(shù)監(jiān)測精度不足的問題,越來越多的國內(nèi)外學(xué)者開始利用多指數(shù)權(quán)重組合、多變量聯(lián)合分布和機器學(xué)習(xí)的方法構(gòu)建干旱監(jiān)測模型[12-13],同時考慮氣象、地形地貌、水分蒸散發(fā)等因素,開展基于溫度-植被指數(shù)監(jiān)測模型[14]、降水量-土壤水分綜合干旱模型[15-16]、多種干旱指數(shù)集成模型[17-18]等綜合干旱監(jiān)測研究,將監(jiān)測因子根據(jù)時空差異劃分不同組合形式建立綜合干旱監(jiān)測模型[19-21],提高了干旱監(jiān)測的能力和精度。

目前開展的綜合干旱監(jiān)測指數(shù)研究多圍繞作物生長旺盛時期或整個生長期進行,由于干旱監(jiān)測指數(shù)存在明顯的時空適應(yīng)性差異[13],在整個生長期利用同一干旱指數(shù)開展監(jiān)測會出現(xiàn)監(jiān)測能力不足的問題[22-23]。因此,針對全時期監(jiān)測能力不足、單發(fā)育期監(jiān)測不全面等問題,本研究以東北三省為主要研究區(qū)域,基于多時段FY-3D衛(wèi)星數(shù)據(jù),結(jié)合地面土壤相對濕度觀測數(shù)據(jù),根據(jù)東北地區(qū)大田作物玉米、大豆的作物發(fā)育期,劃分5個研究時期,并選擇土壤濕度類、作物需水形態(tài)變化類、冠層含水量和作物冠層溫度類等干旱監(jiān)測指數(shù),分析不同研究時期干旱監(jiān)測指數(shù)與土壤深度的相關(guān)性,采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)方法,構(gòu)建全時期和分時期土壤相對濕度反演模型,實現(xiàn)東北三省大面積干旱動態(tài)監(jiān)測,為提高干旱監(jiān)測準(zhǔn)確性、連續(xù)性以及保障糧食安全提供必要的理論依據(jù)和技術(shù)支持。

1 材料與方法

1.1 研究區(qū)域

研究區(qū)域包括黑龍江省、吉林省和遼寧省(117°～137°E,37°～54°N),東北三省屬于溫帶季風(fēng)氣候,大部分在中溫帶,少部分處于寒溫帶和暖溫帶,全年四季分明,天氣多變,冬季寒冷干燥,夏季溫?zé)岫檀?年降水量300～1 000 mm,且自東南向西北逐漸減少,其中受地形影響,降水量最多的是長白山東南部。東北三省主要以平原、山地為主,包括三江平原、松嫩平原、遼河平原等,土壤肥沃,土層深厚,山地主要集中在東北部和西北部兩側(cè),境內(nèi)有黑龍江、松花江、遼河等多條河流,適合農(nóng)作物生長,具有重要的經(jīng)濟價值和生態(tài)價值。

1.2 研究數(shù)據(jù)來源及處理

1.2.1 衛(wèi)星遙感數(shù)據(jù) 選取2020年和2021年3月1日—9月30日FY-3D/MERSI衛(wèi)星數(shù)據(jù)進行干旱監(jiān)測指數(shù)計算,影像選取時盡量選擇晴空少云的數(shù)據(jù),數(shù)據(jù)來源于風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)(http://satellite.nsmc.org.cn/portalsite/default.aspx)。中分辨率光譜成像儀MERSI共有25個觀測通道,其中可見光-近紅外通道16個、短波紅外通道3個、中長波紅外通道6個;25個通道中有6個250 m地面分辨率通道,19個1 000 m地面分辨率通道[24]。L1數(shù)據(jù)格式為HDF,包括1 km分辨率觀測數(shù)據(jù)文件、1 km分辨率定位文件以及250 m分辨率觀測數(shù)據(jù)文件、250 m分辨率定位文件。利用衛(wèi)星監(jiān)測分析遙感應(yīng)用系統(tǒng)進行數(shù)據(jù)投影、地理定位等處理,生成分辨率為250 m的基礎(chǔ)數(shù)據(jù)集。

1.2.2 遙感干旱監(jiān)測指數(shù) 遙感監(jiān)測指數(shù)是對地表植被和地物狀況簡單、有效和經(jīng)驗的度量,利用可見光、近紅外、中紅外和紅外波段組合而成[4],已廣泛地應(yīng)用于植被覆蓋變化、作物長勢定量評價和大范圍干旱監(jiān)測等方面。本研究選取10種與干旱監(jiān)測相關(guān)的指數(shù),計算公式見表1。

1.2.3 地面觀測數(shù)據(jù) 土壤相對濕度地面觀測數(shù)據(jù)采用2020—2021年東北三省氣象臺站觀測數(shù)據(jù),包括人工觀測站和自動觀測站數(shù)據(jù),使用數(shù)據(jù)以人工站為主、自動站為輔。人工觀測站有183個(圖1A),其中黑龍江省73個,每年2月28日—11月8日逢8日觀測;吉林省52個,每年3月20日—5月31日,每5 d觀測一次;遼寧省58個,每年2月28日—5月28日逢3日和8日觀測;觀測深度均為0～20 cm。自動觀測站有137個(圖1B),數(shù)據(jù)間隔1 h,觀測深度為0～60、80、100 cm。

1.2.4 地理信息數(shù)據(jù) 行政區(qū)劃數(shù)據(jù)來源于中國氣象局下發(fā)的1∶25萬基礎(chǔ)地理信息。以上數(shù)據(jù)的地理坐標(biāo)系均為WGS84坐標(biāo)系。

1.3 主要研究方法

分析作物不同生長時期的干旱監(jiān)測指數(shù)與土壤相對濕度相關(guān)性,構(gòu)建不同時期的遙感干旱指數(shù)集,基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型,以遙感干旱指數(shù)集為輸入層,進行分時期、分深度土壤相對濕度反演,利用均方根誤差,對比分時期土壤相對濕度反演模型與全時期土壤相對濕度反演模型精度開展模型評價。

1.3.1 研究時段劃分 目前的研究在干旱建模時一般未考慮作物生長狀況,大多建立全生育期模型,不能準(zhǔn)確反映作物在生長過程中的干旱問題,因此,本研究以東北地區(qū)大田作物發(fā)育期為切入點,根據(jù)作物生長狀態(tài)劃分研究時段,開展針對性地干旱實時監(jiān)測。

已有東北三省農(nóng)作物生長情況的研究表明,干旱監(jiān)測主要針對旱田農(nóng)作物玉米和大豆開展[25]。玉米拔節(jié)前是營養(yǎng)生長階段,拔節(jié)～抽雄是營養(yǎng)生長與生殖生長并進階段,抽雄后是生殖生長階段;大豆分枝前為營養(yǎng)生長階段,分枝～開花期是營養(yǎng)生長與生殖生長并進階段,結(jié)莢后是生殖生長階段,因此將6月下旬和7月下旬作為干旱監(jiān)測的2個時間節(jié)點。此外,東北三省3月份大部分地區(qū)土壤尚未完全化凍,4月份處于未播種狀態(tài)。因此,共將研究時段分為5個時期(見表2)建立土壤相對濕度反演模型。

1.3.2 土壤干旱等級劃分 參照《北方春玉米干旱等級》(QXT 259-2015)[26],對不同研究時段的土壤干旱等級進行劃分,分為濕潤、無旱、輕旱、中旱、重旱和特旱6個等級(表3)。

圖1 東北三省人工觀測土壤墑情觀測點及自動站點分布圖

表2 干旱監(jiān)測研究時段表

表3 土壤相對濕度干旱等級劃分表

1.3.3 遙感干旱指數(shù)集的構(gòu)建與匹配 針對2020年和2021年3—9月遙感數(shù)據(jù),利用Envi 5.3軟件,采用遙感干旱監(jiān)測指數(shù)公式(表1)進行波段運算,得到遙感干旱監(jiān)測指數(shù)集。針對地面土壤相對濕度觀測數(shù)據(jù),采用反距離加權(quán)插值方法[27],得到東北三省各個時期不同土壤深度相對濕度柵格數(shù)據(jù)集。將各時期的遙感干旱監(jiān)測指數(shù)集與地面土壤相對濕度柵格數(shù)據(jù)集在空間上分別進行匹配,最終形成干旱監(jiān)測指數(shù)-土壤相對濕度數(shù)據(jù)集,用于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)建模。

1.3.4 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一種具有輸入層、隱含層、輸出層3層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò),主要通過隱含層將非線性不可分的輸入層轉(zhuǎn)換到線性可分的特征空間,即實現(xiàn)數(shù)據(jù)從低維空間到高維空間的變換,使輸出的數(shù)據(jù)線性可分離[28]。第1層是輸入層,該層輸入土壤相對濕度指數(shù)集;第2層是隱含層,包括n個隱含層神經(jīng)單元,神經(jīng)單元數(shù)量根據(jù)問題需要決定,隱含層采用高斯函數(shù),通過Python語言編程實現(xiàn);第3層是輸出層,采用線性優(yōu)化策略,對隱含層的輸出信息進行線性加權(quán),輸出預(yù)測土壤相對濕度值。

隨機抽取80%數(shù)據(jù)作為訓(xùn)練集,剩余20%數(shù)據(jù)作為測試集,訓(xùn)練集和測試集數(shù)據(jù)相斥。使用聚類法[29]無監(jiān)督學(xué)習(xí)確定中心點,隨機初始化中心點,將隱藏層中心點個數(shù)設(shè)置為50,標(biāo)準(zhǔn)差初始化定義為10,當(dāng)建模訓(xùn)練集數(shù)據(jù)量較大時,需對數(shù)據(jù)進行間隔劃分,提升訓(xùn)練速度,數(shù)據(jù)間隔設(shè)置為625。

1.3.5 模型精度驗證方法 為驗證土壤相對濕度反演模型的精度與準(zhǔn)確率,采用均方根誤差(RMSE)和模型精度(R)作為模型評判指標(biāo)。研究中根據(jù)作物生長期和土壤深度建立不同的模型,調(diào)用已完成訓(xùn)練的模型參數(shù),用測試集數(shù)據(jù)輸入到模型中得到反演值,將反演結(jié)果進行反歸一化后,分別計算均方根誤差和模型精度,均方根誤差越小,模型精度越高,說明模型質(zhì)量越高;反之,說明模型質(zhì)量越低。

均方根誤差計算公式為:

(1)

模型精度計算公式為:

(2)

2 結(jié)果與分析

2.1 遙感干旱指數(shù)與土壤相對濕度相關(guān)性分析

根據(jù)表2中研究時段劃分結(jié)果,對不同時段的10種遙感監(jiān)測指數(shù)和土壤相對濕度數(shù)據(jù)(10 cm、20 cm)進行相關(guān)性計算,從圖2可以看出,由于監(jiān)測指數(shù)的適用性差異,不同時期遙感干旱指數(shù)集發(fā)生變化,在全時期NDVI、NDWI、VCI和WI與土壤相對濕度的相關(guān)系數(shù)絕對值均超過0.1;在凍土期NDVI、NDWI和VCI與土壤相對濕度相關(guān)性明顯高于其他指數(shù);而WI在播種～拔節(jié)期、拔節(jié)～抽雄期和成熟期3個時期與土壤相對濕度的相關(guān)性均較高。通過分析各干旱監(jiān)測指數(shù)在不同時段與土壤相對濕度的相關(guān)性,以及各干旱指數(shù)適用性前期研究結(jié)果[30],確定了不同研究時段的最佳干旱監(jiān)測指數(shù)集(表4)。

注:10 cm和20 cm分別表示這兩個土層的土壤相對濕度。

2.2 分時期與全時期模型精度對比分析

將遙感干旱指數(shù)集和土壤相對濕度柵格數(shù)據(jù)進行匹配,通過RBF神經(jīng)網(wǎng)絡(luò)建立全時期和分時期土壤相對濕度反演模型,對東北地區(qū)大范圍土壤相對濕度進行反演,利用土壤相對濕度實測值進行模型精度評定和誤差分析(圖3)。

表4 不同生長期干旱監(jiān)測指數(shù)集

注:柱形圖上方數(shù)字為均方根誤差。

從圖3可以看出,分時期土壤相對濕度反演模型比全時期模型具有更高的精確度和準(zhǔn)確率,分時期模型最高精度出現(xiàn)在凍土期的20 cm土壤深度(R=92.6%,RMSE=8.14%),模型最低精度出現(xiàn)在拔節(jié)～抽雄期10 cm土壤深度(R=81.7%,RMSE=15.09%),而同期全時期模型精度分別為71.5%和68.0%,分時期模型精度較其提高了10%～25%?？梢?不同的遙感參量能夠反映作物生長狀態(tài)差異,在進行土壤相對濕度反演時,通過劃分研究時段有針對性地建模,能夠更準(zhǔn)確地掌握作物各生育時期的干旱情況。

2.3 東北地區(qū)大范圍干旱監(jiān)測

選取拔節(jié)～抽雄期衛(wèi)星遙感影像,利用分時期模型和全時期模型進行土壤相對濕度反演,根據(jù)表3的土壤相對濕度干旱劃分等級,將分時期模型土壤相對濕度反演數(shù)據(jù)、全時期模型土壤相對濕度反演數(shù)據(jù)和地面實測土壤相對濕度柵格數(shù)據(jù)分別制作干旱等級分布圖(圖4)。

圖4 東北地區(qū)土壤相對濕度反演效果圖

圖4A顯示,東北三省旱情自南向北逐漸減輕,其中,遼寧西北部旱情最嚴(yán)重,達(dá)到重旱至特旱等級;吉林中西部、黑龍江西部等地區(qū)干旱程度較輕,大部分為輕旱等級;研究區(qū)的北部及東北部地區(qū)土壤相對濕潤,未出現(xiàn)干旱的情況。拔節(jié)～抽雄期模型與地面實測土壤相對濕度柵格圖(圖4C)對比,干旱分布區(qū)域與實際情況吻合,尤其是旱情較嚴(yán)重的區(qū)域監(jiān)測更為準(zhǔn)確。全時期模型干旱等級圖(圖4B)顯示,除吉林西部和黑龍江西南部部分地區(qū)外,重旱到特旱等級遍布東北三省,整體干旱程度較嚴(yán)重;與地面實測土壤相對濕度柵格圖對比,兩者干旱分布區(qū)域有較大差異,尤其在黑龍江中部和遼寧東部的山區(qū),全時期模型整體反演濕度值較低,反映的干旱等級較實際旱情嚴(yán)重。

為進一步比較分時期模型和全時期模型的反演精度,在研究區(qū)域的東部、南部、西部、北部和中部隨機抽取測站點,提取分時期和全時期模型站點土壤相對濕度反演值,與實測土壤相對濕度進行比較(圖5A)。由圖5A可以看出,分時期模型土壤相對濕度反演值更接近實測土壤相對濕度值(R2=0.7119),表明反演值和實際值之間有較好的相關(guān)性;而全時期模型反演的土壤相對濕度值與實測值之間偏差較大(R2=0.0438)。

根據(jù)模型反演土壤相對濕度值和實測土壤相對濕度值,計算不同模型的反演精度(圖5B),并比較兩種模型的精度差異。由圖5B可以看出,大部分站點分時期模型反演精度大于90.0%,其中松原測站點的反演精度最高達(dá)99.3%。大部分站點全時期反演精度介于60.0%～90.0%,且均低于同站點的分時期模型反演精度,最大差值出現(xiàn)在本溪,分時期模型反演精度為97.4%,全時期模型反演精度僅為44.1%;最小差值出現(xiàn)在洮南,分時期模型反演精度較全時期反演精度高2.5%。綜上所述,分時期土壤相對濕度反演模型的反演精度均有所提高,其反演的土壤相對濕度值更貼近實際情況,能精準(zhǔn)地反映各地旱情,反演效果具有說服力和可信度。

圖5 隨機抽取站點土壤相對濕度檢驗

3 討 論

干旱已經(jīng)成為影響農(nóng)作物生長發(fā)育的重要災(zāi)害,及時、準(zhǔn)確地進行干旱監(jiān)測能夠減小干旱帶來的經(jīng)濟損失。本研究基于FY-3D/MERSI數(shù)據(jù),結(jié)合徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法,實現(xiàn)了東北區(qū)域大范圍干旱監(jiān)測。東北地區(qū)干旱發(fā)生時段通常為農(nóng)作物發(fā)育初期,到降水季節(jié)其影響逐漸減弱,在作物成熟季節(jié)出現(xiàn)反彈,但旱情較輕[31-32],根據(jù)干旱發(fā)生頻率和發(fā)生時段構(gòu)建不同生長期的監(jiān)測模型,監(jiān)測效果更好。

本研究中,在遙感干旱指數(shù)相關(guān)分析時,個別時期的土壤相對濕度與遙感干旱指數(shù)間的相關(guān)性雖然通過了顯著性檢驗,但其相關(guān)系數(shù)偏低,這與溫慶志等[22]基于干旱監(jiān)測模型指數(shù)進行相關(guān)性分析的結(jié)果相似,可能是因為干旱形成的過程涉及多種致災(zāi)因子,且受不同外界環(huán)境因素影響,土壤相對濕度與單一指數(shù)間并非線性關(guān)系,造成兩者間的相關(guān)性較低[33]。王溥等[34]認(rèn)為WI是作物開花期后最適宜的干旱監(jiān)測指數(shù),而本研究發(fā)現(xiàn)在玉米開花后、播種～拔節(jié)期、拔節(jié)～抽雄期,WI與土壤相對濕度的相關(guān)性均高于其他監(jiān)測指數(shù),可能是因為WI是由短波紅外波段形成的比值指數(shù),在這幾個時間段內(nèi)作物逐漸生長并完成發(fā)育過程,植被葉片及冠層含水量隨著時間推移發(fā)生變化,而短波紅外對植被含水量的吸收反應(yīng)敏感,通過其探測能力能夠獲得水分變化情況,因此WI與土壤相對濕度的相關(guān)性較高[35]。此外,NDVI、NDWI和VCI指數(shù)在凍土期與土壤相對濕度有較高相關(guān)性,可能與這3種指數(shù)在計算時均采用紅光、綠光和近紅外反射率有關(guān),受該時期常綠型植被影響,這3種指數(shù)較其他遙感干旱指數(shù)的監(jiān)測效果更顯著。

神經(jīng)網(wǎng)絡(luò)方法克服了多指數(shù)權(quán)重組合和多變量聯(lián)合分布等方法在權(quán)重分配和復(fù)雜建模過程的矛盾和缺陷[12],解決了遙感干旱指數(shù)與土壤相對濕度之間的非線性問題,使得復(fù)雜問題簡單化;與線性回歸模型相比,其提高了建模速度和完成效率,土壤相對濕度反演效果較好。本研究中分時期模型反演干旱準(zhǔn)確率能夠達(dá)到90%以上,比其他監(jiān)測方法[36-37]反演的準(zhǔn)確率提高了約5%～10%,因此,采用神經(jīng)網(wǎng)絡(luò)結(jié)合不同作物生長期建模,基本能夠?qū)崿F(xiàn)地區(qū)干旱監(jiān)測的準(zhǔn)確性。

FY-3D是風(fēng)云三號系列衛(wèi)星的第4顆,于2017年11月發(fā)射,在風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)可下載2019年1月以來數(shù)據(jù),由于2019年部分夜間數(shù)據(jù)不可用,無法滿足本研究的數(shù)據(jù)需求,因此,本文僅分析了2020年和2021年的遙感數(shù)據(jù)。干旱是一種緩慢發(fā)生且持續(xù)時間長的自然災(zāi)害,本研究時限較短,所得結(jié)果仍存在一定的局限性,隨著衛(wèi)星數(shù)據(jù)序列延長,今后可選取更長時間衛(wèi)星數(shù)據(jù),擴大數(shù)據(jù)樣本量,完善研究結(jié)論。分時期干旱監(jiān)測模型具有較高的模型精度以及良好的監(jiān)測效果,但由于研究區(qū)域南北跨度大,農(nóng)作物種植種類有所不同,研究中出現(xiàn)某些特定區(qū)域干旱監(jiān)測結(jié)果異常的情況,影響結(jié)果的準(zhǔn)確性,將來可考慮地域影響,改進指數(shù)選擇方式,適當(dāng)調(diào)整遙感干旱指數(shù)集;同時,在保證模型監(jiān)測效果的前提下,盡可能地減少監(jiān)測指數(shù)數(shù)量,進一步提高模型監(jiān)測效率。

4 結(jié) 論

1)不同干旱監(jiān)測指數(shù)在作物的不同生長期具有其適用性,ATI在凍土期、裸土期和播種～拔節(jié)期等植被覆蓋率低的時期監(jiān)測作用明顯,WI適用于播種～拔節(jié)期、拔節(jié)～抽雄期和成熟期等作物生長發(fā)育時期,其余監(jiān)測指數(shù)沒有明顯適用時期。

2)通過分析各干旱監(jiān)測指數(shù)在不同時段與土壤相對濕度的相關(guān)性,建立了不同時期干旱監(jiān)測指標(biāo)集,ATI、BVI、NDIIB7、NDVI、NDWI和VCI為凍土期的干旱監(jiān)測指標(biāo)集,ATI、LSWI、NDIIB7、NDVI、TCI和VCI為裸土期的干旱監(jiān)測指標(biāo)集,ATI、NDIIB7、TCI和WI為播種～拔節(jié)期的干旱監(jiān)測指標(biāo)集,NDIIB7、NDVI、NDWI、VCI和WI為拔節(jié)～抽雄期的干旱監(jiān)測指標(biāo)集,BVI、LSWI、NDIIB7和WI為成熟期的干旱監(jiān)測指標(biāo)集,可為今后分時期干旱監(jiān)測提供參考。

3)FY-3D/MERSI遙感數(shù)據(jù)結(jié)合RBF神經(jīng)網(wǎng)絡(luò)協(xié)同反演東北地區(qū)土壤相對濕度具有可行性,分時期土壤相對濕度反演模型精度介于81.7%～92.6%,遠(yuǎn)高于全時期模型精度(70.0%),且其與實際干旱情況基本一致,分時期土壤相對濕度反演模型在進行東北地區(qū)大范圍干旱監(jiān)測時更具優(yōu)勢。因此,按照作物不同時期的生長特性選取適宜干旱監(jiān)測指數(shù)進行建模,有助于提高干旱監(jiān)測精度。