印度戈达瓦里盆地的农业干旱特征的短期卫星土壤湿度,印度

科学领域:

• 水文和远程传感技术
• 农业科学 农业科学
• 适应气候变化 适应气候变化

背景情况:

• 由于有限的高分辨率土壤水分 (SM) 可用性,农业干旱监测通常依赖于水文气象数据.
• 卫星技术的进步,如土壤湿度主动被动 (SMAP) 任务,每天提供9公里分辨率的全球SM数据,适合干旱监测.
• 现有的长期卫星SM产品具有较粗的分辨率,而较新的高分辨率产品具有较短的记录.

研究的目的:

• 评估短期卫星SM数据 (SMAP-SM) 对农业干旱特征的潜力.
• 为了比较基于SM的两个指数 (SWDI和SMDI) 与基于降水的传统指数 (RA和SPI) 的表现.
• 评估从2016年到2021年测量不良的戈达瓦里流域的干旱模式.

主要方法:

• 利用土壤水分主动被动 (SMAP) 卫星数据用于土壤水分检索.
• 使用SMAP-SM数据计算了土壤水缺指数 (SWDI) 和土壤水缺指数 (SMDI).
• 将SWDI和SMDI与降雨异常 (RA) 和标准降水指数 (SPI) 进行干旱评估.
• 在农业生态区 (AEZ) 中分析了干旱空间分布和干旱面积比 (DAR).

主要成果:

• 无论是SWDI还是SMDI都有效地捕获了年度间和季节性干旱变化,表现优于RA和SPI.
• 空间分析表明,戈达瓦里河西盆地持续干旱,东部更为潮湿.
• SWDI对严重/极端干旱的敏感性更高,而SPI对轻度/中度干旱的反应更好.
• 区域性DAR分析揭示了SWDI/SMDI识别的独特干旱条件,与SPI/RA.的更广泛分布不同.

结论:

• 基于卫星的短期SM数据和衍生指数 (SWDI,SMDI) 对农业干旱的特征有价值.
• 与基于降水的指数相比,基于SM的指数提供了更具体的,与土壤相关的干旱洞察力.
• 这些发现支持制定特定区域的干旱减缓战略,并改善数据稀缺地区的干旱准备.