气象科学

作者：李菁，姜有山，沈澄，李聪，王珂清，戴竹君

单位：南京市气象局 南京 210019,,南京市气象局 南京 210019,,南京市气象局 南京 210019,,南京市气象局 南京 210019,,江苏省气候中心 南京 210000,,南京市气象局 南京 210019;南京气象科技创新研究院 中国气象局交通气象重点开放实验室 南京 210041,

关键词：ESA CCI_SM;干旱;多元线性回归;RBFNN

基金：江苏省气象局青年基金资助项目(KQ202009);江苏省气象局面上资助项目(KM202010;KM202207)

干旱对社会的经济发展有诸多不利影响,利用遥感技术及时掌握干旱发生及发展动态,对政府提高抗灾减灾能力有十分重要的意义。目前,多数干旱遥感研究利用的影响因素较为单一,缺乏对多源数据的融合应用。本文在评估微波遥感数据ESA CCI_SM(European Space Agency Climate Change Initiative Soil Moisture)产品质量的基础上,结合日蒸散发差指数(Daily Evapotranspiration Deficit Index,DEDI)及降水量数据,分别构建了多元线性回归模型和径向基函数神经网络(Radial Basis Function Neural Networks,RBFNN)模型,并将其与江苏省14个农业气象观测站的实测土壤湿度进行了对比评估。结果表明:ESA CCI_SM 产品能在一定程度反映江苏土壤水分变化。在考虑多种干旱相关因素影响的情况下,多元线性回归模型及RBFNN模型对于监测土壤水分的准确率相较于ESA CCI_SM 产品本身均有不同程度的提高。其中,RBFNN模型对于研究区的干旱监测更为敏感,干旱预警监测适用性更高。结合2019年夏秋连旱事件,研究进一步证明RBFNN模型能较为准确地反映出旱情的发生发展。以上结果表明,RBFNN模型可为旱灾的遥感监测提供一种新的方法。

来源：2025年第3期

《气象科学》期刊编辑部

查看气象科学杂志2025年第3期