基于衛(wèi)星遙感預(yù)測農(nóng)業(yè)干旱有兩種方法，一種方法是在干旱監(jiān)測的基礎(chǔ)上，通過干旱時空預(yù)測模型對未來時間段內(nèi)的農(nóng)業(yè)干旱狀況進(jìn)行模擬;另一種方法是在作物生長模型的基礎(chǔ)上，改進(jìn)其水分脅迫模塊，構(gòu)建作物干旱監(jiān)測模型，將遙感觀測作為同化干旱脅迫的中間變量，并結(jié)合短、中、長期氣象數(shù)據(jù)進(jìn)行農(nóng)業(yè)干旱預(yù)測。

基于干旱指數(shù)的農(nóng)業(yè)干旱預(yù)測

基于遙感干旱指數(shù)預(yù)測農(nóng)業(yè)干旱具有重要研究價值。這類研究主要是以時間序列遙感干旱指數(shù)作為輸入數(shù)據(jù)并基于時序分析等方法預(yù)測未來時間段內(nèi)的干旱變化。例如，韓萍等運(yùn)用求和自回歸移動平均(Auto Regressive Integrated Moving Average，ARIMA)模型對VTCI時空序列進(jìn)行分析建模并開展冬小麥生長季內(nèi)干旱分析預(yù)測，結(jié)果表明基于該模型的1~2步預(yù)測可以較好地預(yù)測區(qū)域干旱變化情況。李俐等應(yīng)用ARIMA模型和季節(jié)性求和自回歸移動平均(Seasonal Auto Regressive Integrated Moving Average，SARIMA)模型對夏玉米生長季內(nèi)的VTCI進(jìn)行建模預(yù)測，結(jié)果表明ARIMA模型具有比SARIMA模型更高的VTCI預(yù)測精度，且基于ARIMA模型的VTCI 1~3步預(yù)測在多個年份間具有較穩(wěn)定的精度表現(xiàn)。

歷史干旱數(shù)據(jù)呈現(xiàn)大數(shù)據(jù)特征，人工智能算法可有效挖掘歷史年份的數(shù)據(jù)特征，進(jìn)一步提高干旱預(yù)測精度。近年來，研究人員開始基于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的方法進(jìn)行干旱預(yù)測，取得了較好的結(jié)果。隨著遙感技術(shù)的快速發(fā)展，遙感反演地面上干旱指數(shù)本身已具備空間大數(shù)據(jù)特征，此外隨著多衛(wèi)星傳感器的組合使用，遙感干旱指數(shù)也具有越來越高的時間維度。目前，針對遙感干旱指數(shù)，基于機(jī)器學(xué)習(xí)算法的農(nóng)業(yè)干旱預(yù)測研究還較少，這將是未來的一個研究熱點。

基于作物生長模型的農(nóng)業(yè)干旱預(yù)測

農(nóng)業(yè)干旱預(yù)測的落腳點為預(yù)測干旱對作物長勢的影響程度。從這一角度考慮，基于作物生長模型的農(nóng)業(yè)干旱預(yù)測方法具有重要研究價值。作物生長模型依靠氣象數(shù)據(jù)進(jìn)行驅(qū)動，通過引入未來一段時間內(nèi)的氣象預(yù)報數(shù)據(jù)，可以有效模擬作物在未來時間段的生長狀態(tài)并預(yù)報作物的干旱脅迫狀態(tài)。

此外，將作物生長模擬與農(nóng)業(yè)干旱監(jiān)測相結(jié)合，對作物生長模型進(jìn)行改進(jìn)，以實現(xiàn)對農(nóng)業(yè)干旱的監(jiān)測與預(yù)警。例如，吳熠婷等利用天氣發(fā)生器LarsWG5.5模擬未來時間段內(nèi)的氣象數(shù)據(jù)并將其輸入校準(zhǔn)后的作物生長模型，進(jìn)而預(yù)測氣候變化條件下冬小麥產(chǎn)量并評估減產(chǎn)風(fēng)險。

遙感觀測可以及時反映地表的瞬時狀態(tài)，有效監(jiān)測農(nóng)業(yè)干旱程度。對于上述干旱預(yù)測模型而言，引入相關(guān)遙感觀測量可以進(jìn)一步提高模型的預(yù)測能力。因此，將氣象、水利和農(nóng)業(yè)農(nóng)村部門提供的中長期氣象數(shù)據(jù)作為這些模型的輸入數(shù)據(jù)，運(yùn)用數(shù)據(jù)同化技術(shù)，耦合遙感觀測量(如土壤水分)與模型模擬值，可以有效提高模型的農(nóng)業(yè)干旱預(yù)測能力。

例如，王治海等基于改進(jìn)后的ARID CROP模型，利用AMSR-E傳感器獲取的區(qū)域農(nóng)田水分信息作為模型中間變量，從而預(yù)測農(nóng)業(yè)干旱的動態(tài)變化，結(jié)果表明將遙感觀測信息引入改進(jìn)后的作物生長模型能有效提高冬小麥生長發(fā)育的預(yù)測能力和區(qū)域農(nóng)業(yè)干旱的預(yù)測精度。