A review of remote sensing for agricultural drought: technologies, indices, modelling advances and future prospects

农业干旱是一种复杂的灾害，威胁粮食安全和可持续发展目标的实现。我们系统综述了2015年至2025年间发表的同行评议英文文献，聚焦于遥感（RS）驱动的农业干旱监测与预测。符合条件的研究通过Web of Science和Scopus数据库检索确定（最后检索时间为2025年8月）；综述文章、重复文献及不相关研究被排除，最终纳入181篇文献。本综述批判性地审视了用于评估不同农业生态区农业干旱的传感器、干旱指数、建模方法及新兴技术的演变。具体而言，我们（1）系统评估了光学、热红外和微波遥感平台，以及基于卫星、基于模型和再分析产品在农业干旱监测中的应用；（2）综述了广泛使用的基于遥感的干旱指数，包括归为九类的单一指数以及复合指数；（3）综述了所应用的软件或编程语言；（4）评估了建模方法从传统统计和时间序列方法向机器学习（ML）和深度学习（DL）框架的演进；（5）考察了应用于农业干旱评估的验证策略。分析显示，该主题的研究兴趣日益增长，地理上高度集中于亚洲，尤其是中国。光学和热红外平台（如MODIS和Landsat）因其可获取性在文献中占主导地位（约54%），其次是卫星降水产品（17%），而微波土壤水分任务仍未得到充分利用（约7%）。在基于遥感的指数方面，大多数研究采用了不止一种指数：44%分析了多个单一指数，51%使用了复合指数（单独使用或与单一指数结合使用），仅5%依赖单一指数。植被指数（如NDVI）仍是主力工具；然而，其对土壤背景效应和冠层饱和的敏感性推动了热红外复合指数（如VHI）以及自适应权重方案和基于主成分分析的方法得到更多采用。此外，干旱研究中使用的计算工具可大致分为用于大规模数据处理和分析的地理空间与遥感平台（如QGIS、GEE），以及用于模型开发的通用编程语言（如R、Python）。