Remote Sensing and GIS in Modern Drought Assessment: Bridging Conventional Methods and Emerging Technologies
V. Dhanalakshmi · N. Manikandan · V. S. Jinsy 等 7 人
综述了从传统干旱指数到遥感、GIS及AI集成的现代干旱评估方法演进。
文献综述，对比SPI、SPEI等传统指数与遥感、GIS及混合方法。
遥感与GIS弥补传统指数空间局限，但云污染、分辨率差异和验证仍是挑战。
可探索多源遥感与机器学习融合的干旱早期预警，重点解决数据不确定性与地面验证。
综述系统梳理遥感与GIS在干旱评估中的应用演进，方法学价值明确，但属综述类论文、非国内落地事件，影响力有限。
干旱是一种复杂且反复出现的水文气候灾害，影响农业生产、水资源、生态系统和社会经济发展。有效的干旱评估需要能够捕捉其时空变异性和多维特征的方法。本文综述了干旱评估从传统干旱指数到基于遥感与地理信息系统（GIS）的综合方法的演变，重点探讨其应用、优势、局限性和新兴发展。传统指数，包括标准化降水指数（SPI）、标准化降水蒸散指数（SPEI）、帕尔默干旱强度指数（PDSI）、侦察干旱指数（RDI）和降水距平百分率指数（PNPI），因其方法成熟且具有长期适用性而仍被广泛使用。然而，这些指数对气象观测的依赖可能限制其空间表征能力以及对植被、土壤水分和其他陆面响应的刻画。遥感提供了对植被状况、地表温度、土壤水分、蒸散量及与水相关状况的大范围重复观测，使得卫星衍生的干旱指标和指数得以发展。GIS进一步促进了多来源干旱相关信息的整合、空间分析、可视化和制图。本文还讨论了将基于气候的指数与卫星衍生指标相结合的混合方法，以及干旱监测平台和多源评估框架。尽管取得了实质性进展，但在云污染、时空分辨率差异、数据连续性、地面验证以及多源数据集相关的不确定性方面仍存在挑战。新兴的机器学习、深度学习和人工智能方法为整合异质数据集、改进干旱表征和预警提供了机遇。总体而言，在气候变异性和变化日益加剧的背景下，传统观测、遥感、GIS和先进分析方法的整合为更全面的干旱监测和风险评估提供了一个有前景的框架。