具备准确干旱监测和预报功能的干旱预警系统能够有效地降低社会对干旱的脆弱性。干旱监测系统需要通过综合多个气候、水文、土壤和社会经济指标刻画干旱的强度、空间范围以及潜在影响。随着全球对地观测技术的快速发展，积累的海量卫星遥感数据为干旱监测注入了强劲的活力。

　　为了更精准的刻画干旱事件的动态变化过程，需要使用综合干旱过程涉及的多因子构建干旱监测模型。近年来学界陆续提出了一系列多因子干旱监测指数，并且上述已经业务化运行的监测系统也都依赖于多因子协同的旱情监测模型。

　　当前基于遥感的多因子遥感模型尽管能够提供像元级覆盖的旱情监测信息，但这些综合指数在业务化运行中仍面临诸多挑战，其中包括：1）单纯综合各个因子异常指标构建的综合指数不能体现生态系统对气象干旱响应的时空异质性；2）基于简单的数学组合或统计模型（机器学习）构建的综合干旱监测指数难以合理体现干旱发生发展的物理过程。

　　【成果简介】本成果提供了一种协同多源遥感参量的综合遥感干旱监测方法，考虑干旱发生发展过程中“驱动‑响应”机制，基于监督自组织映射网络，通过融合降水、植被指数和地表温度驱动的单因子干旱指数以及气象和生态的历史气候态指标来构建综合遥感干旱监测指数模型。并通过拆分历史数据驱动参数和实时数据驱动参数以提升该模型的实时运行效率，使用者只需将待监测区域的实时降水、实时植被指数、实时地表温度输入至所述模型中，即可预测出综合遥感干旱监测指数。该方法主要开展了包括：多源遥感产品和地面观测数据集的搜集与处理、综合遥感干旱监测指数模型的构建和实时旱情监测处理。利用上述发明能够大范围全面地识别旱情，提高旱情监测的及时性和准确性。j9跨境创业