Spatio-temporal monitoring of agricultural drought in China based on downscaled soil moisture data

农业干旱威胁中国的粮食安全与生态安全，准确的时空监测是减灾的关键。土壤水分对干旱评估至关重要，但中国现有基于遥感的土壤水分（SM）产品精度仍有待提高。本研究构建了一个将时空自适应插补算法与基于机器学习的降尺度方法协同集成的框架，生成了2003—2023年中国无缝0.05°逐月土壤水分数据集。该方法利用随机森林建模与时空重建技术的互补优势，有效融合多源卫星观测，实现了土壤水分数据精度与空间覆盖度的双重提升。基于该数据集，采用标准化土壤水分指数刻画农业干旱的时空演变特征。结果表明：（1）降尺度土壤水分数据集具有更精细的空间分辨率和更高的精度。在不同土地覆盖类型下，相较于基准数据集，其无偏均方根误差（ubRMSE）降低2.3%—43.4%，相关系数提高1.2%—52.7%。（2）基于降尺度土壤水分数据集与标准化土壤水分指数（SSI）的干旱刻画准确识别了农业干旱范围，与农业受灾面积表现出显著的时空一致性。（3）研究期内中国农业干旱显著加剧，表现为干旱中心向北迁移及空间异质性的干旱化格局——西北向东南干旱程度递减，东北向西南递增。高频干旱区主要集中于生态脆弱区，尤其是北方农牧交错带。（4）干旱年内动态特征明显，1—6月以西南向东北扩展为主，6—12月则表现为由黄河—淮河流域（YRB-HRB）向西北和东南地区的双向传播。本研究为农业干旱监测提供了高精度数据支撑，并为制定区域差异化抗旱减灾策略提供了科学依据，对保障国家粮食安全具有重要意义。