基于多源遥感数据的埃塞俄比亚农业干旱综合监测指标(CADI)开发与应用

为解决埃塞俄比亚农业干旱监测中单一指标局限性问题，研究人员整合降水(PCI)、植被(VCI)、温度(TCI)、土壤湿度(SMCI)和蒸散发(ET)等5种遥感参数，构建了综合农业干旱指数(CADI)。研究表明，CADI能有效捕捉2001-2021年间关键干旱事件（如2002、2009、2015年），与作物产量相关性最高达0.87，为非洲之角地区干旱预警系统建设提供了新方法。

　　

在气候变化加剧的背景下，干旱已成为威胁全球粮食安全的头号自然灾害。位于非洲之角的埃塞俄比亚尤为脆弱——这个85%人口依赖农业的国家，近40年干旱频率从每10年1次骤增至每3年1次，2015年特大干旱更导致1020万人受灾。传统气象站点监测因数据稀疏难以全面反映干旱空间格局，而单一遥感指标如植被指数(NDVI)或地表温度(LST)又无法捕捉干旱的多维特征。

针对这一科学难题，研究人员在《Journal of Hydrology: Regional Studies》发表研究，创新性地将多源遥感数据融合，开发出综合农业干旱指数(CADI)。该研究整合了2001-2021年间MODIS卫星的NDVI、LST、ET数据，CHIRPS降水数据，以及FLDAS Noah模型的土壤湿度数据，通过标准化处理构建了包含5个维度的CADI指标，并利用埃塞俄比亚中央统计局(CSA)的作物产量数据和FEWSNET粮食安全地图进行验证。

主要技术方法：研究采用Google Earth Engine平台处理250m分辨率MODIS数据，通过经验累积分布函数(ECDF)标准化5种参数（PCI、VCI、TCI、SMCI、ET），采用算数平均法构建CADI。验证阶段使用线性去趋势法处理作物产量数据，通过Pearson相关系数评估CADI与6个农业区主粮产量的相关性。

3.1 基于CADI的农业干旱时空变化
研究发现2002、2009和2015年为极端干旱年，其中2009年7月高达73%耕地遭受重旱。空间上，提格雷大区和阿姆哈拉东部等高原区最为脆弱，这与历史灾情记录高度吻合。CADI成功再现了2015年厄尔尼诺导致的"双峰干旱"现象，其空间分布与FEWSNET发布的粮食危机地图重叠率达89%。

3.2 CADI性能评估
与去趋势作物产量数据的相关性分析显示，东部提格雷区相关性最强(r=0.87)，瓦格希姆拉区达0.76。值得注意的是，CADI在2015年干旱中提前1个月预警了粮食减产风险，较传统气象指数响应更灵敏。与EM-DAT灾害数据库比对发现，CADI准确识别了2003-2004、2009-2010、2014-2015等所有重大干旱事件。

这项研究开创性地构建了适用于非洲之角地区的多指标干旱监测体系，其250米的空间分辨率显著优于传统5km分辨率产品。CADI的创新性在于同时考量水分供需平衡（通过ET和降水）和作物响应（通过NDVI和土壤湿度），这对理解干旱滞后效应具有重要意义。研究者建议将CADI纳入埃塞俄比亚国家干旱预警系统，并计划引入机器学习算法提升预测精度。该成果不仅为撒哈拉以南非洲地区提供了可复制的技术框架，其多源数据融合思路对全球干旱监测具有示范价值。