基于ECOSTRESS地表温度数据的高分辨率晴空土壤水分指数(RTI)开发及其在农业干旱监测中的应用

针对植被区土壤水分(SM)监测灵敏度不足和高分辨率热红外(TIR)产品稀缺的难题，研究人员创新性提出70米分辨率的辐射热惯量指数(RTI)，整合ECOSTRESS昼夜地表温度(LST)与辐射通量，通过植被校正因子β增强敏感性。验证显示RTI-β与SM季节性变化相关性(r=0.62)显著优于KBDI等传统指标，尤其在植被密集区保持稳定(r=0.70)，为非洲和印度农业干旱预警提供新工具。

　　

随着气候变化加剧，非洲和印度等人口快速增长地区正面临日益严重的农业干旱威胁。传统气象站点监测成本高昂且分布稀疏，而现有遥感指标如归一化水分指数(NDWI)和表观热惯量(ATI)在植被区对土壤水分(SM)变化的响应存在明显滞后或饱和现象。更棘手的是，高分辨率热红外数据匮乏导致田间尺度的干旱监测难以实现——Landsat虽提供百米级地表温度(LST)，但16天重访周期和仅上午10点的单时相观测极大限制了热惯量理论的运用。

在此背景下，搭载于国际空间站的ECOSTRESS传感器凭借70米分辨率和昼夜双时相观测能力，为破解这一难题带来曙光。欧洲航天局(ESA)资助的ARIES项目团队提出创新性辐射热惯量指数(RTI)，通过整合正午与午夜LST差值、累计辐射通量以及植被湿度校正因子β，首次实现植被区SM的高精度动态监测。研究采用气候学方法重构缺失的ECOSTRESS晴空LST数据，与VIIRS数据融合后精度达RMSE=2.31K(13:30)/1.91K(01:30)，为RTI计算奠定基础。

关键技术包括：1)基于21个非洲和印度SM站点数据验证；2)开发β因子校正植被蒸腾和相对湿度影响；3)对比Keetch-Byram干旱指数(KBDI)等5类指标；4)采用季节趋势分解分析归一化SM异常。

【敏感性分析】RTI-β与SM周际变化相关性(r=0.62)显著优于NDWI_1.24等光学指标，在稀疏植被区较尺度化干旱状态指数(SDCI)提升23%。β因子使高植被覆盖下灵敏度保持稳定，打破传统指数饱和效应。

【时空验证】案例显示RTI可精准捕捉印度灌溉事件(相关系数0.81)和非洲干旱期，其70米分辨率成功识别田间尺度水分胁迫，较1公里级SMAP数据空间细节提升14倍。

该研究突破性地将热惯量理论应用于高分辨率TIR数据，首次证实昼夜LST差异与辐射能量组合对植被区SM的指示作用。RTI指数为即将发射的NASA-ISRO合成孔径雷达(NISAR)等新一代任务提供理论框架，其70米分辨率填补了农业精准管理的数据空白，对实现联合国可持续发展目标(SDG)中的零饥饿目标具有重要实践价值。论文发表于《Remote Sensing of Environment》，标志着热红外遥感在生态水文应用的重要突破。