RSE2026
在水分有限的环境中，利用卫星土壤湿度对农田生产力异常进行分季节预测
针对农业干旱影响预测中植被生产力变化响应滞后、传统遥感预测方法对土壤水分先导信息利用不足的问题，提出一种融合卫星根区土壤水分与植被时序特征的次季节作物生产力异常预测方法。该方法利用SMAP卫星四级（L4）根区土壤水分（RZSM）产品和植被近红外反射率（NIRv）数据，基于土壤水分亏缺先于植被生产力下降的时滞响应机制，构建卷积长短期记忆网络（ConvLSTM），联合建模植被生产力的局部空间依赖关系与土壤水分变化的时间滞后特征。通过融合植被历史状态、同期根区土壤水分及显式滞后土壤水分信息，实现未来8至40天作物植被生产力异常的时空预测。同时，结合不同干旱程度区域的水分—植被耦合特征，分析根区土壤水分在水分限制型与能量限制型农田中的差异化预测贡献，增强对干旱胁迫下植被生产力变化的提前感知能力。该研究为非洲干旱易发农田的农业干旱早期预警、作物生长状态监测及农业风险评估提供了新的卫星遥感预测方法与技术支撑。