Geological and Mineral Surveying and Mapping

为提升农田干旱监测的时空精度,解决单一遥感数据源在多云天气、植被干扰下的监测局限,本文提出融合Sentinel-1微波数据与Sentinel-2光学数据的干旱等级反演方法。以黄淮海平原冬小麦种植区为研究区,选取2023-2024年生长季影像数据,提取Sentinel-1的VV/VH极化后向散射系数及入射角参数,Sentinel-2的NDVI、EVI等植被指数与地表温度数据；通过随机森林算法构建多源特征融合模型,结合地面实测土壤水分与《农业干旱等级》(GB/T32136-2015)实现干旱等级反演。结果表明：融合模型反演土壤水分的R²达0.82,均方根误差(RMSE)为3.2%,较单一Sentinel-1(R²=0.58)和Sentinel-2(R²=0.65)模型精度显著提升；干旱等级反演结果与标准化降水指数(SPI)的相关性达0.85,能有效捕捉拔节期轻度干旱与灌浆期重度干旱事件。研究证明多源哨兵数据融合可实现高精度农田干旱监测,为灌溉调度与粮食安全保障提供技术支撑。