我校地理科学学院在全球地学Top期刊《International Journal of Applied Earth Observation and Geoinformation》（IF：4.85）上发表题为“Construction of a drought monitoring model using deep learning based on multi-source remote sensing data”的科学论文。地理科学学院沈润平教授为第一作者兼通讯作者，我院研究生黄安奇和李博伦讲师为共同作者。
干旱是全球最严重的气象灾害之一，它的频发给国民经济，特别是农业生产带来了巨大的经济损失。在全球气候变化日益复杂的背景下，对干旱的准确监测对区域农业的可持续发展具有重要意义。目前，气象监测和遥感监测是目前最主要的干旱监测方法。气象监测受制于气象站点有限，很难进行区域大范围监测。遥感监测往往不能综合考虑多种致旱因子，并且结果具有较大的不确定性。因此如何有效地结合遥感与站点观测，发展考虑多种致灾因子的综合干旱监测模型具有重要的意义。
研究团队长期从事干旱遥感监测研究，已发表过系列研究论文，本文是利用多源遥感数据计算了土壤水分胁迫、植被生长状态和降水盈亏等多种致旱因子表征指标，作为模型输入变量，利用深度前馈神经网络（DFNN）建立了综合干旱监测模型，并在河南省进行了模型验证。所构建的基于深度学习的综合干旱监测模型具有良好的适用性，克服了传统气象监测手段的空间不连续性，提高了遥感监测的精度，实现了区域干旱监测更精细表达，为区域综合干旱监测提供了新方法。
研究得到了国家自然科学基金重点支持项目（91437220）和国家重点研发计划（2018YFC1506602）的共同资助。论文链接：https://doi.org/10.1016/j.jag.2019.03.006
图1 气象方法与本研究建立模型在河南省一次典型干旱事件中监测结果的对比。其中a~d为气象方法监测结果，e～h为本研究构建模型监测结果