干旱是我国农业生产所面临的最主要气象灾害,准确地评估农作物干旱发生的时空分布和严重程度,对农作物生长和粮食产量的改善具有重要意义。目前国内外学者针对农业干旱的评估,提出了多种干旱指数,可以归纳为根据站点气象数据和遥感监测数据的两大类干旱指数。但是,现阶段的农业干旱指数仍局限于通过站点降水、植被指数或单一的土壤水分等数据来评估。鉴于此,本研究以全球三大黑土区和中国的主要粮食产地松嫩平原北部作为研究区,系统分析了不同农作物类型、不同生长发育期,以及不同土壤质地、降水和气候条件下土壤水分有效性的阈值范围,在此基础上,结合表层和深层土壤湿度数据,提出了农作物水分盈亏量(Crop Loss and Surplus Water,CLSW)干旱指数,对研究区农作物干旱的时空分布和严重程度进行了定量分析,构建了区域范围农作物干旱情况的定量评估模式。本文的主要研究内容和结论如下:(1)表层土壤湿度数据的尺度转换方法研究,基于随机森林(Random Forest,RF)回归算法,利用MODIS光学遥感数据对SMAP微波遥感数据进行尺度转换,构建了针对微波遥感表层土壤湿度数据的尺度转换流程和方法,获得了高空间和时间分辨率的表层土壤湿度数据。研究结果表明,该转换方法不仅能获得高时空分辨率的表层土壤湿度数据,同时还能对表层土壤湿度数据的精度进行提升。(2)基于多特征参数集合的农作物分类方法研究,在传统的时序植被指数和农作物物候特征的参数集合的基础上,增加了时序的表层土壤湿度数据,构建了新的农作物分类特征参数集合。基于随机森林(RF)分类算法,分别将传统的和新构建的两个特征参数集合作为模型输入参数,分别提取了农作物种植区域。研究结果表明,新构建的农作物分类特征参数集合,提高农作物的分类精度,特别是水稻种植区域的提取精度。(3)基于数据同化的深层土壤湿度反演方法研究,根据陆面数据同化框架,构建了基于集合卡尔曼滤波算法(Ensemble Kalman Filter,En KF)和通用陆面过程模型(Community Land Model,CLM)的数据同化系统,对表层土壤湿度数据和实测站点不同深度的土壤湿度数据进行了同化,获得了0～200cm的土壤湿度数据。研究结果表明,同化高精度的表层土壤湿度数据和实则站点数据,可以进一步提高不同深度的土壤湿度数据精度。(4)基于土壤水分运移的农作物干旱评估方法研究,基于Hydrus-1D模型对玉米和大豆整个生长发育周期的根系吸收速率和土壤水分运移情况进行了模拟,获得了玉米和大豆不同生长阶段的土壤水分有效性阈值,再结合0～200cm深度土壤湿度数据,提出了新的农业干旱指数——农作物水分盈亏量(CLSW),并对研究区的玉米和大豆的干旱时空分布和干旱程度进行了分析。研究结果表明,提出的农作物水分盈亏量(CLSW)具有较好的相关性和较高的精度,能够满足于区域农作物干旱评估。综上所述,本文在表层土壤湿度数据尺度转换、农作物种植区域提取、不同深度土壤湿度同化和土壤水分运移等模型和方法研究的基础上,提出了与农作物生长周期、土壤质地、降水等气候条件相结合的农业干旱指数——农作物水分盈亏量(CLSW),构建了区域农作物生长阶段的干旱评估模式。对区域农作物生长和农业用水具有一定的指导作用,保障了粮食生产和粮食安全。同时,也推动了地理学研究理论和方法与水文和气象等多学科领域的交叉应用。