DOI：https://doi.org/10.1016/j.rse.2025.114621
土壤和植被水分指数的光学遥感是监测土壤水分和干旱胁迫的重要指标。然而，传统的土壤和植被水分指数不能充分捕捉到足够多的光谱通道之间的高阶关系，导致其对特定值范围内土壤水分变化的敏感性有限，并且难以协调时间和空间尺度上土壤水分数值分布的差异。
本文基于核方法的概念，提出了一种新的土壤和植被水分指数——核归一化差异水分指数（kNDMI），以捕捉更多的光谱通道信息。全球kNDMI由MODIS光谱反射率产品计算得出。
利用欧洲空间局（ESA）气候变化倡议（CCI）数据集、土壤水分主动和被动（SMAP）数据集和气象再分析数据评估了kNDMI在应对水分和干旱方面的有效性。
结果表明：1）kNDMI在时间尺度上的全球土壤水分监测中明显优于传统的遥感水分指数，特别是在监测SMAP土壤水分数据集时。 kNDMI 与最佳传统指数相比，性能提升幅度在 107.1 % 到 127.8 % 之间，其中中高纬度地区和农田、灌木丛、草地等植被覆盖度适中的地区优势最为明显。2）kNDMI 与 CCI 土壤湿度的平均空间相关性比最佳传统湿度指数归一化差异红外指数 (NDII SWIR3-based) 高出约 0.02 到 0.04，但在捕捉 SMAP 空间分布方面，kNDMI 的性能略逊于 NDII (SWIR3-based)。
3）kNDMI 在 1 到 3 个月尺度的短期气象干旱监测方面比传统湿度指数更有效，且在土壤干旱监测方面，kNDMI 的表现也明显优于传统指数，提升幅度为 59.09 % 到 169.37 %。
4) 时间尺度上 kNDMI 的最优 sigma 参数表现出与像素干燥程度相关的自适应特性；像素越干燥，其数值分布越接近于更平滑的高斯径向基函数 (RBF) 核。最大参数设置方法结合了自适应参数和固定参数的优点，在全局尺度上的 kNDMI 调整过程中取得了最佳效果。
图2
.
光学遥感水分指数与土壤水分验证数据之间的时间相关性统计（过滤少于30个采样点的像素）：（a）光学遥感水分指数与SMAP-am之间的时间相关性箱线图，（b）光学遥感水分指数与CCI-combined之间的时间相关性箱线图，（c）光学遥感水分指数与SMAP-pm之间的时间相关性箱线图，（d）光学遥感水分指数与CCI-passive之间的时间相关性箱线图。
图3
.
光学遥感水分指数与土壤水分验证数据时间相关系数的空间分布（滤波像素点少于30个）：（a）kNDMI与SMAP-am时间相关的空间分布，（b）kNDMI与SMAP-pm时间相关的空间分布，（c）kNDMI与CCI-combined时间相关的空间分布，（d）kNDMI与CCI-passive时间相关的空间分布。
