第二届未来大气科学论坛

针对现有干旱指数在捕捉干旱胁迫及恢复效应方面的局限性，本研究基于植被水分指数（Vegetation Water Index, VWI），提出了一种逐日干旱效应（Drought Effect, DE）量化方法。该方法通过相对于轻、中、重度干旱阈值进行比例插值，计算逐日干旱效应，从而定量反映玉米所受干旱影响和作物恢复动态的演变。通过累加特定时段的干旱效应，可以评估考虑了恢复作用的干旱累积效应对玉米的综合影响。此外，以关键需水期（V6-R3）和非关键需水期（V0-V6和R3-R6）的累积DE、夏玉米像元比例及地理信息作为输入变量，分别采用线性、支持向量机、LightGBM和随机森林模型来模拟玉米产量，并基于SHAP分析揭示各因子的贡献度。结果表明：（1）DE能实时、有效地反映玉米干旱演变过程；（2）累积DE能更准确地描述各时期内作物所受的干旱影响和恢复作用下的综合效应；（3）随机森林模型的产量模拟精度（R² = 0.90, MAPE = 4.25 %, RMSE = 339.57 kg/ha）；（4）SHAP分析揭示，V6-R3阶段的累积DE对产量影响最大，其次是V0-V6和R3-R6阶段的累积DE、夏玉米像元比例、纬度和经度。本研究将干旱的定性监测转变为动态的、具有生理学意义的定量评估，为制定有针对性的防灾减灾对策提供了科学依据。

农业干旱；累积效应；植被水分指数；产量模拟；恢复动态