基于SHAP模型解析中国短期干旱动态中昼夜温差的关键作用及区域响应机制

针对昼夜温差(DTR)对短期干旱影响机制不清的科学难题，研究人员通过SHAP-XGBoost框架整合1961-2022年高分辨率气象数据，揭示DTR通过增强蒸散发需求与调控降水/湿度双重路径加剧干旱，尤其在干旱区1℃ DTR变化可致SPEI-1波动±0.26。该研究为农业灌溉优化和水资源精准管理提供理论支撑。

　　

昼夜温差(DTR)作为气候变化的敏感指标，其与干旱的关联机制长期被学界忽视。尽管高温、降水减少等因子与干旱的关系已被充分研究，但DTR通过何种途径影响短期干旱动态仍是未解之谜。这一认知缺口严重制约了干旱预警系统的精度，特别是在中国这样气候梯度显著的国家，不同干湿区对DTR的响应差异更增加了农业水资源管理的难度。

为破解这一难题，研究人员在《Agricultural Water Management》发表的研究中，创新性地将SHAP可解释人工智能与XGBoost算法结合，分析了覆盖中国全境的0.25°×0.25°网格气象数据(1961-2022)。研究采用FAO-56 Penman-Monteith公式计算参考蒸散发(ET_o)，基于降水(P)与潜在蒸散发(PET)的差值构建月尺度标准化降水蒸散指数(SPEI-1)，并运用SHAP值量化DTR等8个气象因子对干旱的相对贡献。通过设置DTR±1℃的情景模拟，揭示了干旱响应的区域异质性。

3.1 空间格局与时空关联
研究发现中国DTR呈现东南低、西北高的空间格局，与干旱指数SPEI-1呈显著负相关。通过10年滑动窗口分析，发现2000年后DTR与SPEI-1的负相关性在全国范围强化，尤其在干旱区1995年后出现关联逆转，这与区域干湿转换过程密切相关。

3.2 气象因子交互效应
DTR通过双重路径影响干旱：直接增强蒸散发需求，间接通过负向调控降水(P)、相对湿度(RH)和正向关联日照时数(SSD)、风速实现。在干旱区，DTR与低P/RH产生协同放大效应，使SPEI-1降低达-0.26；而在湿润区，DTR与SSD的正关联部分缓解了干旱程度。

3.3 SHAP归因分析
SHAP权重显示DTR是短期干旱的首要驱动因子，其次为RH和SSD。干月期间，低RH成为主导因素；湿月期间，湿润区受SSD调控，而干旱区则主要响应DTR变化。交互作用分析揭示干旱区RH-风速组合、半干旱区P-RH配对具有最强协同效应。

3.4 DTR扰动响应
情景模拟表明，DTR每增加1℃会使全国SPEI-1降低0.04-0.26，干旱区响应最为敏感。特别发现干旱区湿月SPEI-1对DTR变化呈现独特响应，1℃降幅可提升SPEI-1达0.19，揭示DTR在极端干湿事件中的双向调节作用。

这项研究首次系统阐明了DTR在中国短期干旱形成中的枢纽地位，其创新性体现在三方面：一是揭示DTR-干旱关联的时空演变规律，二是解析气候梯度下的差异化响应机制，三是建立可量化的影响评估模型。研究结果为精准农业中的灌溉制度优化（如干旱区选择耐昼夜温差作物）和水资源动态调配提供了科学依据，特别是对应对全球干区DTR增加趋势下的干旱风险防控具有重要实践价值。未来研究可拓展至次月尺度动态和城市化对DTR-干旱关系的调制作用，以进一步完善干旱预警体系。