全球陆地高温干旱时空演变规律解析与人工智能预测模型研究

本研究针对全球复合高温干旱事件频发加剧的严峻挑战，系统分析了1980–2022年基于标准化降水指数（SPI）和标准化温度指数（STI）的时空变化规律，创新性地结合小波变换与循环神经网络（RNN、GRU、LSTM）构建多尺度预测模型，实现了2019–2026年SPI/STI的高精度预测（R2>0.98），为气候风险评估和农业防灾提供科学依据。

　　

近年来，随着全球气候变暖进程加速，高温与干旱复合极端事件的发生频率和强度显著上升，对农业生产、生态环境和人类社会构成严重威胁。这类复合事件往往产生"1+1>2"的放大效应——高温加剧土壤水分蒸发导致干旱恶化，而干旱又通过减少蒸散冷却作用进一步推升气温，形成正反馈循环。面对这一严峻挑战，亟需深入解析高温干旱的时空演变规律，并发展精准的预测模型来支撑气候风险管理和防灾减灾决策。

在这一背景下，马祥祥、毛克彪等研究人员在《International Journal of Applied Earth Observation and Geoinformation》上发表了最新研究成果。该研究系统分析了1980–2022年全球陆地高温干旱事件的分布格局和演变趋势，并创新性地将小波变换与三种深度学习模型（RNN、GRU、LSTM）相结合，构建了多尺度预测模型，实现了对2019–2026年高温干旱情况的高精度预测。

研究采用了几项关键技术方法：首先基于ERA5再分析数据和NOAA综合地面数据库（ISD）的全球气象站观测数据，计算了标准化温度指数（STI）和标准化降水指数（SPI）；运用Mann-Kendall检验和Theil-Sen方法分析时空变化趋势；通过Meta-Gaussian模型解析复合事件的复发周期；最后创新性地结合离散小波变换（DWT）与循环神经网络（RNN、LSTM、GRU）构建多尺度预测框架，使用1980–2018年数据训练模型，2019–2022年数据测试性能。

在研究结果方面，4.1. 高温和干旱的数据分布显示全球温度和降水数据存在显著空间异质性，南半球温度较高（33.52%区域>20°C），60.58%区域年降水量低于50mm，STI与SPI在巴西、哥伦比亚等地呈现负相关关系。

4.2. 时空趋势分析表明1980–2022年间巴西、西非、阿拉伯沙漠等地高温趋势显著，而南美洲、南亚、利比亚等地降水显著减少。季节性分析发现春夏两季温度上升而降水减少，冬季高纬度地区温度快速上升且降水减少。

4.3. Meta-Gaussian模型分析发现复合高温干旱事件的复发周期在委内瑞拉、巴西、俄罗斯北部等地明显缩短。微分方程量化表明温度复发周期缩短是主要驱动因素，而干旱复发周期和相关系数的影响存在区域差异。

4.4. 高温和干旱的特征显示高温持续时间在南北美洲、非洲等地为1–3个月，降水持续时间在1–2.5个月。季节性特征表明春夏两季高温事件特征更为集中，而干旱在夏季和冬季持续时间更长、严重程度更高。

4.5. 高温和干旱预测部分证实了研究提出的预测框架具有极高精度，SPI和STI预测的R²均超过0.98，MAE低于0.036和0.07，RMSE低于0.09和0.05。站点验证表明GRU模型在SPI预测中表现优异，而RNN模型在STI预测中表现最佳。预测结果显示2019–2026年高温事件频率呈上升趋势，而干旱事件频率略有下降但保持稳定波动。

研究结论部分强调，全球高温干旱事件在空间分布和时间演变上均呈现出显著规律性，复合事件复发周期的缩短预示着未来风险加剧。通过小波变换与深度学习模型的结合，研究成功实现了对高温干旱事件的高精度预测，为气候风险评估和农业防灾减灾提供了重要科学依据。这项研究的创新之处在于构建了一个统一的解析框架，将高温、干旱及其复合事件纳入协同分析体系，并发展了创新的预测框架，为全球粮食安全和生态可持续发展策略提供了可操作的见解。

研究的讨论部分指出，复合事件通过诱导热胁迫和土壤水分亏缺破坏作物生长周期，导致巴西等地的玉米和小麦等主粮作物减产。在非洲北部等干旱地区，持续3个月以上的干旱加剧了牲畜饲料短缺，威胁粮食安全，特别是在农业占GDP25%以上的发展中国家。尽管研究存在依赖再分析数据可能引入不确定性等局限，但提出的AI预测框架能够为制定适应性策略（如精准灌溉或抗旱品种）提供支持，与联合国可持续发展目标中的"零饥饿"目标相一致。

这项研究不仅深化了对全球高温干旱事件时空规律的理解，而且提供了有效的预测工具，为应对气候变化带来的挑战提供了科学支撑，具有重要的理论价值和实践意义。未来研究可通过融入卫星反演土壤水分数据（如SMAP）或集成AI模型来进一步延长预测时效，并扩展到社会经济变量（如作物产量模型），从而更好地连接气候预测与农业政策，促进全球变暖背景下的系统韧性建设。