研究方法
XGBDM模型构建
基于XGBoost算法，融合植被状态、地表状态、气候状态及环境因素等多维度遥感指标构建干旱监测模型。
趋势分析
采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验分析干旱时空变化趋势。
持续性分析
利用Hurst指数判断干旱变化的持续性特征，预测未来干旱趋势。
重心迁移模型
通过重心迁移模型和标准差椭圆分析干旱重心的空间分布及迁移特征。
XGBDM模型构建流程
图1 XGBDM构建流程
基于XGBoost算法，融合植被状态、地表状态、气候状态及环境因素等多维度遥感指标构建干旱监测模型。
采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验分析干旱时空变化趋势。
利用Hurst指数判断干旱变化的持续性特征，预测未来干旱趋势。
通过重心迁移模型和标准差椭圆分析干旱重心的空间分布及迁移特征。
图1 XGBDM构建流程
XGBDM模型在不同季节均能准确监测西南地区干旱事件，模型精度指标如下：
0.816-0.897
R²
0.200-0.283
MAE
0.296-0.424
RMSE
图2 XGBDM精度评估结果
选取不同季节中严重干旱月份作为典型干旱事件进行分析，XGBDM监测结果与SPEI-3监测结果基本一致。
图3 典型干旱事件监测结果
2001-2020年西南地区XGBDM年均值整体呈波动下降趋势，表明干旱情况呈加重趋势。
图4 2001-2020年XGBDM时间变化趋势
西南地区XGBDM值变化斜率在春季和夏季呈"北高南低"，秋季和冬季呈"南高北低"的空间分布格局。
图5 2001-2020年西南地区XGBDM变化趋势与显著性检验
西南地区XGBDM值整体呈弱反持续性变化，春季、夏季及冬季未来干旱变化以减轻趋势为主。
图6 西南地区XGBDM持续性变化趋势
2001-2020年干旱重心主要分布于研究区中部，呈西北至东南的分布格局。
图7 2001-2020年西南地区干旱重心迁移空间变化
基于XGBoost算法构建的XGBDM模型能准确监测西南地区干旱事件，模型R²为0.816~0.897，与土壤墒情相关性(-0.60~0.86)高于传统SPEI-3方法。
2001-2020年西南地区干旱情况整体呈加重趋势，春季和夏季尤为明显，秋季和冬季呈减轻趋势。
XGBDM值变化斜率在春季和夏季呈"北高南低"，秋季和冬季呈"南高北低"的分布格局。
XGBDM值整体呈弱反持续性变化，春季、夏季及冬季未来干旱以减轻为主，秋季则以加重为主。
干旱重心主要分布于研究区中部，呈西北至东南分布格局，未来在此方向迁移概率更高。
研究结果为西南地区干旱监测及治理提供理论依据，对生态环境评估与保护具有重要意义。