全球多类型干旱传播链的非线性机制解析与动态路径重建

本文通过结合copula函数、贝叶斯框架与多尺度干旱指数，创新性地揭示了全球干旱传播的三类路径（顺序/逆向/跳跃式），发现69%区域由蒸散发异常触发干旱传播。采用可解释机器学习（XGBoost-SHAP）量化自然/人为因素的非线性驱动作用，为动态干旱预报提供新范式。

全球干旱传播启动因子的空间变异与时空动态分析

全球不同地区干旱传播的启动因子存在显著差异。通过分析A（降水到土壤湿度干旱传播）与B（蒸散发到土壤湿度干旱传播）的干旱传播时间差（DDT_AB），仅31%的全球区域显示正值（图1a），表明从降水到土壤湿度的传播时间更长，干旱过程始于降水减少。而在69%的区域内，干旱传播由蒸散发异常主导，且传播时间更短。季节尺度分析显示，6月份全球干旱传播路径发生显著转变，由蒸散发主导转为降水主导模式。

土壤湿度与植被响应序列的空间分异特征

在67%的全球区域中，土壤湿度对气象干旱的响应优先于植被。这种响应序列的空间分布与气候带密切相关：干旱区土壤湿度响应更快，而湿润区植被对水分胁迫的反应更为敏感。研究发现植被响应存在1-3个月的滞后效应，并识别出叶面积指数（LAI）与标准化降水蒸散发指数（SPEI）的非线性耦合关系。

干旱传播链分类与时空格局

研究构建了四条典型干旱传播链：1）经典链（气象-农业-生态干旱） 2）蒸散发驱动链 3）土壤湿度-大气反馈链 4）植被超前响应链。其中蒸散发-土壤湿度过程（ET-SM）主导了全球传播链的差异格局，热带地区普遍存在"跳跃式传播"，而温带地区以"逆向传播"为主要特征。

影响因素的非线性作用机制

通过可解释机器学习模型（XGBoost结合SHAP值）量化发现，气温和蒸散发压力是驱动干旱传播的最主要因子，但其影响呈现显著阈值效应。当气温超过30℃时，对传播速度的促进作用增强3.7倍。土壤质地和土地利用类型通过改变水分再分配过程产生非线性调节，而人类活动（如灌溉）在干旱半干旱区使传播路径复杂化。