干旱是指在某一时段内降水量明显比多年平均偏少的现象（张强等，2011），是人类面临的主要自然灾害，具有发生频率高、持续时间长和影响范围广等特点（李忆平和李耀辉，2017），对人类生产生活有着巨大影响，干旱造成的经济损失约占各种自然灾害总损失的35%（王英和迟道才，2009）。政府间气候变化专门委员会（IPCC）第六次气候变化评估报告指出未来持续增暖将增加极端干旱事件频率（刘海等，2023）。过去几十年，气候变暖背景下极端干旱事件频发，全球陆地变干旱区域占比达33%，远大于变湿区域（占比10%）（徐欣瑶等，2025），且全球74%的区域骤旱及干旱爆发速度均呈上升趋势（Yuan et al.，2023；徐欣瑶等，2025），干旱面积呈增加趋势，其中东亚地区新增干旱面积占全球新增干旱面积的50%（陈亚宁等，2022）。同时，全球干旱严重程度上升，不仅典型干旱区变得更加干旱，湿润区也出现干旱化趋势（Gebrechorkos et al.，2025）。

根据受旱机制不同，干旱主要分为气象干旱、农业干旱、水文干旱、社会经济干旱以及生态干旱（张强等，2009；Crausbay et al.，2017），这些干旱类型并非孤立存在，而是相互关联（Yan et al.，2025）。气象干旱主要表现为一段时间内由于蒸发量和降水量收支不平衡，水分支出大于水分收入造成的水分短缺现象（汪洋等，2020），是所有干旱事件的初期表现，当气象干旱持续一段时间，才有可能引发农业、水文干旱，并随着干旱逐渐演进，诱发社会经济、生态干旱从而造成严重后果（汪洋等，2020；祝亚丽等，2025）。

干旱成因复杂，易受人类活动影响，目前相关研究普遍使用干旱指数表征复杂干旱现象。常用气象干旱指数如帕尔默干旱指数（Palmer Drought Severity Index，PDSI）、自校正帕尔默干旱指数（Self-calibrating Palmer Drought Severity Index，scPDSI）、标准化降水蒸散发指数（Standardized Precipitation Evapotranspiration Index，SPEI）、标准化降水指数（Standardized Precipitation Index，SPI）等，但这些指数有的也存在低估气候变暖背景下干旱、潜在蒸散发引起误差及空间适用性受限等局限性（王劲松等，2007；张强等，2011；王劲松等，2012；李忆平和李耀辉，2017；郝增超等，2020）。其中，scPDSI通过调整气候权重因子和持续因子，增强了空间可比性（郝增超等，2020）。

农业干旱是作物生育期内，因土壤水分持续不足造成作物体内水分亏缺的现象（汪洋等，2020）。农业干旱指数要能客观表达作物根部单位体积土壤水分含量的变化，目前常用作物水分指数（Crop Moisture Index，CMI）和土壤湿度指数表征。CMI能快速反映作物生长季的干旱变化，但不适合长期干旱趋势分析（张强等，2011）；而土壤湿度指数则更直接反映作物根区水分状况，是农业干旱的最直接指标（王劲松等，2007）。卫星监测显示，1979—2013年全球陆地约30.0%的地区土壤出现明显干湿变化趋势，其中约15.1%的地区呈现“湿者愈湿、干者愈干”现象（Feng and Zhang.，2016）；同时，基于水文数据研究发现，1948—2005年全球10.8%的陆地区域出现类似现象，但9.5%的地区表现出相反的变化趋势（李欣，2021）。

水文干旱是指河川径流、水库蓄水、湖水和地下水等持续性低于其年均值的现象（汪洋等，2020）。水文干旱指标主要体现降水和水资源收支不平衡造成的水分亏损程度（王劲松等，2012），常用指数有累计流量距平、标准化径流指数（Standardized Runoff Index，SRI）等（张强等，2011；李敏等，2018）。其中，SRI因计算简单、稳定性强，可以满足不同地区、不同应用需求，被广泛应用于水文干旱研究（邵进等，2014；李敏等，2018）。从水文循环角度来看，全球变暖会引起陆地降水量、地表蒸发量及植被蒸腾量出现净增长，但这些一般性变化被气候系统的复杂性改变，使得某些地区水循环加剧、降水增加；而另一些地区却经历着干旱缺水与极端风暴洪水并存现象（刘春蓁等，2023）。当前对水文干旱的研究多集中于单一时段的干旱特征描述，缺乏对气候变化与人类活动如何协同影响的研究；另外将人类活动影响作为整体处理，未量化不同类型人类活动对干旱的差异化影响（孙可可等，2026）。

生态干旱是指植被生长期由气候和人为因素引起的有效水分偶发性缺陷，最终影响到生态系统（温明君等，2026）。常用生态干旱指数包括归一化植被指数（Normalized Difference Vegetation Index，NDVI）、植被条件指数（Vegetation Condition Index，VCI）、植被健康指数（Vegetation Health Index，VHI）等（粟晓玲等，2021；贾敏敏等，2024）。其中，VHI根据植被健康状况及气温对作物的影响情况反映干旱的严重程度，可综合反映生态系统内植被水分及温度变化。从生态角度来看，自20世纪80年代以来，全球陆地植被已表现出持续绿化趋势，部分归因于大气CO₂浓度的不断上升，促进了植被的光合作用和生长（Zhu et al.，2016）；土地利用管理和气候条件也发挥着重要作用，且其影响因地区而异：灌溉和造林以及较暖湿的气候一般有利于植被生长；而灌溉不足、洪涝、森林砍伐，以及高温干旱或寒冷潮湿的极端气候，则常常抑制植被生长（Gui et al.，2025）。不同指标表征的干湿变化趋势存在差异，气候变暖背景下植被绿度和生产力在部分地区呈现增加趋势，与大气变干趋势形成解耦现象（王亚萍等，2023）。植被通过控制能量和水分分配，几乎影响陆地水循环的所有方面。经过长期进化，干旱区植被逐渐形成适应干旱环境的生理生态特征，如一些植物具有发达根系，能深入土壤深处吸收水分，使得植被在干旱条件下也能保持一定的生长和繁殖能力（Yang et al.，2021），在植被绿度增加的同时，致使气象、农业、水文干旱加剧。干旱对生态系统的滞后效应普遍存在，但缺乏统一的量化方法，传统方法可能低估干旱对植被的实际影响（Chai et al.，2026）。综上所述，国内外学者已围绕干旱演变开展了大量研究，但大多是基于单种类型干旱的分析，多类型干旱之间的相互作用机制以及气候变暖背景下不同地区多类型干旱的响应差异尚不明确。因此，本文基于自校正帕尔默干旱指数（scPDSI）、标准化土壤湿度指数（SSMI）、标准化径流指数（SRI）及标准化植被健康指数（SVHI），针对气象干旱、农业干旱、水文干旱和生态干旱进行分析，综合对比全球多类型干旱的时空演变特征，并定量分析温度和降水在全球变暖背景下对不同类型干旱的影响，以期提高对全球不同类型干旱时空演变的认识与理解。

降水量、近地面气温、潜在蒸散发（Potential Evapotranspiration，PET）和scPDSI数据来源于英国东英吉利大学气候研究中心（Climatic Research Unit，CRU）发布的全球格点气候数据集。该数据集构建时对站点观测开展了异常值剔除、均一性检验等严格质量控制，作为国际通用的长序列气候数据集具备较高可靠性（Harris et al.，2020）。降水量和潜在蒸散发数据空间分辨率均为0.5°×0.5°，近地面气温数据空间分辨率为1°×1°，时间段均为1901—2023年。scPDSI数据空间分辨率为0.5°×0.5°，时间跨度为1901—2024年，该指数能较好反映气象干旱特征，但数据可能存在以下缺陷：在观测资料覆盖较差的区域与时段，由于气候数据不确定性较高及插值处理的影响，可能对干湿异常的刻画产生误差，从而影响极端干旱或湿润事件的识别与统计（van der Schrier et al.，2013；Barichivich et al.，2025）。

土壤湿度数据来自美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration，NOAA）气候预测中心（Climate Prediction Center，CPC）发布的表层土壤湿度数据集，空间分辨率为0.5°×0.5°，时间跨度为1948—2024年，用于表征农业干旱特征。该土壤湿度数据集时间跨度长、数据连续、在雨量计密集区域表现可靠，适用于大尺度长期干旱趋势分析和气候诊断研究。但该数据高度依赖实测降水输入，在观测网络薄弱的区域（如青藏高原、非洲内陆、亚马孙流域）不确定性显著增加，且模型物理过程较简单，不适合需要复杂陆面过程的研究（Fan and van den Dool，2004）。

径流数据来源于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）发布的ERA5-Land再分析数据集，空间分辨率为0.05°×0.05°，时间跨度为1950—2024年。ERA5-Land数据集通过ECMWF陆面模式的高分辨率数值积分生成，大气强迫场来自降尺度的ERA5气候再分析数据，并针对近地表热力学状态进行高程递减率校正。该数据集对水文循环描述显著优于前代产品，土壤湿度和湖泊模拟精度提升，河流流量估算与全球观测数据的一致性高于ERA5（Muñoz Sabater，2019）。

归一化植被指数（NDVI）数据来源于美国国家航空航天局（National Aeronautics and Space Administration，NASA）发布的GIMMS-3G+NDVI全球遥感数据集，空间分辨率为1/12°×1/12°，用于计算植被健康指数（VHI）。该数据集基于AVHRR传感器观测数据构建，虽经系统校正抵消定标、轨道漂移及火山喷发等影响，但仍有一定局限性，1/12°×1/12°（≈8 km）空间分辨率较粗，混合像元效应明显，难以捕捉小尺度植被变化，高纬度、赤道常绿林及干旱区数据可靠性较低（Pinzo et al.，2023）。

本文所有变量均采用1982—2022年月尺度资料，并将空间分辨率采用二维线性插值方法统一处理至0.5°×0.5°，插值方法已验证不会对后期分析结果造成显著影响。鉴于南北纬60°区域的干旱带对人们生产生活会产生更大影响，研究范围限定为60°S—60°N陆地区域。

使用Kogan（1997）提出的植被健康指数（VHI）作为生态干旱指数。计算公式如下：

式中：NDVI_max和NDVI_min分别为归一化植被指数逐月多年同期最大值与最小值；T、T_max和T_min为近地面气温及其逐月多年同期最大值与最小值；植被状态指数（VCI）与温度状态指数（Temperature Condition Index，TCI）取值范围均为0~100，反映植被状况从极差至最优的动态变化。由于研究侧重于长时序气候尺度上的生态干旱评估，且经相关性检验，地表温度与近地面气温具有较好相关性，为保持与驱动气象数据的一致性，采用英国东英吉利大学气候研究中心（CRU）发布的全球格点近地面气温数据替代了原始的地表温度计算TCI。

采用联合国环境规划署（United Nations Environment Programme，UNEP）的划分标准（UNEP，1992），用干燥度指数（Aridity Index，AI）对1982—2022年研究区进行干湿区划分。其计算公式为

式中：P为年平均降水量，PET为年平均潜在蒸散发量，单位均为mm。定义AI<0.05的区域为极端干旱区，0.05≤AI<0.20为干旱区，0.20≤AI<0.50为半干旱区，0.50≤AI<0.65为半湿润干旱区，AI≥0.65为湿润区。

针对不同类型干旱，采用Farahmand和AghaKouchak（2015）提出的标准化干旱分析方法（Standardized Drought Analysis Toolbox，SDAT）对相关数据进行标准化处理。SDAT基于非参数统计框架，通过经验分布函数对原始变量进行标准化，不依赖变量的特定概率分布假设，适用于降水、土壤湿度、径流和植被指数等多种气候和生态变量，该方法能生成在统计意义上具有一致性和可比性的标准化干旱指数，已广泛应用于多尺度干旱研究。方法具体如下：

使用经验Gringorten绘图位置公式（Gringorten，1963）推导降水量及其他变量的边缘概率：

式中：n为样本量，i表示非零降水（或其他）数据从小到大的排序，P（x_i）为相应的经验概率。其输出可以转换为标准化指数（SI）：

式中：$\mathit{\varphi }$是标准正态分布函数，p是公式（5）计算出的概率。

基于SDAT，构建标准化土壤湿度指数（Standardized Soil Moisture Index，SSMI），用于表征农业干旱；标准化径流指数（Standardized Runoff Index，SRI），用于表征水文干旱；标准化植被健康指数（Standardized Vegetation Health Index，SVHI），用于表征生态干旱。标准化指数小于0表示干旱，越小表示干旱越严重。

采用线性回归方法，对不同干旱指标及其变率进行趋势分析；采用5 a（60个月）滑动标准差表征干旱指标变率。已对不同滑动窗口长度（3、5、7、10 a）进行了敏感性分析，各指数变率长期趋势的空间格局及时间演变趋势在不同窗口设置下具有较高一致性，仅在弱信号条件下个别指数对窗口长度存在一定响应差异。因此，采用5 a滑动窗口，以实现对高频变率的有效平滑并保留主要低频气候信号。以标准化径流指数（SRI）为例，其变率计算公式如下：

式中：σ_SRI(x,y,k)表示在格点（x，y）处、第k个滑动窗口内SRI的变率；k为逐年滑动窗口序号，滑动步长为12个月，k=1对应窗口起始于1982年1月（原始时间序列第1个月），k=2对应窗口起始于1983年1月（原始时序第13个月），依此类推；N=60表示窗口长度；t_i为窗口内第i个月对应的时间；SRI(x,y,t_i)表示该窗口内第i个月的SRI值；$\overline{\mathrm{S}\mathrm{R}\mathrm{I}}\left(\mathit{x},\mathit{y},\mathit{k}\right)$为该60个月窗口内SRI平均值；窗口以12个月为步长逐年滑动，即窗口起始点依次为第1、13、25、…，每次截取连续60个逐月样本。因此，时间序列的最后4 a无有效值。

基于标准化后的气温和降水数据，采用多元线性回归方法，定量分析气温和降水对不同干旱指标的影响程度。经过多元线性回归模型条件假设检验，模型不存在明显多重共线性，残差分布总体合理，但残差存在一定相关性；模型的拟合优度（R²）在全球75%以上地区通过显著性检验，模型拟合能力较强。因此，基于标准化自变量回归系数开展气温、降水对干旱指标变化的贡献量化估算。结合不同干湿区干旱特征差异，综合评估气候变化背景下气温和降水对全球干旱演变的贡献。具体方法如下：

式中：y为不同干旱指标格点序列；x₁、x₂分别为对应格点的标准化气温、降水序列；a、b分别为气温、降水回归系数（下同），c为常数项。

气温和降水对干旱指标的贡献计算公式（Durre and Wallace，2001）如下：

式中：C_tmp和C_pre分别为气温、降水对某一干旱指标的贡献；p_tmp、p_pre分别为标准化气温、降水的月尺度线性趋势。由于标准化气温、降水序列及其回归系数均为无量纲量，故贡献量C亦无量纲，其数值正、负分别表示因子变化使指数值增加、减少。采用双尾学生t检验对回归斜率进行显著性检验，在95%置信水平下判定趋势是否显著。当一个变量的回归系数和线性趋势在统计上均显著时，则认为该变量在给定网格点上有显著贡献（Shi and Zhang，2025）。

依据干燥度指数（AI）对全球干旱状况进行分区[图1（a）]。其中，极端干旱区主要分布在撒哈拉沙漠等地区，年均降水量通常低于100 mm；干旱区广泛存在于中亚、阿拉伯半岛、澳大利亚等地区，年均降水量为100~300 mm；半干旱区位于北美洲西南部、非洲南部等地区，年均降水量为>300~500 mm；半湿润干旱区是干湿区过渡带，年降水量为400~600 mm；湿润区主要位于赤道附近如亚马逊雨林及高纬地区，前者年降水量一般超过800 mm，后者年降水量多为400~700 mm。该气候分区与多年平均土壤湿度[图1（b）]、径流[图1（c）]及VHI[图1（d）]的空间分布特征具有较好对应关系，表现为极端干旱区与干旱区的各指标数值较低，呈现水资源匮乏、植被健康状况较差的典型特征。其中，撒哈拉沙漠地区VHI较高，与该区域植被稀疏导致的NDVI变幅极小有关：NDVI_max与NDVI_min相差极小，使得植被状态指数TCI较大，进而VHI计算值较大；而在湿润区与半湿润干旱区，各指标数值均较高，反映出降水丰富以及植被健康状况良好的特征。

图2为1982—2022年scPDSI、SSMI、SRI、SVHI长期趋势的空间分布。可见，各指数在全球大部分地区呈显著负趋势，即干旱加剧。其中，scPDSI在北美洲西南部、亚洲西南部及南美洲、欧洲等地区减小最显著，即气象干旱在加剧；北美洲部分中高纬地区及非洲中部等地呈显著正趋势，即气象干旱在缓解；在撒哈拉沙漠等极端干旱区，scPDSI呈显著正趋势可能源于该指数对沙漠中极低的“正常”降水量过于敏感，放大了微小气候波动的信号，并不能反映实际水分条件的显著改善。SSMI的下降趋势在南美洲、非洲中南部等地最显著，即农业干旱在加剧，而在亚洲及非洲少数地区呈显著正趋势，即农业干旱缓解。SRI的负趋势在全球范围内广泛分布，反映水文干旱在加剧，对区域供水、水利设施运行及生态系统构成压力，仅在少数地区如南美北部边缘、非洲南部及印度半岛呈现显著正趋势，即水文干旱有所缓解。SVHI在全球大部分地区（如北美洲、南美洲及亚洲大部分地区）呈现显著负趋势，这主要源于全球升温导致温度状态指数（TCI）减小，使得SVHI呈现负趋势；与此同时，受土壤水分匮乏、极端干旱事件频发等环境胁迫的共同影响，尽管全球植被呈持续绿化趋势（Sun et al.，2025），但其健康状况仍普遍恶化，生态系统脆弱性显著上升，进而加剧了生态干旱；中国东部、印度半岛及撒哈拉沙漠等少部分地区SVHI呈显著正趋势，生态干旱有所缓解，植被健康状况在改善。

值得注意的是，在北美洲西南部、南美洲及印度半岛等地，scPDSI、SSMI、SRI与SVHI呈现一致的显著正或负趋势，表明这些地区多种类型干旱对气候变化的响应具有高度协同性，与大气蒸散发需求（Atmospheric Evaporative Demand，AED）的增加同步加剧了干旱严重程度、土壤水分亏缺和植物水分胁迫等原因有关（Gebrechorkos et al.，2025）；而北美洲东部scPDSI显著增大但SSMI、SVHI显著减小，亚洲中纬地区SSMI显著增大但scPDSI、SRI、SVHI普遍显著减小，存在多类型干旱变化趋势不一致现象，可能与人类活动干扰如灌溉策略不当导致的土壤水分亏缺（Li et al.，2023）、水库调度导致的局部土壤增湿但流域径流减少（Omer et al.，2020）等原因有关。

从表1可见，全球各干旱指数均呈下降趋势，其中scPDSI与SSMI的变化特征体现了显著的半球差异。具体而言，全球scPDSI下降趋势值较小、SSMI趋势不显著，这一现象主要源于南北半球相反的演变趋势：北半球scPDSI上升趋势不显著、SSMI呈显著上升趋势，南半球scPDSI、SSMI均呈显著下降趋势。北半球SSMI的上升趋势可能归因于北半球更广泛的人类活动如农业灌溉对土壤水分的补充。

为对比干旱区（AI<0.65）与湿润区（AI≥0.65）各干旱指数长期趋势差异，图3给出各指数趋势值及其显著区域占比（趋势显著变化的区域面积与总面积之比）随AI的变化。可以看出，气象干旱（scPDSI）普遍呈加剧趋势，水文干旱（SRI）在湿润区表现出更为显著的加剧趋势；农业干旱（SSMI）仅在干旱区、半干旱区、半湿润干旱区呈缓解趋势，在其余地区呈现加剧趋势。SSMI、SVHI在不同气候区变化趋势显著区域占比均在60%以上，表明农业、生态干旱在各气候区均存在显著且占主导地位的空间演变趋势；而scPDSI在极端干旱区，以及SRI在极端干旱区、干旱区的变化趋势显著区域占比均不足40%，表明气象、水文干旱在该区域大部分地区变化趋势不明显。干旱区与湿润区的干旱演变特征存在系统性差异，在干旱区，各干旱指数响应不一致，如农业干旱与气象、水文、生态干旱变化趋势相反；而在湿润区，气象、农业、水文、生态干旱则表现为一致加剧。这一对比提示，干旱风险管理策略需依据干湿气候区进行差异化制定。

采用5 a（60个月）滑动窗口逐年计算scPDSI、土壤湿度、径流、VHI时间序列的标准差来表征其变率，在此基础上分析1982—2022年平均的全球气象、农业、水文及生态干旱变率的空间分布特征（图4）发现，土壤湿度、径流的变率分布与其气候态空间格局（图1）基本一致。scPDSI变率存在较小的区域差异，除非洲少部分地区数值相对较小外，大部分地区均为高值区；土壤湿度变率在西半球普遍高于东半球，高值区主要分布于南美洲、北美洲及撒哈拉沙漠以南地区，而非洲北部等干旱区变率较低；由于降水量的空间差异，径流变率在不同流域和地区间差异显著，高值区出现在南美洲北部和东亚等湿润区，低值区则分布于北美洲西部、非洲北部等干旱区；VHI变率低值区主要分布在南美洲北部、欧洲、中国东南部等少数湿润区，这主要受这些地区广泛分布的森林生态系统具有更强的水分利用效率和抗旱能力等因素的影响（尹国应等，2022；Zeng et al.，2022）。综合来看，在北非、中东等干旱区，土壤湿度、径流变率均较低；而在南美洲北部和亚洲东南部，scPDSI、土壤湿度和径流变率普遍较高，与该地区降水充沛且位于热带、蒸散发强烈有关。

从图5可见，1982—2022年全球大部分地区（占比69%）scPDSI变率呈显著减小趋势；SSMI、SRI、SVHI的变率则普遍表现为显著增大，且其变化幅度总体较scPDSI更大。其中，scPDSI变率减小幅度最大的区域主要分布在非洲，仅在南美洲及亚欧大陆少数地区呈增大趋势；SSMI变率减小幅度较大区域主要位于南美、北非、亚洲中部及东部，北美、欧洲及亚洲西部等地区呈增大趋势；SRI的变率变化趋势区域差异较小，仅北美以增大趋势为主；SVHI变率增大幅度较大的区域主要分布在干旱区，湿润区变率以减小为主。综合分析可知，过去40 a来，全球气象干旱的波动性趋于减弱，而农业、水文与生态干旱的波动性则普遍增强。

定量分析1982—2022年全球、北半球与南半球scPDSI、SSMI、SRI、SVHI变率的变化趋势（表2），可知全球scPDSI变率呈减小趋势，SRI变率呈上升趋势，SVHI和SSMI变率变化趋势较为一致且大多不显著。SSMI和SRI变率的变化特征均表现出显著的半球差异。scPDSI变率呈显著负趋势可能与全球变暖下降水格局的转变有关，根据克劳修斯-克拉佩龙（Clausius-Clapeyron）方程，大气的持水能力随温度升高而增强，导致降水过程在时间上更趋集中，即强降水事件增多、弱降水频率减少。这种由“频次主导”向“强度主导”的降水型转变，可能使区域年总降水量的年际波动趋于平缓（Trenberth，2011），从而降低了表征气象干旱的scPDSI变率。

为对比干旱区与湿润区各干旱指数变率长期趋势差异，图6给出了1982—2022年各指数趋势值随AI的变化曲线。scPDSI变率在全球范围内普遍下降，气象干旱波动性普遍减弱；而SSMI、SRI变率趋势值整体为正，变率上升，农业、水文干旱的波动性整体增强；SVHI变率在干旱区呈上升趋势，湿润区呈下降趋势，且在干旱区变率变化幅度更大，可以解释表2中全球SVHI变率变化趋势不显著现象。从干湿分区来看，干旱区的生态干旱波动性（SVHI变率）、气象干旱波动性（scPDSI变率）变化幅度均显著强于湿润区，反映干旱区植被健康状况波动性大幅加剧，而气象干旱状况波动性的减缓幅度更大；农业与水文干旱波动性（SSMI、SRI变率）在干旱区与湿润区的波动性均呈平缓加剧趋势。上述差异表明，各干旱指数变率的长期趋势在干旱区与湿润区同样呈现系统性分异特征，评估干旱风险时需同时关注干湿气候区的平均态变化与波动性。

干旱发展演变及不稳定性受多种因素影响，其中温度、降水为主要驱动因素。图7为1982—2022年温度、降水的长期时空变化趋势，可以看出：全球绝大部分地区呈显著增温趋势，其中北半球中高纬地区增温幅度较大，北美洲东部及西南部、欧洲及亚洲中部部分地区增温速率超0.25 ℃·（10 a）^-1，北半球升温速率[0.29 ℃·（10 a）^-1]高于南半球[0.15 ℃·（10 a）^-1]。全球降水量变化趋势空间差异明显，67.6%的区域降水呈增加趋势，显著增加的区域主要分布在低纬地区，显著减少的区域主要分布在北美洲西南部及南美洲；其中北半球降水量增加速率达0.78 mm·（10 a）^-1，而南半球降水量变化趋势不显著且年际波动较大。

基于标准化后的气温和降水序列，通过多元线性回归计算其对各干旱指标的回归系数，图8为1982—2022年温度、降水与scPDSI、SSMI、SRI、SVHI的多元线性回归系数空间分布。可以看出，全球大部分地区各干旱指数的温度回归系数为负值；scPDSI、SSMI、SRI的降水回归系数均以正值为主，而SVHI则以负值为主。表明全球变暖通过增强蒸散发等作用加剧了各类干旱；而降水增多对气象、农业、水文干旱均表现出缓解作用，降水对SVHI的回归系数以负相关为主，可能是由于SVHI由VCI（基于NDVI）和TCI（基于温度）共同决定，尽管全球呈绿化趋势（Gui et al.，2025），但在显著升温背景下，TCI显著下降，主导了SVHI的变化趋势。因此尽管降水增多一般有利于植被生长，但SVHI所反映的生态干旱变化更直接响应温度升高的负效应，降水回归系数为负可能源于VHI构造中TCI传递了温度与降水的负相关信号，而非降水对植被健康状况具有直接的恶化作用。

scPDSI的降水回归系数绝对值普遍大于温度回归系数，表明气象干旱状况对降水变化的响应强于温度，其温度回归系数仅在北美洲东北部、南美洲西部、非洲以及亚洲中部及东部、印度半岛南部等地的少数地区呈现正值。SSMI和SRI对温度与降水的响应在空间分布上较一致，体现了土壤湿度与径流之间的强空间关联性。温度对SSMI和SRI的回归系数仅在亚洲中部、北美洲北部及南美洲少数地区为显著正值，即温度升高对SSMI和SRI具有正向影响；降水对SSMI的回归系数仅在南美洲东部呈显著负值，对SRI的回归系数仅在南美西部及非洲中部等少数地区呈显著负值，即降水增加分别对这些地区SSMI、SRI有负向影响。此外，SSMI、SVHI的降水回归系数绝对值普遍小于其温度回归系数，表明土壤湿度及植被健康状况对温度变化的响应强于对降水的响应。SVHI的温度回归系数在全球范围为负值，降水回归系数的显著区域较稀疏，负值的空间分布差异较小。

基于标准化气温、降水序列的线性趋势与回归系数乘积，定量估算其对各干旱指标的贡献（图9），由于贡献计算中采用的气温和降水线性趋势为月尺度标准化趋势，数值较小，因此贡献值整体量级较小。温度对各干旱指数的贡献普遍大于降水，表明全球变暖背景下，温度变化对气象、农业、水文和生态干旱的影响强于降水。全球大部分地区温度对各指数的贡献均为负，即温度升高加剧气象、农业、水文和生态干旱；降水对scPDSI、SSMI、SRI的贡献以正值为主，而对SVHI的贡献以负值为主，空间分布差异显著，反映出各干旱指标对降水响应的不一致性。

北美洲西南部等干旱区普遍因温度与降水的协同负贡献共同加剧气象干旱（scPDSI显著下降），而北美东南部等湿润及半湿润区降水则以正贡献为主导，缓解气象干旱。温度对SSMI的贡献仅在亚洲中部、中东少数地区、北美洲南部边缘等少数地区为显著正值，升温缓解这些地区的农业干旱，降水贡献在多数地区未通过显著性检验，表明降水变化对土壤湿度的直接影响相对较弱。温度与降水对SRI的贡献与SSMI较相似，进一步印证了土壤湿度与径流的强关联性，其中北美东南部等湿润区的主导因子存在区域差异，部分区域如非洲中部温度的负贡献加剧水文干旱，部分区域如印度半岛的降水正贡献缓解水文干旱。温度对SVHI的贡献远大于降水，且降水贡献多数地区不显著，全球大部分地区以温度的负贡献主导生态干旱加剧，仅在非洲少数地区以降水的正贡献主导生态干旱缓解。

总体而言，温度对各指数的贡献绝对值远大于降水，且气象（scPDSI）、生态（SVHI）干旱对温度的响应强于农业（SSMI）、水文（SRI）干旱，气象干旱对降水的响应强于农业、水文及生态干旱（图10）。对比温度、降水对多种类型干旱在干旱区与湿润区的差异发现，温度对SSMI、SRI的负贡献在湿润区显著强于干旱区，表明升温在湿润区对农业、水文、生态干旱的加剧作用更为突出。降水对scPDSI的正贡献在半干旱区、半湿润干旱区及湿润区相对较强，成为缓解少数地区气象干旱的关键因子，对SSMI、SRI和SVHI的作用在干旱区和湿润区均相对有限，反映出干旱区土壤湿度、径流以及植被健康状况对升温的高度敏感性。

结合前期各干旱指数趋势值随AI变化（图3）可以发现，在干旱与半干旱区，温度升高是加剧气象、水文和生态干旱的主导因子，而降水变化对各类干旱的缓解作用相对有限，其贡献值普遍较低。在湿润区、半湿润干旱区与半干旱区，降水对气象干旱的贡献值较极端干旱区与干旱区更大。尽管温度升高仍是加剧多种类型干旱的重要因素，但降水变化是导致干旱区的气象、农业干旱加剧程度显著弱于湿润区的关键因素。这种主导因子的分异特征表明，针对不同干湿气候区，应采取不同的干旱应对策略，例如在干旱区应重点防范温度升高引起的气象、水文和生态干旱，而在湿润区则需关注降水格局变化对气象干旱加剧的缓解作用等。

本文基于1982—2022年全球多源观测与再分析数据，分析了60°S—60°N关键区域内气象（scPDSI）、农业（SSMI）、水文（SRI）和生态（SVHI）干旱的长期演变特征、变率变化及其对温度与降水的响应，得到如下主要结论。

1）全球气象、水文和生态干旱均显著加剧，气象与农业干旱变化存在明显半球差异，北半球略有缓解，南半球显著加剧。各干旱类型变化趋势在空间上存在关联：北美洲西南部、南美洲等地各干旱指数变化趋势一致，体现了多种类型干旱对气候变化的协同响应；而北美洲东部scPDSI与SSMI、SVHI变化呈相反趋势，亚洲中纬地区SSMI也与scPDSI、SRI、SVHI反向变化，提示不同干旱类型对气候变化的响应存在空间异质性。

2）干旱区（AI<0.65）与湿润区（AI≥0.65）的干旱演变特征存在系统性差异。干旱区农业干旱呈缓解趋势，主要与干旱区土壤含水量低且变率小，降水量增加对其缓解作用显著有关；而气象、水文、生态干旱呈加剧趋势。湿润区各类干旱表现为一致加剧，其中水文干旱在湿润区加剧程度较干旱区更显著。

3）全球气象干旱变率显著减小，而农业、水文干旱变率普遍增大，表明陆面干旱的波动性趋于增大，而气象干旱的波动性趋于减小，年际波动趋于平缓；生态干旱变率不显著。干旱区生态干旱、气象干旱变率变化幅度较湿润区更明显，植被健康状况波动性的加剧幅度以及气象干旱状况波动性的减缓幅度均更大。

4）温度与降水是影响多种类型干旱演变的关键气候因子。升温普遍加剧气象、农业、水文和生态干旱；降水增加对气象、农业、水文干旱均表现为缓解作用。温度对各干旱指数的贡献显著大于降水，在干旱区升温是加剧气象、水文与生态干旱的主导因素；在湿润区，降水正贡献成为缓解气象干旱的重要因素。

本研究主要关注温度与降水对多种类型干旱的影响，尚未定量考虑人为因素如灌溉、水库调度、土地利用等对水循环的干预作用。在全球变暖背景下，人类活动已成为影响地表水分平衡、加剧区域干旱化的重要驱动因素，表现为温室气体排放所导致的升温，以及气溶胶增加影响辐射与降水过程等（辛国君，1999；柴荣繁，2022）。这可能导致对各干旱类型间关联性、变率增强所表明的极端事件风险变化，以及北美洲东部等地区气象干旱加剧与生态干旱缓解并存等看似矛盾现象的内在机制理解尚不完整，仍需深入分析。另外，不同干旱类型间的传递路径与传播关联强度，尤其是在不同干湿区条件下的差异，尚未完全明确；干旱事件的持续时间与严重程度具体如何演变，以及对生态系统抵抗力与恢复力的胁迫效应，仍需进行量化分析；在全球气候变暖与CO₂浓度上升的背景下，气象干旱加剧与光合作用增强之间的权衡机制如何影响生态干旱的响应差异仍然不确定。未来需融合多源观测与气候模型，开展更具针对性的机理研究。