干旱是全球最严重的自然灾害之一，其发生频率与强度在全球范围内持续上升，尤其在气候变化日益加剧的背景下，干旱问题愈发严峻（Tirivarombo et al.，2018；Ma et al.， 2020）。干旱不仅直接威胁农业生产，造成粮食减产和经济损失，还对水资源管理、生态系统服务功能及生物多样性带来深远影响（Chen et al.，2025）。中国西南地区作为全球气候变化敏感区域之一（徐勇等，2023； 闫妍等， 2024），受复杂地形、季风气候和降水时空分布不均等因素共同作用，生态系统脆弱，干旱问题尤为突出。近年来，随着气候变暖趋势的加剧，该区域干旱事件发生频率和强度显著上升，历史上也多次发生极端干旱事件（付冶怡等，2021；邓彪等，2024；张亚丽等， 2025；曹红华，2026），导致严重的农业减产与生态退化，准确识别干旱时空演变特征并揭示其对生态系统的影响，对于应对全球气候变化与区域可持续发展具有重要意义。

已有研究表明，干旱作为影响陆地生态系统总初级生产力最强烈的极端气候事件之一，通过水分胁迫直接抑制植被生长与发育（刘海等，2023），破坏碳循环平衡（Li et al.，2019）。在中国西南地区，喀斯特地貌区薄层土壤持水能力弱、季节性降水分配不均等特征，进一步放大了干旱对植被的负面效应。全球变暖背景下，气温升高通过改变大气环流与水循环，导致降水时空异质性增强，该区域旱季延长与雨季降水集中化趋势尤为显著（Markus et al.， 2013），加剧了干旱的时空动态性。这种变化驱动植被覆盖度发生区域性响应，例如出现云南高原草地退化、喀斯特区原生植被逆向演替等现象（Ding et al.，2021）。值得注意的是，西南地区植被对干旱的敏感性受土壤属性、地形及植被类型共同调控（王克清，2017），且生态响应存在显著尺度依赖性（Wang et al.， 2025）。因此，开展多尺度干旱对植被变化的影响研究，对西南生态屏障区植被恢复与可持续发展具有重要科学意义。

目前，标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index，SPEI）因能同时考虑降水与潜在蒸散发，在干旱监测与分析中得到广泛应用（Gao et al.，2017）。SPEI具备多时间尺度特点，能有效刻画短期和长期干旱过程，为分析干旱的持续性、严重度和强度提供坚实基础，将SPEI与遥感植被指数相结合，已成为评估干旱对生态系统响应的重要手段（张振宇等，2019）。在众多植被指数中，归一化植被指数（Normalized Difference Vegetation Index，NDVI）因其数据可得性和适应性，广泛应用于全球及局部地区植被变化监测（焦鹏华等，2024；王姝等，2024；徐瑞皓等，2024；刘叶一，2025；王雨晨等，2025）。然而，在高植被覆盖区域，NDVI易出现饱和效应，限制了其在密集植被环境中的敏感性与判别能力。为克服这一局限，Camps-Valls等（2021）提出了核归一化植被指数（Kernel Normalized Difference Vegetation Index，kNDVI），该指数通过引入径向基函数（Radial Basis Function，RBF）核方法，将NDVI泛化为非线性形式，有效缓解了传统NDVI在高生物量区的饱和问题，同时降低了误差传播，提升了抗噪声能力和时空稳定性，在森林、草地及混合植被区域表现出更高的变化检测能力和敏感性。增强型植被指数（Enhanced Vegetation Index，EVI）作为另一种常用指数，因具备更强的大气校正能力和对高密度植被更好的响应效果，也广泛应用于干旱与生态响应分析（陈菲等，2021；徐瑞皓等，2024）。kNDVI与EVI的结合，为干旱影响下的植被监测提供了更为敏感、精确且互补的手段。

近年来，由于气候变化和人类活动的双重影响，西南地区干旱事件愈加频繁和严重，导致生态系统的脆弱性增加，植被退化和土地荒漠化问题尤为突出（Jiang et al.，2014； Qi et al.，2024；Wang et al.，2026）。尽管已有研究从气象因子、土地利用变化等方面分析了干旱对植被的影响，但大多缺乏对不同时间尺度下的干旱演变及其对植被累积效应和滞后响应的深入探讨（Wang et al.，2023；Lai et al.，2025）。单尺度研究往往仅能反映瞬时或短期水分胁迫，但忽略了干旱的尺度依赖性和生态记忆效应。本文采用多时间尺度的SPEI，结合kNDVI与EVI，通过游程理论识别干旱事件特征，并采用像元尺度最优相关分析，系统揭示中短期（3~6个月）干旱的累积主导效应，从而弥补以往单尺度研究在刻画长期累积影响和空间异质性方面的不足，旨在通过多尺度干旱特征与植被累积响应的分析框架，为西南地区干旱与植被响应的关系提供新的见解，并为区域干旱风险管理、生态保护以及植被恢复策略制定提供更加精准的科学依据。

中国西南地区涵盖四川、贵州、云南、广西等省及重庆市（20.90°N—34.32°N，97.35°E—112.07°E），年均气温为-2.8~23.9 ℃，降水量为340~2 300 mm（靖娟利等，2024）。西南地区西部为青藏高原东南缘与横断山脉，东南部为典型的喀斯特地貌，东北部为四川盆地（图1）；西部山区水资源易流失，东南喀斯特地区地下水漏失严重，四川盆地地表和地下水资源储备较好，但极端干旱事件仍影响农业生产和生态稳定。西南地区植被类型丰富，从热带雨林到温带针叶林、草甸均有分布，尤其云南南部和广西南部植被多样性高，植被生态系统对气候变化和水分亏缺高度敏感，近年来频繁发生的极端干旱事件已导致该区域植被退化和土地荒漠化（石漠化）风险显著增大（Li et al.，2019； Ma et al.，2024；Qi et al.，2024）。

1）地形数据来源于中国科学院资源与环境科学数据中心。2）EVI数据为MODIS MOD13A3 V6.1产品，时、空分辨率为逐月、1 km；在生成月产品过程中，算法通过整合当月所有重叠的MOD13A2产品，并采用加权时间平均方法进行处理。3）NDVI数据来自MODIS MOD13Q1产品，该产品具有250 m空间分辨率和16 d时间分辨率。通过Google Earth Engine（GEE）遥感云平台获取2001—2022年西南地区NDVI数据，采用最大值合成法（Maximum Value Composite， MVC）生成年度NDVI影像。所有遥感数据均采用ArcGIS平台统一重采样至1 km分辨率。

kNDVI通过核方法改进了NDVI，其非线性特性有效缓解了NDVI在绿色生物量高值区的饱和问题，并提升了抗噪声能力和时空稳定性（Camps-Valls et al.，2021）。计算公式为

式中：NIR和Red分别表示近红外、红光波段反射率；tanh为双曲正切函数。参数σ控制指数对植被密度的敏感性，通常取σ=0.5（NIR+Red），即近红外与红光反射率的均值，则

SPEI的计算原理是基于参数估计后对水分平衡的经典有理逼近（Vicente-Serrano et al.， 2010）。采用Xia等（2024）研发的HSPEI数据集，该数据集提供了2001—2022年覆盖中国大陆的空间分辨率为1 km的多时间尺度（1、3、6、9、12个月）标准化降水蒸散发指数（SPEI）。其中，1个月尺度SPEI（SPEI-1）反映大气瞬时水分盈亏，主要对应气象干旱，影响表层土壤水和速生植被；3个月尺度SPEI（SPEI-3）表征季节性水分状况，与作物和草本植物的关键生长期及短期干旱事件相关；6个月尺度SPEI（SPEI-6）与主要植被生长季长度和土壤中层水储量关系密切，能反映中等持续度的农业干旱；9个月（SPEI-9）、12个月（SPEI-12）尺度SPEI则代表年际水分平衡，关系到深层土壤水、地下水补给以及多年生植物的长期生长状况和水文干旱过程。综上，本研究将SPEI-1和SPEI-3归为短期干旱指标，SPEI-6归为中期干旱指标，SPEI-9和SPEI-12归为长期干旱指标。通过这5个尺度的SPEI，可以系统捕捉从气象干旱到生态水文干旱的全过程及其对植被的差异化影响。该数据基于全国气象站点观测，并融合多源遥感与再分析数据，通过随机森林模型降尺度生成，能够更精细地刻画区域干旱的空间异质性。本文从该数据集中提取了研究时段内覆盖西南地区的5个时间尺度的SPEI数据。

基于Yevjevich（1967）提出的游程理论，采用McKee等（1993）的干旱定义标准进行干旱事件识别。游程指时间序列中连续高于（正游程）或低于（负游程）设定阈值的数值段，具体判定标准：1）SPEI序列连续出现负值；2）负值持续时间不少于2个月；3）SPEI最小值低于-1，该阈值主要参考McKee等（1993）提出的干旱事件识别标准（最初用于SPI，后广泛应用于SPEI），对应中等及以上干旱水平。Vicente-Serrano等（2010）提出SPEI常以-0.5作为干旱发生的一般界限，而SPEI<-1能更有效地识别具有显著持续性和生态影响的干旱事件，避免轻微水分亏缺的干扰，在中国西南地区，该阈值已被多项研究采用（Wang et al.，2019；Liu et al.，2021）。如图2所示，符合这些条件的SPEI负游程即定义为一次干旱事件。值得注意的是，除高强度干旱外，持续时间较长的低强度干旱同样会对植被及生态系统产生显著影响。

采用游程理论进行干旱事件识别，并计算各像元干旱特征指标：干旱持续时间、干旱严重度、干旱强度、干旱间隔时间、干旱次数。其中，干旱严重度、干旱强度计算公式如下：

式中：DS为干旱严重度，指干旱事件期间SPEI绝对值的累加值；DD指干旱持续时间；i为一次干旱事件持续期间内的第i个月；DI为干旱强度，是干旱严重度与干旱持续时间的比值。

皮尔逊相关系数（r）用于度量两个变量之间线性关系的强度和方向（Yevjevich， 1967），取值范围为[-1，1]，r接近1或-1表示强线性关系，接近0表示弱或无相关性。其计算公式为

式中：x_i、y_i分别为变量X、Y的观测值，$\overline{\mathit{x}}$、$\overline{\mathit{y}}$为变量均值，n为样本数量。

采用Theil Sen-MK趋势分析法，对2001—2022年西南地区kNDVI和EVI进行逐像元趋势计算。其中，S值为Theil-Sen中位数趋势斜率，用于量化植被指数的长期变化速率，其计算方法是对时间序列中所有数据对（i<j）的斜率取中位数，具有较强的抗异常值能力；Z值为Mann-Kendall趋势检验统计量，用于判断趋势的显著性，当|Z|>1.96时趋势在95%置信水平上显著。参考袁丽华等（2013）的分类标准，将植被变化趋势划分为5个等级（表1）。需要说明的是，严重退化与轻微退化、轻微改善与明显改善的S值相同，仅通过Z值区分显著性，这种设计可同时反映变化幅度与统计可靠性，在植被趋势分析中较为常见。

基于2001—2022年多时间尺度SPEI数据，评估了西南地区干旱事件的4个核心特征：持续时间、严重度、强度与间隔时间（图3）。不同时间尺度下，干旱事件特征总体呈现较稳定的空间格局。干旱持续时间在各尺度下均表现为西高东低分布，高值区主要位于四川南部、云南中北部及川滇交界区域，贵州、广西及重庆东部整体较低；由不同时间尺度SPEI表征的干旱持续时间高值区位置变化较小，仅局部范围发生调整。干旱严重度空间分布与干旱持续时间基本一致，在1、3个月尺度下高值区覆盖范围较广；随着时间尺度增加至6、9、12个月，干旱严重度高值区域逐渐向云南中部及四川西南部集中，但整体空间格局保持一致。干旱强度在所有时间尺度下均表现为西部高、东部低，其中四川南部和云南北部持续保持高值；与干旱持续时间和干旱严重度相比，不同时间尺度下干旱强度变化幅度相对较小，高值中心位置基本稳定。相比之下，干旱间隔时间随时间尺度变化最为明显：1、3个月尺度下，研究区干旱间隔时间整体以较短为主，空间差异较小；6个月尺度以后，北部和东北部区域逐渐出现较长干旱间隔时间斑块，并在9、12个月尺度下表现更明显，而研究区西南部整体仍保持较短的干旱间隔时间特征。总体来看，不同时间尺度下干旱持续时间、严重度和强度具有较的高空间一致性，而干旱间隔时间表现出更明显的尺度差异。

干旱发生次数表示研究期内识别出的干旱事件累计次数，其中单次干旱事件定义为连续SPEI<0且持续时间不少于2个月的负游程，且该事件期间的最小SPEI值（也称干旱峰值，见图2）低于-1。其中，最小SPEI指干旱事件持续期间所有月份SPEI值中的最小值，反映该事件达到的最严重干旱程度。单次干旱事件定义为连续SPEI为负、持续时间大于等于2个月且最小SPEI低于-1的负游程过程。统计2001—2022年西南地区不同时间尺度下的干旱发生次数（图4），发现干旱次数随时间尺度增加而递减，且干旱事件在空间上呈现显著异质性。在短期时间尺度（1、3个月）下，西南地区干旱发生较频繁，大部分区域干旱发生次数约15~25次，局部区域超过25次。这一现象主要受西南地区降水的季节性分配影响，夏季风带来的集中降水与冬春季的显著水分亏缺形成鲜明对比，导致短期尺度上干旱事件高频发生。随着时间尺度延长至9、12个月，干旱次数明显下降，大部分区域约为5~15次，反映了长周期干旱更倾向于持续性过程而非频繁波动，受大气环流和复杂地形对水汽输送的调控作用更明显（Wang et al.，2012；Liu et al.， 2023）。尽管干旱次数随时间尺度增加而减少，但云南西北部及四川西南部始终维持相对较高的干旱次数，该区域在不同时间尺度下均表现出较高的干旱发生次数，是西南地区防旱减灾关注的重要区域。

统计分析2001—2022年西南地区kNDVI和EVI两种植被指数的年际变化趋势，根据TheilSen-MK趋势分析的Z值及斜率（表1），将研究区植被变化划分为5个类型：显著退化、轻微退化、稳定不变、轻微改善和显著改善。

从kNDVI空间分布[图5（a）]可以看出，显著改善区域几乎覆盖西南绝大部分地区，表明过去22 a，该区域植被整体呈显著上升趋势，其中显著改善区域约占73.90%，轻微改善区约占14.43%；相较之下，仅有少量区域呈轻微退化（2.75%）和显著退化（1.64%），这些退化区域主要分布在部分高海拔或坡度较大的山地边缘地带，可能与人类活动干扰、气候波动或不利的土壤类型（如岩质土壤）等因素相关；稳定区域占比约7.27%，主要集中在中低海拔的平原、河谷及水系密布的湿润地区，整体上维持了相对稳定的植被覆盖状态。

与kNDVI空间分布类似，EVI的变化趋势[图5（b）]进一步印证了西南地区植被覆盖整体呈改善态势。统计结果表明，EVI显著改善区域占比为72.30%，轻微改善区域占比为14.20%，表明绝大多数地区植被状况有不同程度提升；相比之下，轻微退化区域和显著退化区域分别占2.36%和1.47%，退化面积比例略低于kNDVI对应值。

总体来看，kNDVI与EVI在区域尺度上的变化趋势高度一致，值得注意的是，EVI稳定不变区域占比（9.67%）略高于kNDVI（7.27%），这可能与EVI对高植被覆盖区冠层结构、大气与背景干扰的敏感性更强有关，进而在植被稠密或土地利用类型稳定的区域中更倾向于维持“稳定”状态。另一方面，kNDVI显著改善区域占比略高于EVI，这可能反映了kNDVI在稀疏植被或半干旱环境中对植被动态的响应更为敏感，使得该类区域在干旱缓解或生态恢复背景下的改善信号更加明显。

采用皮尔逊相关分析，探讨2001—2022年西南地区不同时间尺度下的干旱指数（SPEI-1、SPEI-3、SPEI-6、SPEI-9、SPEI-12）与两种植被指数（kNDVI与EVI）的逐像元相关性空间分布特征（图6、图7）。总体而言，各时间尺度SPEI与kNDVI、EVI的相关性空间分布呈现较高一致性，但两种植被指数在局部区域仍存在明显差异，且相关性随时间尺度延长表现出显著的时空演变特征。

从图6、图7可见：kNDVI与SPEI-1的相关性整体较弱，云贵高原东部及广西丘陵南部呈现零星的正相关区，而四川盆地及横断山地部分区域则以弱的负相关为主；EVI与SPEI-1负相关区域更广泛，尤其在云贵高原中南部和广西丘陵地区。随着时间尺度延长至3、6个月，两种植被指数与SPEI的正相关区域均显著扩大，其中西部横断山地和云贵高原西部的正相关性增强、范围明显扩大，广西丘陵地区的正相关也逐渐显现。在9、12个月尺度下，kNDVI与SPEI的正相关区域主要集中在云贵高原中东部、广西丘陵及横断山地局部，形成连片分布，而四川盆地及云南西部仍以负相关为主；EVI的响应则更为复杂，云贵高原西部、横断山地及若尔盖高原北部出现显著正相关区，广西丘陵地区的正相关性进一步增强，但四川盆地仍维持较强的负相关。

整体来看，随着时间尺度延长，西南地区干旱与植被的正相关性在增强且其空间范围在扩展，表明植被对中长期干旱的响应更为敏感，而短期干旱的影响相对有限。

干旱通常对植被生长产生抑制作用，表现为SPEI与植被指数存在正相关关系（即SPEI值越低，植被指数值也倾向于越低）。此外，植被对气候变化的响应具有区域差异性，因此需要比较不同时间尺度SPEI与植被指数的相关性。

逐像元提取5个时间尺度SPEI（SPEI-1、SPEI-3、SPEI-6、SPEI-9、SPEI-12）中与植被指数呈正相关且相关系数最大的值，代表该尺度下干旱对植被累积影响最显著，从而识别各区域植被对干旱的最优响应尺度。

通过SPEI在不同时间尺度上与两种植被指数（kNDVI和EVI）的相关性，揭示西南地区植被对干旱响应的复杂时间尺度特征。从图8可见，西南地区植被对干旱的响应主要集中在中短期时间尺度，尤其以3、6个月为主。其中，kNDVI对SPEI-6的响应最显著，受其影响的区域面积占比达29.42%，四川盆地、云南西部及贵州南部等区域尤为突出，表明6个月的干旱周期是影响植被生长和繁殖的关键时间窗口。此外，植被对SPEI-3和SPEI-12的响应也较明显，相关区域面积占比分别为26.49%和26.17%，其中广西丘陵地区对SPEI-12有较强敏感性，表明该区域植被更易受长期干旱过程影响。总体而言，西南地区约一半以上区域植被对3、6个月尺度的累积干旱响应最敏感，主要分布于四川盆地中部、云南东部和贵州北部，而广西丘陵及部分山区则更多地受较长尺度干旱影响。

针对EVI而言，以3个月尺度干旱（由SPEI-3表征）为主导。该尺度下干旱影响覆盖面积最大，达37.61%。由此可见，EVI通常能够反映植被的即时生长状态，特别是在短期干旱条件下，对植被冠层结构和生理活动具有较强的响应能力。其次，6个月尺度干旱（由SPEI-6表征）的影响覆盖面积占比为23.32%。

值得注意的是，西南地区植被受干旱影响的时间尺度在空间上并不均匀分布，不同区域的植被对干旱响应的时间尺度各不相同。例如，四川盆地中部地区，植被对3个月尺度干旱的敏感性较高；广西丘陵等地区，植被对12个月尺度干旱的敏感性更强。这些差异可能与当地的地理条件、土壤类型以及植被类型等因素密切相关。

本文基于高空间分辨率多时间尺度SPEI数据，揭示了西南地区干旱事件的时空分异规律及其对植被的影响机制，干旱在空间上呈中西部高频高强度、东部低频低强度特征，且短历时干旱高频、长历时干旱严重度高 。云南东北部与四川盆地高频次、长持续、高强度的干旱特征使之成为区域旱灾风险防范的核心区。这一空间格局与地形-气候耦合效应密切相关：横断山地受地形抬升与焚风效应影响，局地蒸散增强，水分亏缺加剧（王东等，2014）；四川盆地封闭地形利于热力汇聚，若叠加大尺度环流异常影响，会进一步增加干旱风险（王东等，2014；刘海等，2023）。相比之下，西南地区东部（云贵高原东缘至广西丘陵）受稳定的东亚季风水汽输送影响，干旱各项特征值普遍较低，这与王明田等（2012）基于湿润度指数的研究结论相互印证，共同支持了西南干旱的“地形主导型分异模式”。

干旱特征表现出强烈的时间尺度依赖性。月尺度干旱影响范围广、发生频数极高（大部分区域达20~30次），但持续时间短、干旱严重度低，这主要反映了降水季节性波动对表层土壤水分的瞬时冲击。随着时间尺度延长，如年尺度（SPEI-12），干旱事件频次大幅下降（大部分区域低于10次），但干旱严重度和持续时间显著增加，表明在西南地区，短时间尺度SPEI主要表征高频、短历时气象干旱，而长时间尺度SPEI则更有效地揭示了低频但持续性强的水文与生态干旱过程（王明田等，2012）。值得注意的是，云南东北部在年尺度上干旱依然维持着高严重度与长持续时间，表明该区域的水分亏缺具有深刻的系统性和累积性，可能与该地区中长期的水循环失衡或土壤水库调节能力有关。这种干旱由短时间尺度向长时间尺度的演变，符合SPEI指数设计的基本理论，即不同时间尺度对应不同层次的水分亏缺影响（靖娟利等，2024）。

通过对多时间尺度SPEI与植被指数（kNDVI、EVI）的关联分析，揭示了西南地区植被对干旱累积效应的非线性响应规律。干旱的长期压制作用不仅表现为植被生长的即时抑制，更通过生态记忆效应延阻恢复进程。

6个月是西南地区植被响应干旱的关键时间尺度，该时段干旱胁迫对kNDVI的抑制范围达29.42%，明显高于其他时间尺度。这一现象与植被生理损伤的累积过程直接相关：短期干旱主要影响气孔导度和光合速率，而超过6个月的持续干旱则会引发深层土壤水分耗竭、根系死亡及碳储备衰竭，导致恢复期显著延长。例如，2023年西南极端干旱事件中，总初级生产力GPP直至干旱结束后的9月份才恢复基线水平，滞后效应长达3个月，凸显累积效应对生态恢复力的深层破坏（Ma et al.，2024）。EVI对短期干旱（由SPEI-3表征）的高敏感性（影响面积37.61%）反映其捕捉植被瞬时水分胁迫的能力，但随着干旱持续，EVI响应减弱，并非干旱影响消失，而是植被转入“生存维持模式”（叶片脱落、生物量分配调整等适应策略使冠层绿度变化趋缓），但生态系统碳汇功能已严重受损（Liu et al.，2023）。这一发现挑战了仅依赖短期指数评估干旱影响的传统认知，强调多时间尺度监测的必要性。

此外，干旱对不同区域植被的影响存在显著差异。这主要是由于干旱累积效应的空间分异受地形-气候-植被耦合系统调控。低海拔湿润区（如广西丘陵地区）：短期干旱后恢复迅速，充沛的基岩裂隙水和河网补给维持了根系层水分供应，使植被在干旱间歇期快速重建冠层（Wang et al.，2025）。高海拔山区（如横断山脉）：干旱累积效应被显著放大。稀疏土壤层（<50 cm）持水能力有限，叠加强烈蒸散发，导致水分胁迫指数上升速率达平原区的2倍以上（Liu et al.，2023；杜志勇和丛楠，2024）。2023年春季极端高温干旱复合事件，高海拔山区植被总初级生产力下降幅度超30%，且恢复潜力仅为东部湿润区的40%（Wang et al.，2025）。值得注意的是，物候期与干旱发生时间的匹配度是关键调控因子，生长季晚期干旱对高海拔草甸的影响强度可达早期的3倍，因此同期植被水分利用效率降至最低（Liu et al.，2023）。

西南地区植被显著退化区域主要集中在高海拔或坡度较大的山地边缘地带。这一现象并非偶然，而是多重驱动因素共同作用的结果。一方面，这些区域人类活动干扰较为强烈，包括坡耕地开垦、旅游设施建设以及不合理林木采伐，导致地表植被破坏和土壤扰动加剧，显著降低了植被的自然恢复能力；另一方面，高海拔山地边缘地带气候波动更为剧烈，极端干旱事件发生频率较高，进一步加剧了植被的水分胁迫；同时，该类区域广泛分布薄层岩质土壤或喀斯特岩溶土壤，土壤持水保肥能力差，极易发生水土流失和养分淋溶，使得植被对环境变化更为敏感，恢复过程更为缓慢（Ding et al.，2021；徐勇等，2023；Liu et al.，2023）。上述因素的叠加效应，导致高海拔山地边缘地带的植被退化相对集中，与西南地区生态脆弱性特征高度一致。未来研究可结合更高分辨率的土地利用和土壤数据，进一步定量区分不同驱动因素的相对贡献。

值得注意的是，SPEI-1与kNDVI在云贵高原及广西丘陵南部呈现正相关，而EVI在同一区域却主要表现为负相关。这一局部差异反映了两种植被指数对短期干旱响应的敏感性不同。kNDVI基于核方法引入非线性变换，能够更好地捕捉高植被覆盖区冠层结构和光谱信息的细微变化，对短期生理胁迫（如气孔关闭导致的绿度下降）具有较高敏感性，因此在云贵高原喀斯特地貌区（植被以常绿阔叶林和灌丛为主）易呈现正相关；相反，EVI对大气校正和背景干扰更为敏感，在短期干旱初期可能因土壤水分快速下降和背景反射率变化而出现负相关信号，尤其在云贵高原喀斯特区薄层土壤持水能力弱、植被对水分亏缺响应迅速的区域更为明显（Camps-Valls et al.，2021；Chen et al.，2025）。这一发现表明，短期气象干旱对不同植被指数的影响路径存在差异，kNDVI更侧重于植被生理层面的即时响应，而EVI则可能受土壤背景和大气条件的影响更大。

需要指出的是，本研究聚焦于区域整体规律，未对不同植被类型的响应差异进行区分。这既是当前工作的一个界定，也是未来研究的关键方向。未来可在像元尺度最优相关分析基础上，采用聚类分析或分区方法，划分出若干干旱-植被响应敏感区，并结合高精度土地覆盖数据，探讨森林、草地、耕地等主要植被类型响应干旱的敏感性、滞后性与恢复力的差异；同时以各区域对应的主导SPEI时间尺度（即与植被指数相关系数最大的尺度）作为区域干旱监测和风险评估的关键指标，从而为西南地区精细化旱灾管理、生态保护和农业生产提供更具针对性的科学参考。

本研究通过融合高分辨率多时间尺度SPEI数据与kNDVI和EVI植被指数，分析了2001—2022年中国西南地区干旱时空演变特征及其对植被的累积影响，得到以下主要结论。

1）西南地区干旱呈现明显的空间分异特征，中西部（尤其是云南东北部与四川盆地）干旱频发、持续时间长、强度大，是区域旱灾风险防范的核心区；东部（云贵高原、广西丘陵）干旱发生频率和强度均较低。干旱特征具有显著的时间尺度依赖性：随着时间尺度延长，干旱发生次数逐渐减少，但持续时间和严重度增加，表明短时间尺度干旱以高频、短历时为主，而中长期尺度干旱则表现出更强的持续性和累积性。

2）植被生长主要受中短期（3、6个月）干旱的累积效应影响，且响应模式存在空间异质性。约50%的植被对3、6个月尺度干旱最为敏感，四川盆地、云南东部等地植被对此高度敏感，而广西丘陵等地植被则表现出对更长期干旱的响应，反映了下垫面条件与水分可利用性对响应机制的调控作用。

3）kNDVI与EVI在揭示植被长期趋势上结论高度一致，而两者在短期响应上的敏感性差异，则有助于区分植被的快速生理胁迫与长期生物量累积两种响应路径。