A PCA-based composite drought index integrating meteorological and vegetation indicators in the North-Eastern Dry Zone of Karnataka, India

方法

融合SPI、SPEI、NDVI、VCI，用PCA确定权重，结合站点与MODIS数

发现

识别出2001–2004、2009–2013、2016–2019三个干旱期及2020–2022湿润期

机会点

可引入多源遥感与机器学习，构建更高时空分辨率的综合干旱指数并用于作物产量预警。

摘要 干旱是卡纳塔克邦东北干旱区（NEDZ）反复出现的气候灾害，影响农业和水资源可利用性。本研究利用KSNDMC和IMD的逐日气象观测资料以及MODIS MOD13Q1植被数据，分析了2000—2024年干旱与湿润状况的时空变异性。通过整合标准化降水指数（SPI）、标准化降水蒸散指数（SPEI）、归一化植被指数（NDVI）和植被条件指数（VCI），并采用主成分分析（PCA）确定指标权重，构建了复合干旱指数（CDI）。对11个站点的干旱时间演变特征进行了评估，并结合站点—年份进行了时空综合评估。识别出2001—2004年、2009—2013年和2016—2019年三个主要干旱阶段，而2020—2022年在多个站点表现为显著的湿润阶段。在主要干旱年份，若干站点超过90%的月份遭受重度至极端干旱，而在2020—2022年部分站点高于正常状况达到100%。PCA得出的权重显示气象指标与植被指标的贡献总体均衡，表明CDI同时反映了气候水分亏缺和植被响应。主要干旱期和湿润期在时间上也与KSNDMC信息及卡纳塔克邦已发表的独立干旱评估结果相吻合。总体而言，基于PCA的CDI为表征站点尺度干旱变异性、支撑半干旱卡纳塔克邦的干旱防灾准备和水资源规划提供了集成框架。