用于支持统计建模的离散化美国干旱数据(2000年至2022年)

干旱是一种代价高昂且具有破坏性的自然灾害，对农业、野火防控和城市规划等方面产生广泛影响。我们提出了一个新的美国干旱数据集，旨在支持计算高效的时空统计与概率模型的构建。我们将广泛使用的美国干旱监测系统（USDM）提供的干旱数据从连续的矢量形状文件转换为 0.5 度规则网格。这些数据覆盖了从 2000 年至 2022 年中期的美国本土（不包括阿拉斯加和夏威夷）。
已知的干旱环境驱动因子包括：来自北美陆面数据同化系统（NLDAS-2）的数据、美国地质调查局（USGS）的河流流量数据，以及美国国家海洋和大气管理局（NOAA）的遥相关（teleconnection）数据。其中，USGS 河流流量数据本身是一个新的栅格化数据产品，它通过汇集美国各地的点位流量观测数据，并利用流域信息将附近河流数据整合至统一网格。
最终生成的数据集可以用于建立在空间和/或时间上具有显式依赖性的统计和概率模型。这类模型可用于不确定性条件下的短期乃至跨季节干旱预测，从而扩展目前由国家气象局气候预测中心发布的美国干旱展望的功能与应用价值。