干旱是我国频繁发生的一种气象灾害,对我国社会、经济和环境带来了严重的影响。因此准确监测干旱的发生时间、发展程度和影响范围,对保障社会经济发展,促进生态环境恢复,维持区域和谐稳定具有重要意义。目前学者们建立了许多不同类型,不同特点的干旱监测指数,从早期的气象干旱监测方法到遥感干旱监测技术的应用再到近期综合干旱监测指数的提出,学者们一直致力于提出更加灵敏更加精确的干旱监测模型。随着大数据的发展,大数据的相关理念和技术为这一目标的实现提供了新的契机。本文在前人研究结果的基础上,将大数据思维应用到干旱监测中,创新了干旱监测方法,并据此进一步分析了我国干旱时空变化特征。主要的研究内容如下:(1)讨论分析了基于空间数据仓库的大数据干旱监测体系结构,从数据采集、数据集成处理、数据分析和数据应用四个方面,系统阐述了大数据干旱监测应用的完整流程。(2)利用降水、地表温度、植被信息、蒸散、土壤有效含水量、土壤质地类型、高程以及坡度等多源数据,构建了土壤水分估算模型,以满足全国干旱监测的需要。在研究过程中,针对多源数据的空间完整性不一致问题和模型训练空间与应用空间不匹配问题,本文提出了“金字塔”型多层级的土壤水分估算框架,实现了全国土壤水分的全覆盖监测。通过站点实测数据的交叉验证结果表明,该方法的估算精度良好且较稳定。相关系数值处于0.56到0.7之间,平均误差和相对误差也相对较低,分别在4.16到5.22和0.66到0.78之间。与TVDI的监测结果对比表明,多层级的土壤水分估算方法对土壤干湿情况的监测比TVDI更精确。通过多层级的土壤水分估算方法,建立了全国2000-2014年10cm深度层的1km分辨率的土壤水分信息数据集。(3)基于前文计算的1km分辨率的中国土壤水分信息数据集,引入了SMCI指数对干旱进行了监测。利用线性趋势分析法、频率分析法等分析了2000-2014年我国干旱发生的空间分布及时空变化特征。干旱的趋势分析结果表明,我国北方干旱程度大于南方;大部分地区的干旱发展趋势保持稳定,没有明显的加剧或者缓解的趋势,但是在夏季和冬季,分别表现出北方部分地区极显著缓解和中南部部分地区极显著加剧的趋势。干旱的发生频率分析表明,在月尺度上,北方的干旱发生频率整体上高于南方;在季节尺度上,北方一年四季的干旱发生频率都较高,而南方夏季和秋季的干旱发生频率则高于春季和冬季,整体上看,冬季的干旱发生频率为一年之中最高。(4)以2013年7月湖南特大干旱为例,探讨了微博数据在干旱监测中的应用前景。分析表明,微博数据对干旱事件的发展过程存在响应,但是这种响应特征只有在干旱发展到一定阶段后才逐渐凸显。通过将微博数据的干旱监测结果与国家气候中心的监测结果进行对比发现,基于微博数据的干旱监测结果存在一定的夸大情况,但是总体上反映的干旱空间分布特征和趋势与国家气候中心的监测结果是一致的。