为探讨数据挖掘方法和建模因变量对区域干旱综合监测模型构建的影响,选择分类回归树(CART)、人工神经网络(ANN)和支持向量机(SVM)等不种数据挖掘方法,以及以标准化降水指数(SPI)、标准化降水蒸散指数(SPEI)和综合气象干旱指数(CI)等不同指数为建模因变量,以山西省为研究区域,开展综合干旱监测模型研究,结果表明,所有构建模型的监测结果与模型因变量计算值之间相关系数在0.800~0.915,均达到极显著水平,均方根误差(RMSE)在0.061~0.138,并与土壤相对湿度的相关性均达到显著和极显著水平,但不同数据挖掘方法和不同干旱指数作为因变量构建的模型仍存在差异,且模型参数的选取对于模型泛化能力有较大的影响;从山西省干旱监测结果分析,SVM方法建立的模型表现出对高程较高的敏感性,同时作为模型因变量的干旱指数的特征也会反映在模型的应用效果中,在干旱等级划分指标标准相同的情况下,不同的数据挖掘方法和建模因变量构建的模型,监测到的干旱面积存在一定差异。