由于全球气候变暖导致干旱发生的频率增加,干旱目前已成为全世界关注的重点问题之一,对干旱进行监测,可以减少因干旱导致的灾害。因此选择一个合适的干旱指标精准监测山东省的干旱情况,进而提高对旱情的预报与监测水平,对山东省的发展有重要的意义。本研究以山东省为研究区,主要研究山东地区2001-2017年气象干旱以及农业干旱,以期为监测山东省长时间序列的干旱旱情提供参考。本文主要研究的内容有以下三点:（1）基于2001-2017年山东地区的TRMM降水数据,在月、年以及站点三种尺度上对其准确性进行了验证,为之后研究山东地区降水量提供参考依据;通过计算月均降水量的变异系数、季均降水量以及统计无雨月份数分析了山东地区降水量的变化特征,并通过计算气象干旱指数PCI（Precipitation Condition Index）来研究山东地区2001-2017年气象干旱的时空特征。结果表明,TRMM数据在山东地区有较高的准确性与很好的适用性。对于山东省的降水量,最多和最少的季节分别是夏季与冬季,这也导致山东省在冬季易发生严重的气象干旱。2001-2017年山东地区西北部易发生气象干旱且气象干旱发生的频率在逐渐增加,周期变短。（2）计算并分析五种时间尺度的标准化降水蒸散指数SPEI（Standardized Precipitation Evapotranspiration Index）与10cm的土壤湿度SM（Soil Moisture）两者的相关性,发现3个月时间尺度的SPEI（SPEI-3）与SM的相关系数R最大,SPEI-3能够用来监测农业干旱;本文结合站点指数与遥感指数的优点,利用偏差校正随机森林BRF（Bias-corrected random forest）、Cubist模型和支持向量回归SVR（Support Vector Regression）三种机器学习方法分别融合多干旱因子模拟站点SPEI-3指数,根据最佳模型得出各干旱因子的相对重要性,作出多因子合成干旱指数MSDI（Multi-factor Synthetic Drought Index）的空间分布图。结果发现,三种模型中,BRF模型的模拟精度最高;大部分站点模拟值与观测值反映的干旱情况一致;MSDI空间分布图可用来在站点与空间尺度上较精确地监测山东地区农业干旱情况,（3）根据2001-2017年山东地区的MSDI空间分布,在不同的时间尺度和空间尺度上分析山东地区农业干旱情况。研究结果表明2001-2017年山东地区出现重旱的月份数开始零散的出现,出现轻旱的频率也在增加。另外,2001-2007年山东地区的旱情程度波动较大,2008-2017年山东地区的旱情程度相对稳定。2001-2017年山东地区中部以及西北部易发生干旱,在冬季易发生旱情;冬季也多次发生重旱与中旱的旱情,其次是春季与秋季;对于干旱年,夏季由于高温也会发生较严重的旱情。