A medida que el cambio climático se intensifica, la sequía se ha convertido en un importante desafío global de ingeniería y medio ambiente. En áreas críticas como la producción agrícola, el monitoreo preciso de la sequía es vital para el desarrollo sostenible de la agricultura regional. Actualmente, a pesar del uso extensivo de estaciones meteorológicas tradicionales y métodos de teledetección, estos enfoques han demostrado ser inadecuados para capturar la totalidad de la información sobre sequías y reflejar adecuadamente las características espaciales. Por lo tanto, para mejorar la precisión de las previsiones de sequía y lograr predicciones en áreas extensas, este documento emplea modelos de aprendizaje profundo, introduciendo específicamente un modelo de red de memoria a corto y largo plazo ponderado por atención (AW-LSTM), construye un índice compuesto de monitoreo de sequía (CDMI) y valida el modelo. Los resultados muestran que: (1) El modelo AW-LSTM supera significativamente a los modelos tradicionales de memoria a corto y largo plazo (LSTM), máquina de soporte vectorial (SVM) y red neuronal artificial (ANN) en el monitoreo de sequías, ofreciendo no solo una mejor aplicabilidad en el monitoreo de sequías meteorológicas y agrícolas, sino también la capacidad de predecir con precisión eventos de sequía un mes antes en comparación con los modelos de aprendizaje automático, proporcionando un nuevo método para la evaluación regional precisa y completa de la sequía. (2) La Llanura Huang-Huai-Hai ha mostrado variaciones regionales significativas en las condiciones de sequía a lo largo de diferentes años y meses, con la situación de sequía empeorando gradualmente en la parte norte de la provincia de Hebei, Beijing, Tianjin, la parte sur de Huai North y la parte central de la provincia de Henan desde 2001 hasta 2022, mientras que las condiciones de sequía en la parte norte de Huai North, el sur de la provincia de Shandong, el oeste de la provincia de Henan y el suroeste de la provincia de Hebei se han aliviado. (3) Durante los períodos de siembra (junio) y cosecha (septiembre) del maíz de verano, la probabilidad de ocurrencia de sequías es mayor, lo que requiere ajustes flexibles en las estrategias de producción agrícola para adaptarse a las diversas condiciones de sequía.