-
标题：A new high-resolution multi-drought-index dataset for China
-
期刊：《Earth System Science Data》
-
作者：
Qi Zhang, Chiyuan Miao, Jiajia Su, Jiaojiao Gou, Jinlong Hu, Xi Zhao, and Ye Xu
-
doi：10.5194/essd-17-837-2025
干旱是全球范围内一种重要的自然灾害，对自然生态系统、农业生产、水资源以及社会经济结构造成严重影响。1999年至2020年，全球平均每年有约6921万人受到干旱影响，直接经济损失高达627亿美元。随着气候变化的加剧，干旱的发生频率、强度、持续时间和范围预计将进一步增加。干旱的多样性使其评估面临挑战，通常被分为气象干旱、水文干旱、农业干旱和社会经济干旱。其中，气象干旱是其他干旱类型的根源，其监测和量化指标最为丰富。然而，现有干旱数据集由于缺乏统一的数据基础，导致不同干旱指标之间缺乏可比性。此外，大多数现有干旱指标集中在月度或更长时间尺度，可能无法捕捉短期气象干旱条件。因此，开发高质量、多指标的干旱数据集对于监测和分析干旱以及减少干旱损失至关重要。在中国，干旱是造成粮食减产和经济损失的重要自然灾害之一，尤其在2022年长江流域的严重干旱事件中，干旱对生态系统和社会经济的影响尤为突出。本研究旨在构建一个高分辨率、多指标的长期气象干旱数据集（CHM_Drought），以填补中国在高精度多指标干旱数据方面的空白，并为干旱模式和趋势的研究提供支持。
本研究构建的CHM_Drought数据集覆盖1961年至2022年，空间分辨率为0.1°，包含标准化降水指数（SPI）、标准化降水蒸散发指数（SPEI）、蒸发需求干旱指数（EDDI）、帕尔默干旱严重指数（PDSI）、自校准帕尔默干旱严重指数（SC-PDSI）和水汽压亏缺（VPD）六个关键气象干旱指标。其中，SPI、SPEI和EDDI具有2周到12个月的多时间尺度特征。
数据来源包括中国气象局（CMA）的高密度气象站数据、CHM_PRE降水数据网格化产品，以及CRU和CN05.1数据集，用于评估CHM_Drought的性能。研究中采用的土壤有效含水量（AWC）数据来自全球网格化土壤特性数据集，植被指数（NDVI）数据来自GIMMS第三代产品。对气象站数据进行了严格的质量控制，包括识别和处理异常值以及处理缺失值。采用角距离加权插值（ADW）方法对基本气象变量进行空间插值，插值分辨率为0.1°。在干旱指标的计算方法上，SPI基于降水数据的概率分布进行标准化处理；SPEI通过计算降水与潜在蒸散发（PET）的差值来反映干旱状况；EDDI基于参考作物蒸散发（ET0）的变化来监测干旱；PDSI和SC-PDSI则结合了降水、PET和土壤有效含水量等因素，用于评估长期干旱状况；VPD通过计算饱和水汽压与实际水汽压的差值来反映大气干燥程度。
CHM_Drought数据集在监测中国干旱事件方面表现出色，尤其是在2022年长江流域夏季干旱事件中，该数据集能够详细描绘干旱的空间分布特征。例如，SPI和SPEI指标在3个月时间尺度上显示出长江流域中部和东部地区的显著降水异常，而EDDI指标则强调了南方地区由于高温导致的蒸发需求增加，进一步加剧了干旱程度。PDSI和SC-PDSI指标则揭示了长江流域极端干旱的累积效应，反映了长期降水不足、高温以及土壤湿度枯竭的复合影响。VPD指标则显示了大气湿度需求的异常增加，尤其是在长江流域，这种条件通过增强蒸散发率进一步加剧了干旱影响。
