基于实际降水指数（API）的干旱分类与参数识别新方法及其在水文气象研究中的应用

《Physics and Chemistry of the Earth, Parts A/B/C》：Drought classification and parameter identification based on actual precipitation index

本文系统评述了标准降水指数（SPI）与新兴实际降水指数（API）的理论差异，指出SPI依赖概率标准化（probabilistic standardization）而非统计标准化（statistical standardization）的本质，并提出API能有效识别干旱期实际统计参数（如历时、均值、标准差）。通过多国水文气象数据验证，为干旱精准监测与非平稳气候下水资源管理提供新范式。

　　

标准与实际降水方法论

继McGlee（1993）提出标准降水指数（SPI）概念后，该指标在干旱分类中的应用迅速普及。该方法基于标准正态（高斯）概率分布函数（PDF）的数值阈值，将干旱划分为八个语言等级（详见表1）。SPI原论文虽具价值，但其解释易使研究者混淆概率标准化与统计标准化的本质区别——后者通过减去均值并除以标准差实现，而前者通过概率分布转换保留原始水文气象变量的统计特性。

应用研究

为验证实际干旱阈值量化方法，本研究选取三类长序列水文气象数据（见表2）：多瑙河径流量、美国新泽西州温度序列及伊斯坦布尔市降水数据。各序列的概率累积分布函数（CDF）及其分布类型与参数见图1，结果表明API能有效捕捉干旱事件的实际统计特征。

讨论

本文的核心在于厘清统计标准化与概率标准化的适用场景：前者适用于不同量纲序列的波动比较或自相关分析等统计操作，而后者专用于概率分布转换。API通过直接提取干旱期的实际参数（如持续时间、标准差），克服了SPI仅提供语言分类的局限，为干旱机制解析提供量化支撑。

结论

本研究强调湿润期、干旱期与干旱指数分类的区分必要性，系统对比了SPI与API的优劣。针对文献中普遍存在的标准化方法误用问题，API框架扩展了干旱历时、统计参数及序列相关性等关键信息的识别能力，为气候变化下干旱风险评估提供更可靠的方法论工具。