编辑推荐：
为解决欧洲农业干旱监测难题，欧洲委员会联合研究中心的研究人员开展综合干旱指数（CDI）数据集相关研究。结果显示 CDI 能有效评估干旱，其成果有助于相关人员应对干旱，强烈推荐科研读者阅读。
在过去几十年里，干旱这一自然现象愈发频繁地出现在全球各地，它的持续时间也越来越长，对人类社会和自然生态系统造成了极为严重的影响。据统计，全球有超过 23 亿人正面临着水资源紧张的问题。就拿 2022 年来说，这一年的干旱状况尤为突出，长时间的缺水和破纪录的高温天气笼罩了全球大片地区，欧洲更是深受其害。
干旱可不是个简单的角色，它就像一个神秘的 “变色龙”，有着许多复杂的特性。首先，它的出现毫无规律可言，不仅会在那些人们印象中本就干旱的地区肆虐，就连一些水资源丰富的地方也难以幸免。其次，干旱的发展过程十分奇特，大部分时候它会像个 “慢性子”，逐渐地形成并长期存在，但偶尔也会摇身一变，成为来势汹汹的 “急性子”，也就是所谓的 “闪旱”。最后，由于气候变化的影响，干旱发生的频率和严重程度都呈现出上升的趋势，这就像一个不断膨胀的 “威胁气球”，在 21 世纪将会对世界上许多地区造成更大的冲击。
干旱通常被看作是一段持续的干燥天气，它会打破原本的水文平衡。根据不同的影响因素和表现形式，干旱又可以细分为至少三个阶段：“气象干旱”，也就是降水长时间不足；“农业干旱”，当土壤中的水分减少，影响到农作物和植被生长的时候就会出现；“水文干旱”，这时水资源的短缺已经波及到了河流、湖泊、水库和地下水。
在这些干旱类型中，农业干旱的监测尤为重要。毕竟，干旱一旦发生，农作物的产量就会受到严重影响，进而威胁到整个粮食系统的稳定。然而，监测农业干旱可不是一件轻松的事情。这其中涉及到许多不确定的因素，像是降水、温度的变化难以预测，而且从气象干旱到农业干旱，再到水文干旱的转变过程十分复杂，还会受到当地气候和流域特征的影响。为了解决这个难题，科学家们想出了不少办法，比如通过整合多种信息来弥补单一降水数据的不足，像埃塞俄比亚的增强综合干旱指数、美国本土的 VegDri 指数，以及中国东北地区的植被 - 土壤水分亏缺方法等，都是这方面的有益尝试。
为了更全面、准确地监测欧洲的干旱情况，欧洲委员会联合研究中心管理的哥白尼欧洲干旱观测站（EDO）推出了一个得力助手 —— 综合干旱指数（CDI）。CDI 就像是一个聪明的 “侦察兵”，它整合了标准化降水指数（SPI）、土壤湿度异常（SMA）和光合有效辐射异常（FAPAR）这三个重要指标，还巧妙地运用了作物掩膜和雪掩膜技术，能够精准地识别出不同程度干旱的区域以及它们的空间范围。
CDI 数据集是一系列定期更新的栅格地图，每 10 天就会更新一次，这种更新频率对于监测农业干旱来说恰到好处。因为哪怕只有 10 - 20 天的水分胁迫，就可能给农作物的最终产量带来严重的打击。自 2012 年以来，CDI 就成为了 EDO 和全球干旱观测站（GDO）干旱分析报告的重要依据，为人们了解干旱状况提供了关键的信息。而且，它在公众中的受欢迎程度也很高，2023 年 EDO 门户网站的访问量超过了 2 万次，这足以证明它的价值。
CDI 的发展也经历了一个不断完善的过程。最初是由 Sepulcre - Canto 等人开发出来的，之后 Cammalleri 等人对其进行了重大修订，推出了 CDI 版本 2（CDIv2）。从 2021 年开始，CDI 地图和数据正式投入实际应用，并且免费向用户开放。2023 年 3 月，CDI 版本 3（CDIv3）发布，它加入了静态作物掩膜，能够避免在作物非生长季节对植被压力进行错误评估。到了 2023 年 12 月，CDI 版本 4（CDIv4）问世，它又整合了动态雪掩膜，进一步提高了在积雪覆盖地区的监测准确性。
为了深入了解 CDI 这个 “侦察兵” 的工作原理，研究人员开展了一系列研究，并将成果发表在了《Scientific Data》期刊上，论文题目是《The Combined Drought Indicator dataset for monitoring agricultural drought in Europe》。通过研究，他们发现 CDI 在监测农业干旱方面表现出色，能够有效地评估干旱的不同阶段及其空间范围，为相关部门和人员提供了极具价值的信息，帮助他们提前做好干旱防范和应对计划，减轻干旱带来的负面影响。
研究人员在这项研究中运用了多种关键技术方法。在数据处理方面，由于不同数据源的空间和时间分辨率、地理投影以及数据格式各不相同，他们需要仔细考虑如何进行数据的重网格化和聚合，以确保数据的一致性。对于输入指标，像土壤湿度、植被数据以及降水数据等，都进行了标准化处理，让不同的数据能够在同一标准下进行比较。在计算 SPI 时，针对降水数据的特点，采用了特殊的标准化方法，先将累积降水数据拟合到合适的概率分布函数，再转化为正态累积密度函数。同时，利用 JRC 水文模型 LISFLOOD 提供的土壤湿度数据计算 SMA，通过 VIIRS 的相关产品获取 FAPAR 数据。此外，还利用 NASA 的 VNP10A1 产品生成雪掩膜，基于 ASAP 的相关数据制作作物掩膜，这些掩膜在计算 CDI 的过程中发挥了重要作用。
下面我们来看看研究的具体结果。
1. CDI 概念框架
CDI 就像一个严谨的 “指挥官”，它有着自己独特的概念框架。这个框架是一个决策表，详细地展示了在不同时间步长下输入指标的各种组合以及对应的输出结果。在这个框架里，CDI 假设农业干旱是一个从降水不足开始，逐步影响土壤湿度，最终对植被产生负面影响的线性过程。不过，它也能灵活应对一些非线性的情况。比如，当降水、土壤湿度和植被的异常情况同时出现时，CDI 会根据一套复杂的规则来判断干旱的程度和发展阶段。而且，CDI 还设置了三个恢复类，用来描述干旱后的过渡阶段，这就像是干旱过程中的 “缓冲带”，让整个监测更加准确和全面。
2. CDI 输入指标
CDI 的计算离不开各种输入指标，这些指标就像是它的 “眼睛”，帮助它看清干旱的情况。
标准化输入指标
研究人员对降水、土壤湿度和植被数据进行了标准化处理，就像给它们穿上了统一的 “制服”，让它们能够在同一个 “赛场” 上进行比较。通过标准化，每个指标都能以一种更直观的方式展示与长期平均水平的差异。比如，一个接近 0 的值表示该指标处于正常的长期状态，而一个接近或低于 - 1 的值则意味着干旱情况在逐渐恶化。
标准化降水指数
SPI 是监测气象干旱的重要指标，它能够量化某一特定时间尺度上累积降水量与参考基线的偏差。在计算 SPI 时，研究人员采用了 30 年（1981 - 2010）的参考期，并且在两个不同的短时间尺度（约 30 天和约 90 天）上进行监测。当 SPI - 1 低于 - 2 或者 SPI - 3 低于 - 1 时，就表明出现了降水不足的情况。计算 SPI 所使用的降水数据来自 ERA5 再分析数据集，这个数据集由欧洲中期天气预报中心提供，在欧洲地区与实际观测数据的吻合度很高。
土壤湿度异常
土壤湿度对于农作物的生长至关重要，就像水对于鱼一样重要。CDI 中的 SMA 成分是通过 JRC 水文模型 LISFLOOD 生成的土壤湿度指数（SMI）来计算的。在计算 SMA 时，研究人员以 1995 年至今的所有可用数据作为参考基线。不过，由于积雪会影响土壤湿度异常的准确性，研究人员引入了雪掩膜来解决这个问题。
雪掩膜
雪掩膜的出现就像是给 CDI 戴上了一副 “特殊眼镜”，让它在有积雪的地区也能准确监测干旱情况。研究人员利用 NASA 的 VNP10A1 产品生成雪掩膜，这个产品能够提供每日的积雪覆盖数据。在生成雪掩膜的过程中，研究人员制定了一系列规则，比如当一个像素在 10 天内至少有 3 天被雪覆盖，就将其映射为雪；对于有云覆盖（缺失值）的像素，则用前一个时间步的观测值进行替代；最后，将生成的 10 天合成雪掩膜重新采样到 CDI 的空间分辨率（5km）。有了雪掩膜，在计算 CDI 时就能排除积雪覆盖区域的土壤湿度异常数据，让结果更加准确。
光合有效辐射异常
FAPAR 是衡量植被状态和光合作用活性的重要指标。研究人员通过 VIIRS 的全球 VNP15A2H 产品来计算 FAPAR 异常。在处理数据时，先利用质量标志屏蔽低质量数据，然后通过加权平均的方法将 8 天的 FAPAR 数据合成为 10 天的数据，最后再通过双线性插值将数据重采样到 CDI 的分辨率。
作物掩膜
作物掩膜就像是 CDI 的 “小助手”，帮助它更好地识别作物区域和生长季节。研究人员基于 ASAP 的作物和牧场掩膜数据，结合其物候图信息，生成了一系列二进制作物掩膜。这些掩膜能够区分作物生长季节和非生长季节，避免在非生长季节将裸露土壤的 FAPAR 异常误判为干旱胁迫，从而提高了干旱监测的准确性。
3. 数据记录
CDI 数据集可以在哥白尼欧洲干旱观测站的网站上免费获取，提供 GeoTIFF 和 netCDF 两种文件格式，并且遵循知识共享署名 4.0 许可协议。数据的空间分辨率为 5km，时间分辨率为 10 天，从 2012 年至今的记录都有。同时，所有数据文件都附带了详细的元数据，就像数据的 “身份证”，告诉人们这些数据代表什么、它们的空间和时间坐标是什么。此外，通过欧洲干旱观测站和全球干旱观测站的科学背景页面，用户还能下载到关于 CDI 及其输入指标计算的详细信息表。
4. 技术验证
为了确保 CDI 这个 “侦察兵” 的可靠性，研究人员进行了严格的技术验证。输入数据的质量由数据提供者负责，而 EDO 的科学团队则对异常指标和最终的 CDI 地图进行质量筛查。他们通过 R 和 Python 脚本对可疑数据进行调查，团队成员也会一起讨论地图中出现的视觉不一致问题。通过对以前干旱事件的分析，比如对 2003 年中欧、2005 年伊比利亚半岛和 2018 年北欧的干旱事件研究发现，CDI 能够真实地描述这些干旱事件的时空特征。同时，通过对比 CDIv4 与之前版本的数据，发现雪掩膜和作物掩膜的应用减少了 CDI 地图中不可靠的空间模式，提高了农业干旱评估的准确性，而且与其他专业干旱指标的评估结果也相符。
综合来看，这项研究通过对 CDI 的深入分析，展示了它在监测欧洲农业干旱方面的强大能力。CDI 就像一个功能齐全的 “干旱监测神器”，它整合了多种指标和技术，能够准确地评估干旱的不同阶段及其空间范围。这对于水资源管理机构、农民、土地管理者等相关人员来说，是一个非常有用的工具。他们可以根据 CDI 提供的信息，提前做好干旱防范和应对措施，减少干旱对农业生产和生态环境的影响。而且，CDI 的发展和完善也为全球干旱监测领域提供了宝贵的经验，有助于推动相关研究的进一步发展，让人们在应对干旱这个全球性挑战时更有底气。
