编辑推荐：
在气候变化背景下，干旱对社会威胁加剧。研究人员开展基于 ECMWF 再分析系统（ERA5）的干旱指数数据集研究。得出包含 SPI 和 SPEI 指数的全球数据集，为环境机构及相关领域提供有力支持，对监测水和粮食安全意义重大。
在全球气候变化的大背景下，干旱问题愈发严峻，如同高悬在人类社会头顶的达摩克利斯之剑。随着人类活动对气候的影响日益加深，干旱的发生频率和强度都在不断增加。它不仅严重破坏生态系统，还对经济发展和人类生活造成了极大的冲击。比如在一些农业依赖型地区，长时间的干旱会导致农作物欠收甚至绝收，引发粮食安全危机；在水资源匮乏地区，干旱进一步加剧了水资源短缺，影响人们的日常生活用水。而且，现有的干旱监测手段存在诸多不足，像基于气象站观测数据的监测，在监测站密度低的地区，数据准确性难以保证；卫星遥感数据虽然能提供全球范围的观测，但存在时间跨度短、校准不准确等问题。因此，开发一个更完善、更准确的干旱监测数据集迫在眉睫。
欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts，ECMWF）的研究人员 Jessica Keune、Francesca Di Giuseppe 等人开展了一项重要研究。他们基于 ECMWF 再分析版本 5（ERA5），构建了 ERA5-Drought 数据集。该数据集涵盖了 1940 年至今的全球干旱指数数据，为全球干旱监测提供了有力支持。相关研究成果发表在《Scientific Data》杂志上。
研究人员在此次研究中主要运用了以下关键技术方法：利用 ERA5 最新的再分析数据库，计算了两种常用的干旱指数 —— 标准化降水指数（Standardized Precipitation Index，SPI）和标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index，SPEI）。通过特定的计算流程，对降水和潜在蒸散数据进行处理，并根据世界气象组织（WMO）的建议选取参考期，进行数据拟合和标准化处理。同时，使用 Shapiro-Wilks 检验评估数据质量，以确保数据的可靠性。
干旱指数的计算
- 标准化降水指数（SPI）：SPI 是一种广泛应用的干旱指数，用于量化不同时间尺度上的降水亏缺情况。计算时，先提取每个网格点的降水时间序列，通过移动窗口累积前 n 个月的降水量。之后，对每个日历月的时间序列拟合 Gamma 分布（需去除无降水月份），再将拟合分布的概率转换为标准正态分布。这样得到的指数值代表与长期平均值的标准差数量，可在时间和空间上进行比较。在 ERA5-Drought 数据集中，使用 ERA5 的降水数据，累积期为 1 - 48 个月，以 1991 - 2020 年为参考期，对无降水月份进行概率调整后计算 SPI 值。
- 标准化降水蒸散指数（SPEI）：SPEI 综合了降水和潜在蒸散（Potential Evapotranspiration，PET）数据，能更全面地反映干旱状况。计算 PET 时，研究人员采用 Penman-Monteith 参数化方法，该方法考虑了净辐射、水汽压亏缺等多种因素，但对输入数据要求较高。通过计算降水与 PET 的差值，即 P - PET，再对其进行分布拟合（使用 log-logistic 分布）和标准化处理，得到 SPEI 值。在 ERA5-Drought 数据集中，同样以 1991 - 2020 年为参考期，考虑 1 - 48 个月的累积期计算 SPEI 值。
数据质量控制
为保证数据质量，研究人员对衍生数据集进行了质量控制。通过 Shapiro-Wilks 检验，判断估计的干旱指数在参考期内的分布是否符合均值为 0、标准差为 1 的正态分布，检验显著性水平 α = 0.05。对于 SPI，还提供了零降水概率（pzero）这一质量指标。若拟合 Gamma 分布时，记录中至少有十个非零值，则进行拟合，并在第二步评估拟合质量。当 Shapiro-Wilks 检验的 p 值低于 α 时，对应的质量参数设为 0；超过 α 时设为 1。结果显示，所有 SPEI 指数和累积期大于 3 个月的 SPI 指数，全球接受率均高于 90%。SPI - 1 和 SPEI - 1 的可靠性相对较低，不过排除沙漠、极地地区以及零降水月份较多的区域后，SPI - 1 的接受率有所提高。
与其他数据集的比较
由于干旱指数无法直接观测，研究人员将 ERA5-Drought 数据集的干旱指数与其他全球同类产品进行了比较。选取了哥白尼全球干旱观测站（Copernicus Global Drought Observatory，GDO）的 SPI 数据集和西班牙国家研究委员会（Consejo Superior de Investigaciones Científicas，CSIC）的 SPEI 产品。对比发现，ERA5-Drought 数据集与 GDO 的 SPI 和 CSIC 的 SPEI 在两次重大干旱事件（巴西近期干旱和澳大利亚 2017 - 2019 年干旱）中表现出良好的一致性，但在干旱区域和强度的指示上存在一些差异。
研究结论
ERA5-Drought 数据集为全球干旱监测提供了丰富的数据资源，涵盖了长时段、多时间尺度的干旱指数信息。该数据集在不同气候区域的干旱监测中表现可靠，与其他现有数据集相比，虽存在差异但整体模式和强度相似。然而，ERA5 数据本身存在一定局限性，如在卫星时代之前数据不确定性较高，降水和潜在蒸发的准确性受区域、时间和观测数据可用性影响。因此，在使用 ERA5-Drought 数据集时，用户需谨慎对待早期数据，尤其是在分析长期趋势或极端事件时。
这项研究成果意义重大。ERA5-Drought 数据集为环境机构、水资源管理部门、农业领域以及科研人员提供了重要的数据支持，有助于更准确地监测干旱的发生和发展，评估干旱对生态系统、经济和社会的影响。通过与其他社会经济数据集结合，还能深入研究干旱对全球社会的影响，以及不同地区社会对干旱的抵御能力和脆弱性，为制定应对干旱的策略和政策提供科学依据，在保障全球水安全和粮食安全方面发挥着关键作用。
