全球高分辨率多变量综合干旱指数(MCDI)数据集：融合时滞与累积效应的干旱监测新工具

《Scientific Data》：A global drought dataset for Multivariate Composite Drought Index (MCDI) and its constituent drought indices

　　本研究针对现有综合干旱指数数据集匮乏、难以捕捉复杂干旱动态的问题，开发了一套包含多变量综合干旱指数(MCDI)及其四个构成指数(SPAEI、SSI、SRI、WSDI)的0.1°分辨率全球月度干旱数据集(1980-2019)。该研究创新性地考虑了干旱的时滞和累积效应，验证表明MCDI能有效表征干旱演变过程与生态系统响应，为全球干旱监测和气候变化适应管理提供了重要数据支撑。

　　

干旱是一种由强烈且持续的水分短缺引发的自然灾害，具有影响范围广、破坏力强的特点。随着气候变化和人类活动双重压力的加剧，全球多地干旱事件将变得更加频繁、严重和不可预测。面对这一严峻挑战，发展定量化的干旱指标并建立相应的数据集对于干旱监测和风险评估显得尤为迫切。

尽管目前已存在众多全球或区域尺度的干旱指数数据集，但能够综合考虑气象、农业和水文因素的综合干旱指数数据集仍然非常匮乏。这严重阻碍了我们对复杂干旱动态的捕捉和综合风险评估能力的提升。更为关键的是，现有综合干旱指数很少考虑干旱的时滞和累积效应，而这种现象在日益频繁的干旱事件中正变得越来越普遍——一次干旱事件的影响尚未消退，另一次干旱可能已经来临，导致生态系统逐渐崩溃。

为了填补这一重要空白，由袁梦佳等人组成的研究团队在《Scientific Data》上发表了题为“A global drought dataset for Multivariate Composite Drought Index(MCDI) and its constituent drought indices”的研究论文。该研究基于新开发的多变量综合干旱指数(MCDI)概念，生产了一套0.1°分辨率的全球干旱数据集(1980-2019)。MCDI的创新之处在于综合考虑了干旱的时滞和累积效应，能够更有效地表征综合干旱特征。

研究人员开展这项研究的主要方法是集成多源数据和标准化计算流程。他们首先收集了1980-2019期间的降水(MSWEP)、实际蒸散(GLEAM)、土壤水分(ERA5-Land)、径流(ERA5-Land、FLDAS、GRUN平均)和陆地水储量异常(重建数据集)等多源数据，并统一重采样至0.1°空间分辨率。基于这些数据，生成了标准化降水实际蒸散指数(SPAEI)、标准化土壤水分指数(SSI)、标准化径流指数(SRI)和水分存储亏缺指数(WSDI)。然后，通过计算不同干旱类型间的滞后时间，重新生成了考虑时滞效应的干旱指数数据。最后，利用Gringorten经验联合概率分布公式，将四个指数融合生成MCDI。

Agreement between MCDI(SPAEI, SSI, SRI, WSDI) and scPDSI

研究通过计算MCDI与广泛认可的自校准帕尔默干旱严重指数(scPDSI)的皮尔逊相关系数(PCC)来验证数据集的可信度。结果显示，MCDI与scPDSI表现出良好的相关性，全球范围内PCC大于0.5(p<0.05)的像素比例达到59.84%，PCC大于0.3的比例高达86.69%。这表明MCDI与现有权威干旱指数具有高度一致性，尤其在北美、南美、欧洲、亚洲和澳洲地区表现优异。相比之下，MCDI的相关性优于其各个构成指数(SPAEI、SSI、SRI、WSDI)，显示了综合指数的优势。

Agreement between MCDI(SPAEI, SSI, SRI, WSDI) and NDVI

研究进一步利用归一化植被指数(NDVI)评估MCDI在全球尺度上的性能，并探索其与生态系统干旱响应的一致性。结果显示，MCDI与NDVI在南部非洲、澳洲内陆、南美洲东部和南部、北美洲南部及亚洲南部等地区呈现较高的正相关性。MCDI与NDVI的PCC大于0.3的比例为31.89%，高于scPDSI(28.97%)，表明MCDI对植被变化的解释能力更强，更能捕捉植被对干湿变化的响应。

Agreement between MCDI(SPAEI, SSI, SRI, WSDI) and measured flux data

通过FLUXNET通量站点的实测数据(总初级生产力GPP和蒸散ET)验证表明，MCDI与GPP和ET的平均PCC分别为0.33和0.34，优于scPDSI(0.27和0.31)。MCDI的数据分布更为集中，表明其在不同生态系统类型中具有更好的稳定性。这得益于MCDI综合了多个水循环变量，并考虑了生态系统的滞后响应。

Performance of drought indices(MCDI, SPAEI, SSI, SRI, WSDI)during specific drought events

研究选取了2019年澳大利亚干旱、2012年美国连续干旱和2015-2016年南非干旱三个典型事件进行案例验证。在2019年澳大利亚干旱中，MCDI有效捕捉了8月至12月持续加重的干旱过程，与NDVI显示的植被生产力下降高度一致。在2012年美国干旱中，MCDI与美国中部农业区NDVI下降的时空模式吻合良好，优于scPDSI。对于2015-2016年南非干旱，尽管2016年3月NDVI显示植被有所恢复，但MCDI仍指示广泛干旱条件，反映了历史水分亏缺的累积效应。

本研究开发的全球高分辨率MCDI干旱数据集有效弥补了现有综合干旱指数数据的不足。通过系统验证表明，MCDI及其构成指数能够可靠地指示干旱演变过程和生态系统响应，其中MCDI因综合考虑了多水文变量以及干旱的时滞和累积效应，表现出更优的性能。该数据集为全球干旱监测、风险评估以及气候变化适应策略制定提供了重要的数据支持，特别是在捕捉复杂干旱动态和生态系统响应方面具有独特价值。未来，这一数据集可广泛应用于干旱早期预警、水资源管理和生态系统保护等领域。