2026年6月，GlobMaps发布了一份开放获取预印本（DOI：10.5281/zenodo.20774311），对泰国、越南和马来西亚156个省份25年的干旱数据进行了分析。核心发现出乎意料：尽管气温不断上升、气候焦虑日益蔓延，89%的东南亚省份并未呈现出干旱持续恶化的统计显著性趋势。推动区域干旱的主要因素更加古老、更具周期性，在某种程度上也更易管理——远非单调变暖这一叙事所描述的那样。
数据集：ERA5、MODIS与25年省级记录
本次分析采用欧洲中期天气预报中心提供的ERA5气候再分析数据——与GlobMaps干旱平台相同的数据基础——并结合MODIS卫星植被状况数据和ALEXI蒸散发胁迫卫星反演数据。研究时间跨度为2000年至2025年，覆盖泰国全部77个省份、越南63个省份以及马来西亚16个州和联邦直辖区。
ERA5以31公里分辨率提供全球大气和地表变量的逐小时估算值，通过数据同化从历史观测中重建。对于干旱分析，其温度和降水输出直接用于SPEI计算，在整个25年期间建立一致的物理基线。MODIS植被指数提供生物物理核验，ALEXI蒸散发胁迫反演提供第三个独立信号。综合指数中被分类为D2或更高等级的省份应在三个数据流中显示一致证据。
省级干旱置信度的构建
ERA5的31公里网格意味着地理面积较小的省份可能仅与少数几个网格单元重叠，而较大的省份则覆盖数十个。研究通过置信度分级系统解决这一问题：多源信号一致的省份获得高置信度分类（42个省份），信号模糊或空间覆盖有限的省份获得中等置信度评级（114个省份）。没有任何省份在未获得至少两个信号流汇聚的情况下被赋予干旱分类。
主要发现：ENSO，而非变暖趋势
在156个分析省份中，139个——占89%——在25年间的年度干旱严重程度上未呈现出统计显著的单调趋势。干旱变率实际上与ENSO周期高度相关：厄尔尼诺年导致整个地区干旱严重程度上升；拉尼娜年则提供缓解。
所有省份的平均ENSO相关性为r ≈ −0.31。马来西亚沙巴州的ENSO敏感性最强，为r = −0.57；越南林同省紧随其后，为r = −0.53。ENSO预报现在具有9–12个月的有效预测技巧。对于ENSO耦合最强的省份（r超过−0.45），5月份的强厄尔尼诺预报可以直接转化为下一个旱季可量化的干旱概率提升——这种前瞻性信号可以在灾害发生前触发预先部署的救援物资或参数保险赔付。
存在趋势的地区
17个具有显著趋势的省份呈现出不对称的分布。16个位于泰国北部和东北部——呵叻高原（伊桑）地区本就是东南亚最干旱的地区之一。这些省份在25年间呈现出统计显著的干旱化趋势：不仅是厄尔尼诺的波动，而是结构性的转变——每十年降雨量减少。对于在伊桑地区有敞口的风险管理者而言，历史干旱频率可能低估了未来风险。
使伊桑信号区别于ENSO噪声的是其跨ENSO相位的持续性。即使在通常应为大部分地区带来缓解的拉尼娜年份，几个伊桑省份仍持续记录低于平均水平的湿度条件，与影响呵叻高原的季风系统已记录在案的变化相一致。
另一个异常值是越南北部的富寿省，数据显示出显著的湿润趋势，与影响越南北部高地的西季风轨迹记录变化相符。
2023年：25年记录中最严重的一年
2023/24年厄尔尼诺产生了25年卫星时代记录中最严重的干旱。区域平均SPEI-3达到约−1.3，表明156个省份中的大多数同时出现严重干旱条件。该事件现已成为具体的、以数据为基础的规划基准。
2023/24年的严重程度相对于2015/16年超级厄尔尼诺（峰值ONI为+2.6）本身就是一个值得深思的发现。2015/16年厄尔尼诺按ONI量级计算是仪器记录中最强的，但2023/24年的干旱足迹更大。多个因素共同作用：2021-22年前期拉尼娜条件可能降低了事件发生前的土壤水分储量；区域海面温度的变暖趋势独立于ENSO放大了蒸散发需求。实践教训是ONI量级本身并不能决定任何给定省份的干旱严重程度。
湄公河三角洲异常
数据集中最明显的结构性惊喜之一是湄公河三角洲异常的干旱关系。在研究区大部分地区，干旱严重程度与ONI呈负相关：ONI越高（厄尔尼诺）意味着干旱越多。在湄公河三角洲，这种关系部分逆转：某些为东南亚大陆大部分地区带来降雨的拉尼娜配置，同时抑制来自上游流域的湄公河流量，减少冲积补给，即使降水总量接近正常，也会在三角洲下游省份造成水分亏缺。
对于在越南南部省份有敞口的农业金融和基础设施风险团队，这意味着通常将拉尼娜预测为东南亚大陆积极信号的标准ENSO干旱预报，需要针对湄公河下游流域进行省级特定修正。
干旱实际发生频率如何？
在25年期间，中度或更严重的干旱条件发生在：
- 泰国：省份-月份的6.7%
- 越南：省份-月份的8.8%
- 马来西亚：省份-月份的10.9%
马来西亚较高的频率具有结构性原因。在厄尔尼诺事件发生时，三个国家的干旱频率大约翻倍。在强厄尔尼诺（ONI ≥ +1.5）条件下，最敏感省份的严重干旱概率增加三倍或更多。这种ENSO条件下的频率结构是集成到GlobMaps平台中的季节性干旱预警系统的基础。
对风险建模的意义
东南亚干旱的ENSO主导、无趋势结构具有明确的方法论意义：从近期数据外推线性恶化趋势的风险模型将在89%的省份高估未来干旱风险，同时可能低估厄尔尼诺压力事件的间歇性严重程度。
针对该地区的良好校准干旱风险模型应至少包含三个仅趋势模型所忽略的组成部分：
- ENSO相位条件设置：干旱概率应随ENSO预报发布每季度更新，而非仅作为长期年度平均值
- 省级ENSO敏感性：r = −0.57的省份与r = −0.15的省份在敞口特征上存在本质差异
- 结构性例外：伊桑的趋势和湄公河三角洲的逆向ENSO关系无法通过区域平均值捕捉，需要省级处理
获取数据
完整方法论、置信度分级以及省级结果已发布在开放获取预印本中，地址为DOI: 10.5281/zenodo.20774311。数据集包含全部156个省份的年度干旱严重程度评分、ENSO相关系数、趋势p值和置信度等级分配。
省级干旱评分通过 ERA5 每月更新，以结构化 JSON 提供省级 MDI 分类、历史时间序列和 ENSO 相关性元数据——可直接用于 Excel、Python 或任何风险分析环境。了解我们如何构建与验证这些指数，请访问 globmaps.com。