测量难题：为何单一指数永远不够
向十位气候科学家询问如何测量干旱，你将得到十种不同的答案。标准化降水指数（SPI）能捕捉降雨赤字，但忽略了热量因素。帕尔默干旱烈度指数（PDSI）考虑了蒸散量，但其校准基于北美土壤水分状况，与东南亚热带季风带的实际情况相去甚远。植被状况指数（VCI）能从卫星上显示作物胁迫，但通常在损害已经开始数周后才会显现。
每个指数只能照亮这一多维现象的一个维度。泰国湄南河流域的干旱与越南湄公河三角洲或马来西亚吉兰丹河廊道的干旱表现不同，原因在于降雨模式、土地利用压力和地下水补给率各异。将单变量指数统一应用于这种多样性，会产生严重漏报，使政府和企业对正在形成的风险视而不见。
这正是GlobMaps设计多维指数（MDI）要解决的核心问题。今天，我们正式发布覆盖泰国、越南和马来西亚156个省份的省级干旱智能系统，我们希望打开引擎盖，展示MDI的工作原理——从原始卫星和再分析数据，到通过API交付的风险评分。
数据基础：ERA5气候再分析
每次MDI计算都始于ERA5——由欧洲中期天气预报中心（ECMWF）制作的第五代全球气候再分析产品。ERA5以31公里水平分辨率提供大气、陆地和海洋气候变量的每小时估计，覆盖从1940年至近实时的全球数据。对于地面观测网络稀疏的东南亚地区，ERA5是省级尺度上最接近完整历史气候记录的数据来源。
我们的数据管道为覆盖区域内每个省份中心点下载ERA5月度聚合数据。提取的关键变量包括：总降水量（tp）、2米气温（t2m）、地表净太阳辐射（ssr）以及1至4层土壤含水量（swvl1–swvl4）。这些是计算所有下游指数的物理输入。
数据桥接运行在每月8日进行。在约30分钟内，上月的ERA5数据被拉取、通过MDI管道处理并写入生产数据库。这一月度节奏与ERA5自身的发布时间表一致：ERA5近实时初步数据集（ERA5T）通常在上月结束后五天内完成全球覆盖，为我们提供可靠的更新窗口。
指数计算：从原始变量到MDI
MDI是由三个独立计算的子指数构建的综合指数，每个子指数捕捉干旱胁迫的不同维度。最终MDI评分是针对东南亚两大主要柯本-盖格气候区校准的加权平均值：主导泰国中部平原和越南沿海低地的热带季风气候（Am），以及覆盖马来半岛和越南高地部分地区的热带雨林气候（Af）。
子指数1：降水赤字（SPEI-3）
在3个月累积窗口内计算的标准化降水蒸散指数（SPEI-3）是MDI的降水维度。与SPI不同，SPEI结合了潜在蒸散量——通过ERA5温度和辐射数据用Hargreaves方程计算的大气需水量。SPEI-3捕捉与农业和市政供水压力最相关的短至中期降雨赤字。
各省份的数值均以1981–2010年基准气候标准化，生成无量纲的Z分数：0代表历史中位条件，−1.0表示中度干旱，−1.5为严重干旱，−2.0及以下为极端干旱。这种标准化至关重要：泰国清莱的SPEI-3值−1.5与越南多乐省的−1.5具有完全相同的概率学含义，尽管两地绝对降雨量相差三倍。
子指数2：植被胁迫（VCI衍生）
降水赤字转化为植被胁迫时才产生经济影响。MDI融合了从ERA5根区（代表7-100厘米深度的第2和第3层）土壤水分异常得出的植被状况指数类比。根区土壤水分是比地表降水更直接的植被胁迫驱动因素，因为它整合了数周的前期条件——即使当前月份SPEI显示赤字，上月的湿润状况仍可在根系层面提供缓冲。
土壤水分异常值以相同的1981–2010年基准为参考，以百分位数表示。当某省的根区土壤水分低于其历史水平第20百分位数时，即被标记为存在显著植被胁迫——这一阈值经泰国东北部（依善地区）历史水稻产量损失数据实证验证，MDI试点测试显示其与泰国国家经济社会发展委员会农业产出报告的相关性达0.78。
子指数3：热量放大（热胁迫修正因子）
第三维度捕捉纯降水型指数完全忽略的动态：温度对干旱的放大效应。在厄尔尼诺年和东南亚大陆加速升温趋势下——泰国平均气温自1980年以来每十年约上升0.3°C——即使降雨接近正常，蒸散需求也会增加，形成比历史降水-土壤水分关系预测更快耗尽土壤水分的"热干旱"。
MDI的热量修正因子计算2米气温相对于1981–2010年基准的月均异常值。正温度异常会放大SPEI-3在最终综合指数中的权重。当温度异常超过+1.5°C时，SPEI-3分量权重从0.45增加至0.60，以反映使降水赤字更为严重的不成比例的蒸发需求。这种动态加权是MDI区别于旧版干旱监测系统中静态多变量综合指数的核心差异化因素之一。
省份覆盖范围：泰国、越南和马来西亚
本次MDI发布覆盖三国156个行政单元，依据气候风险敞口与GlobMaps东南亚初始授权范围内的经济重要性遴选。
泰国——77个府
覆盖泰国全国77个府，涵盖四大气候亚区：湿润的中部平原（湄南河流域）、半干旱的东北高原（依善地区）、湿润的南部半岛（与马来西亚共享季风），以及季节性干燥的北部高地。泰国是首批上线市场中优先级最高的国家，因其在东盟农业贸易中的核心地位——泰国是全球第二大水稻出口国，仅依善地区就约占全国水稻产量的三分之一。该地区的干旱风险对区域粮食安全和大宗商品价格波动具有直接影响。
越南——63个省市
越南63个省市呈现覆盖区域内气候多样性最高的挑战。该国横跨15个纬度，融合了南部（胡志明市地区）的干热带气候、中部高原（多乐省、嘉莱省）的明显旱季，以及河内以北红河三角洲的湿润亚热带气候。越南的MDI校准需要针对五个不同气候区分别建立基准气候学，是初始数据集中技术最为复杂的国家。这种多样性也凸显了MDI的价值：全国统一应用的单指数系统在中部高原会产生严重误分类，因为该地区双峰季风季节性导致传统SPEI值系统性低估干旱胁迫。
马来西亚——16个州及联邦直辖区
马来西亚的16个行政单元面临与越南相反的挑战：马来半岛各单元间气候差异相对较小，但半岛与婆罗洲的沙巴州、砂拉越州之间存在明显的气候断裂。马来半岛完全处于热带雨林气候区，全年降雨，使干旱成为罕见但高影响的事件。厄尔尼诺引发的干旱——如2015–2016年和2019年——曾在通常湿润的地区导致水库水位下降、水电产量减少和森林火灾爆发。MDI能够精准捕捉这些偶发性干旱事件，正是因为其SPEI-3分量针对当地降雨分布而非全球平均值进行校准。
解读API响应：MDI评分的实践意义
MDI评分通过GlobMaps REST API以0–100的量表交付，数值越高表示干旱状况越严重。该量表旨在直接映射政府机构和企业风险管理者使用的操作响应阈值：
- 0–20（正常）：条件在1981–2010年基准的1个标准差范围内，无显著干旱胁迫。
- 21–40（关注）：轻度赤字状况正在发展，适合农业机构进行早期预警监测，通常对应SPEI-3介于−0.5至−1.0之间。
- 41–60（警戒）：中度干旱，根区土壤水分趋向低于第40百分位数，雨养农业作物产量影响概率超过15%。
- 61–80（警报）：严重干旱，SPEI-3低于−1.5，土壤水分低于第20百分位数，水库水位下降、灌溉需求超过供应及城市供水限制风险。
- 81–100（紧急）：极端干旱，SPEI-3低于−2.0并伴随热量放大，条件与1981–2010年记录中最严重干旱年份相当，若不干预则经济和人道主义影响将无可避免。
每次API响应均包含综合MDI评分及三个子指数值（SPEI-3、土壤水分百分位数、温度异常），使下游系统能够了解哪个维度在驱动风险。某省因降水崩溃而获得65分与因近乎正常降雨年份中热量放大事件而获得65分，行为方式不同，所需干预措施也不同。
未来展望：扩展智能数据层
2026年6月的发布代表MDI的生产基线。管道设计用于迭代扩展——随着平台的发展，更频繁的更新、概率预测视野和更广泛的地理覆盖均在路线图上。
驱动这一切的核心洞见很简单：干旱风险不是二元状态，也无法通过从任何单一数据源得出的任何单一数字来捕捉。MDI的目标不是取代专家判断——而是为该判断提供更丰富、维度更完整的地面实况图景，逐省、逐月，覆盖全球气候风险最高的地区之一。
如果您在东南亚从事农业金融、政府水资源管理、保险承保或企业供应链风险管理，MDI现在可通过GlobMaps平台获取。请联系我们的团队讨论API集成和企业访问方案。