打开任何一个气候风险仪表板——包括我们自己的——你都会看到一张按严重程度为各省着色的地图。深红色代表麻烦，浅色代表无恙。
这里有一个几乎没人问的问题：那个颜色是从哪里来的？
它不是来自该省的雨量计。在我们覆盖的泰国、越南和马来西亚的 156 个省份中，大多数并没有密集的雨量站网络在向公开数据流实时供数。那个颜色来自再分析资料——一个跨越数十年运行的大气物理模型，受当时既有观测资料的约束。就我们而言，是原生 0.25° 网格的 ERA5。
这不是认错。这是这张地图得以存在的唯一途径
对于任何没有国家级观测网络的机构而言，正是再分析资料让业务化的气候监测成为可能。它是货真价实的科学，在大尺度干旱信号上表现良好。我们不为使用它而道歉。我们公开发布了 25 年的相关数据（DOI: 10.5281/zenodo.20774311），正是因为我们认为应该有更多人使用它。
问题不在模型。问题在于，模型的输出和实测的输出一旦画到地图上就长得一模一样。无论是哪一种，着色的多边形都带着同等的视觉权威。界面上没有任何东西告诉使用者他们看的是哪一种，而使用者——很合理地——会假设那是更权威的那一种。
标准化这一步让情况变得更糟，而不是更好
SPI 和 SPEI 这类干旱指数做了一件聪明的事：它们取一个原始量，并将其表达为相对于该地点自身历史的偏离。从统计上说这是正确的做法。这同时也是数据来源消失的那一刻。
两件事同时发生：
这个数字不再像模型输出。一个降雨量数字会引出「怎么测的？」这个问题。一个标准化指数读起来则像是关于这个地方的事实。它已经被洗成了一个排名，而排名让人感觉客观。
答案现在取决于一个没人看得见的选择。标准化永远是相对于某个参考期进行的。改变参考期，同样的实际状况就会得出不同的严重程度。那个选择是建立这条数据管线的人所做的方法学决定——而它几乎从不出现在地图旁边。
于是这个指数在跨地区比较上更可比，同时在来源上更不透明。两件事都成立，而传到你的使用者手上的是第二件。
这实际上的代价是什么
失败模式并不是地图错了。多数时候它是合理的。失败模式是：一个合理的估计被当成观测来使用——被一个从未被告知自己在读模型的人，当作一项有实际后果的决策的唯一输入。
决定何时播种的农艺师、为贷款定价的放款人、分配水资源的地区官员：他们每一个人都有权知道，那块深红色的多边形是一个带有明示不确定性的估计值，由一套有记录在案之限制的方法产生——而不是在他们辖区内某台仪器上读到的数值。
我们为自己立下的规则
我们对自己的材料强制执行一条表述规则：气候风险输出是众多输入之一，绝不能作为决策的唯一依据。
这不是我们放在页脚的口号。在我们的培训计划中，它是一道硬性关卡——没有陈述这一点的测评答案，每一次都会自动不通过。我们在要求任何人认真看待它之前，先让它对我们自己具有约束力；而把同一标准一致地扩展到我们交付的每一个界面，是我们仍在进行的工作。
我们也在方法论旁边明确列出我们的干旱指数不衡量什么——水库水位、河川流量、市政供水、地下水、洪水风险——以及每一项该改去哪里查。一个真正指出实际限制的限制说明，比一个没人读的置信区间更有价值。
值得向任何气候风险产品提出的三个问题
1. 这是实测还是估计？如果页面上没有答案，那就是估计。实测是会被拿来宣传的。
2. 参考期是什么，是谁选的？任何标准化指数都有一个参考期。如果供应商说不出它是什么，那么他们也说不出这个数字是什么意思。
3. 这个指数明确不涵盖什么？答不出这个问题的产品，没有想过自己的边界——这意味着你会以吃亏的方式找到它们。
也请拿这三个问题问我们。我们的方法论页面三个都能回答。关于第二个：参考期是 1991–2020，即 WMO 标准气候平均值窗口，就写在该页面上、紧邻数据来源的位置。
本文较早的版本曾说该窗口没有被标明。它其实有——我们当时查的是单一指数的说明而不是页面本身，并由此以偏概全。这正是本文所讨论的那种错误，由我们自己犯下，就发生在提出该论点的那一段里。已于 2026 年 8 月 27 日更正。坚守一个标准，大部分工作在于察觉自己哪里还没做到，而这一段也不例外。