观潮 · 模式预报与气象 AI 观察
阳泉22年干旱：土壤变湿、大气变干，PDSI显著湿润区2572平方公里
> 阳泉市过去评估干旱基本只用一个指数。这篇论文把 2001—2022 年拆成 0.01° 格点，同时算了 SPI、SPEI、PDSI、SC-PDSI、EDDI 五类干旱指数，再引入饱和水汽压差 VPD 作大气干燥胁迫指标，用逐像元一元线性回归做趋势，最后挑出 2001、2014、2019 三个典型干旱年份做空间对比。结论是一个看起来矛盾、其实解释得通的分异：PDSI 斜率 0.116 a⁻¹、SC-PDSI 斜率 0.140 a⁻¹、EDDI 斜率 0.093 a⁻¹，都通过了 p<0.05 检验，但 SPI（0.051）和 SPEI（0.018）的趋势不显著。PDSI 的显著湿润区面积达 2572.28 平方公里。作者的判读是：阳泉的降水输入没有明显单向变化，土壤水分在矿山生态修复等作用下改善，而升温驱动的大气蒸发需求在增强——变的是蒸发需求型干旱，不是降水亏缺型干旱。
缺的是哪一块
阳泉在山西东部、太行山西麓，总面积约 4559 平方公里，山地丘陵占比超 80%，西高东低。属暖温带半湿润大陆性季风气候，多年平均气温 10—12℃，年均降水 500—550 毫米，而年均潜在蒸发量 1100—1400 毫米——蒸发远大于降水，水分长期亏缺，春旱与夏秋连旱频发。耕地多分布在河谷盆地，农业高度依赖自然降水。境内河流属海河流域滹沱河与子牙河水系，降水补给为主，径流年际年内变率都大。
问题出在工具选择上。干旱指数各有侧重：SPI 只吃降水，流程简单、时间尺度灵活，能识别短时气象干旱，但忽略升温带来的蒸散加剧；SPEI 在 SPI 上加了潜在蒸散发，耦合水热双要素；PDSI 综合降水、蒸散、土壤水分盈亏，反映中长期土壤水分亏缺；SC-PDSI 在 PDSI 基础上做本地化校准；EDDI 以参考蒸散量异常为核心，对高温驱动的干旱敏感；VPD 直接反映大气水汽亏缺。
华北已有的工作大多只用一两类指数：杨广等用 SPEI 做黄土高原，张岳军等用 SPI、SPEI 做太原，张苗苗、梁哲军分别用 SPI 做晋北、晋南。降水型、土壤型、大气胁迫型指数放在一起做交叉对比、验证适配性的系统性工作还没出现，晋东山地更是空白。
方法怎么搭的
环节 · 做法
气象数据 · 中国气象局全国地面逐日观测数据集，取阳泉及周边国家级站点，要素含最高气温、最低气温、平均气温、平均风速、日照时数、平均相对湿度
空间化 · 融合相关衰减距离的角距离加权插值法（ADW）生成 2001—2022 年逐月 0.01° 格点，按行政边界裁剪，统一到 WGS_1984_UTM_ZONE_49N
干旱事件背景 · 复旦大学周文团队基于 ERA5 构建的 1951—2022 年全国极端干旱数据集，提取与阳泉时空重合的干旱斑块
时间尺度 · SPI-3 与 SPEI-3（连续 3 个月，例如 6 月的值由当年 4—6 月要素算出）；PDSI 与 SC-PDSI 用月度尺度
蒸散计算 · FAO 推荐的 Penman-Monteith 模型算逐日 ET0，综合气温、风速、日照时数、相对湿度
等级划分 · 参照《气象干旱等级》GB/T 20481-2017，SPEI 分 5 级
PDSI 参数 · 两层土壤水量平衡模型，表层土壤储水容量固定 25.4 毫米，土壤有效含水量 AWC 取自 HWSD v1.2 世界土壤数据库；传统 PDSI 持续时间因子取 0.897 和 1/3
SC-PDSI 校准 · 对气候特征系数 K 自校准，使极端干旱（≤ -4）发生频率接近 2%
趋势分析 · 逐像元一元线性回归
VPD 由饱和水汽压减实际水汽压得到，是有量纲的大气物理参数，论文明确不对它做干旱等级划分，只看趋势和空间分异。
结果数字
六个变量的年际趋势（图 2 回归式）
变量 · 斜率 · R² · 显著性
SPI · 0.051 a⁻¹ · 0.187 · p > 0.05，不显著
SPEI · 0.018 a⁻¹ · 0.024 · p > 0.05，不显著
EDDI · 0.093 a⁻¹ · 0.406 · p < 0.05
PDSI · 0.116 a⁻¹ · 0.361 · p < 0.05
SC-PDSI · 0.140 a⁻¹ · 0.355 · p < 0.05
VPD · 0.020 hPa·a⁻¹ · 0.059 · p > 0.05，不显著
摘要里 PDSI、SC-PDSI、EDDI 的速率写成 0.116、0.140、0.093 a⁻¹，与图 2 的回归式一致。
空间趋势的区间
变量 · 空间趋势区间
SPI · 0.036—0.068 a⁻¹
SPEI · -0.001—0.034 a⁻¹
PDSI · 0.079—0.157 a⁻¹
SC-PDSI · 0.100—0.185 a⁻¹
EDDI · 0.067—0.115 a⁻¹
VPD · 0.003—0.045 hPa·a⁻¹
湿润化趋势明显区多在中心城区外围，EDDI 增速较高区集中在西部，VPD 增速较高区在东南部；显著上升区集中在北部、东北部和边缘地带，其中 PDSI 的显著湿润区面积 2572.28 平方公里，是六个变量里最突出的。
空间格局上，SPI、SPEI、PDSI、SC-PDSI 都是「西北高、中南部低」，EDDI 与 VPD 则是「北部低、中南部高」——两组方向相反。
年际的干湿面积分配
类别 · 年份 · 面积占比
全域正常 · 2002—2012、2015、2018、2022 共 14 个年份 · 100%
全域干旱 · 2001 · 全域
局地干旱 · 2014 / 2019 · 22.47% / 63.73%
全域湿润 · 2016 / 2021 · 全域
局地湿润 · 2013 / 2017 / 2020 · 依次见原文
干旱等级只在 3 个年份出现，湿润等级只在 5 个年份出现，22 年里 14 个年份全域正常。
三个典型年份的指数分异
年份 · SPI · SPEI
2001 · 极端干旱 541.580 km²（11.87%）、中度干旱 4020.008 km²（88.13%） · 极端干旱仅 35.563 km²（0.78%）、中度干旱 4527.753 km²（99.22%）
2014 · 轻度干旱 3637.401 km²（80.01%）、中度干旱 831.164 km²（18.23%） · 轻度干旱为主，中度干旱仅 93.882 km²（2.06%）
2019 · 中度干旱 3139.459 km² · 中度干旱 4141.319 km²（90.75%）、轻度干旱 421.908 km²
三年干旱强度排序是 2001 年 > 2019 年 > 2014 年。2001 年春夏秋三季气温距平全为正，秋季增温最显著，同期三季降水距平全为负；2014 年夏季气温距平转负，蒸发被抑制，是三年里最轻的；2019 年三季气温距平全为正、夏季降水距平是三年最低，降水亏缺最严重。
指数与事件类型的对应
指数 · 能识别的事件 · 典型年份
SPI / SPEI · 降水明显偏少型干旱 · 2003、2015
PDSI / SC-PDSI · 持续数月土壤水分亏缺的中长期干旱 · 2009、2017
EDDI · 高温骤旱（降水不偏少，高温与强蒸散造成短期植被水分胁迫） · 2018、2021
原文图
图1 研究区概况：（a）高程 343—1990 米，西高东低、地形起伏显著；（b）土地利用以耕地、林地、草地为主，建设用地沿河谷分布。山地丘陵占比超 80% 是阳泉蓄水保水能力差、对气候变化敏感的地形背景。
图2 2001—2022 年 SPI、SPEI、EDDI、PDSI、SC-PDSI 与 VPD 的年际变化，每个子图都标出了回归式与 R²。六条曲线里只有 EDDI、PDSI、SC-PDSI 三条有清晰的上升斜率，SPI 与 SPEI 的散点几乎水平，VPD 的 R² 只有 0.059。
图3 2001—2022 年干旱、正常、湿润三级所占面积比例。2001 年整条柱全黄（全域干旱），2016 与 2021 年整条柱全蓝（全域湿润），2014 年干旱约占 22.5%，2019 年约占 63.7%——中间十余年几乎全是正常状态。
图4 2001、2014、2019 年 4—11 月生长季的 SPI 与 SPEI 空间分布。2001 年 SPI 在北部和南缘出现极端干旱斑块（红色），换成 SPEI 后极端干旱基本消失、全域降为中度干旱；2014 年两者都以轻度干旱为主；2019 年 SPI 的中度干旱集中在中部，SPEI 的中度干旱范围明显更大。
图5 三个典型年份 4—11 月生长季的分季节距平：（a）气温距平，2001 年三季全为正、秋季接近 +1.0℃，2014 年夏季为 -0.4℃（唯一负值），2019 年三季全为正且秋季接近 +1.0℃；（b）降水距平，2001 与 2019 年三季全为负，其中 2019 年夏季的负距平最大、为 -1.6 毫米，2014 年秋季还出现了小幅正距平。
作者承认的限制
限制 · 原文口径
SPI、SPEI 看不到下垫面改造 · 作者写明 SPI「难以反映蒸散变化以及人为下垫面改造带来的干湿改变」，SPEI 虽兼顾降水与潜在蒸散「对局地生态修复的响应有限」
SPEI 无显著趋势的解释 · 受区域降水与潜在蒸散同步小幅升降的共同影响，二者变化相互抵消，水分盈亏不存在长期单向变化，因此 SPEI 难以形成显著长期趋势；这属于机制解释，不是观测结论
分级标准不互通 · 「各类干旱指数的分级标准不具备互通性，直接对比不同指数干旱等级存在不确定性」——所以跨指数比等级必须谨慎
EDDI 的符号要小心解读 · 阳泉全域 EDDI 为负值，说明大气蒸发需求整体处于气候平均状态以下；EDDI 的南北差异只表示偏离气候平均态的相对幅度，而 VPD 反映的是水汽压的绝对亏缺量，两者干湿判定逻辑有本质区别
VPD 不做等级划分 · VPD 是有量纲的大气物理参数，本研究不进行干旱等级划分，只分析时间趋势与空间分异
SPI 高估极端干旱 · 结论明确写出「SPI 易高估极端干旱范围，SPEI 更贴近实际水分状况」
土壤水分改善的归因是推断 · 作者把 PDSI、SC-PDSI 的显著上升归因于矿山生态修复、水土保持、植被覆盖提升等人为活动提升了土壤蓄水能力，并指出大尺度干旱研究常忽视工矿区域生态修复对局地水分平衡的调控作用
一句话判断
这篇论文的价值不在某个指数算得准，而在把「降水没变、蒸发变强」这件事用五个指数加一个物理量的分异给指了出来——单看 SPI 会得出「略有变湿、无需担心」的结论，而 PDSI 与 EDDI 的分叉恰好说明阳泉的风险已经从降水亏缺型转向升温驱动的蒸发需求型。