A Global Assessment of Bimodality Underlying Normalized Drought Indices (SPI and SPEI)
这项全球评估证实，作为标准化干旱指数（如 SPI 和 SPEI）基础的单峰分布假设在大多数地点和应用场景中都是有效的，而双峰分布是一种罕见现象，主要局限于干旱且季节性极强的地区中的短累积周期，且这种现象通常源于数据伪影而非真实的气候过程。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几十年来，气象学家和水资源管理者一直依赖一种特定的降水测量方式来判断一个地区是否陷入困境。他们不仅仅看昨天下了多少雨，而是观察一段时间内（例如三个月或一年）累计降雨量，并将其与该特定季节的常态进行比较。这种比较会产生一个分数，告诉我们一个地方是比往常更湿润还是更干燥。为了将这些原始数字转化为分数，科学家们使用了一种数学工具，该工具假设任何给定地区的降水模式都遵循单一且平滑的曲线。想象一座山丘，中间有一个顶峰；这种形状意味着大多数年份都是平均水平，极度湿润或极度干燥的年份较少，且从一种状态向另一种状态的过渡是渐进的。这一假设一直是全球干旱监测的基础，但直到现在，还没有人彻底检查现实世界是否在所有地方都符合这种“单峰山丘”的形状。
一支研究团队着手测试了这一长期存在的假设，并在全球范围内进行了验证。他们想知道，在全球范围内，降水数据是否会出现两个截然不同的峰值，而非一个。在现实世界中，双峰模式意味着一个地方拥有两种截然不同的天气年份：例如，一类是极度干燥的年份，另一类是极度湿润的年份，而两者之间的中间状态却很少见。如果这种“双峰”模式存在，那么用于计算干旱得分的标准数学工具可能会产生误导，可能掩盖干旱的真实严重程度，或错误识别湿润期。研究人员检查了全球气候记录，分析了1901年至2021年的降水数据，以观察这种双峰行为是气候的一个普遍特征，还是一个罕见的例外。
这项分析了两个主要全球气候数据集的研究发现，对于世界大部分地区而言，对双峰模式的担忧在很大程度上是多余的。研究人员发现，在绝大多数地点和几乎所有的季节中，“单峰山丘”的假设都是成立的。双峰性（bimodality，即具有两个峰值的科学术语）被发现是一个罕见的事件。即便它确实出现，也几乎完全集中在炎热干燥的地区，如撒哈拉沙漠边缘、阿拉伯半岛以及澳大利亚和南美洲的部分地区。即使在这些干燥地区，双峰模式也仅在观察极短的时间窗口（如三个月的降水累积量）时才会显现。当研究人员观察更长的时间跨度（如六个月或一整年）时，双峰现象就会消失，重新合并回一条单一且平滑的曲线。这表明，虽然在干燥沙漠中的某个特定月份可能会有两种截然不同的天气模式，但从较长的时间尺度来看，气候会抹平这些差异。
研究人员还调查了为什么某些数据看起来显示出两个峰值，而实际上并不应该如此。他们发现，许多看似双峰模式的情况并非由自然造成，而是由数据本身的错误引起的。在某些地点，记录中包含长段的相同数值，这很可能是因为缺失的数据在没有正确标记的情况下被用平均值填充了。在其他地方，数据被四舍五入为几个特定的数字，从而产生了类似于第二个峰值的虚假尖峰。一旦剔除了这些数据错误，显示出真实双峰模式的地点数量显著下降。研究还探讨了包含零降水天数对结果的影响。虽然包含零降水天数确实增加了干旱地区出现双峰现象的可能性，但研究人员指出，标准的干旱计算通常会对这些“零值”进行单独处理，因此对于大多数使用者来说，这并不是一个主要的实际问题。
当研究人员将标准的降水指数与一个同时考虑蒸发量和植物水分利用情况的更复杂的版本进行比较时，结果保持了一致。这个更复杂的版本显示出更少的双峰实例，这表明加入更多的物理细节实际上使数据看起来更像是一条单一且平滑的曲线。研究结论认为，担心双峰性破坏干旱监测规则的说法被夸大了。对于全球绝大多数地区，以及干旱监测器常用的时间尺度而言，单峰模型是准确的。模型可能出现问题的少数地方，仅限于北纬30度至南纬30度之间具有强烈季节性干旱气候的特定区域，且仅限于观察极短的时间框架。
对于追踪干旱的科学家和官员来说，这一发现是一个慰藉。这意味着他们可以继续使用既定的、可靠的方法来计算干旱得分，而无需为世界上大多数地区重构其系统。然而，这项研究也为那些在干旱地区且面临剧烈干湿季节交替的工作人员提出了具体警告。在这些特定区域，特别是在使用三个月的短窗口期时，最好快速检查一下数据是否存在两个明显的峰值。如果发现了双峰现象，目前已有更先进的数学工具可以处理这种情况，但这些工具仅在极少数情况下才需要用到。该研究证实，简单的单曲线方法是稳健的，能够以惊人的准确度处理全球气候的复杂性，并且那些罕见的例外通常只是数据的特性，而非科学本身的根本缺陷。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。