3. 战略目标3：减轻、适应和管理干旱的影响，以增强脆弱人群和生态系统的复原力

3.1. SO 3-1 – 干旱土地占土地总面积的比例趋势

3.1.1. 简介

干旱是指干旱天气持续时间长到足以造成严重的水文失衡（世界气象组织（气象组织），1992年）。联合国防治荒漠化公约》（《荒漠化公约》）将干旱定义为当降水显著低于正常记录水平时存在的自然现象，造成严重的水文失衡，对土地资源生产系统产生不利影响[^1]。

指标SO 3-1具体描述了一国基线期和报告期内发生的气象干旱灾害的状况。

有几个干旱指数可用于估计国家干旱灾害。《荒漠化公约》估算指标SO 3-1的方法建议使用全球公认的干旱指数，即标准化降水指数（SPI）来描述气象干旱灾害。然而，如果在国家层面已经使用了其他指数，缔约方可以使用其他指数进行报告。例如，标准化降水蒸散指数（SPEI）可能是一个替代指数，很容易与SPI相比较，而SPI提供了干旱地区更可靠的干旱信号。使用SPEI的缔约方可以采用本手册和《关于<荒漠化公约>战略目标3的国家报告的良好做法指南》中建议的相同方法来报告指标SO 3-1。对于目前使用的其他指数，缔约方可能需要确保与表19[^2]所述的SPI干旱强度等级在统计上的一致性。

总体目标是让缔约方评估干旱灾害，并确定受极端干旱影响的地区，以便结合对干旱暴露性（SO 3-2）和脆弱性（SO 3-3）的评估，确定缓解努力的优先次序。提供默认数据有助于国家报告。

3.1.2.报告的先决条件

深入阅读《关于<荒漠化公约>战略目标3的国家报告的良好做法指南：减轻、适应和管理干旱的影响，以增强脆弱人群和生态系统的复原力》的第1章，其中详细说明了用于估计干旱灾害的方法和随时间的变化。
符合图1和表18所列规格的数据。
由国家主管部门正式提名的国家专家库，以核实报告过程的结果与实地情况的一致性，或在国家数据优于默认数据的情况下，制定和实施一种定制的方法来估计指标SO 3-1。关键机构可能包括一国的国家气象水文部门（NMHS）、环境部、农业部、遥感中心和国家统计局，以及相关大学和研究中心。

3.1.3.报告流程和分步程序

报告的分步程序在下文中描述。如果使用默认数据，第2至5步就没有必要。

第1步：选择降水数据集

《荒漠化公约》提供的默认数据来自全球降水气候中心（GPCC）的监测产品，这是一种从雨量计数据中得出的网格化降水产品。缔约方可以选择使用Trends.Earth中的另一个默认数据集：气候灾害组红外降水站点（CHIRPS）数据集，该数据集根据卫星观测和观测站数据产生高分辨率的估计值。虽然CHIRPS的空间分辨率较高，记录时间稍长，在推导SPI时具有优势，但它的“准全球”覆盖范围为南纬50度至北纬50度。因此，国界线超过这一范围的缔约方将无法使用CHRIPS数据集。相比之下，GPCC的降水数据则覆盖全球。

希望使用国家气象水文部门（NMHS）提供的国内数据或区域而非全球降水产品的缔约方可以使用图1中的决策树来评估国内（或区域）降水数据是否比全球现有的数据集更适合得出SO 3-1指标。

_图1. 帮助缔约方选择最佳降水数据源以得出指标SO 3-1_的决策树!

GPCC: 全球降水气候中心
SPI: 标准化降水指数
CHIRPS: 气候灾害组红外降水站点

这一决策过程应有助于缔约方确定符合表18所概述的规格的数据。

**表18**. SO 3-1指标的数据规格
项目	规格
项目	默认数据	国家数据
输入数据（根据第2步中描述的标准化降水指数(SPI)的计算结果，生成干旱灾害估计数所需的数据）	全球降水气候中心(GPCC)月度降水产品，1982年至今。	每月降水量的网格化产品，来自国家测绘网络。该数据集最好有至少30年的连续记录，涵盖1981-2010年期间。处于南纬50度至北纬50度范围内的国家，可在Trends.Earth中获取1981年至今的气候灾害组红外降水站点（CHIRPS）月度降水产品^*。
输出数据（由第2至4步所述的分析产生的中间和最终网格化产品）	每年12月的SPI-12网格划分为基线期和报告期的四个SPI干旱强度等级^*。每个干旱强度等级的土地总面积以及受旱土地总面积的比例。四年期时代的网格化空间汇总。	每年12月的SPI-12网格划分为基线期和报告期的四个SPI干旱强度等级^*。每个干旱强度等级的土地总面积以及受旱土地总面积的比例。四年期时代的网格化空间汇总。
分类	根据表19，四个SPI干旱强度等级。	根据表19，四个SPI干旱强度等级。
空间分辨率	GPCC: 1.0° x 1.0° (~111 km)	CHIRPS: 0.05° x 0.05° (~5.55 km)，或由国家主管部门根据现有数据进行其他评估
质量	在数据集的元数据中指定。	在可能的情况下，数据应该是连续的；如果数据的完整性低于85%，缔约方可以考虑根据世界气象组织的指导意见填补数据空白。
元数据	元数据信息与默认数据一起提供。	附件二中按必填字段列出的最低元数据内容。

^*如第3步所述，12月的SPI-12值代表公历年（1-12月）的降水不足（或过多）。

第2步：计算标准化降水指数

SPI的月度时间序列基于选定的网格化降水数据，并使用SPI-12方法进行计算，该方法使用12个月的累积方法提供每个月降水不足的年度汇总。例如，2019年4月的12个月降水累积是2018年5月至2019年4月的每月总降水量。

为了使12个月的降水累积数据分布归一化，以1981-2010年的世界气象组织气候标准正常期作为参考期。归一化方法是基于对该参考期的12个月降水累积量所拟合的伽马概率分布函数。这样计算后，这些概率分布参数就被应用于任何12个月的月度降水累积的时间序列，以产生整个记录期间每个网格单元的归一化月度SPI-12时间序列。然而，标准气候正常期如有变化，就需要重新计算基线期和所有历史报告期的SPI。因此，建议在提交给《荒漠化公约》的SO 3-1指标国家报告中明确说明用于计算SPI的参考期。

Trends.Earth中提供了默认的SPI数据，用于SO3监测。然而，有各种开放的工具可以用来得出SPI，其中一部分列于《关于<荒漠化公约>战略目标3的国家报告的良好做法指南》表3。

第3步：根据所计算的标准化降水指数值，确定每个网格单元的干旱强度等级

注解

PRAIS 4平台中的相关区域：表SO3-1.T1

为了评估基线期和报告期的SPI时间序列，应提取每年12月的SPI-12值。12月的SPI-12值代表公历年（1-12月）的降水不足（或过多）。

对于每个12月的SPI-12网格，应计算属于表19中所列的SPI干旱强度等级的单元数。正的SPI值被丢弃，因为它们表明在给定时期没有干旱。

**表19**. 标准化降水指数（SPI）干旱强度等级
SPI值	干旱强度等级
0至-0.99	轻旱
-1.0至-1.49	中旱
-1.5至-1.99	重旱
-2及以下	特旱

每个干旱强度等级下的总面积应分两步得出：

(i) 将干旱强度等级网格投射到合适的等面积投影中（如Mollweide），以获得以千米为单位的单元面积。

(ii) 将某一特定干旱等级所有单元的面积结合起来，得到每个干旱强度等级下的总面积。

第4步：计算干旱土地的比例

注解

PRAIS 4平台中的相关区域：表SO3-1.T2

在每个报告年度，每个干旱强度等级的土地比例被计算为占土地总面积的百分比。

对于基线期和报告期的每个SPI-12网格，属于每个SPI干旱强度等级的单元格数量被计算出来（cellCount）。然后，在每个报告年度，计算每个干旱强度等级的土地总面积的百分比。计算公式如下：

\(P_{ij} = \frac{cellCount_{ij}}{单元\ 总\ 数} \times100\)

其中：

“P_ij”是指在报告年份 j，属于干旱强度等级 i 的土地比例
“cellCount_ij” 是指在报告年份 j，属于干旱强度等级 i 下的像素数量
“单元总数”是指国家缔约方土地面积内的所有网格单元。

每年属于每个干旱强度等级的总面积是通过将cellCount乘以单元的面积（这是一个恒定值，因为干旱强度等级网格以前被转换为等面积投影）来计算的。

第5步：为基线期和报告期创建网格化的空间汇总

除上述表格报告外，指标SO 1-3也应进行空间汇总，以绘制基线期和报告期内发生的最极端情况。

为了在空间上对报告期进行总结，应确定报告期内每个报告年度的每个网格单元的最极端干旱强度等级。

基线期的数据应使用网格化的SPI-12数据进行空间汇总，以四年为间隔（2000-2003年、2004-2007年、2008-2011年和2012-2015年），从而反映用于SO3监测的报告期。在这种情况下，应报告基线期内每个四年期的每个网格单元的最极端干旱强度等级。

第6步：验证结果

缔约方应认识到与使用SPI作为单一干旱指标有关的局限性，并在向《荒漠化公约》提交报告之前，对照国家雨量计数据和其他气象来源严格审查默认数据。

第7步：生成报告

经缔约方核实后，报告期和基线期的干旱灾害估计值应正式提交给《荒漠化公约》。观察到的变化及其解释可在PRAIS 4平台的"定性评估"栏中描述。

默认地图或在Trends.Earth中使用代表基线期/报告期的干旱灾害的国家数据生成的地图，可在PRAIS 4平台上获得。更具体地说，将提供下列地图：

基线期第一个时代（2000-2003年）的干旱灾害
基线期第二个时代（2004-2007年）的干旱灾害
基线期第三个时代（2008-2011年）的干旱灾害
基线期第四个时代（2012-2015年）的干旱灾害
报告期（2016-2019年）的干旱灾害

这些地图代表了每个时代所发生的最极端情况，如第5步所解释。还鼓励缔约方在估计值来自国家数据的情况下，利用“一般性注释”栏提交关于方法、数据来源和数据准确性的说明。报告特殊情况和问题也是有益的，能够说明SPI值可能不太可靠的情况并提供采用不同方法的理由。

3.1.4. 依赖性

干旱灾害数据依靠表SO1-1.T1中报告的土地总面积来计算受旱土地总面积的比例。SO 3-1输出也被用作计算指标SO 3-2的输入。

3.1.5. 挑战

数据可用性和质量

国际上现有的降水数据可能不够准确，无法估计国家一级的干旱灾害强度。建议使用国家数据，因为国家数据往往更精确可靠。然而，国家降水数据可能不容易以数字化形式获得，并且/或者可能受到时间序列中缺口的影响。

基于SPI的估算的局限性

虽然建议将SPI作为在全球范围内量化干旱灾害时的一个成熟、灵活和稳健的干旱指数，但它只量化了气象上的不足，因为它只基于降水，但其他类型的干旱（如水文、农业）可能没有得到很好的体现。此外，在降水极少和/或零降水月份比例很高的地区，应谨慎使用和解释SPI值；在这些地区应用SPEI可能更合适。在意识到这一局限性后，国家专家可能会强调基于SPI的估算可能不会产生足够准确的结果的地区，并可能依据替代指数进行估算。
由于自然气候的多变性，在较短的基线和报告时间范围内观察到的干旱土地比例的任何变化或趋势都应加以谨慎解释。应在“定性评估”栏中描述估计值中的异常情况和不确定性。
所采用的基于12个月周期的时间尺度可能并不总是适合描述某些环境中的干旱影响的特征，在这些环境中，可能更合适采用其他的汇总周期，如24个月。

3.1.6. 总结（主要行动）

报告干旱灾害强度值时需采取的关键行动如下：

选择降水数据集：缔约方可决定使用默认数据或替代国家来源，只要数据符合表18所列的数据规格。如果缔约方决定使用替代数据源，它们应遵循以下第2至5步：
计算SPI：应在全部可用的时间序列中得出所有月份的SPI；然而，缔约方可以选择更适合其当地环境条件的替代指数。
确定每个网格单元的干旱强度等级：根据SPI的计算结果，应计算属于SPI每个干旱强度等级的单元数，并通过将干旱强度等级网格投射到合适的等面积投影中，将其转换为面积，并以平方公里为单位计算每个干旱强度等级下的总面积。然后在表SO3-1.T1中报告数据。
计算干旱土地的比例：为每个报告年度计算每个干旱强度等级的土地比例和干旱土地面积占土地总面积的总体比例，并在表SO3-1.T1和SO3-1.T2中报告。
创建基线期和报告期的网格化空间汇总：2000年至2019年整个时间序列的数据应使用网格化的SPI-12数据，以四年为间隔（2000-2003年、2004-2007年、2008-2011年、2012-2015年和2016-2019年）进行空间汇总，以绘制每个时期的最极端情况。
核实结果：在意识到与采用SPI估计干旱强度有关的局限性后，缔约方可在正式提交估计数用于《荒漠化公约》报告之前，核实这种指数是否适合描述其国家的干旱发生率和强度。
生成报告：经缔约方核实后，应将报告期和基线期的数据和辅助说明正式提交给《荒漠化公约》。

3.1.7. 深入阅读

关于《荒漠化公约》战略目标3国家报告的良好做法指南。第1章。第1级指标 (https://www.unccd.int/publications/good-practice-guidance-national-reporting-unccd-strategic-objective-3-mitigate-adapt)

3.2. SO 3-2 – 受干旱影响的总人口比例趋势

3.2.1. 简介

指标SO 3-2将人口受干旱灾害的程度（由指标SO 3-1确定）定义为受影响的总人数以及受影响总人口的百分比。如果有数据，该指标可按性别进一步分列。

计算方法使用人口或亚人口群体（即按性别）的空间分布，根据指标SO 3-1确定的干旱强度等级的位置和范围，确定其受旱程度。利用这一信息，计算并报告位于每个干旱强度等级内的总人口的百分比，以及受干旱（即所有干旱强度等级）影响的总人口的百分比。提供默认数据有助于国家报告。

3.2.2.报告的先决条件

深入阅读“关于《荒漠化公约》战略目标3国家报告的良好做法指南第2章：减轻、适应和管理干旱的影响，以增强脆弱人群和生态系统的复原力”，其中详细说明了用于估计干旱暴露性的方法。
符合图2和表20所列规格的数据。
由国家主管部门正式提名的国家专家库，以核实报告过程的结果与实地情况的一致性，或在国家数据优于默认数据的情况下，制定和实施一种定制的方法来估计SO 3-2指标。在这种情况下，关键机构是一国的国家统计局，但大学和研究中心也可以提供宝贵的投入。

3.2.3.报告流程和分步程序

报告的分步程序在下文中描述。如果使用默认数据，第2至4步就没有必要。

第1步：选择人口数据集

计算指标SO 3-2的合适数据是空间网格化的人口产品，或覆盖全国范围的一套地理参照的次国家人口数据。它必须代表在基线期和报告期内生活在每个地点（网格单元）的人数，最好是年度数据。如有可能，数据应按性别分列。

在全球范围内有各种公开可用的高分辨率的人口数据集，其中有两个，即全球人口与健康（WorldPop）和世界网格人口第4版（GPWv4），是《荒漠化公约》推荐用来推导SO 3-2指标的。然而，WorldPop是默认提供给国家缔约方的。

希望使用国内或区域数据集的缔约方可以使用图2中的决策树来评估国内（或区域）人口数据是否比全球现有的数据集更适合得出SO 3-2指标。

_图2. 帮助缔约方选择最佳人口数据源以得出指标SO 3-2_的决策树

这一决策过程应有助于缔约方确定符合表20所概述的规格的数据。

**表20**. SO 3-2指标的数据规格
项目	规格
项目	默认数据	国家数据
输入数据（生成指标SO 3-2所需的数据，如第2至4步中所述）	2000-2020年期间的WorldPop数据，按性别分列。由指标SO 3-1确定的干旱强度等级数据。	从2000年到报告年的国家官方统计数据中得出的网格化人口产品，最好是年度数据的，如果有的话，按性别分列。由指标SO 3-1确定的干旱强度等级数据。
输出数据（由第2至4步所述的分析产生的网格化产品）	从2000年至报告年，受四种干旱强度等级影响的总人口、女性人口和男性人口的年度网格化产品。受干旱以及每个干旱强度等级影响的总人口、女性人口和男性人口的数量和百分比。四年期时代的网格化空间汇总。	从2000年至报告年，受四种干旱强度等级影响的人口的年度网格化产品。受干旱以及每个干旱强度等级影响的总人口、女性人口和男性人口的数量和百分比。四年期时代的网格化空间汇总。
空间分辨率	WorldPop：3弧秒（~100米）	由国家主管部门根据现有数据进行评估。
质量	在数据集的元数据中指定。	将在数据集元数据中注明。
元数据	元数据信息与默认数据一起提供。	附件二中按必填字段列出的最低元数据内容。

第2步：将网格化人口数据与指标SO 3-1空间输出进行叠加

指标SO 3-2的计算方法是将每年的人口数据与灾害强度空间数据叠加。应该用最接近的现有人口数据来填补空白年份。例如，如果2019年的数据缺失，应该用2020年的数据（或最接近的可用年份）代替，那么2020年的数据将同时用于2019年和2020年。除了总人口外，如果有按性别分列的人口数据，则应在叠加过程中使用，以产生按性别分列的干旱暴露值。

人口和干旱灾害强度数据应具有相同的坐标参考系和投影，在各报告期应保持一致。

第3步：计算总人口和每个干旱强度等级内的人数和百分比

注解

PRAIS 4平台中的相关区域：表SO3-2.T1、SO3-2.T2和SO3-2.T3

年度总人口是通过将基线期和报告期（即从2000年到报告年）内每年居住在一个国家地区的每个土地单位（如网格单元）的人口相加得到的。

使用第2步的输出，可以估计出每年属于四个干旱强度等级的人数，以及受干旱（即所有干旱强度等级）影响的总人数。然后计算出各自在总人口中所占的百分比。

同样，如果使用了按性别分列的数据，也可以计算出属于每个干旱强度等级的男性和女性人数，以及受干旱影响的男性和女性的总人数。然后从每年受每个干旱强度等级以及总体干旱影响的总人数中计算出女性和男性各占的比例。请注意，每个干旱强度等级内的比例之和应等于100%。

第4步：创建四年期时代的网格化空间汇总

除了指标SO 3-2的年度值外，还产生了整个报告期的网格化空间汇总。该网格化空间汇总输出指示了每个网格单元在四年报告期内受最极端干旱强度等级影响的人数。

为了从空间上总结报告期，将当前报告期的最新人口数据集叠加在第5步中为指标SO 3-1生成的输出上，该输出代表报告期内每年的最极端干旱强度等级。

同样，通过在第5步中为指标SO 3-1生成的输出上叠加每组年份的最新人口数据，为每个四年基线期（即2000-2003、2004-2007、2008-2011和2012-2015）生成基线风险汇总空间数据产品。

这些网格化的空间汇总指示了在四年期时代内受最极端干旱强度等级影响的人数。

第5步：验证结果

该方法仅考虑人口密度和分布，不包括受干旱影响的生态系统。对干旱暴露性的更全面衡量可能会考虑到其他面临风险的物理实体，如农业产量、牲畜数量、部门用水和某些类型的植被。此外，受干旱影响并不等同于干旱脆弱性。

缔约方应意识到这些局限性，并在向《荒漠化公约》提交报告之前严格审查结果。

第6步：生成报告

经缔约方的核实后，报告期和基线期内受干旱灾害值影响的人口估计值应正式提交给《荒漠化公约》。观察到的变化及其解释可在PRAIS 4平台的"定性评估"栏中描述。

默认地图或在Trends.Earth中使用代表基线期/报告期内受干旱影响人口的国家数据生成的地图，可在PRAIS 4平台上获得。更具体地说，将在网上提供下列地图：

基线期第一个时代（2000-2003年）受干旱影响的总人口
基线期第二个时代（2004-2007年）受干旱影响的总人口
基线期第三个时代（2008-2011年）受干旱影响的总人口
基线期第四个时代（2012-2015年）受干旱影响的总人口
报告期（2016-2019年）受干旱影响的总人口

这些地图显示了人口在每个时代内受其影响的最极端干旱强度等级，如第4步所解释。

还鼓励缔约方在估计数来自国家数据的情况下，使用“一般性注释”栏提交关于方法、数据来源和数据准确性的说明。报告特殊情况和问题也是有益的，能够说明数值可能不太可靠的情况并提供采用不同方法的理由。

3.2.4. 依赖性

干旱暴露性数据依赖于SO 3-1的空间输出。

3.2.5. 挑战

数据可用性和质量

WorldPop按性别分列的国家数据集以几个单独栅格的形式呈现，每个栅格代表每年的一个年龄/性别类别。这相当于大量的Geotiff格式的空间数据。存储和处理数据需要栅格数据处理能力和获得适当的计算能力，例如云服务，对于大国来说尤其如此。《荒漠化公约》正在开发一个栅格数据的批量预处理程序，最终将在PRAIS 4平台上提供按性别分列的数据作为默认数据。此挑战得到解决后，将通知各缔约方，并在表格中预先填入默认数据。
在估算国家人口时，全球数据的质量和分辨率可能不够准确。整合全球和国家数据可能会提高结果的质量和准确性，但这需要额外的处理能力和技术技能。

3.2.6. 总结（主要行动）

报告受干旱灾害影响的人口时需采取的关键行动如下：

选择人口数据集：缔约方可决定使用默认数据或替代国家来源，只要数据符合表20所列的数据规格。如果缔约方决定使用替代数据源，它们应遵循以下第2至4步：
将人口数据叠加在指标SO 3-1的空间输出上：指标SO 3-2的计算方法是将每年的人口数据叠加在从SO 3-1分析得出的年度干旱灾害强度数据上。
计算总人口以及每个干旱强度等级内的人口数量和百分比：估计受干旱影响的全部人口和受每个干旱强度等级影响的人口，并将其报告为人口数量和占总人口的百分比。
创建四年期时代内指标SO 3-2的网格化空间汇总：每个四年期时代内的网格化空间汇总提供从2000年到报告年的每个四年期时代内受最极端干旱强度等级影响的人数信息，以网格单元为尺度。这些四年期应与SO 3-1报告的网格化空间汇总保持一致。
核实结果：在意识到干旱暴露性估计值的局限性后，缔约方可在正式提交估计数用于《荒漠化公约》报告之前，核实本国此类指标的准确性和可靠性。
生成报告：经缔约方核实后，应将数据和辅助说明正式提交给《荒漠化公约》。

3.2.7. 深入阅读

关于《荒漠化公约》战略目标3的国家报告的良好做法指南。第2章。第2级指标 (https://www.unccd.int/publications/good-practice-guidance-national-reporting-unccd-strategic-objective-3-mitigate-adapt)

3.3. SO 3-3 – 干旱脆弱性程度的趋势

3.3.1. 简介

《荒漠化公约》评估干旱脆弱性的方法是基于一个综合指数，即干旱脆弱性指数（DVI），其中包括三个成分，以反映各个国家人口在干旱面前的脆弱性：i）社会，ii）经济以及 iii）基础设施。目前，DVI并不涉及生态或生态系统的脆弱性问题。

DVI可以通过三个替代过程得出，对应于三个不断增加的计算复杂性水平：

第1级脆弱性评估（VA）——每个脆弱性成分至少使用一个系数，这些系数由国家一级的指标来表示。
第2级脆弱性评估——每个脆弱性成分使用一个以上的系数，这些系数由国家一级的指标来表示，包括按性别分列的数据（如适用）。
第3级脆弱性评估——每个脆弱性成分使用一个以上的系数，这些系数由次国家指标（可能是网格化的或按行政区域分列的）表示，并包括按性别分列的数据（如适用）。

缔约方可选择最适合其目前收集和处理数据能力的方法，但要视数据可用性而定。

《荒漠化公约》为缔约方提供了源自欧盟委员会联合研究中心（JRC）全球DVI数据集的默认数据，为报告过程提供了便利。该数据基于全球可用的数据集，应在国家一级缺乏更准确数据的情况下使用。

3.3.2.报告的先决条件

深入阅读“关于《荒漠化公约》战略目标3国家报告的良好做法指南第3章：减轻、适应和管理干旱的影响，以增强脆弱人群和生态系统的复原力”，其中详细说明了用于估计干旱脆弱性的方法。
符合表21所列规格的数据。
由国家主管部门正式提名的国家专家库，以核实报告过程的结果与实地情况的一致性，或在国家数据优于其默认数据的情况下，制定和实施一种定制的方法来估计SO 3-3指标。在这种情况下，关键机构是一国的国家统计局，但大学和研究中心也可以提供宝贵的投入。

3.3.3.报告流程和分步程序

报告的分步程序在下文中描述，适用于基线期和报告期。如果使用默认数据，第2至4步就没有必要。

第1步：根据数据可用性选择脆弱性评估的层级

《荒漠化公约》为得出DVI而建议使用的脆弱性系数（列于图3）提供了缔约方在干旱面前的社会经济脆弱性概况。被推荐用于最低的第1级脆弱性评估的三个核心系数——“识字率（% o占15岁及以上人口的比例）”、“低于国际贫困线的人口比例”和“使用得到安全管理的饮用水服务的人口比例”——之所以被选中，是因为它们被专家确定为对了解脆弱性至关重要，并且也用于其他报告要求，如SO 2和可持续发展目标。

图3. 建议用于计算干旱脆弱性指数的社会、经济和基础设施成分及其相关系数

《荒漠化公约》提供的默认数据来自欧盟委员会联合研究中心（JRC）的全球DVI数据集。用于得出默认DVI的方法与本手册和《关于<荒漠化公约>战略目标3的国家报告的良好做法指南》中的方法相似，但在归一化方法（见第2步）和所包括的系数数量方面存在一些关键差异。默认的DVI中使用了两个额外的系数：“防灾和备灾（美元/年/资本）”和“全球可及性地图：到主要城市的旅行时间”。默认的DVI值代表2000-2018年期间整个国家的DVI中位数。

没有数据来计算最低的第1级脆弱性评估的国家缔约方可以使用默认的DVI数据进行报告。然而，建议在连续的报告周期内努力提高脆弱性评估的层级，以提高DVI的敏感性并改善评估的精细度。图4中的决策树有助于缔约方根据数据的可用性来选择脆弱性评估的层级。

用于计算DVI的国家/地区数据产品应符合表21中列出的规格。

图4. 帮助缔约方根据数据可用性为SO 3-3指标报告选择最佳脆弱性评估层级的决策树

DVI：干旱脆弱性指数
VA：脆弱性评估

**表21**. SO 3-3指标的数据规格
项目	规格
项目	默认数据（联合研究中心制作的干旱脆弱性指数数据集）	国家数据
输入数据（生成指标SO 3-3所需的数据，如第2至4步中所述）	用于计算默认干旱脆弱性指数（DVI）的输入数据来自不同的来源，如世界银行、经济合作与发展组织、联合国粮食及农业组织以及联合研究中心。	用于计算得出DVI所需系数的免费数据集列于“关于《荒漠化公约》战略目标3的国家报告的良好做法指南 ”的表14。或者，如果有的话，在基线期和报告期间，空间分辨率较高和差距较小的国内数据集。
输出数据（由第2至4步所述的分析得出的DVI指标）	基线期和报告期的2018年DVI。干旱可能没有意义的地区，如沙漠和寒冷地区，被掩盖了。	基线期和报告期的年度或接近年度的DVI。
分类	从0到1的连续分数标度，但基于分位数进行分类，将脆弱性类别分组。	从0到1的连续标度。
空间分辨率	国家一级	国家和/或国家以下各级
质量	在数据集的元数据中指定。	将在数据集元数据中注明。
元数据	元数据信息与默认数据一起提供。	附件二中按必填字段列出的最低元数据内容。

第2步：系数归一化

在脆弱性评估的所有层级中，由于所使用的脆弱性系数都是用不同的单位来衡量的，因此在进行比较和汇总之前，应该对这些系数进行归一化。

《荒漠化公约》建议利用报告期之前（包括报告期）的所有历史数据，利用国内的最大值和最小值对系数进行归一化处理。这提供了尽可能大的范围，确保最大值和最小值对该国都具有代表性。

每次计算DVI以报告指标SO 3-3时，应重新计算系数范围（即最小值和最大值），如果报告期的数值超出该范围，应使用新的范围重新对系数进行归一化。

如果脆弱性与系数[^3]之间存在正相关/关系（即如果系数值增加，脆弱性也会增加），则应使用以下等式对数据进行归一化处理：

\(Factor = \frac{X_{i} - X_{min}}{X_{max} - X_{min}}\)

其中：

X_i是“i”年所考虑的系数的值
X_min是在整个时间序列中观察到的所考虑系数的最小值
X_max是在整个时间序列中观察到的所考虑系数的最大值

如果脆弱性和系数之间存在负相关/关系，等式为：

\(Factor = 1 - \frac{X_{i} - X_{min}}{X_{max} - X_{min}}\)

在归一化之后，相对于国家的历史最大值和最小值，所有系数的数值都在0和1之间。

供第1级和第2级脆弱性评估的按性别分列的数据的归一化使用上述相同的公式，对每个与性别有关的数据应用一次。

对于次国家级数据（第3级脆弱性评估），计算应应用于来自所有空间单位（如行政单位）的合并数据，系数范围应反映整个国家的最小值和最大值。

对于默认的DVI，每个系数都使用全球最大值和最小值，而不是给定国家的历史范围进行归一化。在全球范围内进行归一化，意味着所产生的脆弱性评估对地方/国家情况的敏感性低于使用国家范围时。

第3步：推导出干旱脆弱性指数的成分

该步骤旨在得出三个DVI成分中每个成分的合计值。对于采用第1级脆弱性评估方法的缔约方，第2步中归一化的系数值也代表了相应的成分。相反，第2级和第3级脆弱性评估需要计算归一化系数的算术平均值，以得出每个成分的合计值。

这一步推导出的是每个成分和国家的每个地理单位的单一数值。如果使用的是按性别分列的数据，则为每个成分产生单独的男性和女性的数值。

如果知道脆弱性系数的相对重要性和相关性，缔约方可以给这些系数分配权重。建议将权重应用于脆弱性系数，而不是三个成分。

第4步：计算干旱脆弱性指数

注解

PRAIS 4平台中的相关区域：表SO3-3.T1

在脆弱性评估的所有层级中，前述步骤中得出的三个成分（C_社会、C_经济和C_基础设施）通过计算其平均值来产生DVI。

\(DVI = \frac{C_{社会} + C_{经济} + C_{基础设施}}{3}\)

DVI的范围从0到1，其中1是最脆弱的。

第1级脆弱性评估将在每个报告期产生一个国家一级的DVI。对于第2和第3级脆弱性评估，在使用按性别分列的系数的情况下，建议除了国家一级的DVI之外，还要计算特定性别的DVI。因此，缔约方将报告每个报告期的至少三个DVI值，即总人口、女性人口和男性人口。对于第3级脆弱性评估下的次国家或网格化成分，将分别为男性人口、女性人口和总人口计算最小空间单位的DVI。

第5步：验证结果

DVI方法尚未在地方或国家范围内得到验证，因此，无论是从与每个国家最相关的系数还是从最有效的系数加权方案来看，都可能无法准确描述这些范围内的脆弱性。因此，缔约方可以核实默认系数的适当性，并根据需要添加相关系数。还应彻底考虑加权方案，以改善国家和国家以下各级的结果。

此外，最弱势人群和代表性不足的人群应参与确定用于计算各成分的系数，以便制定一个针对具体国家的、更有效的指数。

第6步：生成报告

经缔约方核实后，报告期和基线期的脆弱性估计值应正式提交给《荒漠化公约》。应使用PRAIS 4平台的专用“方法”栏来报告所使用的方法（选定的层级和每个成分的系数）的信息。观察到的变化及其解释可在PRAIS 4平台的“定性评估”表中描述（表SO3-3.T2）。

在Trends.Earth中使用第3级脆弱性评估下的国家数据生成的、代表基线期/报告期干旱脆弱性的地图可以上传到PRAIS 4平台。更具体地说，建议上传以下地图：

基线期（2000-2015年）的干旱脆弱性
报告期（2016-2019年）的干旱脆弱性

关于数据来源、数据准确性和适用于脆弱性系数的任何加权方案的信息，可使用“一般性注释”栏提交。报告特殊情况和问题也是有益的，能够说明数值可能不太可靠的情况并提供纳入不同系数的理由。

3.3.4. 依赖性

SO 2-1和SO 2-2可用于计算SO 3-3。

3.3.5. 挑战

数据可用性和质量

有关所考虑系数的数据可用性在各国之间有很大差异，可能不是所有地方都能获得完整的建议数据。

方法论

在国家和国家以下各级，DVI方法的可靠性仍有待验证。
由于用于系数归一化的方法（即使用国内的历史数据）存在差异，不应在国家之间比较DVI值。
假设长期使用一致的方法，DVI的变化可能反映干旱缓解和适应政策的有效性，但也可能揭示与干旱管理措施无关的社会和经济变化的影响。

3.3.6. 总结（主要行动）

报告易受干旱灾害的人口时需采取的关键行动如下：

根据数据的可用性选择脆弱性评估的层级：鼓励缔约方根据数据的可用性，选择三个脆弱性评估层级中的一个层级。在没有数据来计算最低一级脆弱性评估的情况下，缔约方可以使用默认数据。用于计算DVI的国家/地区数据产品应符合表21中所列的规格。如果缔约方使用国家/地区数据产品，应遵循以下第2至4步：
系数归一化：由于使用的脆弱性系数都是用不同的单位来衡量的，每个脆弱性成分的系数都应归一化，然后才能进行比较和汇总。
得出DVI成分：三个DVI成分中每一个成分的合计值都按照归一化系数的算术平均值计算。
计算DVI：在前面的步骤中得出的三个成分——社会、经济和基础设施——通过计算其平均值来产生DVI。
核实结果：在意识到DVI方法尚未在地方或国家范围内得到验证后，缔约方可以核实默认系数的适当性，并在正式提交估计数用于《荒漠化公约》报告之前，根据需要添加相关系数。
生成报告：经缔约方核实后，应将报告期和基线期的数据和辅助说明正式提交给《荒漠化公约》。

3.3.7. 深入阅读

关于《荒漠化公约》战略目标3的国家报告的良好做法指南。第3章。第3级指标 (https://www.unccd.int/sites/default/files/documents/2021-09/UNCCD_GPG_Strategic-Objective-3_2021.pdf)。

1: “《荒漠化公约》。1994。《公约》文本第1条：http://www2.unccd.int/sites/default/files/relevant-links/2017-01/UNCCD_Convention_ENG_0.pdf”
2: “全球干旱分类系统（GDCS，前称“全球干旱指标”或GDI），目前正在由世界气象组织通过全球多灾种警报系统（GMAS）框架进行开发，它将提供如何将众多干旱指数转化为统一的干旱等级图例的方法。”
3: 请参见《关于<荒漠化公约>战略目标3的国家报告的良好做法指南》表13，其中表明了13个建议的系数与脆弱性的关系