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

联合国防治荒漠化公约》（UNCCD）将干旱定义为降水量明显低于正常记录水平，造成严重水文失衡，对土地资源生产系统产生不利影响的自然现象[1]。

指标SO 3-1具体描述了一个国家每年气象干旱灾害的状况（即是否发生干旱及其严重程度（如果发生））。

有几种干旱指数可用于估算国家干旱危害。联合国防治荒漠化公约》估算指标 SO 3-1 的方法建议使用全球公认的特定干旱指数，即标准化降水指数 (SPI)，来描述气象干旱危害的特征。但是，如果在国家层面已经使用其他指数，缔约方也可使用其他指数进行报告，例如标准化降水蒸散指数 (SPEI)。对于目前使用的其他指数，缔约方可能需要确保与表19[2] 中描述的SPI干旱强度等级在统计上保持一致。

总体目标是缔约方评估干旱危害并确定干旱地区，以便结合干旱风险评估 (SO 3-2) 和脆弱性评估 (SO 3-3) 确定缓解工作的优先次序。通过提供缺省数据促进国家报告。

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。

• 数据符合图 5 和表 18 所列规格。

• 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。

步骤 1：选择干旱指数或降水数据集

联合国防治荒漠化公约》提供了来自全球多指数干旱（GMID）产品的缺省数据，这是一套网格化的干旱指数，包括利用综合雨量计、卫星观测和再分析数据得出的降水数据计算的 SPI 和 SPEI。有关该产品的概述，请参见下文方框 5。

尽管 SPI 仍是估算指标 SO 3-1 的推荐指数，但缔约方应确定 SPEI 是否更适合其具体情况，特别是在降雨量不稳定且累积量较低的干旱和半干旱地区。由于 SPEI 同时考虑了降水量和气温，它可以更准确地衡量这些地区的可用水量，因为这些地区的蒸散损失可能很大。关于什么情况下一种指数优于另一种指数的更详细讨论，请参见[《联合国防治荒漠化公约》战略目标 3 国家报告良好做法指南]（https://www.unccd.int/publications/good-practice-guidance-national-reporting-unccd-strategic-objective-3-mitigate-adapt）第 1.5 节。

如果国家缔约方已经有国家干旱指数，如 SPI 或 SPEI，它们可以优先使用该指数而不是《联合国防治荒漠化公约》默认数据。另外，如果它们希望自己计算 SPI，也可以选择使用 Trends.Earth 中提供的替代数据集或使用国内降水量数据。

可通过 Trends.Earth 获取的替代数据集是气候灾害小组红外降水与测站（CHIRPS），该数据集根据卫星观测和测站数据生成高分辨率降雨估算值。虽然 CHIRPS 的空间分辨率略高，在推导 SPI 时具有优势，但其缺点是无法覆盖全球，只能覆盖南纬 50 度到北纬 50 度。因此，国家边界在此范围之外的缔约方将无法使用 CHIRPS 数据集。相比之下，全球海洋信息数据库则覆盖全球。全球海洋信息数据库由 SPI 和 SPEI 组成，而 CHIRPS 在 Trends.Earth 中只提供 SPI。

图 5 中的决策树可以帮助缔约方决定哪种数据集和方法最适合支持其国情报告。

*图 5. 帮助缔约方选择最佳降水或干旱指数数据源以得出指标 SO 3-1 的决策树

GMID： Global Multi-Index Drought,
SPI：标准化降水指数,
CHIRPS: Climate Hazards Group InfraRed Precipitation with Stations_______________________________。

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
	默认数据	国家数据
输入数据 根据步骤 2 中所述的标准化降水指数 (SPI) 计算得出干旱灾害估计值所需的数据	全球多重干旱指数（GMID）月度干旱指数产品，1980-2023 年。	从国家降水测量网络获取的月总降水量网格化产品。为了计算与世界气象组织一致的参照期，数据集最好至少有 30 年的连续记录，涵盖 1981-2010 年。 南纬 50 度至北纬 50 度范围内的国家：可在 Trends.Earth* 中查阅 1981 年至今的气候灾害小组红外降水量站（CHIRPS）月降水量产品。使用 CHIRPS 时，Trends.Earth 还可提供 SPI-12 以外的其他累积期，如 SPI-9、SPI-24 和 SPI-48。
输出数据 步骤 2 至 4 所述分析得出的中间和最终网格产品	按年度划分为四个 SPI 干旱强度等级的 12 月 SPI-12 网格*。 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。 以四年为周期的网格空间汇总。	按年度划分为四个 SPI 干旱强度等级的年度 12 月 SPI-12 网格*。 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。 以四年为周期的网格空间汇总。
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	全球测地数据： 0.1° x 0.1° (~11.1 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。	数据应尽可能连续；如果数据完整性低于 85%，缔约方可考虑根据世界气象组织的指导意见（WMO，2018 年）填补数据缺口。
元数据	元数据信息与默认数据一起提供。	按必填字段列出的最低元数据内容，如附件二中所示。

^*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）。

方框 5.全球多重干旱指数（GMID）数据集

该数据集包括 1 至 12 个月时间尺度的标准化降水指数（SPI）和标准化降水蒸散指数（SPEI），具有较高的空间分辨率，涵盖 1980-2023 年期间的全球范围。数据集的空间覆盖范围为全球经度 -180° 至 180°，纬度 90° 至 -90°。数据以地理坐标（纬度/经度）形式提供，基于 WGS 84（1984 年世界大地测量系统）参考系，分辨率为 0.1°。

SPI 和 SPEI 是根据不同时间尺度上最广泛使用和推荐的概率分布来计算的。 因此，SPI 采用伽马分布计算，而 SPEI 则采用对数-逻辑分布计算。数据集是利用不同的气象输入数据集生成的，包括：来自多源加权集合降水（MSWEP）v2.8 (https://www.gloh2o.org/mswep/) 的降水数据，以及来自全球陆地蒸发阿姆斯特丹模型（GLEAM）v4.2a (https://www.gleam.eu) 的潜在蒸散量数据。数据按日为单位下载，然后按月汇总，最后按不同累积期汇总，得出 1、2、3、4、5、6、7、8、9、10、11 和 12 个月的指数。

全球移徙与发展数据集全文可在以下网址查阅： https://eidc.ac.uk/

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降水量数据，并采用 SPI-12 方法计算，该方法采用 12 个月累积法对每个月的降水量赤字进行年度汇总。例如，2019 年 12 月的 12 个月降水累积量是 2019 年 1 月至 2019 年 12 月的月降水总量。

重要的是，要确保每个报告年份的降水量数据都根据相同的 "参照期 "或气候学标准正常期进行标准化。这可确保不同年份以及不同时间和空间的数据具有可比性。为了对 12 个月的降水累积数据分布进行标准化，我们使用了世界气象组织 1981-2010 年的气候学标准正态期作为参照期。归一化方法基于拟合该参照期 12 个月降水累积量的伽马概率分布函数。计算出这些概率分布参数后，将其应用于任何 12 个月的月降水累积量时间序列，从而得出每个网格单元在有数据可查的整个时期内的归一化月 SPI-12 时间序列。但是，如果缔约方选择改变标准气候正常（参考）期，就必须重新计算所有时期的 SPI。因此，建议在向 UNCCD 提交的指标 SO 3-1 国家报告中明确说明计算 SPI 所使用的参考期。

为监测 SO3，Trends.Earth 提供了默认的 SPI 和 SPEI 数据。不过，还有各种开放式工具可用于推导 SPI，《联合国防治荒漠化公约战略目标 3 国家报告良好做法指南》(https://www.unccd.int/publications/good-practice-guidance-national-reporting-unccd-strategic-objective-3-mitigate-adapt) 表 3 列出了其中的一些工具。

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

备注

PRAIS 4平台中的相关区域：表SO3-1.T1

要对 SPI 时间序列进行年度评估，应提取每年 12 月的 SPI-12 值。12 月 SPI-12 值代表公历年（1 月至 12 月）的降水不足（或过多）。

对于每个 12 月 SPI-12 网格，应计算属于表 19 所列 SPI 干旱强度等级的单元格数量。请注意，任何数值大于 0 的单元格都代表非干旱区域。

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：

1. 将干旱强度等级网格投影到合适的等面积投影中（如 Mollweide），以获得单元格的面积，单位为 km²。

2. 将特定干旱等级下的所有单元面积合并，得出每个干旱强度等级下的总面积。

步骤 4：不分等级计算受旱土地比例

备注

PRAIS 4平台中的相关区域：表SO3-1.T2

每个报告年份的干旱土地比例（不论强度等级）均按占土地总面积的百分比计算。

对于每个 SPI-12 年度网格，属于任何 SPI 干旱强度等级的单元格总数都会被计算出来（cellCount）。然后，计算每个报告年份干旱土地总面积的百分比。计算公式如下

\(P_{j} = \frac{cellCount_{j}}{text{细胞总数}}。\乘以 100\)

其中：

• "P_j"是报告年份（j）干旱土地的比例

• "cellCount_j"是报告年份（j）受干旱影响的像素总数

• “单元总数”是指国家缔约方土地面积内的所有网格单元。

将单元格数乘以单元格面积（一个恒定值，因为干旱强度等级网格先前已转换为等面积投影），即可计算出每年的干旱总面积。

步骤 5：绘制四年期干旱强度图

除上述表格报告外，指标 SO 3-1 还应在空间上进行总结，以绘制四年内发生的最高强度干旱状况图。选择四年期是为了减少每年报告空间信息所带来的报告负担和数据量。

为了从空间上概括这些时期，应为每个网格单元确定四年期内该单元的最高干旱强度等级。例如，如果一个网格单元在给定的四年期内有（轻度、轻度、中度、轻度）值，则该单元应包含该四年期内的 "中度 "值。

应使用网格化的 SPI-12 数据绘制四年期（2000-2003、2004-2007、2008-2011、2012-2015、2016-2019 和 2020-2023）的最高干旱强度图。如果国家缔约方的数据集存在缺口（即缺失年份），则应总结最合适的时期，尽可能与上述四年期保持一致。例如，如果数据集的一部分是 2004 年、2007 年、2008 年、2009 年、2011 年，那么最合适的汇总期将是（2004 年、2007 年）和（2008 年、2009 年、2011 年）。

第6步：验证结果

缔约方应认识到使用 SPI 作为单一干旱指标的局限性，并在提交国家报告之前，根据国家雨量计数据和其他气象资料来源严格审查默认数据。

第 7 步：保存表格并提供审查

观察到的变化及其解释可在 PRAIS 4 平台报告表的相关注释字段中进行描述。

PRAIS 4 平台可提供默认干旱强度地图或使用 Trends.Earth 中代表四年期最高干旱强度条件的国家数据生成的地图。更具体地说，将提供以下地图：

• 2000-2003 年最高强度的干旱状况

• 2004-2007 年干旱强度最高

• 2008-2011 年最高强度干旱

• 2012-2015 年强度最高的干旱状况

• 2016-2019 年最高强度干旱状况

• 2020-2023 年干旱强度最高

缔约方应注意，默认的四年干旱强度图是基于 SO3-1.T1 中报告的相同默认数据。然而，正如步骤 5 所解释的，如果缔约方报告的国家数据中缺少年份，则可使用与上述四年期最吻合的现有数据来制作简要地图。如果估算数据来自国家数据，还鼓励缔约方使用 "一般性评论 "字段提交有关方法、数据来源、数据准确性和数据缺口的说明。报告特殊情况和问题，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，也是有益的。

表格填写完毕并经缔约方核实后，应标记为 “审查中”，然后保存。一旦《防治荒漠化公约》完成审查并解决了所有意见，表格可标记为 “已定稿”，然后保存。

3.1.4. 依赖性

干旱危害数据依靠表 CP-1.T1 中报告的土地总面积来计算干旱土地总面积的比例。SO 3-1 的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

• 尽管 SPI 被推荐为一种成熟、灵活和可靠的干旱指数，可用于量化全球范围内的干旱危害，但它仅量化了气象赤字，因为它仅基于降水，而其他类型的干旱（如水文干旱、农业干旱）可能无法很好地捕捉到。此外，在降水量极低和/或零降水月份比例较高的地区，应谨慎使用和解释 SPI 值；在这些地区应用 SPEI 可能更合适。意识到这一局限性后，国家专家可能会强调基于 SPI 的估算结果可能不够准确的地区，并可能根据其他指数进行估算。关于 SPI 限制的讨论可参见[“《联合国防治荒漠化公约》战略目标 3 国家报告良好做法指南”]（https://www.unccd.int/publications/good-practice-guidance-national-reporting-unccd-strategic-objective-3-mitigate-adapt）第 1.5 节。

• 超干旱地区包括在所提供的默认 SPI 数据中。然而，考虑到在这些地区计算干旱指数的局限性，应仔细考虑这些地区的指数值。这些限制可能导致高估或低估超干旱地区的干旱事件。

• 由于自然气候的多变性，在报告时间段内观察到的干旱土地比例的任何变化或趋势都应谨慎解释。应在 "上表注释 "一栏中说明估算值的异常情况和不确定性。

• 全球降水信息数据库默认数据采用的时间尺度以12个月为周期，可能并不总是适合描述某些环境中的干旱影响。如果缔约方使用自己的数据，则应确定其他汇总周期（如 24 个月）是否更合适。

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：

1. 选择干旱指数或降水量数据集：缔约方可决定使用默认干旱指数数据或其他国家数据源，只要它们符合表18所列的数据规格。如果缔约方决定使用替代降水数据源，则应遵循以下行动 2 至 5：

2. 计算 SPI：SPI 应在全部可用时间序列中的所有月份得出；但是，缔约方可以选择更适合其当地环境条件的替代指数（如 SPEI）。

3. 确定每个网格单元的干旱强度等级：根据 SPI（或其他干旱指数）计算结果，统计属于每个干旱强度等级的单元数量，并将干旱强度等级网格投影到合适的等面积投影中，转换为面积，计算每个干旱强度等级下的总面积（平方公里）。然后在表 SO3-1.T1 中报告数据。

4. 计算受旱土地比例：计算每个报告年份各干旱强度等级的土地比例和受旱土地占土地总面积的总体比例，并在表 SO3-1.T1 和 SO3-1.T2 中报告。

5. 创建一套干旱强度地图：应使用网格化 SPI-12 数据对 2000 年至 2023 年整个时间序列的数据进行空间汇总，最好以四年为间隔（2000-2003 年、2004-2007 年、2008-2011 年、2012-2015 年、2016-2019 年和 2020-2023 年），绘制每个时期强度最高的干旱状况地图。

6. 核实结果：意识到使用 SPI 或其他干旱指数估算干旱强度的局限性，缔约方应在正式提交《防治荒漠化公约》报告估算之前，核实此类指数是否适合描述其国家的干旱发生情况和强度。

7. 保存表格并提供审查：经缔约方核实后，应将数据和佐证说明标记为 "审查中 "并保存，以便《荒漠化公约》审查。

3.1.7.额外资源

• 世界气象组织，2018，《气候学实践指南》，第二版。Geneva, Switzerland.(https://library.wmo.int/viewer/60113)

3.2. SO 3-2 – 受干旱影响的人口比例趋势

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。

• 数据符合图 6 和表 20 所列规格。

• 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

全球范围内有各种可公开获得的精细空间分辨率人口数据集，其中一个数据集WorldPop被默认提供给国家缔约方，用于推导指标SO3-2。表 CP-1.T2 自动预填了 2000 年至 2023 年期间女性、男性和总人口的国家估计数，还提供了年度网格人口图。然而，缔约方应注意，作为 2026 年报告默认数据来源的 2000-2020 年 WorldPop 数据集尚未更新，因此最后三年（2021 年、2022 年和 2023 年）与 2020 年的数值重复。在没有国家人口数据的情况下，这些数据可用于计算指标 SO3-2。

然而，缔约方可选择使用其他全球或国家年度性别分类人口计数数据集。在这种情况下，应将这些数值输入 CP1.T2。基础数据应是覆盖全国的网格人口产品。如果可用的数据集是矢量产品（如代表行政区域），则应首先将其转换为代表每个地 点（网格单元）人口数量的规则网格。理想情况下，数据应为年度人口总数以及按性别（男、女）分类的人口数。

希望使用国内或区域人口数据集的缔约方可使用图 6 中的决策树来评估这些数据是否比全球可用的数据集更适于推导指标 SO 3-2。

*图 6. 帮助缔约方选择最佳人口数据源以推导指标 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
	默认数据	国家数据
输入数据 如步骤 2 至 4 所述，生成指标 SO 3-2 所需的数据	2020-2023 年期间每年按性别分列的世界人口数据（2020 年数据与 2021、2022 和 2023 年数据重复，因为 2020 年后缺乏最新的世界人口数据）。 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 步骤 2 至 4 所述分析得出的网格产品	从 2015 年到报告年份，(i) 受四个干旱强度等级影响的总人口、(ii) 女性人口和 (iii) 男性人口的年度网格产品。 遭受干旱和各干旱强度等级影响的总人口、女性人口和男性人口的百分比。 以四年为周期的网格空间汇总。	2000 年至报告年份期间，(i) 受四种干旱强度等级影响的总人口、(ii) 女性人口和 (iii) 男性人口的年度网格乘积。 遭受干旱和各干旱强度等级影响的总人口、女性人口和男性人口的百分比。 以四年为周期的网格空间汇总。
空间分辨率	WorldPop 数据：3 弧秒（~0.00083º 或 ~100 米） 干旱危害强度数据：0.1° x 0.1° (~11.1 km)	由国家主管部门根据现有数据进行评估。
元数据	元数据信息与默认数据一起提供。	按必填字段列出的最低元数据内容，如附件二中所示。

步骤 2：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叠加到干旱危害强度 (SO3-1) 空间数据上。如果使用的是非默认数据，则应使用最接近的可用人口数据来填补空缺年份。例如，如果缺少 2019 年的数据，则应使用 2020 年的数据（或最接近的可用年份）来替代，然后将 2020 年的数据用于 2019 年和 2020 年。除了总人口外，如果有按性别分列的人口数据网格，则应在叠加过程中使用，以生成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地理投影，在各年度报告期内应保持一致。此外，两个数据集的网格大小必须相同。为此，应使用近邻重采样技术，将 0.1° x 0.1°（约 11.1 千米）的 GMID 数据重采样为 0.00083º（约 100 米）网格（与 WorldPop 相同）。

步骤 3：计算每个干旱强度等级内受影响人口的比例

备注

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

使用步骤 2 的输出结果，可以估算出每年属于四个干旱强度等级的人口数量，以及遭受干旱（即所有干旱强度等级）的总人数。然后从 CP-1.T2 中报告的总人口中计算出各自的百分比。然后在表 SO3-2.T1 中报告这些年度百分比值。 PRAIS使用CP-1.T2中报告的总人口数自动计算暴露人口总数。然后自动在表 SO3-2.T1 中报告。

同样，如果使用按性别分列的数据，也可计算出每一年干旱强度等级中的男性和女性人数，以及遭受干旱的男性和女性总人数。然后将其表示为该性别人口占全国总人口的百分比。 女性人口的百分比值见表 SO3-2.T2。男性的百分比值见表 SO3-2.T3。

鼓励缔约方在与表 SO3-2.T1、SO3-2.T2 和 SO3-2.T3 相关的 "评论 "栏中提交说明，如果估算值来自非默认的替代性全球或国家数据，则说明方法、数据来源和数据准确性。

步骤 4：绘制四年期干旱风险图

除了在步骤 3 的表格中输入指标 SO 3-2 的年度值外，还将从外部制作整个期间的四年干旱暴露图，并上传到 PRAIS。这些暴露地图显示了每个网格单元在每个四年期内暴露于最高强度干旱等级的人数。选择四年期是为了减轻报告负担并减少上载到 PRAIS 的数据量。有关绘制干旱地图的更多详情，请参阅指标 SO 3-1 的步骤 5。

步骤 5：验证结果

缔约方应认识到使用SPI作为干旱指标的局限性（见上文SO3-1），并在向UNCCD提交报告前严格审查结果。

第 6 步：保存表格并提供审查

观察到的变化及其解释可在 PRAIS 4 平台中与每个表格相关的注释字段中进行描述。

PRAIS 4 平台提供以下默认地图：

• 2000-2003 年遭受干旱的人口总数

• 2004-2007 年遭受干旱的人口总数

• 2008-2011 年遭受干旱的人口总数

• 2012-2015 年遭受干旱的人口总数

• 2016-2019 年遭受干旱的人口总数

• 2020-2023 年遭受干旱的人口总数

如步骤 4 所述，这些地图显示了人口在每个 4 年期内遭受的最高干旱强度等级。

使用代表受干旱影响人口的国家数据或替代数据在 Trends.Earth 中生成地图的缔约方，如果有足够的可用数据，可将上述相同地图上传到 PRAIS 4。

如果估算值来自国家数据，还鼓励缔约方在 "一般性评论 "栏提交有关方法、数据来源和数据准确性的说明。报告特殊情况和问题，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，也是有益的。

表格填写完毕并经缔约方核实后，应标记为 “审查中”，然后保存。一旦《防治荒漠化公约》完成审查并解决了所有意见，表格可标记为 “已定稿”，然后保存。

3.2.4. 依赖性

干旱暴露数据依赖于 SO 3-1 空间输出和表 CP-1.T2 中的人口估计值。

3.2.5. 挑战

数据可用性和质量

• 在可公开获得的全球人口数据集中，《防治荒漠化公约》默认使用 WorldPop 数据集来计算指标 SO2-3，并在 Trends.Earth 中提供给缔约方。值得注意的是，虽然英国南安普顿大学地理与环境科学学院最近发布了 2015-2030 年新的全球人口数据集，但该数据集是在 2026 年报告进程启动后发布的，因此无法纳入提供给缔约方的默认数据集。 不过，缔约方可以直接从这里下载按性别分列的新数据集：https://hub.worldpop.org/project/categories?id=8。通过第三方 GEE 应用程序，可以全面浏览数据集。如果认为这些数据集合适，缔约方可将其上传到Trends.Earth，计算相应的指标数据，并将结果导入PRAIS 4，以取代默认数据。

• 缔约方还应注意，作为 2026 年报告默认数据来源的 2000-2020 年 WorldPop 数据集尚未更新，因此最后三年（2021 年、2022 年和 2023 年）的数值与 2020 年的重复。

• 全球数据的质量和空间分辨率对于国家人口估计可能不够准确。整合全球和国家数据可能会提高结果的质量和准确性，但需要缔约方具备额外的处理能力和技术技能。

• 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。

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：

1. 选择人口数据集：缔约方可决定使用默认数据或其他全球或国家数据源，只要它们符合表 20 所列的数据规格。如果缔约方决定使用替代数据源，则应遵循以下行动 2 至 4。

2. 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。

3. 计算受干旱影响的总人口比例以及各干旱强度等级内的人口比例：PRAIS 4 将根据 CP-1.T2 中报告的人口统计数据自动计算受干旱影响的总人口（人口数量）。还应报告每个干旱强度等级中男性和女性的比例。

4. ** 按四年期绘制干旱暴露地图**：每个四年期的网格空间摘要提供了从 2000 年（或有人口数据的最早年份）到报告年份的每个四年期内暴露于最高干旱强度等级的人数信息，规模为网格单元。这些四年期应与 SO 3-1 中报告的网格空间摘要一致。

5. 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。

6. 保存表格并提供审查：数据和佐证说明经缔约方核实后，应标记为 "审查中 "并保存，以便《防治荒漠化公约》审查。

3.2.7.额外资源

• Beta Test Our New Global Population Data - 2015 to 2030, WorldPop (https://www.worldpop.org/blog/beta-test-our-new-global-population-data-2015-to-2030/)

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–每个脆弱性组成部分使用一个以上的因素，这些因素由国家以下级别的衡量标准（可以是网格化的或按行政区域分列的）来表示，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

报告的步骤说明如下。如果使用默认数据，则不需要步骤 2 至 5。

第1步：根据数据可用性选择脆弱性评估的层级

联合国防治荒漠化公约》建议的脆弱性因素（如图 7 所示）可用于得出干旱脆弱性指数，从而概括说明缔约方在社会经济方面对干旱的脆弱性。建议用于最低第 1 级脆弱性评估的三个核心因子是

1. 识字率（15 岁及以上人口的百分比）；

2. 低于国际贫困线的人口比例

3. 使用安全管理的饮用水服务的人口比例。

之所以选择这些数据，是因为专家们认为它们对了解脆弱性至关重要，而且这些数据还可用于其他报告要求，如 SO 2 和可持续发展目标。

*图 7. 建议用于计算干旱脆弱性指数的社会、经济和基础设施组成部分及其相关因素。深绿色方框中突出显示了核心因素*** 图 7.** 建议用于计算干旱脆弱性指数的社会、经济和基础设施组成部分及其相关因素。

联合国防治荒漠化公约》提供的默认数据来自联合研究中心的全球 DVI 数据集。用于推导默认 DVI 的方法与本手册和"《联合国防治荒漠化公约》战略目标 3 国家报告的良好做法指导" 中介绍的方法类似，但在归一化方法（见步骤 2）和所含因子数量方面存在一些主要差异。默认 DVI 中使用了两个附加因子："防灾备灾（美元/年/资本）"和 “全球无障碍地图：到主要城市的旅行时间”。提供了一个单一的默认 DVI 值，代表了 2000-2018 年期间全国 DVI 的中位数。因此，表 SO3-3.T1 中的 2018 年采用了这一默认值。

如果国家缔约方没有可用数据来计算最低第 1 级脆弱性评估，则可使用默认的 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，以提高脆弱性指数的灵敏度并改进评估的粒度。图 8 中的决策树有助于缔约方根据数据可用性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8. 根据数据可得性帮助缔约方为SO 3-3指标报告选择最佳脆弱性评估层级的决策树 _*图8. 根据数据可得性帮助缔约方为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
	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 如步骤 2 至 4 所述，生成指标 SO 3-3 所需的数据	用于计算默认干旱脆弱性指数 (DVI) 的输入数据来自不同来源，如世界银行、经济合作与发展组织、联合国粮食及农业组织和欧盟委员会联合研究中心。	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，2000-2023 年期间空间分辨率更高、差距更小的国内数据集。
输出数据 根据步骤 2 至 4 所述分析得出的 DVI 指标	2018 DVI	2000-2023 年期间的年度或近年度 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。	按必填字段列出的最低元数据内容，如附件二中所示。

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。

联合国防治荒漠化公约》战略目标 3 国家报告的良好做法指导](https://www.unccd.int/sites/default/files/documents/2021-09/UNCCD_GPG_Strategic-Objective-3_2021.pdf) 建议使用截至并包括最近报告年份（2023 年）在内的所有历史数据，使用国内最大值和最小值对因子进行归一化。这将提供尽可能大的范围，确保最大值和最小值在该国具有代表性。

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。

第 1 级和第 2 级退伍军人按性别分列数据的归一化使用上述相同公式，对每项按性别分列的数据使用一次。

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

这一步骤的目的是得出脆弱性指数三个组成部分中每个组成部分的综合值。对于每个脆弱性组成部分只使用一个系数的缔约方，在步骤2中归一化的系数值也代表相应的组成部分。相反，如果每个脆弱性成分使用一个以上的因子，则需要计算归一化因子的算术平均值，以得出每个成分的综合值。

这一步骤的结果是国家每个组成部分和每个地理单元的单一数值。如果使用的是按性别分列的数据，则会为每个组成部分分别得出男性和女性人口的数值。

如果知道脆弱性因素的相对重要性和相关性，缔约方可以为其分配权重。建议将权重应用于每个单独的脆弱性因素，而不是三个组成部分。

第4步：计算干旱脆弱性指数

备注

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。

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

DVI的范围从0到1，其中1是最脆弱的。

第 1 级脆弱性评估将为有数据可查的每一年（最好是 2000 年至 2023 年）在国家层面得出一个 DVI。对于第 2 级和第 3 级《脆弱性评估》，在使用按性别分列的因子时，建议除计算国家一级的 DVI 外，还计算按性别分列的 DVI。因此，缔约方应报告每一年的三个 DVI 值，即总人口、女性人口和男性人口的 DVI 值。对于第 3 级脆弱性评估中的国家以下或网格部分，应分别计算最小空间单位的男性、 女性和总人口的 DVI 值。男性、女性和总人口的年度 DVI 值应用于完成表 SO3-3.T1。

步骤 5：报告用于计算 DVI 的系数

在使用国家数据填写表格 SO3-3.T1 时，缔约方还应报告计算中使用的系数。一旦在表SO3-3.T1中输入任何数据，将在 "方法 "标题下提供一套附加表格供填写。 对于社会、经济和结构的每一个组成部分，缔约方都应指明在计算 DVI 时所使用的因素。此外，缔约方应说明所使用的每个因素是否有按性别分列的数据，是否在国家以下一级进行了计算。

表格完成后，PRAIS 将自动确定并显示评估中使用的层级。

缔约方还应选择表 SO3-3.T2 中的一个选项，说明 DVI 如何随时间而变化。可在相关评论栏中提供支持信息。

第6步：验证结果

脆弱性指数方法尚未在地方或国家范围内得到验证，因此，无论是在与每个国家最相关的因子方面，还是在最有效的因子加权方案方面，都可能无法准确描述这些范围内的脆弱性特征。因此，缔约方可以核实默认因子的适当性，并根据需要增加相关因子。如果缔约方使用任何加权方案来改善国家和国家以下级别的结果，也应该对其进行全面评估。

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 7 步：保存表格并提供审查

应使用 PRAIS 4 平台中与表 SO3-3.T1 相关的专用注释字段报告所使用方法的信息（所选层级和每个组成部分的因数）。观察到的变化及其解释也可在此栏中说明。

可将 Trends.Earth 中使用第 3 级脆弱性评估下的国家数据生成的地图上传到 PRAIS 4 平台，这些地图代表了分析期间对干旱的脆弱性。具体而言，建议上传以下地图：

• 2000 年或最接近的年份的干旱脆弱性

• 2023 年或最接近的年份的干旱脆弱性

有关数据来源、数据准确性和脆弱性因素加权方案的信息可通过 "一般评论 "栏提交。报告特殊情况和问题，说明数值可能不太可靠的情况，并提供纳入不同因素的理由，也会有所裨益。

表格填写完毕并经缔约方核实后，应标记为 “审查中”，然后保存。一旦《防治荒漠化公约》完成审查并解决了所有意见，表格可标记为 “已定稿”，然后保存。

3.3.4. 依赖性

SO 2-1 和 SO 2-2 可用于计算 SO 3-3。联合国防治荒漠化公约战略目标 3 国家报告良好做法指南](https://www.unccd.int/sites/default/files/documents/2021-09/UNCCD_GPG_Strategic-Objective-3_2021.pdf) 对此进行了解释。第 3 章.第 3 级指标。

3.3.5. 挑战

数据可用性和质量

• 联合研究中心的全球 DVI 数据集仅提供 2018 年的数据。

• 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

• DVI 方法在国家和国家以下各级的可靠性仍有待国家专家验证。

• 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：

1. 根据现有数据选择脆弱性评估等级：鼓励缔约方根据数据的可得性选择三个脆弱性评估等级中的一个。在没有数据计算最低第 1 级脆弱性评估的情况下，缔约方可使用默认数据。用于计算 DVI 的国家/地区数据产品应符合表 21 中列出的规格。如果缔约方使用国家/区域数据产品，则应遵循以下行动 2 至 4：

2. 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。

3. 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。

4. 计算 DVI：通过计算前几个步骤得出的社会、经济和基础设施三个组成部分的算术平均 值，得出年度 DVI 值。

5. 报告用于计算 DVI 的系数：在使用国家数据完成表 SO3-3.T1 时，缔约方还应报告计算中使用的系数。

6. 核实结果：意识到 DVI 方法尚未在地方或国家范围内得到验证，缔约方应核实默认系数的适当性，并在正式提交《防治荒漠化公约》报告估算值之前，根据需要添加相关系数。

7. 保存表格并提供审查：经缔约方核实后，应将评估期间的数据和佐证说明标记为 "审 查中 "并保存，以便《荒漠化公约》审查。

---

[1]

"防治荒漠化公约》。1994.公约》文本第1条：http://www.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