Regional Streamflow DeficiencyIndex

Regional Streamflow Deficiency
Index (RSDI) Stahl (2001)
H Characterizing drought within each
homogeneous region.
Uses flow duration curves and flows that exceed
90% of the time (Q90).
Using the time series of streamflow, a deficiency
index is computed which is used to identify
homogenous regions using cluster analysis.
RSDI is computed for each homogeneous region.
Aggregate Drought Index
(ADI) Keyantash and Dracup
(2004)
MHA PDSI limitations including geographic
biases, not sufficiently considering
snowfall processes, and complex, empirical
formulations based on the climate
of US Midwestern states. SWSI
does not consider evaporation and
soil moisture.
ADI is a multivariate, aggregate index that inputs
six hydrologic variables of precipitation, streamflow,
reservoir storage, evapotranspiration, soil
moisture and snow water content. Uses five to
six variables. The first principle component
(PC1) is normalized by its standard deviation.
Soil Moisture Deficit Index
(SMDI) and Evapotranspiration
Deficit Index (ETDI)
Narasimhan and Srinivasan
(2005)
A By considering the spatial variability of
hydrological parameters of soil type
and land cover as well as meteorological
parameters, it is possible to improve
older indices such as SPI,
PDSI, CMI and SWSI; the hydrologic
system is better modeled and soil
moisture deficit monitoring is possible
at a finer resolution.
SMDI and ETDI use a high-resolution comprehensive
hydrologic model that incorporates a crop
growth model. Weekly values are calculated for
different soil layers and depths. The difference is
that SMDI considers soil moisture in its calculations
while ETDI considers the water stress ratio:
PETAET
PET . Indices increase spatial (16 km2) and
temporal (weekly) resolution. Weekly values reflect
short-term dry conditions, which is very
helpful during plant growth phases.
Reconnaissance Drought Index
(RDI) Tsakiris and Vangelis
(2005)
M Precipitation alone is inadequate and
less realistic estimate of moisture deficit;
the severity of drought is underestimated
without PET. In addition, it
is more difficult to correlate the damages
from drought when PET is
omitted from the equation. .
RDI is more comprehensive than SPI. Advantages
include: being physically based, RDI calculates
the aggregated deficit between the evaporative
demand of the atmosphere and precipitation;
being flexible for different periods of time; better
association with hydrological and agricultural
droughts; RDI is also easy and simple to calcuAchieve
a balance between two major late using monthly precipitation and PET.
meteorological parameters precipitation
and potential evapotranspiration
Standardized Precipitation
Evapotranspiration Index
(SPEI) Vicente-Serrano et al.
(2010)
M In an illustrative experiment, SPI could
not identify the pattern of increase in
the duration and magnitude of
droughts resultant from higher temperatures.
SPEI was required to overcome
the shortcomings of SPI in
addressing the consequences of climate
change on drought behaviour.
Based on SPI, however incorporates temperature
data. Considers water balance and evapotranspiration.
Where there are no apparent temporal
trends in temperature, SPEI is nearly equivalent
toSPI or other precipitation drought index.
Modified Perpendicular
Drought Index (MPDI) Ghulam
et al. (2007a)
RS The earlier developed PDI (Ghulam et
al. 2007b) was found to lack accuracy
on surfaces that are variable between
bare soils and densely vegetated agricultural
fields. For bare soils, both indices
performed equally.
Ghulam et al. (2007a) added and additional term:
“vegetation fraction” which considers soil moisture
and vegetation growth. For nonflat topography
with variable soil types and eco-systems
MPDI outperforms PDI.
Normalized Multi-Band
Drought Index (NMDI) Wang
and Qu (2007)
RS Enhancing the sensitivity of NDWI and
NDII to drought severity.
Uses information from one NIR and two SWIR
bands (MODIS bands 2, 6, and 7, respectively).
Simultaneously extracts both vegetation and soil
water content. Improved performance for dry soil
and weakly vegetated areas. For dense vegetation
performs similar to NWDI and NDII. Requires
further study for application to moderately dense
vegetation.
Vegetation Drought Response
Index (VegDRI) Brown et al.
(2008)
Agre To characterize specific droughts; combines
indices: NDVI, SPI, and PDSI
Provides near-real-time maps of drought severity
and spatial extent; at 1 km resolution it is finer
than the USDM, making it useful for local planning
and mitigation
Hybrid Drought Index (HDI)
(Karamouz et al. 2009)
Agre Combined the SPI, SWSI and PDSI. Better corresponds to various drought impacts

ผลลัพธ์ (ไทย) 1:

ภูมิภาค Streamflow ขาดStahl ดัชนี (RSDI) (2001)H ศึกษาภัยแล้งในแต่ละภูมิภาคที่เป็นเนื้อเดียวกันใช้ไหลโค้งระยะเวลาและกระแสที่เกิน90% ของเวลา (Q90)ใช้เวลาชุดของ streamflow การขาดดัชนีคำนวณซึ่งใช้เพื่อระบุภูมิภาคเป็นเนื้อเดียวกันโดยใช้การวิเคราะห์คลัสเตอร์RSDI คำนวณสำหรับแต่ละภูมิภาคเป็นเนื้อเดียวกันภัยแล้งรวมดัชนี(ADI) Keyantash และ Dracup(2004)MHA PDSI ข้อจำกัดทางภูมิศาสตร์รวมทั้งอคติ พิจารณาไม่เพียงพอกระบวนการหิมะ และคอมเพล็กซ์ เชิงประจักษ์สูตรตามสภาพภูมิอากาศของเรารัฐรัฐ SWSIพิจารณาการระเหย และความชื้นในดินADI คือ ดัชนีของตัวแปรพหุ รวมที่อินพุตหกตัวแปรอุทกวิทยาของฝน streamflowอ่างเก็บน้ำเก็บ evapotranspiration ดินปริมาณน้ำความชื้นและหิมะ ใช้ 5 ไปตัวแปร 6 ส่วนประกอบหลักแรก(PC1) ตามปกติ โดยส่วนเบี่ยงเบนมาตรฐานของดัชนีขาดความชุ่มชื้นของดิน(SMDI) และ Evapotranspirationขาดดุลดัชนี (ETDI)Narasimhan และ Srinivasan(2005)โดยพิจารณาความแปรปรวนเชิงพื้นที่ของอุทกวิทยาพารามิเตอร์ของชนิดของดินและครอบคลุมที่ดินเช่นอุตุนิยมพารามิเตอร์ จำเป็นต้องปรับปรุงดัชนีเก่าเช่น SPIPDSI พรบ. และ SWSI การอุทกวิทยาระบบใหม่ดีกว่า และดินตรวจสอบขาดความชื้นเป็นไปได้ที่มีความละเอียดปลีกย่อยSMDI และ ETDI ใช้ครอบคลุมความละเอียดสูงแบบจำลองอุทกวิทยาที่ครอบคลุมการครอบตัดแบบจำลองการเจริญเติบโต มีคำนวณค่ารายสัปดาห์สำหรับชั้นของดินแตกต่างกันและความลึก ความแตกต่างคือSMDI ถือว่าที่มีความชื้นในดินในการคำนวณด้วยในขณะที่ ETDI พิจารณาอัตราส่วนน้ำความเครียด:PETAETสัตว์เลี้ยง เพิ่มดัชนีเชิงพื้นที่ (กม. 2 16) และความละเอียดของกาลเวลา (สัปดาห์) รายสัปดาห์ค่าสะท้อนระยะสั้นแห้ง ซึ่งเป็นอย่างมากประโยชน์ในช่วงระยะการเจริญเติบโตของพืชลาดตระเวนดัชนีภัยแล้ง(RDI) Tsakiris และแวนเจลิส(2005)เมตรปริมาณน้ำฝนเพียงอย่างเดียวไม่เพียงพอ และขาดความชุ่มชื้น ประเมินจริงน้อยความรุนแรงของภัยแล้งได้ตลอดโดย pet ผู้ผลิตขวด นอกจากนี้ มันเป็นเรื่องยากมากที่จะเชื่อมโยงความเสียหายจากภัยแล้งเมื่อสัตว์เลี้ยงตัดออกจากสมการ .RDI ได้ครอบคลุมมากขึ้นกว่า SPI ข้อดีรวม: ถูกจริงคะแนน RDI คำนวณขาดดุลรวมระหว่างที่ฯลฯความต้องการของบรรยากาศและฝนมีความยืดหยุ่นสำหรับช่วงเวลา ดีกว่าสมาคมอุทกวิทยา และเกษตรภัยแล้ง RDI ก็ง่าย และง่ายต่อการ calcuAchieveความสมดุลระหว่างวิชาสองสายโดยใช้ฝนรายเดือนและ pet ผู้ผลิตขวดฝนพารามิเตอร์อุตุนิยมวิทยาและศักยภาพ evapotranspirationฝนได้มาตรฐานEvapotranspiration ดัชนี(SPEI) ปลอด Vicente et al(2010)เมตรในการทดลองเทคนิค SPI สามารถไม่ระบุรูปแบบการเพิ่มขึ้นของระยะเวลาและขนาดของภัยแล้งเกิดจากอุณหภูมิที่สูงขึ้นSPEI ต้องเอาชนะข้อบกพร่องของ SPI ในจัดการกับผลกระทบของสภาพภูมิอากาศเปลี่ยนแปลงในพฤติกรรมของภัยแล้งคะแนนเฉลียจาก SPI อย่างไรก็ตาม ประกอบด้วยอุณหภูมิข้อมูล พิจารณาสมดุลของน้ำและ evapotranspirationมีอยู่ไม่ชัดเจนขมับแนวโน้มอุณหภูมิ SPEI จะเกือบเทียบเท่าtoSPI หรือดัชนีอื่น ๆ แล้งฝนแก้ไขตั้งฉากภัยแล้งกูห์ดัชนี (MPDI)et al. (2007a)RS พัฒนาก่อนหน้านี้พี (กูห์ etal. 2007b) พบว่าขาดความถูกต้องบนพื้นผิวที่ผันแปรระหว่างเปลือยดิน และการเกษตรการปลูกพืชหนาแน่นเขตข้อมูล สำหรับดินเปลือย ดัชนีทั้งสองดำเนินการอย่างเท่าเทียมกันกูห์ et al. (2007a) เพิ่มและกำหนดเพิ่มเติม:"พืชเศษส่วน" ซึ่งถือว่าความชื้นในดินและเจริญเติบโตของพืช สำหรับภูมิประเทศ nonflatประเภทตัวแปรดินและระบบนิเวศMPDI มีประสิทธิภาพสูงกว่าพีวงหลายมาตรฐานภัยแล้งวังดัชนี (NMDI)และ Qu (2007)RS เพิ่มความไวของ NDWI และNDII กับความรุนแรงของภัยแล้งใช้ข้อมูลจากหนึ่ง NIR และ SWIR สองวงดนตรี (MODIS วง 2, 6, 7 และตามลำดับ)พร้อมสารสกัดจากพืชและดินปริมาณน้ำ ปรับปรุงประสิทธิภาพสำหรับดินแห้งและพื้นที่ค้น weakly สำหรับพืชที่หนาแน่นทำคล้ายกับ NWDI และ NDII จำเป็นต้องศึกษาต่อสำหรับการใช้งานที่หนาแน่นปานกลางพืชพืชตอบสนองต่อภัยแล้งดัชนี (VegDRI) น้ำตาล et al(2008)นักชีวเคมีชาวอเมริกันเพื่อลักษณะเฉพาะภัยแล้ง รวมดัชนี: NDVI, SPI และ PDSIให้บริการแผนที่ใกล้--เวลาจริงของภัยแล้งรุนแรงและขอบ เขตเชิงพื้นที่ ที่ความละเอียด 1 กม. เป็นปลีกย่อยกว่า USDM ทำให้มันมีประโยชน์สำหรับการวางแผนท้องถิ่นและบรรเทาสาธารณภัยไฮบริดสลีแล้งดัชนี (ต)(Karamouz et al. 2009)นักชีวเคมีชาวอเมริกันรวม SPI, SWSI และ PDSI สอดคล้องกับผลกระทบจากภัยแล้งต่าง ๆ ดีขึ้น

ผลลัพธ์ (ไทย) 2:

ภูมิภาคการไหลขาด
ดัชนี (RSDI) Stahl (2001)
ภัยแล้ง H อธิบายคุณลักษณะในแต่ละ
ภูมิภาคที่เป็นเนื้อเดียวกัน.
ใช้เส้นโค้งระยะเวลาการไหลและกระแสที่เกิน
90% ของเวลา (Q90) ได้.
ใช้ชุดเวลาของการไหล, การขาด
ดัชนีคำนวณซึ่งเป็น ใช้เพื่อระบุ
ภูมิภาคเป็นเนื้อเดียวกันโดยใช้การวิเคราะห์กลุ่ม.
RSDI คำนวณสำหรับแต่ละภูมิภาคเป็นเนื้อเดียวกัน.
รวมดัชนีความแห้งแล้ง
(ADI) Keyantash และ Dracup
(2004)
ข้อ จำกัด เลด PDSI รวมทั้งทางภูมิศาสตร์
อคติไม่เพียงพอพิจารณา
กระบวนการหิมะและซับซ้อนเชิงประจักษ์
สูตรขึ้นอยู่กับ สภาพภูมิอากาศ
ของสหรัฐมิดเวสต์ของสหรัฐฯ SWSI
ไม่ได้พิจารณาการระเหยและ
ความชื้นในดิน.
ADI เป็นหลายตัวแปรดัชนีรวมปัจจัยการผลิตที่
หกตัวแปรทางอุทกวิทยาของฝนน้ำท่า,
การจัดเก็บอ่างเก็บน้ำคายระเหยดิน
ความชื้นและน้ำจากหิมะ ใช้ที่จะห้า
หกตัวแปร แรกองค์ประกอบหลักการ
(PC1) เป็นปกติโดยส่วนเบี่ยงเบนมาตรฐานของ.
ดัชนีการขาดดุลความชื้นในดิน
(SMDI) และการคายระเหยน้ำ
ขาดดุลดัชนี (ETDI)
Narasimhan และ Srinivasan
(2005)
โดยพิจารณาจากความแปรปรวนของพื้นที่
พารามิเตอร์อุทกวิทยาของชนิดของดิน
และสิ่งปกคลุมดินเป็น รวมทั้งอุตุนิยมวิทยา
พารามิเตอร์ก็เป็นไปได้ในการปรับปรุง
ดัชนีเก่าเช่น SPI,
PDSI, CMI และ SWSI; อุทกวิทยา
ระบบเป็นแบบอย่างที่ดีและดิน
การตรวจสอบการขาดดุลความชื้นเป็นไปได้
ที่ความละเอียดปลีกย่อย.
SMDI และ ETDI ใช้ความละเอียดสูงที่ครอบคลุม
รูปแบบอุทกวิทยาที่ประกอบด้วยพืช
รูปแบบการเจริญเติบโต ค่ารายสัปดาห์ที่มีการคำนวณสำหรับ
ชั้นดินที่แตกต่างกันและความลึก ความแตกต่างคือ
ว่า SMDI พิจารณาความชื้นของดินในการคำนวณ
ในขณะที่ ETDI พิจารณาอัตราส่วนความเครียดน้ำ:
PETAET
PET ดัชนีเพิ่มเชิงพื้นที่ (16 กิโลเมตร 2) และ
ชั่วคราว (รายสัปดาห์) ความละเอียด ค่ารายสัปดาห์สะท้อนให้เห็นถึง
สภาวะที่แห้งในระยะสั้นซึ่งเป็นมาก
ที่เป็นประโยชน์ในระหว่างขั้นตอนการเจริญเติบโตของพืช.
ลาดตระเวนภัยแล้งดัชนี
(RDI) Tsakiris และ Vangelis
(2005)
เอ็มยุเพียงอย่างเดียวไม่เพียงพอและ
ประมาณการมีเหตุผลน้อยลงของการขาดดุลความชื้น;
ความรุนแรงของภัยแล้งที่มีการประเมิน
โดยไม่ต้อง PET นอกจากนี้มัน
เป็นเรื่องยากมากที่จะมีความสัมพันธ์ความเสียหาย
จากภัยแล้งเมื่อ PET จะถูก
ตัดออกจากสมการ .
RDI จะครอบคลุมมากกว่า SPI ข้อดี
รวมถึงถูกตามร่างกาย RDI คำนวณ
การขาดดุลที่รวบรวมระหว่างระเหย
ต้องการของบรรยากาศและฝน;
มีความยืดหยุ่นสำหรับรอบระยะเวลาที่แตกต่างกันของเวลา; ดีกว่า
การเชื่อมโยงกับอุทกวิทยาและการเกษตร
ภัยแล้ง; RDI ยังเป็นเรื่องง่ายและง่ายในการ calcuAchieve
ความสมดุลระหว่างสองปลายโดยใช้ปริมาณน้ำฝนรายเดือนที่สำคัญและ PET.
พารามิเตอร์อุตุนิยมวิทยาตกตะกอน
และการคายระเหยที่มีศักยภาพ
มาตรฐานยุ
ดัชนีการคายระเหยน้ำ
(Spei) Vicente-Serrano et al.
(2010)
m ในการทดสอบตัวอย่าง, SPI จะทำได้
ไม่ได้ระบุรูปแบบของการเพิ่มขึ้นใน
ระยะเวลาและขนาดของ
ภัยแล้งผลจากอุณหภูมิที่สูงขึ้น.
Spei จะต้องเอาชนะ
ข้อบกพร่องของ SPI ใน
การแก้ไขผลกระทบของสภาพภูมิอากาศ
เปลี่ยนแปลงพฤติกรรมภัยแล้ง.
จาก SPI แต่ประกอบด้วยอุณหภูมิ
ข้อมูล พิจารณาความสมดุลของน้ำและการคายระเหย.
ที่ไม่มีชั่วชัดเจน
แนวโน้มอุณหภูมิ Spei เกือบเทียบเท่า
toSPI หรือดัชนีความแห้งแล้งเร่งรัดอื่น ๆ .
Modified ตั้งฉาก
แล้งดัชนี (MPDI) กู
et al, (2007A)
อาร์เอสก่อนหน้านี้ที่พัฒนา PDI (กู et
al. 2007B) พบว่าขาดความถูกต้อง
บนพื้นผิวที่มีตัวแปรระหว่าง
ดินเปลือยและการเกษตรพืชหนาแน่น
เขต ดินเปลือยทั้งดัชนี
ดำเนินการอย่างเท่าเทียมกัน.
กู et al, (2007A) และเพิ่มระยะเพิ่มเติม:
"พืชเศษ" ที่จะพิจารณาความชุ่มชื้นในดิน
และพืชเจริญเติบโต สำหรับภูมิประเทศ nonflat
กับชนิดของดินตัวแปรและระบบนิเวศ
MPDI มีประสิทธิภาพดีกว่า PDI.
ปกติหลายวง
แล้งดัชนี (NMDI) วัง
และ Qu (2007)
อาร์เอสเพิ่มความไวของ NDWI และ
NDII ภัยแล้งรุนแรง.
ใช้ข้อมูลจากที่หนึ่ง NIR และสอง SWIR
วงดนตรี (MODIS วงดนตรีที่ 2, 6 และ 7 ตามลำดับ).
พร้อมกันทั้งสารสกัดจากพืชและดิน
ปริมาณน้ำ ผลการดำเนินงานที่ดีขึ้นสำหรับดินแห้ง
และพื้นที่โซอ่อน สำหรับผักอัด
ดำเนินการคล้ายกับ NWDI และ NDII ต้องมี
การศึกษาต่อไปสำหรับการประยุกต์ใช้ในระดับปานกลางหนาแน่น
พืช.
พืชฤดูแล้งการตอบสนอง
ดัชนี (VegDRI) สีน้ำตาล et al.
(2008)
Agre ภัยแล้งที่จะอธิบายลักษณะเฉพาะ รวม
ดัชนี: NDVI, SPI และ PDSI
ให้ใกล้เวลาจริงแผนที่ความรุนแรงของภัยแล้ง
และขอบเขตเชิงพื้นที่ ที่ความละเอียด 1 กม. มันเป็นปลีกย่อย
กว่า USDM ทำให้มันมีประโยชน์สำหรับการวางแผนในท้องถิ่น
และการบรรเทาผลกระทบ
ดัชนีความแห้งแล้งไฮบริด (HDI)
(Karamouz et al. 2009)
Agre รวม SPI, SWSI และ PDSI สอดคล้องดีกว่าที่จะส่งผลกระทบต่อความแห้งแล้งต่างๆ

ผลลัพธ์ (ไทย) 3:

ขาด 3 ภูมิภาคดัชนี ( rsdi ) สตาห์ล ( 2544 )H ลักษณะภัยแล้งในแต่ละเป็นเนื้อเดียวกัน )โค้งอัตราการไหล - ช่วงเวลาที่ใช้และการไหลเกิน90% ของเวลา ( q90 )การใช้อนุกรมเวลาปริมาณน้ำท่า , ขาดดัชนีจะคำนวณซึ่งจะใช้เพื่อระบุภูมิภาค homogenous โดยใช้การวิเคราะห์กลุ่มrsdi จะคำนวณสำหรับแต่ละเอกภูมิภาคดัชนีภัยแล้งรวม( ADI ) และ keyantash dracup( 2004 )มะ pdsi ข้อจำกัดทั้งทางภูมิศาสตร์อคติ , ไม่เพียงพอพิจารณากระบวนการ หิมะ และ ซับซ้อน เชิงประจักษ์สูตรตามภูมิอากาศชาวตะวันตกของสหรัฐอเมริกา . swsiไม่พิจารณาการระเหยความชื้นในดินซึ่งเป็นดัชนีที่ใช้แบบรวม6 ตัวแปรทางชลศาสตร์ของปริมาณน้ำฝนน้ำท่า , ,อ่างเก็บน้ำน้ำ , ดิน ,ความชื้นและปริมาณน้ำที่หิมะ ใช้ ห้า ถึง6 ตัวแปร ส่วนประกอบหลักแรก( PC ) เป็นปกติ โดยส่วนเบี่ยงเบนมาตรฐานดุลดัชนีความชื้นของดิน( smdi ) และการคายระเหยดัชนีติดลบ ( etdi )srinivasan narasimhan และ( 2005 )โดยพิจารณาการเปลี่ยนแปลงของพื้นที่พารามิเตอร์ทางอุทกวิทยาของชนิดดินและที่ดินครอบคลุมเช่นเดียวกับอุตุนิยมวิทยาพารามิเตอร์ก็เป็นไปได้เพื่อปรับปรุงดัชนี SPI เก่าเช่น ,pdsi CMI และ swsi ; ทาง ,ระบบต้นแบบและดินดีกว่าดุลความชื้นการตรวจสอบเป็นไปได้ที่ความละเอียดปลีกย่อยsmdi etdi ใช้ความละเอียดและครอบคลุมแบบจำลองทางอุทกวิทยาที่ประกอบด้วยพืชรูปแบบการเจริญเติบโต คำนวณค่ารายสัปดาห์สำหรับชั้นดินที่แตกต่างกันและความลึก ความแตกต่างคือที่ smdi พิจารณาการคำนวณของความชื้นในดินในขณะที่ etdi พิจารณาอัตราส่วนน้ำต่อความเครียด :petaetสัตว์เลี้ยง ดัชนีเพิ่มพื้นที่ ( 16 กิโลเมตร ) และชั่วคราว ( รายสัปดาห์ ) ความละเอียด สะท้อนให้เห็นถึงค่านิยมรายสัปดาห์เงื่อนไขบริการระยะสั้น ซึ่งมีมากที่เป็นประโยชน์ในช่วงระยะการเจริญเติบโตของพืชดัชนีความแห้งแล้ง สอดแนมtsakiris เส้นขมับ ( RDI ) และ( 2005 )การอยู่คนเดียวมันไม่เพียงพอ และมประมาณการมีเหตุผลน้อยลงของการขาดดุลไม่ชื้นความรุนแรงของภัยแล้ง คือ ดูไม่มีสัตว์เลี้ยง นอกจากนี้ยากที่จะหาความสัมพันธ์ของความเสียหายจากภัยแล้งเมื่อสัตว์เลี้ยงตัดออกจากสมการ .ปริมาณที่ครอบคลุมมากกว่า SPI . ข้อดีรวม : ถูกจริงตามปริมาณ คํานวณโดยรวมขาดดุลระหว่างการระเหยความต้องการของบรรยากาศและการตกตะกอน ;มีความยืดหยุ่นสำหรับช่วงเวลาที่แตกต่างกันของเวลา ดีกว่ากับสมาคมอุทกวิทยาและเกษตรความแห้งแล้ง ; RDI ยังเป็นเรื่องง่ายและง่ายในการ calcuachieveความสมดุลระหว่างสองสาขาสายโดยใช้การตกตะกอนรายเดือน และสัตว์เลี้ยงพารามิเตอร์การอุตุนิยมวิทยาและ ค่าการคายระเหยน้ำสูงสุดการตกตะกอนแบบมาตรฐานค่าดัชนี( spei ) Vicente Serrano et al .( 2010 )ในการทดลองลงในไส้ได้ ,ไม่ระบุรูปแบบของการเพิ่มในระยะเวลาและขนาดของความแห้งแล้งเป็นผลจากอุณหภูมิที่สูงขึ้นspei คือต้องเอาชนะข้อบกพร่องของการลงทุนในผลของการใช้การเปลี่ยนแปลงในพฤติกรรม ภัยแล้งขึ้นอยู่กับการลงทุน อย่างไรก็ตามประกอบด้วยอุณหภูมิข้อมูล พิจารณาสมดุลการคายระเหยน้ำ .ที่ไม่มีปรากฏชั่วคราวแนวโน้มอุณหภูมิ spei เกือบเทียบเท่าtospi ฝนแล้งหรือดัชนีอื่น ๆแก้ไขตั้งฉากดัชนีภัยแล้ง ( mpdi ) คูลet al . ( 2007a )อาร์เอสที่พัฒนาก่อนหน้านี้ PDI ( คูล และอัล 2007b ) พบว่าไม่มีความถูกต้องบนพื้นผิวที่ตัวแปรระหว่างดินเปล่ายิบ vegetated การเกษตรเขตข้อมูล ดินเปล่า ทั้งดัชนีปฏิบัติอย่างเท่าเทียมกันคูล et al . ( 2007a ) เพิ่มและเงื่อนไขเพิ่มเติม" ส่วน " พืชที่จะพิจารณา ความชื้นในดินและการเติบโตของพืช สำหรับ nonflat ภูมิประเทศกับดินประเภทตัวแปรและ Eco ระบบmpdi โปรย PDI .วงหลายมาตรฐานดัชนีภัยแล้ง ( nmdi ) วังและการค้นหา ( 2007 )อาร์เอส เพิ่มความไวของ ndwi และndii ความรุนแรงภัยแล้งใช้ข้อมูลจากที่หนึ่งและสอง Sheikh เนียร์เหล็กพืด ( โมดิสวง 2 , 6 และ 7 ตามลำดับ )สารสกัดจากพืชและดินพร้อมกันทั้งปริมาณน้ำ การปรับปรุงสมรรถนะของดินแห้งกะปวกกะเปียก vegetated และพื้นที่ สำหรับพืชหนาแน่นและดำเนินการคล้ายกับ nwdi ndii . ต้องการการศึกษาเพื่อประยุกต์ใช้หนาแน่นปานกลางพืชพืชตอบสนองภัยแล้งดัชนี ( vegdri ) สีน้ำตาล et al .( 2008 )อเกอร์ลักษณะเฉพาะความแห้งแล้ง ; รวมดัชนี : การเปลี่ยนแปลงด้านพืชพรรณ SPI และ pdsi ,ให้ใกล้เวลาจริงแผนที่ระดับความรุนแรงของความแห้งแล้งพื้นที่และขอบเขต ณ 1 กม. ความละเอียดมันขึ้นกว่า usdm ทำให้มันมีประโยชน์สำหรับการวางแผนท้องถิ่นและบรรเทาสาธารณภัยดัชนีความแห้งแล้ง ไฮบริด ( HDI )( karamouz et al . 2009 )อเกอร์รวม SPI swsi pdsi , และ . น่าจะสอดคล้องกับผลกระทบภัยแล้งที่ต่าง ๆ