《Physics and Chemistry of the Earth, Parts A/B/C》：Development of a Southwest Monsoon Index for Monitoring Rainfall in Thailand
编辑推荐：
本研究基于印度洋两 strategically selected regions的SST差异构建泰国西南季风指数（SWMI），通过K-means颜色分割处理卫星数据，并利用1,042个雨量站验证。结果显示SWMI与泰国季风期累积降雨呈显著负相关（r=-0.74, p=1.29×10^-21），表明SST梯度可有效表征季风强度，为泰国农业、水资源管理和灾害预警提供新工具。
普拉塔纳·迪普拉塞特库尔（Prattana Deeprasertkul）| 罗约尔·奇特拉多恩（Royol Chitradon）
水文信息研究所（Hydro-Informatics Institute，公共机构），曼谷，10900，泰国
摘要
西南季风是泰国降雨的主要驱动力，在水资源、农业和灾害预防方面发挥着关键作用。然而，气候变异性的增加使得季风行为更加不规律，导致降雨模式难以预测，洪水和干旱的风险也随之增加。本研究基于印度洋两个战略性地选定的区域之间的海表温度（SST）差异，开发了一个西南季风指数（SWMI），这两个区域影响着向泰国输送的水分。通过K均值颜色分割技术处理每月的卫星海表温度图像，从中提取每个区域的代表性SST值，然后利用这些SST差异来构建SWMI。
分析了水文信息研究所（HII）在泰国运营的1,042个遥测站收集的降雨数据，以评估SWMI与季风季节降雨之间的关系。结果显示，SWMI与累积降雨量之间存在显著的负相关关系（r = ?0.74，p = 1.29 × 10-21），表明较强的SST负差异与更多的季风降雨相关。降雨站的空间聚类分析显示，泰国西部和南部对SWMI的变化最为敏感。
研究表明，SWMI是一个可靠的气候指标，能够捕捉泰国季风驱动的降雨变化。该指数为未来的季节性和长期降雨预测提供了基础，包括与机器学习模型的结合应用。其在实际应用中具有巨大的潜力，可以支持泰国的水资源规划、农业管理和灾害风险降低。
引言
西南季风是泰国雨季的主要气候系统，它在5月中旬至10月中旬期间将温暖湿润的空气从印度洋输送到东南亚大陆（Arpornrat等人，2018年）。它强烈影响着该地区的降雨分布、农业周期、水资源可用性和水文极端事件以及生态系统过程。近几十年来，泰国经历了气候变异性的增加，导致季风开始时间不规律、降雨强度波动以及洪水和干旱的风险增加。这些日益严峻的挑战凸显了需要一个能够表征季风强度并支持水资源管理的可靠指标。
以往的研究中开发了多种西南季风指数（SWMIs），这些指数通常基于大气参数，如风异常、压力梯度、出射长波辐射（OLR）或降雨异常（Kripalani和Kulkarni，1998年；Goswami和Xavier，2005年；Tsai等人，2015年）。虽然这些指数在描述区域尺度的季风变化方面有效，但它们主要是为印度次大陆或更广泛的南亚季风系统设计的。因此，它们的空间配置、基本假设和气象相关性可能无法完全捕捉影响泰国季风降雨的海洋-大气相互作用。
已经为南亚和东南亚开发了几种季风指数，包括印度季风指数（IMI）、南亚夏季季风指数（SASM）以及基于OLR或低层风异常的指数（Goswami和Xavier，2005年；Kripalani和Kulkarni，1997年；Kripalani等人，1995年；Tsai等人，2015年）。然而，这些指数具有普遍性，并未针对泰国的降雨变化进行优化。大多数指数依赖于大气环流场，而不是直接表示调节向泰国输送的跨赤道水分的SST梯度。本研究通过引入一个简单但基于物理原理的、专门为泰国定制的SST指数，填补了现有文献中的这一空白。此外，最近的基于机器学习的气候预测研究（例如Estévez等人，2020年；Hassan等人，2023年）强调了需要可靠的季节性气候指数，这进一步推动了特定于泰国的SWMI的开发。
此外，传统的季风指数很少考虑驱动跨赤道流动的SST梯度——这是控制季风强度和向泰国输送水分的关键机制。SST梯度影响经向压力差的强度，并调节季风风环流（Krishnamurthy和Kirtman，2003年）。到目前为止，还没有现有指数明确利用了负责向泰国输送季风水分的海洋区域之间的SST差异。
为了解决这些局限性，本研究基于两个直接影响泰国季风环流的海洋区域之间的SST差异，开发了一个新的SWMI。这种基于SST的指数与早期基于风、降雨或压力的指数不同，它是根据泰国的气候特征量身定制的。该方法得到了长期卫星海表温度观测数据和泰国全面的降雨遥测网络的支持，从而能够详细评估SST梯度与季风季节降雨之间的关系。
此外，还应用K均值颜色分割技术来处理海表温度图像，以提高从每个区域提取SST值的精确度和效率。这种方法上的改进增强了指数的物理一致性和可重复性。
本研究的总体目标是开发一个基于SST差异的SWMI，并评估其作为泰国季风驱动降雨变化指标的有效性。具体目标包括：
1.基于影响向泰国输送水分的两个气候相关海洋区域之间的SST差异构建SWMI；
2.分析SWMI与HII运营的1,042个自动遥测站降雨之间的关系；
3.评估SWMI作为泰国季节性和长期降雨预测的气候指标的潜力。
本工作的贡献在于提出了一个特定于泰国的、基于物理原理的季风指数；证明了其与降雨之间的强统计相关性；整合了一种高效的SST处理技术；并为未来的模型开发奠定了基础，特别是数据驱动的预测系统，如机器学习。与之前的SWMI不同，这里引入的指数强调了海洋-大气热力学，并直接捕捉了调节泰国季风强度的SST梯度。
本研究在方法论和科学上具有多个优势。首先，它提出了一个直接基于与泰国水分输送区域物理相连的SST梯度的泰国特定SWMI——这是现有全球指数未明确捕捉到的方面。其次，该方法强调简单性和计算效率，可以利用常规可用的卫星SST数据进行快速的操作更新。第三，K均值颜色分割技术的应用为从卫星图像中提取SST值提供了一种一致且透明的方法。最后，SWMI使用了东南亚最密集的降雨观测网络之一（包括1,042个降雨遥测站）进行评估，从而确保了强有力的空间验证。总体而言，这些特点使得SWMI在实际应用和科学上都非常稳健。
本文的结构如下：第2节描述了数据集、预处理程序和分析方法；第3节介绍了SWMI的开发过程；第4节报告了研究结果；第5节讨论了发现；第6节总结了研究并指出了未来研究和应用的方向。
节选内容
西南季风
泰国受到两种主要季风系统的影响：西南季风和东北季风，如图1所示。它们交替的模式决定了该国的季节性降雨分布。
西南季风从5月中旬持续到10月中旬，由南半球和亚洲大陆之间的季节性压力梯度驱动（Arpornrat等人，2018年；Ana-Marija，2025年）。来自热带印度洋的湿润空气向北移动，
SWMI的开发
本节描述了使用卫星海表温度数据构建SWMI的完整工作流程。该过程包括定义与季风相关的SST区域、使用图像分割提取每月的SST值、计算选定区域之间的SST差异，并使用1,042个站的降雨观测数据验证所得指数。这些步骤按顺序呈现，提供了一个清晰且逻辑严密的方法论框架。
图3展示了这一过程的逐步步骤
结果
如图6a和6b所示，所开发的SWMI基于图4中选定的两个区域之间的SST差异。该指数与泰国季风季节（通常从5月持续到10月）的降雨模式之间存在显著的相关性（绿色背景阴影表示）。
相关性分析显示，SST差异与累积降雨量之间存在强烈的负相关关系，相关系数为?0.74。
讨论
本研究基于影响泰国季风系统的印度洋两个战略定义区域之间的SST差异，开发了SWMI。主要目的是评估这种SST梯度是否能够有效代表季风强度并解释全国范围内的降雨变化。结果提供了强有力的证据，表明新开发的SWMI是一个可靠的气候指标。
关键发现是——SST差异与降雨量之间存在显著的负相关关系
结论
本研究提出了一个基于影响季风发展的两个海洋区域之间SST差异的泰国特定SWMI。利用长期卫星海表温度数据和1,042个遥测站的降雨观测数据，SWMI与泰国季风季节降雨量之间存在强烈的负相关关系（r = ?0.74，p = 1.29 × 10-21）。这一结果证实，较强的SST负差异表明季风环流增强
CRediT作者贡献声明
普拉塔纳·迪普拉塞特库尔（Prattana Deeprasertkul）：写作——审稿与编辑、原始草稿撰写、可视化、验证、软件开发、资源管理、项目管理、方法论设计、正式分析。罗约尔·奇特拉多恩（Royol Chitradon）：监督、概念构思
未引用的参考文献
Aamir和Hassan，2020年；Criado-Aldeanueva和Soto-Navarro，2020年；Ellis等人，2004年；Garcia-Soto等人，2021年；Ghamariadyan和Imteaz，2021年；Hobeichi等人，2024年；Lin和Wang，2002年；McClain等人，1985年；Ratjiranukool和Ratjiranukool，2017年；Robinson，2010年；Rodrigo等人，2019年；Shi和Wang，2021年；Singhrattna等人，2005年。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本研究得到了水文信息研究所（公共机构）的资助，该机构是作者所属的机构。
