近年来,全球极端气候频发,干旱问题十分突出。干旱指数是进行干旱研究的有效工具;为了将复杂的干旱过程概念化和抽象化,干旱指数通常采用一些数学方程和参数来描述、评估实际的干旱过程和干旱特征。在干旱指数确定的过程中,往往受到方法、数据等方面的限制,使得干旱评估结果具有一定的不确定性。本文以黑河流域为研究区,基于标准化降水指数(SPI)和标准化降水蒸散指数(SPEI),选取干旱强度、干旱峰值、干旱最大持续时间和总持续时间四个干旱特征变量,分别从模型结构、参数估计、输入数据三个方面分析其不确定性对干旱指数以及对干旱评估结果的影响。文中选取4个三参数概率分布模型和5个两参数概率分布模型计算SPI,5个三参数分布概率模型和4个两参数概率分布模型计算SPEI,以此讨论模型结构引起的不确定性;采用最大似然参数估计法并基于正态性假设,通过随机生成参数的方法来量化参数估计的不确定性;使用非参数Bootstrap重采样法量化数据采样的不确定性,并研究不同序列长度对干旱指数及干旱评估的影响。研究结果如下:(1)概率分布拟合优度对干旱评估结果的可靠性具有重要影响;整体上来看,三参数概率分布模型拟合效果比两参数模型表现更优;三参数和两参数Log-logistic分布拟合效果优于推荐使用的Gamma分布,可以作为计算黑河流域SPI的替代分布。从不同概率分布模型对干旱指数的影响来看,SPI和SPEI指数越极端(SPI/SPEI≥2,SPI/SPEI≤-2),由分布模型导致的不确定性越大;不同概率分布模型对干旱特征变量的影响主要体现在持续时间上。(2)概率分布模型参数估计误差对干旱指数的影响主要表现为,SPI和SPEI指数越极端(SPI/SPEI≥2,SPI/SPEI≤-2),参数估计误差导致的不确定性越大,且最大置信区间宽度几乎是平均宽度的2倍,全部发生在极端和严重事件上;参数估计误差对干旱特征变量的影响主要体现在持续时间上;在概率分布模型拟合效果较优的前提下,参数估计误差引起的干旱指数不确定性大于不同概率分布引起的不确定性。(3)数据采样不确定性对两个干旱指数的影响有所差异,对SPI指数的影响为,SPI值越极端(SPI≥2,SPI≤-2),由采样引起的不确定性越大;对SPEI指数的影响则表现为,对于无旱和轻度事件(-1<SPEI<1),由采样引起的不确定性更大;数据采样不确定性对干旱特征变量的影响同样主要体现在持续时间上;另外,时间序列长度越短,干旱指数的不确定性越大;在黑河流域,建议使用最少30年长度的资料计算SPI指数,最少40年长度的资料计算SPEI指数。