Drought indices are widely used for drought quantification. The objective of this study is to introduce a hybrid drought index, the Precipitation Evapotranspiration Difference Condition Index (PEDCI), and to compare its performance in Oklahoma to existing drought indices. The PEDCI is based on a simple water balance model, which accounts for the difference between water supply (precipitation) and water demand (potential evapotranspiration). While it is similar in this respect to the Standardized Precipitation and Evapotranspiration Index (SPEI) and the Palmer Drought Severity Index, it uses a different method to normalize the index in time and space which was inspired by Vegetation Condition Index. The performance of the PEDCI is evaluated quantitatively using SPEI, soil moisture data, and crop yield data. The performance of the PEDCI is also evaluated qualitatively using six criteria. Results show that the PEDCI is highly correlated with SPEI and that it can represent drought conditions in Oklahoma as effectively as the SPEI. Correlations between the PEDCI and soil moisture/crop yield also demonstrate good correspondence. The qualitative evaluation of PEDCI shows that there are two key strengths in comparison to the SPEI. First, it is simple to calculate and interpret. Second, the normalization method does not require any empirical parameters or fitting a probability distribution function. The PEDCI can be used to characterize drought conditions on a variety of timescales and it has utility for monitoring agricultural and meteorological drought, especially in a changing climate.

干旱指数被广泛用于干旱量化。这项研究的目的是介绍一种混合干旱指数，即降水蒸散差异条件指数（PEDCI），并将其在俄克拉荷马州的表现与现有干旱指数进行比较。PEDCI基于简单的水平衡模型，该模型考虑了供水（降水）和需水量（潜在蒸散量）之间的差异。尽管在这方面与标准降水和蒸散指数（SPEI）和帕尔默干旱严重度指数相似，但它使用了不同的方法来对时空指数进行归一化，这是受植被状况指数的启发。使用SPEI，土壤水分数据和农作物产量数据对PEDCI的性能进行定量评估。还使用六个标准对PEDCI的性能进行了定性评估。结果表明，PEDCI与SPEI高度相关，它可以像SPEI一样有效地代表俄克拉荷马州的干旱条件。PEDCI与土壤水分/作物产量之间的相关性也显示出良好的对应关系。对PEDCI的定​​性评估表明，与SPEI相比，有两个主要优势。首先，它很容易计算和解释。其次，归一化方法不需要任何经验参数或拟合概率分布函数。PEDCI可用于在各种时间尺度上表征干旱状况，它可用于监测农业和气象干旱，特别是在气候变化的情况下。结果表明，PEDCI与SPEI高度相关，它可以像SPEI一样有效地代表俄克拉荷马州的干旱状况。PEDCI与土壤水分/作物产量之间的相关性也显示出良好的对应关系。对PEDCI的定​​性评估表明，与SPEI相比，有两个主要优势。首先，它很容易计算和解释。其次，归一化方法不需要任何经验参数或拟合概率分布函数。PEDCI可用于在各种时间尺度上表征干旱状况，它可用于监测农业和气象干旱，特别是在气候变化的情况下。结果表明，PEDCI与SPEI高度相关，它可以像SPEI一样有效地代表俄克拉荷马州的干旱状况。PEDCI与土壤水分/作物产量之间的相关性也显示出良好的对应关系。对PEDCI的定​​性评估表明，与SPEI相比，有两个主要优势。首先，它很容易计算和解释。其次，归一化方法不需要任何经验参数或拟合概率分布函数。PEDCI可用于在各种时间尺度上表征干旱状况，它可用于监测农业和气象干旱，特别是在气候变化的情况下。PEDCI与土壤水分/作物产量之间的相关性也显示出良好的对应关系。对PEDCI的定​​性评估表明，与SPEI相比，有两个主要优势。首先，它很容易计算和解释。其次，归一化方法不需要任何经验参数或拟合概率分布函数。PEDCI可用于在各种时间尺度上表征干旱状况，它可用于监测农业和气象干旱，特别是在气候变化的情况下。PEDCI与土壤水分/作物产量之间的相关性也显示出良好的对应关系。对PEDCI的定​​性评估表明，与SPEI相比，有两个主要优势。首先，它很容易计算和解释。其次，归一化方法不需要任何经验参数或拟合概率分布函数。PEDCI可用于在各种时间尺度上表征干旱状况，它可用于监测农业和气象干旱，特别是在气候变化的情况下。归一化方法不需要任何经验参数或拟合概率分布函数。PEDCI可用于在各种时间尺度上表征干旱状况，它可用于监测农业和气象干旱，特别是在气候变化的情况下。归一化方法不需要任何经验参数或拟合概率分布函数。PEDCI可用于在各种时间尺度上表征干旱状况，它可用于监测农业和气象干旱，特别是在气候变化的情况下。