中巴經(jīng)濟(jì)走廊2000-2017年逐月溫度植被干旱指數(shù)數(shù)據(jù)集

馮克庭，張耀南，田德宇，康建芳

1. 中國(guó)科學(xué)院西北生態(tài)環(huán)境資源研究院寒旱區(qū)科學(xué)大數(shù)據(jù)中心，蘭州 730000

2. 國(guó)家特殊環(huán)境、特殊功能觀測(cè)研究臺(tái)站共享服務(wù)平臺(tái), 平臺(tái)服務(wù)中心，蘭州730000

3. 中國(guó)科學(xué)院大學(xué)，北京 100049

數(shù)據(jù)庫(kù)（集）基本信息簡(jiǎn)介

國(guó)家科技基礎(chǔ)條件平臺(tái)“特殊環(huán)境特殊功能觀測(cè)研究臺(tái)站共享服務(wù)平臺(tái)”（Y719H71006）、中國(guó)科學(xué)院信息化專項(xiàng)“寒旱區(qū)環(huán)境演變研究‘科技領(lǐng)域云’的建設(shè)與應(yīng)用”（XXH13506）。數(shù)據(jù)集組成 數(shù)據(jù)集由216個(gè)數(shù)據(jù)文件組成，數(shù)據(jù)文件為月溫度植被干旱指數(shù)數(shù)據(jù)，數(shù)據(jù)格式為tif，文件名為T(mén)VDI.AYYYYDDD.1_km_month.tif。

引 言

中國(guó)-巴基斯坦經(jīng)濟(jì)走廊（簡(jiǎn)稱“中巴經(jīng)濟(jì)走廊”），范圍包括巴基斯坦全國(guó)和中國(guó)新疆喀什地區(qū)及周邊（圖1），起點(diǎn)在中國(guó)新疆喀什，終點(diǎn)在巴基斯坦瓜達(dá)爾港，全長(zhǎng)3000 km，北接“絲綢之路經(jīng)濟(jì)帶”、南連“21世紀(jì)海上絲綢之路”，是貫通南北絲路關(guān)鍵樞紐，是一條包括公路、鐵路、油氣和光纜通道在內(nèi)的貿(mào)易走廊，也是“一帶一路”倡議的重要組成部分[1-2]，將對(duì)中巴兩國(guó)的經(jīng)濟(jì)社會(huì)發(fā)展產(chǎn)生重大的影響，為“一帶一路”建設(shè)實(shí)施發(fā)揮示范和推動(dòng)作用[3]。中巴經(jīng)濟(jì)走廊沿線干旱災(zāi)害發(fā)生頻繁，嚴(yán)重影響著沿線國(guó)家的安全和社會(huì)發(fā)展，制約著“一帶一路”重大戰(zhàn)略的實(shí)施[4]。因此，有必要利用各類數(shù)據(jù)對(duì)中巴經(jīng)濟(jì)走廊沿途干旱災(zāi)害開(kāi)展監(jiān)測(cè)研究，這將對(duì)抗旱減災(zāi)及風(fēng)險(xiǎn)評(píng)價(jià)提供有力的理論依據(jù)，為進(jìn)一步掌握有效的綜合干旱指標(biāo)提供科技支撐，為抗旱生產(chǎn)實(shí)踐提供決策參考，促進(jìn)中國(guó)與“一帶一路”沿線各國(guó)的災(zāi)害監(jiān)測(cè)、預(yù)警、救災(zāi)、減災(zāi)的科技合作。

圖1 研究區(qū)示意圖

干旱的監(jiān)測(cè)和分析，長(zhǎng)期以來(lái)都是政府和學(xué)術(shù)界高度關(guān)注的熱點(diǎn)問(wèn)題[5]。傳統(tǒng)的干旱監(jiān)測(cè)方法是基于地面臺(tái)站觀測(cè)或?qū)嶒?yàn)觀測(cè)，利用氣象和水文觀測(cè)站獲得的降水、氣溫、蒸發(fā)、徑流等氣象和水文數(shù)據(jù)，以及農(nóng)業(yè)氣象觀測(cè)的墑情等數(shù)據(jù)，依據(jù)各種干旱指標(biāo)對(duì)觀測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析來(lái)對(duì)干旱情況進(jìn)行量化分析。由于觀測(cè)站點(diǎn)空間密度有限，僅靠地面觀測(cè)點(diǎn)的資料很難對(duì)干旱進(jìn)行大范圍、快速、連續(xù)的監(jiān)測(cè)。隨著遙感技術(shù)的發(fā)展和應(yīng)用，遙感干旱監(jiān)測(cè)已經(jīng)成為全球抗旱減災(zāi)中不可或缺的手段，它與傳統(tǒng)學(xué)科相結(jié)合，優(yōu)勢(shì)互補(bǔ)，可以提供區(qū)域、大陸乃至全球的旱情信息[6]，是一種宏觀、快速、客觀、經(jīng)濟(jì)的有效手段[7]。在遙感干旱監(jiān)測(cè)中，將植被指數(shù)和地表溫度相結(jié)合進(jìn)行干旱監(jiān)測(cè)的方法使用廣泛[8-13]。其中，溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，TVDI）方法應(yīng)用最為廣泛。Sandholt等[14]基于植被指數(shù)和地表溫度的關(guān)系，提出了TVDI指數(shù)用以估測(cè)土壤表層水分狀況。國(guó)內(nèi)學(xué)者利用TVDI指數(shù)進(jìn)行了全國(guó)級(jí)、區(qū)域級(jí)、省級(jí)等不同空間尺度的干旱監(jiān)測(cè)。齊述華等[15]應(yīng)用TVDI方法對(duì)全國(guó)進(jìn)行了干旱監(jiān)測(cè)，結(jié)果表明，該方法用于大范圍評(píng)價(jià)旱情是合理的。楊秀海等[16]研究表明TVDI基本上能夠反映表層土壤濕度狀況，利用TVDI對(duì)西北地區(qū)進(jìn)行夏季干旱動(dòng)態(tài)監(jiān)測(cè)是可行的。姚春生等[17]利用 TVDI方法反演了新疆地區(qū)的土壤濕度。張順謙等[18]依據(jù)TVDI對(duì)2006年四川伏旱進(jìn)行監(jiān)測(cè)與評(píng)估，其結(jié)果與氣候監(jiān)測(cè)結(jié)果基本一致。杜靈通等[19]利用TVDI監(jiān)測(cè)寧夏地區(qū)干旱，并分析了10年間的旱情變化特征。沙莎等[20]利用歷史遙感數(shù)據(jù)構(gòu)建了3種植被指數(shù)與地表溫度特征空間，討論了TVDI方法在甘肅省隴東地區(qū)的適宜性。但是，TVDI用于干旱監(jiān)測(cè)時(shí)，由于研究區(qū)內(nèi)地形起伏、南北緯度跨距的差異對(duì)地表溫度數(shù)據(jù)的影響會(huì)帶來(lái)TVDI的計(jì)算誤差，從而降低TVDI反演的精度。冉瓊等[21]考慮高程變化對(duì)地表溫度的影響，對(duì)地表溫度進(jìn)行了高程校正，使得經(jīng)過(guò)高程校正獲取的TVDI能更好地反映土壤濕度。趙杰鵬等[22]利用地理緯度和地面高程，對(duì)地表溫度進(jìn)行校正，從而達(dá)到對(duì)大區(qū)域太陽(yáng)輻射和大氣背景差異校正的目的，使得TVDI監(jiān)測(cè)土壤濕度的精度明顯提高。

本數(shù)據(jù)集采用TVDI方法[14]，并利用高程和緯度對(duì)地表溫度校正[21-22]，計(jì)算溫度植被干旱指數(shù)，以MODIS植被指數(shù)和地表溫度數(shù)據(jù)為基礎(chǔ)，結(jié)合數(shù)字高程模型（Digital Elevation Model，DEM）數(shù)據(jù)，獲取了 2000-2017年“中巴經(jīng)濟(jì)走廊”區(qū)域逐月溫度植被干旱指數(shù)數(shù)據(jù)集，為區(qū)域?yàn)?zāi)害研究與決策提供基礎(chǔ)數(shù)據(jù)。

1 數(shù)據(jù)采集和處理方法

本數(shù)據(jù)集采用的數(shù)據(jù)為MODIS植被指數(shù)產(chǎn)品MOD13A3、地表溫度產(chǎn)品MOD11A2，SRTM DEM產(chǎn)品以及氣象站觀測(cè)降水?dāng)?shù)據(jù)和土壤濕度數(shù)據(jù)。其中MODIS數(shù)據(jù)來(lái)源于美國(guó)航空航天局（National Aeronautics and Space Administration，NASA）陸地產(chǎn)品處理分發(fā)數(shù)據(jù)中心 （Land Processes Distribution Active Archive Center，LPDAAC，https://lpdaac.usgs.gov）；DEM 數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云（http://www.gscloud.cn）提供的SRTM數(shù)據(jù)集；降水和土壤濕度數(shù)據(jù)來(lái)源于國(guó)家氣象數(shù)據(jù)共享服務(wù)平臺(tái)（https://data.cma.cn）。數(shù)據(jù)生產(chǎn)流程包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)重建、計(jì)算與評(píng)估，如圖2所示。

其中數(shù)據(jù)預(yù)處理是進(jìn)行數(shù)據(jù)拼接、投影轉(zhuǎn)換、波段提取、重采樣等，提取的波段包括歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）、地表溫度（Land Surface Temperature，LST）及相應(yīng)的質(zhì)量控制文件（Quality Assurance，QA）；數(shù)據(jù)重建包括空間插值、時(shí)間序列濾波、地形校正、時(shí)間序列補(bǔ)齊、時(shí)間序列重建；計(jì)算與評(píng)估對(duì) TVDI進(jìn)行計(jì)算，并利用標(biāo)準(zhǔn)化降水指數(shù)（Standardized Precipitation Index，SPI）和土壤濕度對(duì)指數(shù)進(jìn)行評(píng)估。

1.1 數(shù)據(jù)預(yù)處理

MODIS植被指數(shù)產(chǎn)品MOD13A3時(shí)間分辨率為月，空間分辨率為1 km，地表溫度產(chǎn)品MOD11A2時(shí)間分辨率為8天，空間分辨率為1km，數(shù)據(jù)格式為hdf，投影方式為正弦曲線地圖投影。利用MODIS再投影工具（MODIS Reprojection Tool，MRT）對(duì)數(shù)據(jù)進(jìn)行拼接、投影轉(zhuǎn)換、波段提取和重采樣。MRT參數(shù)設(shè)置：輸出格式為Geotiff，輸出投影采用地理投影，水準(zhǔn)面選擇WGS84，采樣方法為最近鄰采樣，像元大小為0.0083333333度（1 km）。獲取NDVI、地表溫度及相關(guān)質(zhì)量控制數(shù)據(jù)。

圖2 數(shù)據(jù)生產(chǎn)流程圖

DEM數(shù)據(jù)格式為Geotiff，分辨率為90 m。利用ArcGIS工具，對(duì)DEM數(shù)據(jù)進(jìn)行拼接、重采樣、裁剪，生成分辨率為1 km的中巴經(jīng)濟(jì)走廊DEM數(shù)據(jù)。

采用Python語(yǔ)言編程，結(jié)合研究區(qū)矢量邊界和MODIS質(zhì)量控制數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)批量裁剪和掩膜，剔除質(zhì)量不可靠像元，生成中巴經(jīng)濟(jì)走廊質(zhì)量可靠的NDVI和地表溫度數(shù)據(jù)集。

1.2 數(shù)據(jù)重建處理

遙感數(shù)據(jù)重建旨在利用多種統(tǒng)計(jì)和數(shù)值分析方法，模擬缺失數(shù)據(jù)或提高反演模型精度，從而實(shí)現(xiàn)插補(bǔ)缺失觀測(cè)值，優(yōu)化時(shí)間序列數(shù)據(jù)，為相關(guān)研究提供更加完備的基礎(chǔ)數(shù)據(jù)。遙感數(shù)據(jù)重建方法分為空間重建和時(shí)間重建兩類，本數(shù)據(jù)集生產(chǎn)過(guò)程中對(duì)數(shù)據(jù)進(jìn)行空間和時(shí)間重建處理。

1.2.1 空間插值處理

數(shù)據(jù)預(yù)處理提取的NDVI和溫度數(shù)據(jù)，如有質(zhì)量不可靠像元缺失，需要進(jìn)行空間插補(bǔ)，采用反距離加權(quán)（IDW）方法實(shí)現(xiàn)數(shù)據(jù)的空間插值。利用Python首先調(diào)用ArcGIS arcpy包的RasterToPoint模塊將柵格數(shù)據(jù)集轉(zhuǎn)換為點(diǎn)要素，其次調(diào)用ArcGIS arcpy包的IDW模塊，將點(diǎn)插值成柵格表面，實(shí)現(xiàn)數(shù)據(jù)批量空間插值處理，IDW方法參數(shù)設(shè)置如下：

（1）距離指數(shù)：用于控制內(nèi)插值周圍點(diǎn)的顯著性，值越高，距離較遠(yuǎn)的數(shù)據(jù)點(diǎn)影像越小，通常取值范圍在0.5～3之間可以獲得最合理結(jié)果，本次處理選擇值為2；

（2）搜索半徑：定義對(duì)缺失像元值進(jìn)行插值的輸入點(diǎn)，包括可變搜索半徑和固定距離兩種方式指定輸入采樣點(diǎn)，選擇可變搜索半徑方式，插值的最鄰近輸入采樣點(diǎn)數(shù)量為12；

（3）像元尺寸：設(shè)置為與輸入影像數(shù)據(jù)相同。

1.2.2 時(shí)間序列濾波處理

在空間重建的基礎(chǔ)上，采用S-G濾波，在時(shí)間序列上對(duì)多期影像進(jìn)行擬合重建。S-G濾波擬合方法是由Savitzky[23]等在1964年提出的一種基于平滑時(shí)間序列數(shù)據(jù)和最小二乘原理的卷積算法，它是一種移動(dòng)窗口的加權(quán)平均算法，但其加權(quán)系數(shù)不是簡(jiǎn)單的常數(shù)窗口，而是通過(guò)在滑動(dòng)窗口內(nèi)對(duì)給定高階多項(xiàng)式的最小二乘擬合得出，其表達(dá)式為：

在S-G濾波中，擬合效果指數(shù)取最小值時(shí)的迭代結(jié)果為最佳濾波效果，其計(jì)算公式為：

式（2）中，F(xiàn)k為第k次迭代后的序列擬合結(jié)果指數(shù)，Yi0和Yik分別為未經(jīng)迭代和第k次迭代后序列中第i個(gè)值，Wi為序列中第i個(gè)值的權(quán)重，N為濾波器長(zhǎng)度。

處理流程如下：

（1）確定濾波窗口的一半寬度m和多項(xiàng)式擬合的階數(shù)d，通常，m值取4～7，d值取2～4，本數(shù)據(jù)集處理中選擇m=4，d=2；

（2）對(duì)空間插值后的時(shí)序數(shù)據(jù)進(jìn)行S-G濾波處理，生成時(shí)序數(shù)據(jù)；

（3）計(jì)算序列中每個(gè)點(diǎn)的權(quán)重；

（4）根據(jù)權(quán)重、空間插值的時(shí)序數(shù)據(jù)和S-G濾波后的序列，生成新的時(shí)序數(shù)據(jù)，并利用S-G濾波擬合新的時(shí)序數(shù)據(jù)；

（5）計(jì)算擬合效果指數(shù)，若擬合效果指數(shù)達(dá)到最小，退出迭代；否則，返回步驟（4）繼續(xù)迭代處理。

1.2.3 溫度數(shù)據(jù)地形校正處理

研究表明[14]，TVDI模型反演的精度受地表溫度、植被覆蓋狀況、地表參數(shù)、大氣條件及太陽(yáng)輻射等因子影響，而地理緯度和地面高程是影響大氣背景差異和太陽(yáng)輻射的兩個(gè)重要因素。研究區(qū)內(nèi)地形起伏、南北緯度跨距的差異對(duì)MODIS地表溫度數(shù)據(jù)的影響會(huì)帶來(lái)TVDI的計(jì)算誤差，因此，需要對(duì)地表溫度進(jìn)行校正[20-22]。地表溫度校正的公式如式（3）。

式（3）中Tc為校正后地表溫度，Ts為校正前MODIS地表溫度，H為高程，L為緯度，a為高程校正系數(shù)，b、c分別為緯度校正系數(shù)，其中a常取0.006（0.6℃/100 m）[21-22]，也有研究表明新疆地區(qū)a的最優(yōu)取值為 0.003～0.005（0.3～0.5℃/100 m），緯度校正系數(shù)b、c分別取 0.3～0.5、-20～-12[22]，本數(shù)據(jù)集生產(chǎn)中a取值為0.003，b取值為0.4，c取值為-16。

1.2.4 數(shù)據(jù)時(shí)間序列處理

由于MODIS數(shù)據(jù)序列中部分影像期數(shù)缺失，需要對(duì)缺失期影像進(jìn)行補(bǔ)全。處理過(guò)程中，采取多年同期數(shù)據(jù)平均值的方法補(bǔ)全缺失期影像。由于計(jì)算中需要的NDVI和地表溫度數(shù)據(jù)時(shí)間分辨率為月，而MODIS 1 km地表溫度無(wú)月分辨率數(shù)據(jù)，因此將MOD11A2數(shù)據(jù)轉(zhuǎn)換為月尺度，采用方法為月內(nèi)8天數(shù)據(jù)取平均。

1.3 溫度植被指數(shù)計(jì)算

TVDI[14]是一種基于NDVI-LST特征空間的土壤水分監(jiān)測(cè)方法，具有一定的物理意義，較單獨(dú)使用NDVI或LST能夠提供更加準(zhǔn)確、豐富的干旱信息。LST與NDVI的斜率與土壤水分的負(fù)相關(guān)關(guān)系是特征空間中的重要統(tǒng)計(jì)特征。隨著地表植被覆蓋度的增加，地表溫度開(kāi)始下降。當(dāng)?shù)乇砀珊等彼畷r(shí)，地表溫度會(huì)迅速升高；反之，土壤濕度較大，地表溫度增加較少。由特征空間原理可知，計(jì)算TVDI 的關(guān)鍵是干濕邊的擬合?，F(xiàn)有的研究結(jié)果表明，特征空間中干邊上NDVI與LST都呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系，這說(shuō)明當(dāng)植被受到水分脅迫時(shí)，地表溫度隨著植被覆蓋度的增加而降低。大多數(shù)研究中濕邊上NDVI與LST呈現(xiàn)正相關(guān)或者不相關(guān)，以兩者的正相關(guān)關(guān)系居多[24]。TVDI的計(jì)算公式為：

式（4）、（5）、（6）中Tc為任意像元的地表溫度，Tcmax和Tcmin分別為一定NDVI對(duì)應(yīng)的最低和最高地表溫度，a1、b1、a2、b2分別為待定系數(shù)，TVDI取值范圍為[0, 1]。對(duì)于一組NDVI和LST遙感影像，對(duì)NDVI取步長(zhǎng)0.01，求取每一NDVI對(duì)應(yīng)的LST最高、最低值，用最小二乘法擬合得到干、濕邊方程，進(jìn)而將式（5）、（6）代入式（4），求得TVDI。圖3為研究區(qū)2009年逐月干濕邊擬合效果，表1為干濕邊的擬合結(jié)果。

圖3 2009年逐月NDVI-LST特征空間及干濕邊擬合圖

從圖3的NDVI-LST特征空間可以看出，隨著植被指數(shù)的增加，地表溫度的最大值減小，而地表溫度的最小值增加。從擬合效果來(lái)看（表1），干邊斜率都小于0，濕邊斜率都大于0，干邊擬合相關(guān)系數(shù)R2最小值為0.8889，其他11個(gè)月份都大于0.90，NDVI與LST呈顯著的負(fù)相關(guān)關(guān)系（p<0.001）；濕邊擬合相關(guān)系數(shù)R2最小值為0.5113，最大值為0.9283，NDVI與LST呈顯著的正相關(guān)關(guān)系（p<0.001），干濕邊擬合的整體效果很好。此外，干濕邊擬合方程的常數(shù)項(xiàng)，在特征空間中是干濕邊在縱軸（地表溫度）的截距，代表了裸土像元在水分充足和水分匱乏時(shí)的地表溫度，從表1中可以看出，干濕邊截距隨著年內(nèi)溫度的變化發(fā)生相應(yīng)變化，即冬季截距較小，夏季截距較大。

表1 2009年逐月干濕邊擬合方程和相關(guān)系數(shù)

2 數(shù)據(jù)樣本描述

2.1 命名規(guī)則

中巴經(jīng)濟(jì)走廊 2000-2017年逐月溫度植被干旱指數(shù)數(shù)據(jù)集命名規(guī)則如下：TVDI.AYYYYDDD.1_km_month.tif，具體意義為：

（1）TVDI：表示溫度植被干旱指數(shù)產(chǎn)品；

（2）AYYYYDDD：表示產(chǎn)品時(shí)間為YYYY年第DDD天（以每年1月1日為第一天）；

（3）1_km：表示產(chǎn)品空間分辨率為1 km；

（4）month：表示產(chǎn)品為月數(shù)據(jù)。

如TVDI.A2017032.1_km_month.tif，表示2017年2月，空間分辨率為1 km的溫度植被干旱指數(shù)產(chǎn)品。

2.2 數(shù)據(jù)描述

中巴經(jīng)濟(jì)走廊2000-2017年逐月溫度植被干旱指數(shù)產(chǎn)品信息如表2。其中，TVDI的范圍為0～1，在存儲(chǔ)時(shí)放大10000倍，像元數(shù)值大小范圍為0～10000，填充值為-3000，數(shù)據(jù)類型為signed int16，使用時(shí)需乘以比例因子0.0001。

表2 溫度植被干旱指數(shù)產(chǎn)品信息

序號(hào) 內(nèi)容 數(shù)值5 填充值 -3 0 0 0 6 行數(shù) 2 1 2 0 7 列數(shù) 2 2 7 7 8 像元大小 0.0 0 8 3 3 3 3 3 3 3, 0.0 0 8 3 3 3 3 3 3 3 9 坐標(biāo)系 W G S 8 4

以TVDI作為干旱分級(jí)指標(biāo)，將干旱等級(jí)劃分為5級(jí)[15]：濕潤(rùn)（0≤TVDI≤0.2）、正常（0.2＜TVDI≤0.4）、輕旱（0.4＜TVDI≤0.6）、中旱（0.6＜TVDI≤0.8）和重旱（0.8＜TVDI≤1）。圖 4 所示，以TVDI分級(jí)指標(biāo)劃分的干旱等級(jí)圖。

圖4 中巴經(jīng)濟(jì)走廊干旱等級(jí)圖

3 數(shù)據(jù)質(zhì)量控制和評(píng)估

3.1 數(shù)據(jù)質(zhì)量控制

TVDI數(shù)據(jù)產(chǎn)品的質(zhì)量與NDVI和LST產(chǎn)品的質(zhì)量有關(guān)，因此，通過(guò)對(duì)NDVI和LST數(shù)據(jù)產(chǎn)品的質(zhì)量控制來(lái)保證TVDI產(chǎn)品的質(zhì)量。按照TVDI數(shù)據(jù)生產(chǎn)流程（圖2），質(zhì)量控制包括提取質(zhì)量可信數(shù)據(jù)處理和對(duì)提取的質(zhì)量可信數(shù)據(jù)產(chǎn)品進(jìn)行時(shí)空重建等處理。產(chǎn)品中的不可信像元一般都為云覆蓋或者大氣效應(yīng)影響較強(qiáng)的區(qū)域，提取質(zhì)量可信數(shù)據(jù)處理依據(jù)MODIS產(chǎn)品質(zhì)量控制文件，剔除了產(chǎn)品的質(zhì)量不可信像元。對(duì)于不可信像元，采用其周邊可信像元值進(jìn)行空間插值，以補(bǔ)全缺失像元，進(jìn)而對(duì)插值產(chǎn)品進(jìn)行時(shí)序?yàn)V波重建，從時(shí)空兩方面提高數(shù)據(jù)質(zhì)量。

其中，提取質(zhì)量可信數(shù)據(jù)處理，對(duì)NDVI數(shù)據(jù)，按照NDVI產(chǎn)品數(shù)據(jù)說(shuō)明，依據(jù)QA值將NDVI像元分為可信和不可信兩種，提取質(zhì)量可信像元。處理流程如下：

（1）像元可靠性波段（1 km monthly pixel reliability）中像元值為0的像元標(biāo)定為可信像元；

（2）研究區(qū)內(nèi)有大量冰川分布，因此將1 km monthly pixel reliability中像元值為2的像元標(biāo)定為可信像元；

（3）1 km monthly pixel reliability中像元值為3的像元標(biāo)定為不可信像元；

（4）1 km monthly pixel reliability中像元值為1的像元標(biāo)定為待定像元；

（5）對(duì)于待定像元，比較相應(yīng)的1km monthly VI Quality像元值0-5位數(shù)值確定該像元的可信度：當(dāng)0-1位值為0時(shí)，確定為可信像元；當(dāng)0-1位值為1時(shí)，依據(jù)2-5位值確定可信度；

（6）掩膜處理，剔除不可信像元，提取可信像元，生成新的NDVI數(shù)據(jù)。

對(duì)LST數(shù)據(jù)，依據(jù)LST產(chǎn)品質(zhì)量控制（QC）文件說(shuō)明，提取質(zhì)量可信像元，處理流程如下：

（1）質(zhì)量控制波段QC_Day中0-1位值為0的像元標(biāo)定為可信像元；

（2）QC_Day中0-1位值為2和3的像元標(biāo)定為不可信像元；

（3）QC_Day中0-1位值為1的像元標(biāo)定為待定像元；

（4）對(duì)于待定像元，比較QC_Day中相應(yīng)像元2-7位的值確定該像元的可信度：當(dāng)2-3位的值為0時(shí)，標(biāo)定為可信像元；當(dāng)2-3位的值為1時(shí)，對(duì)應(yīng)的4-5位值為0，6-7位值為0的像元標(biāo)定為可信像元；其他像元標(biāo)定為不可信像元；

（5）掩膜處理，剔除不可信像元，提取可信像元，生成新的地表溫度數(shù)據(jù)。

3.2 TVDI與站點(diǎn)SPI和土壤濕度的相關(guān)性分析

SPI已經(jīng)被證實(shí)能夠很好地反映氣象干旱，TVDI也是一種土壤水分監(jiān)測(cè)方法，因此，用SPI和實(shí)測(cè)土壤水分對(duì)TVDI進(jìn)行評(píng)價(jià)。由于未獲取到巴基斯坦境內(nèi)的氣象站觀測(cè)資料，這里僅利用中國(guó)境內(nèi)7個(gè)氣象站降水?dāng)?shù)據(jù)計(jì)算出的月尺度SPI和3個(gè)氣象站的土壤濕度數(shù)據(jù)，對(duì)TVDI進(jìn)行有效性驗(yàn)證。計(jì)算1960-2016年7個(gè)氣象站的SPI，提取2000-2016年7個(gè)氣象站對(duì)應(yīng)像元的TVDI值，并對(duì)各氣象站TVDI與同期逐月SPI和土壤濕度進(jìn)行相關(guān)性分析。結(jié)果表明（圖5），TVDI與SPI、土壤濕度呈負(fù)相關(guān)關(guān)系，TVDI與月尺度SPI相關(guān)系數(shù)最大為-0.389，最小為-0.158，除烏恰站（p=0.024）TVDI與SPI的相關(guān)性通過(guò)了p＜0.05的顯著性檢驗(yàn)外, 其他站TVDI與SPI的相關(guān)性都通過(guò)了p＜0.01的顯著性檢驗(yàn)；TVDI與實(shí)測(cè)土壤濕度相關(guān)系數(shù)最大為-0.656，最小為-0.217，TVDI與土壤濕度的相關(guān)性都通過(guò)了p＜0.01的顯著性檢驗(yàn)。

圖5 TVDI與各氣象站SPI、土壤濕度相關(guān)圖

4 數(shù)據(jù)使用方法和建議

中巴經(jīng)濟(jì)走廊2000-2017年逐月溫度植被干旱指數(shù)數(shù)據(jù)集在月尺度上反映區(qū)域干旱的變化特征，數(shù)據(jù)按月存儲(chǔ)，格式為GeoTiff格式。數(shù)據(jù)讀取和操作可以用ArcGIS、ENVI等常用的GIS與遙感軟件。TVDI以影像的像元值表示，在使用過(guò)程中，用戶可以根據(jù)自己的分級(jí)標(biāo)準(zhǔn)對(duì)數(shù)據(jù)進(jìn)行分級(jí)，生成干旱等級(jí)圖。

致 謝

感謝USGS提供MODIS數(shù)據(jù)，感謝地理空間云提供DEM數(shù)據(jù)，感謝國(guó)家氣象數(shù)據(jù)共享服務(wù)平臺(tái)提供降水和土壤濕度數(shù)據(jù)。