99精品久久只有精品,国产精品成人免费视频不卡,午夜视频在线网站,久热香蕉在线爽青青
    




    
    
            
    
                
            
    
    
    

    

    

    
    
        
    
            
    
                
    


                    

                    
    
                        
    

                        

                        

                            II 區(qū)論文（已發(fā)表）
                        

                        
                            ?
                            
                                版本

                                

    
        ZH3
    



                            
                        

                        
                            
                        

                    
    
                        
    







                        

                        

                        
    
                                下載
                                    
                        
    
                    
    
                    
    
                    
    


                    
    
                        
      
                            
      • 
                            
      • 






















                        
    
                    
    


                    
                    
                    
                    

                    
                        
    2003–2022年黃河流域TCI、VCI、VHI、TVDI逐年1 km分辨率數(shù)據(jù)集
    A dataset of annual TCI, VCI, VHI and TVDI with the resolution of 1 km in the Yellow River Basin (2003–2022)
    ?>>
                    
    ：
                        2023
                        -
                        07
                        -
                        01
    ：
                        2023
                        -
                        08
                        -
                        30
    ：
                        2023
                        -
                        07
                        -
                        03
    ：
                        2024
                            -
                            05
                        -
                        11
    

                    


                    
    
                        
    

                    
    

                    
    

                        
                            

                        
                        703

                        
                            

                        
                        60

                        
                            

                        
                        0

                    
    
                    
    


                    

                        
    


                            
                                
    摘要&關(guān)鍵詞
    摘要：黃河流域大部分屬于干旱、半干旱氣候，先天水資源條件不足，是中國(guó)各大流域中受干旱影響最為嚴(yán)重的流域。隨著全球環(huán)境和氣候變化，黃河流域的干旱愈加頻繁，對(duì)黃河流域的干旱監(jiān)測(cè)研究已經(jīng)成為當(dāng)下的熱點(diǎn)。本數(shù)據(jù)集基于MODIS植被和地表溫度產(chǎn)品，通過對(duì)逐年數(shù)據(jù)進(jìn)行去云、重構(gòu)等質(zhì)量控制，分別生產(chǎn)了2003–2022年黃河流域逐年的溫度條件指數(shù)（Temperature Condition Index，TCI）、植被狀態(tài)指數(shù)（Vegetation Condition Index，VCI）、植被健康指數(shù)（Vegetation Health Index，VHI）、溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，TVDI）數(shù)據(jù)集。本數(shù)據(jù)集空間范圍為32°10′N–41°50′N，95°53′E–119°05′E，數(shù)據(jù)格式為GeoTiff，空間分辨率為1 km。同其他干旱指數(shù)數(shù)據(jù)集相比，本產(chǎn)品可以在逐年時(shí)間尺度上表現(xiàn)黃河流域的干旱格局，在時(shí)間序列上反映黃河流域干旱變化趨勢(shì)，為黃河流域干旱災(zāi)害監(jiān)測(cè)提供基礎(chǔ)數(shù)據(jù)支撐。
    關(guān)鍵詞：黃河流域；植被狀態(tài)指數(shù)；溫度條件指數(shù)；植被健康指數(shù)；溫度植被干旱指數(shù)
    Abstract & Keywords
    Abstract:?Primarily situated in arid and semi-arid climatic zones, characterized by naturally limited water resources, the Yellow River Basin is the most drought-affected among China's major basins. As global environmental and climate change continue to evolve, droughts in the Yellow River Basin have become increasingly frequent, making drought monitoring research a current focal point. Based on MODIS vegetation data and surface temperature products, this dataset undergoes quality control procedures such as cloud removal and data reconstruction to collect the data of annual Temperature Condition Index (TCI), Vegetation Condition Index (VCI), Vegetation Health Index (VHI) and Temperature Vegetation Dryness Index (TVDI) in the Yellow River Basin from 2003 to 2022. The spatial scope of this dataset ranges from 32°10′N–41°50′N，95°53′E–119°05′E. The dataset is in GeoTiff format with a spatial resolution of 1km. It can provide foundational data and scientific support for drought disaster monitoring in the Yellow River Basin.
    Keywords:?drought;?the Yellow River Basin;?Vegetation Condition Index;?Temperature Condition Index;?Vegetation Health Index;?Temperature Vegetation Drought Index
    數(shù)據(jù)庫(kù)（集）基本信息簡(jiǎn)介
    數(shù)據(jù)庫(kù)（集）名稱2003–2022年黃河流域TCI、VCI、VHI、TVDI逐年1 km分辨率數(shù)據(jù)集
    數(shù)據(jù)作者夏浩銘，沙寅濤
    數(shù)據(jù)通信作者夏浩銘（xiahm@vip.henu.edu.cn）
    數(shù)據(jù)時(shí)間范圍2003–2022年
    地理區(qū)域黃河流域，地理范圍為（32°10′N–41°50′N，95°53′E–119°05′E）
    空間分辨率1 km
    數(shù)據(jù)量469 MB（壓縮文件大小）
    數(shù)據(jù)格式*.tif
    數(shù)據(jù)服務(wù)系統(tǒng)網(wǎng)址https://doi.org/10.57760/sciencedb.09116
    			http://www.ncdc.ac.cn/portal/metadata/8b05becd-12cd-47ad-acdf-12ecf7158ba5
    基金項(xiàng)目山西省水利科學(xué)技術(shù)研究與推廣項(xiàng)目（2023GM44）；國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目（32130066）。
    數(shù)據(jù)庫(kù)（集）組成本數(shù)據(jù)集由4個(gè)不同的壓縮文件（zip）組成，其中：（1）TCI_YellowRiverBasin.zip，包括黃河流域2003–2022年逐年1 km分辨率TCI指數(shù)數(shù)據(jù)（TCI.YYYY.1_km_year.tif），數(shù)據(jù)量74 MB。其中YYYY為年份（下同）；（2）VCI_YellowRiverBasin.zip，包括黃河流域2003–2022年逐年1 km分辨率VCI指數(shù)數(shù)據(jù)（VCI.YYYY.1_km_year.tif），數(shù)據(jù)量77 MB。（3）VHI_YellowRiverBasin.zip，包括黃河流域2003–2022年逐年1 km分辨率VHI指數(shù)數(shù)據(jù)（VHI.YYYY.1_km_year.tif），數(shù)據(jù)量166 MB。（4）TVDI_YellowRiverBasin.zip，包括黃河流域2003–2022年逐年1 km分辨率TVDI指數(shù)數(shù)據(jù)（TVDI.YYYY.1_km_year.tif），數(shù)據(jù)量173 MB。
    Dataset Profile
    TitleA dataset of annual TCI, VCI, VHI and TVDI with the resolution of 1 km in the Yellow River Basin (2003–2022)
    Data authorsXIA Haoming, SHA Yintao
    Data corresponding authorXIA Haoming (xiahm@vip.henu.edu.cn)
    Time range2003–2022
    Geographical scopeThe Yellow River Basin (32°10′N–41°50′N, 95°53′E–119°05′E)
    Spatial resolution1 km
    Data volume469 MB (After compressed)
    Data format*.tif
    Data service system<https://doi.org/10.57760/sciencedb.09116>
    			<http://www.ncdc.ac.cn/portal/metadata/8b05becd-12cd-47ad-acdf-12ecf7158ba5>
    Sources of fundingShanxi Province Water Science and Technology Research and Promotion Project (2023GM44); National Natural Science Foundation of China (32130066).



    Dataset composition    		The dataset consists of 4 subsets recorded as: (1) TCI_YellowRiverBasin.zip, including the annual 1km-resolution TCI data (TCI_YYYY.1_km_year.tif) of the Yellow River Basin from 2003 to 2022, with a data volume of 74 MB. YYYY is the year (similarly hereinafter); (2) VCI_YellowRiverBasin.zip, including the annual 1km-resolution VCI data (VCI_ YYYY.1_km_year.tif) of the Yellow River Basin from 2003 to 2022, with a data volume of 77 MB; (3)VHI_YellowRiverBasin.zip, including the annual 1km- resolution VHI data (VHI_ YYYY.1_km_year.tif) of the Yellow River Basin from 2003 to 2022, with a data volume of 166 MB;(4)TVDI_YellowRiverBasin.zip, including the annual 1km-resolution VHI data (TVDI_ YYYY.1_km_year.tif) of the Yellow River Basin from 2003 to 2022, with a data volume of 173 MB.
    

                                
    引  言
    干旱是當(dāng)下氣象災(zāi)害中最為嚴(yán)重且復(fù)雜的災(zāi)害之一，干旱的頻繁發(fā)生會(huì)對(duì)農(nóng)業(yè)生產(chǎn)等活動(dòng)產(chǎn)生重大影響，也會(huì)給國(guó)民經(jīng)濟(jì)帶來?yè)p失[1]。干旱相較于其他自然災(zāi)害，具有出現(xiàn)頻率高、持續(xù)時(shí)間長(zhǎng)、發(fā)生與結(jié)束難以判斷且波及范圍大的特點(diǎn)，因此備受科學(xué)界和社會(huì)的關(guān)注[2-3]。黃河流域受地理位置和東亞季風(fēng)氣候的影響，其流域大部分屬于干旱、半干旱氣候，具有先天不足的水資源條件[4-7]。幾十年來，全球環(huán)境和氣候變化導(dǎo)致了水循環(huán)發(fā)生變化。隨著全球變暖加劇，黃河流域氣溫升高趨勢(shì)明顯、中下游降水量顯著減少、水資源狀況日趨惡化、干旱發(fā)生愈加頻繁，是中國(guó)各大流域中受干旱影響最嚴(yán)重的流域[5-7]。因此，對(duì)黃河流域的干旱進(jìn)行監(jiān)測(cè)顯得尤為重要，而干旱指數(shù)可以直觀反映干旱的嚴(yán)重程度和影響范圍[8]。
    常用的干旱指數(shù)計(jì)算方法是基于氣象站的觀測(cè)數(shù)據(jù)進(jìn)行計(jì)算，這種方法又具體分為三類：一類是基于氣象站點(diǎn)數(shù)據(jù)計(jì)算干旱指數(shù)，在站點(diǎn)尺度上評(píng)估區(qū)域干旱狀況。另一類是對(duì)站點(diǎn)氣象數(shù)據(jù)插值，獲得區(qū)域地表氣象數(shù)據(jù)，然后計(jì)算干旱指數(shù)，在區(qū)域尺度上評(píng)估區(qū)域干旱狀況[9]。第三類是在站點(diǎn)上計(jì)算干旱指數(shù)，對(duì)站點(diǎn)干旱指數(shù)進(jìn)行插值，獲取區(qū)域尺度干旱指數(shù)。第一類以有限氣象站點(diǎn)為基礎(chǔ)的傳統(tǒng)干旱監(jiān)測(cè)，雖然監(jiān)測(cè)精度高，但存在實(shí)時(shí)數(shù)據(jù)難以獲取等問題[10]，而第二類和第三類雖然可以大范圍評(píng)估干旱，但通過插值獲得的氣象數(shù)據(jù)或干旱指數(shù)具有很大的不確定性，難以真實(shí)反映區(qū)域干旱情況[11]。遙感技術(shù)具有快速準(zhǔn)確生成多源、多尺度、多時(shí)間信息的能力，為大范圍、短周期、實(shí)時(shí)、動(dòng)態(tài)的干旱監(jiān)測(cè)提供了便利[12]。目前，國(guó)內(nèi)外關(guān)于遙感干旱監(jiān)測(cè)的方法主要有熱慣量法、微波遙感法、植被指數(shù)法等[13]。Kogan基于植被指數(shù)法，提出將歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）與地表溫度（Land Surface Temperature，LST）分別歸一化，構(gòu)建溫度條件指數(shù)（TCI）和植被狀態(tài)指數(shù)（VCI），提高了干旱檢測(cè)精度[14]。由于TCI與VCI都是單因素指數(shù)，僅利用這兩個(gè)指數(shù)進(jìn)行干旱監(jiān)測(cè)仍然不準(zhǔn)確，因此利用TCI和VCI進(jìn)行加權(quán)平均構(gòu)建了植被健康指數(shù)（VHI）[15]，并通過NDVI和LST的空間關(guān)系構(gòu)建了溫度植被干旱指數(shù)（TVDI）[16]。這四種干旱指數(shù)精度高，監(jiān)測(cè)范圍廣，是檢測(cè)干旱發(fā)生，測(cè)量干旱強(qiáng)度和影響范圍的有效手段[17]。
    本數(shù)據(jù)集為黃河流域年時(shí)間尺度的1 km空間分辨率干旱指數(shù)數(shù)據(jù)，利用MODIS NDVI和LST產(chǎn)品，生產(chǎn)了2003–2022年黃河流域逐年1 km空間分辨率的TCI、VCI、VHI和TVDI干旱指數(shù)數(shù)據(jù)集。與已有數(shù)據(jù)集相比，全球1km分辨率的TVDI數(shù)據(jù)（2000–2020）的生產(chǎn)過程中采用全球的NDVI和LST數(shù)據(jù)擬合干濕邊系數(shù)[18]。本文生產(chǎn)的數(shù)據(jù)集基于黃河流域的NDVI和LST數(shù)據(jù)進(jìn)行干濕邊擬合，更能體現(xiàn)黃河流域的干濕狀況。2001–2020年黃土高原1km分辨率逐月平均TVDI數(shù)據(jù)集是采用黃土高原的NDVI和LST數(shù)據(jù)擬合干濕邊系數(shù)[19]，該數(shù)據(jù)集未能覆蓋黃河流域。中國(guó)0.05°分辨率逐月干旱指數(shù)數(shù)據(jù)集（2001–2010年）是基于中國(guó)區(qū)域高時(shí)空分辨率地面氣象要素驅(qū)動(dòng)數(shù)據(jù)集生產(chǎn)，是氣象再分析數(shù)據(jù)計(jì)算的干旱數(shù)據(jù)集（http://www.geodata.cn）[20]，且該數(shù)據(jù)的空間分辨率比本數(shù)據(jù)集粗。2003–2021年黃河流域逐月1 km分辨率VCI和TCI干旱指數(shù)數(shù)據(jù)集[21]只涵蓋了單因子（VCI和TCI）干旱指數(shù)數(shù)據(jù)集，本數(shù)據(jù)集涵蓋的干旱指數(shù)更全，不僅涵蓋了單因子（VCI和TCI）干旱指數(shù)數(shù)據(jù)集，還包括了多因子（VHI和TVDI）干旱指數(shù)數(shù)據(jù)集。本數(shù)據(jù)集以年為時(shí)間尺度、多因子干旱指數(shù)分析黃河流域的干旱趨勢(shì)，可以更加直觀地、全面地監(jiān)測(cè)較長(zhǎng)時(shí)間內(nèi)黃河流域的干旱變化，為進(jìn)一步分析黃河流域干旱變化趨勢(shì)及變化特征提供了可靠的數(shù)據(jù)支撐。
    1
                        ?
                    數(shù)據(jù)采集和處理方法
    1.1
                        ?
                    數(shù)據(jù)源
    MODIS（Moderate-resolution Imaging Spectroradiometer，MODIS）數(shù)據(jù)集來源于Google Earth Engine（GEE）云平臺(tái)（https://developers.google.com/earth-engine/datasets），其類型、時(shí)空分辨率及時(shí)間跨度如表1所示。其中，NDVI來源于MOD13A2.061數(shù)據(jù)集[22]（時(shí)間分辨率16天，空間分辨率1 km），地表溫度數(shù)據(jù)來源于MYD11A1.061數(shù)據(jù)集[23]（時(shí)間分辨率為1天，空間分辨率1 km）的日間地表溫度部分（LST_Day_1km）數(shù)據(jù)。研究區(qū)域邊界來源于國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心黃河中下游分中心（http://henu.geodata.cn）。
    表1
                    ?
                植被指數(shù)和地表溫度數(shù)據(jù)集
    數(shù)據(jù)產(chǎn)品數(shù)據(jù)類型空間分辨率時(shí)間分辨率時(shí)間跨度
    MOD13A2.061NDVI1 km16 days2000–2022
    MYD11A1.061LST1 kmdaily2002–2022
    1.2
                        ?
                    數(shù)據(jù)處理方法
    1.2.1
                        ?
                    數(shù)據(jù)預(yù)處理
    利用Google Earth Engine（GEE）獲取MODIS產(chǎn)品的NVDI和LST數(shù)據(jù)，按照時(shí)間跨度和區(qū)域范圍進(jìn)行篩選、裁剪獲得2003–2022年間黃河流域數(shù)據(jù)。使用MODIS產(chǎn)品的質(zhì)量控制波段（QC bands）對(duì)數(shù)據(jù)進(jìn)行質(zhì)量控制，如去云等，獲得初步數(shù)據(jù)。同時(shí)，采用最大值合成法對(duì)年內(nèi)的NDVI數(shù)據(jù)進(jìn)行最大值合成。
    1.2.2
                        ?
                    LST的重建
    由于云等氣象條件會(huì)對(duì)衛(wèi)星LST數(shù)據(jù)產(chǎn)生很大影響，導(dǎo)致部分區(qū)域缺少高質(zhì)量的MODIS LST數(shù)據(jù)，所以使用了ATC模型對(duì)LST數(shù)據(jù)進(jìn)行重建[24]。公式如下：
    \[f\left ( d \right ) = MAST+YAST.sin\left ( \frac{2\pi \left ( d+ \theta \right ) }{365} \right ) \]
    (1)
    式（1）中，f(d)代表每日的地表溫度數(shù)據(jù)。MAST為年平均LST，YAST為一年內(nèi)LST的振幅，d表示該年內(nèi)的具體一天，θ表示相移。為保持ATC模型的可靠性，YAST值應(yīng)大于0，相移則為與晝夜平分點(diǎn)相距?182.5到+182.5天之間[24]。對(duì)于一系列已給定的LST，使用無(wú)約束非線性優(yōu)化算法估計(jì)每個(gè)像素的MAST、YAST和θ，使殘差的平方和最小化[25]。由此可以通過式中參數(shù)d來獲取每日的地表溫度數(shù)據(jù)。
    1.2.3
                        ?
                    干旱指數(shù)計(jì)算
    本數(shù)據(jù)集中的四種干旱指數(shù)可分為兩類，第一類為單因素指數(shù)，如溫度條件指數(shù)（TCI）和植被狀態(tài)指數(shù)（VCI），通過LST和NDVI計(jì)算，計(jì)算方式如下（表2）。
    表2
                    ?
                單因素指數(shù)計(jì)算
    干旱指數(shù)數(shù)據(jù)來源公式
    TCIMODIS\(TCI=\frac{{LST}_{max}-{LST}_{i}}{{LST}_{max}-{LST}_{min}}\)
    VCIMODIS\(VCI=\mathrm{ }\frac{{NDVI}_{i}-{NDVI}_{min}}{{NDVI}_{max}-{NDVI}_{min}}\)
    注：公式中，下標(biāo)i代表研究期間內(nèi)的第i年，max、min分別代表2003–2022年期間研究區(qū)域內(nèi)各像元對(duì)應(yīng)指數(shù)的最大值和最小值[14]。
    第二類為多因素指數(shù)，分別為通過TCI和VCI加權(quán)得到的植被健康指數(shù)（VHI），通過LST和NDVI的空間關(guān)系擬合干濕邊界得到的溫度植被干旱指數(shù)（TVDI），VHI的計(jì)算方式如表3所示：
    表3
                    ?
                多因素指數(shù)計(jì)算
    干旱指數(shù)計(jì)算公式權(quán)重系數(shù)權(quán)重類型
    VHI\(VHI=\alpha TCI+\beta VCI\)α                                                                                                                                                                 = 0.5，β=0.5經(jīng)驗(yàn)權(quán)重
    注：表中α和β分別表示TCI和VCI的權(quán)重系數(shù)[15]。
    \[TVDI=\left (LST-LST_{min}\right ) /\left ( LST_{max{}}-LST_{min}\right) \]
    (2)
    \[LST_{min} = a+b\times NDVI\]
    (3)
    \[LST_{max} = c+d\times NDVI \]
    (4)
    式（2）中，LST是LST圖像中每一像元的LST觀測(cè)值，LSTmin和LSTmax分別是通過式（3）和式（4）得到的值，而式中的a、b、c、d是在整個(gè)研究區(qū)域中評(píng)估的干濕邊界參數(shù)值。干濕邊界擬合的具體方法為：將區(qū)間[0,1]劃分為100個(gè)小區(qū)間，提取NDVI在小區(qū)間內(nèi)所對(duì)應(yīng)的最大LST值和最小LST值，最終分別獲得100個(gè)最大值和最小值，再通過線性擬合獲得干邊方程和濕邊方程（式（3）、式（4））。干濕邊界擬合圖例如圖1所示[24]。
    1.2.4
                        ?
                    影像輸出
    在GEE中對(duì)4類干旱數(shù)據(jù)進(jìn)行投影，選擇投影坐標(biāo)系WGS84（ESPG 4326），并將數(shù)據(jù)格式轉(zhuǎn)換為GeoTiff，以該影像格式逐年上傳至Google Drive中，再下載到本地。


    圖1
                    ?
                傳統(tǒng)熱光梯形模型參數(shù)示意圖
    Figure 1  Schematic diagram of traditional Thermal-optical Trapezoid model parameters
    2
                        ?
                    數(shù)據(jù)集描述
    2.1
                        ?
                    命名規(guī)則
    本干旱指數(shù)數(shù)據(jù)集包含4個(gè)壓縮文件，分別為TCI_YellowRiverBasin.zip、VCI_YellowRiverBasin.zip、VHI_YellowRiverBasin.zip、TVDI_YellowRiverBasin.zip。壓縮文件內(nèi)包含四種干旱指數(shù)2002-2023逐年黃河流域數(shù)據(jù)，格式為.tif圖像文件，tif文件命名格式為：干旱指數(shù).YYYY.1_km_year.tif，其具體含義為：
    （1） 干旱指數(shù)：TCI、VCI、VHI或TVDI；
    （2） YYYY：表示產(chǎn)品時(shí)間為YYYY年；
    （3） 1_km：表示產(chǎn)品空間分辨率為1km；
    （4） year：表示產(chǎn)品為年數(shù)據(jù)。
    2.2
                        ?
                    干旱等級(jí)劃分標(biāo)準(zhǔn)
    本數(shù)據(jù)集中4種干旱指數(shù)的值都在0到1之間，其中TVDI值與區(qū)域干旱程度呈正相關(guān)，TVDI值越大，區(qū)域越干旱，其他三個(gè)參數(shù)則隨著區(qū)域干旱程度加深而減小[14-16]。表4給出了國(guó)際上通用的基于4種干旱指數(shù)的干旱等級(jí)劃分標(biāo)準(zhǔn)[26]。
    表4
                    ?
                4種干旱指數(shù)的干旱等級(jí)劃分
    干旱等級(jí)TCIVCIVHITVDI
    極度干旱0–0.10–0.10–0.1
    嚴(yán)重干旱0.1–0.20.1–0.20.1–0.20.8–1
    中度干旱0.2–0.30.2–0.30.2–0.30.6–0.8
    輕度干旱0.3–0.40.3–0.40.3–0.40.4–0.6
    異常干旱0.4–0.50.4–0.5
    無(wú)干旱0.5–10.5–10.4–10–0.4
    注：由于不同干旱指數(shù)等級(jí)劃分并不相同，對(duì)干旱的嚴(yán)重程度也無(wú)統(tǒng)一的分類規(guī)則，所以分級(jí)表上存在空缺，這種定義上的差異可能會(huì)在一定程度上影響比較結(jié)果[26]。
    將2003–2022年4類干旱指數(shù)數(shù)據(jù)按照表4定義劃分干旱等級(jí)，如圖2–5所示。


    圖2
                    ?
                2003–2022逐年TCI干旱等級(jí)圖
    Figure 2 Annual TCI drought level map during 2003–2022


    圖3
                    ?
                2003–2022逐年VCI干旱等級(jí)圖
    Figure 3 Annual VCI drought level map during 2003 –2022


    圖4
                    ?
                2003–2022逐年VHI干旱等級(jí)圖
    Figure 4 Annual VHI drought level map during 2003–2022


    圖5
                    ?
                2003–2022逐年TVDI干旱等級(jí)圖
    Figure 5 Annual TVDI drought level during 2003–2022
    通過計(jì)算2003–2022年4類干旱指數(shù)逐年干旱等級(jí)可以發(fā)現(xiàn)，4類干旱指數(shù)所表征的干旱區(qū)域與干旱等級(jí)并不完全一致，其中TCI所表征的干旱區(qū)域與干旱嚴(yán)重程度要明顯大于VCI，而TVDI由于對(duì)區(qū)域內(nèi)年數(shù)據(jù)進(jìn)行了線性擬合，從而在2003–2022整個(gè)時(shí)間段內(nèi)均呈現(xiàn)出了平滑的干旱分布。
    將4類指數(shù)在2003–2022年間取均值，4類指數(shù)值高低的分布圖則如圖6–9所示。


    圖6
                    ?
                2003–2022年TCI平均值分布圖
    Figure 6 TCI mean value map during 2003–2022


    圖7
                    ?
                2003–2022年VCI平均值分布圖
    Figure 7 VCI mean value map during 2003–2022


    圖8
                    ?
                2003–2022年VHI平均值分布圖
    Figure 8 VHI mean value map during 2003–2022


    圖9
                    ?
                2003–2022年TVDI平均值分布圖
    Figure 9 TVDI mean value map during 2003–2022
    可以發(fā)現(xiàn)，2003–2022年4個(gè)干旱指數(shù)的年平均值顯示的干旱分布趨勢(shì)較為一致，黃河流域西北部干旱程度最高，而西南部和東南部干旱程度最低（圖6–9）。
    總體而言，4類干旱指數(shù)的時(shí)空格局在黃河流域具有一致性，但在局部存在一定的差異。其原因在于TCI與VCI分別將LST和NDVI作為評(píng)估干旱程度的主導(dǎo)因子，而LST和NDVI對(duì)干旱的表征程度不同，TCI有可能因?yàn)檠芯繀^(qū)內(nèi)部分地區(qū)夏季高溫而呈現(xiàn)出較為明顯的干旱，VCI則有可能由于物候變化等因素造成NDVI值變化進(jìn)而影響其干旱表征。VHI和TVDI兩種多因素干旱指數(shù)雖然綜合考慮了LST和NDVI，但所依據(jù)的原理和方法也不相同。因此，在區(qū)域干旱監(jiān)測(cè)中，根據(jù)實(shí)際情況選擇合適的干旱指數(shù)，保證結(jié)果的準(zhǔn)確性是十分必要的。例如，在植被覆蓋度高的地區(qū)，NDVI對(duì)干旱變化極為敏感，因此，通過VCI進(jìn)行干旱監(jiān)測(cè)比選擇使用TCI更加合理。
    3
                        ?
                    數(shù)據(jù)質(zhì)量控制和評(píng)估
    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)，本研究中主要通過控制所使用的NVDI與LST數(shù)據(jù)產(chǎn)品的質(zhì)量來保證所生產(chǎn)數(shù)據(jù)產(chǎn)品的質(zhì)量。
    對(duì)于LST產(chǎn)品，由于Aqua衛(wèi)星其過境掃描時(shí)間為下午，通常為云量最少的時(shí)間，最終選擇了基于Aqua衛(wèi)星的LST產(chǎn)品，考慮到在夜間地表溫度會(huì)顯著下降，繼而增加干旱檢測(cè)的不確定性，因此僅選擇使用MYD11A1.061產(chǎn)品中的日間LST數(shù)據(jù)。再依據(jù)LST產(chǎn)品中的QC_Day（日間質(zhì)量控制）波段，提取高質(zhì)量像元，該提取流程完全參照MODIS Collection（C61）Product User Guide進(jìn)行，流程如下：
    （1）質(zhì)量控制波段QC_Day中Bits 0–1（Mandatory QA flags）為0的像元標(biāo)定為高質(zhì)量像元（不必進(jìn)行QA質(zhì)量確認(rèn)）；
    （2）QC_Day中Bits 0–1為2和3的像元標(biāo)定為低質(zhì)量像元（由于云層或其他因素影響）；
    （3）QC_Day中Bits 0–1為1的像元標(biāo)定為待定像元（需要進(jìn)行進(jìn)一步的QA）；
    （4）對(duì)于待定像元，將其QC_Day中相應(yīng)像元Bits 2–7位的值進(jìn)行比較以確定該像元的質(zhì)量：當(dāng)Bits 2–3（Data quality flag）為0時(shí)，為高質(zhì)量像元；當(dāng)Bits 2–3為1時(shí)，查看其對(duì)應(yīng)的Bits 4–5（Emissivity error flag），和Bits 6–7（LST error flag）。對(duì)應(yīng)像元的Bits 4–5為0，Bits 6–7為0的像元為高質(zhì)量像元，其他像元為低質(zhì)量像元；
    （5）將已標(biāo)定的像元進(jìn)行掩膜處理，僅提取高質(zhì)量像元，獲得新的LST數(shù)據(jù)。
    考慮到云層對(duì)遙感地表溫度影響導(dǎo)致的數(shù)據(jù)缺失，以及去云算法在計(jì)算年時(shí)間尺度上造成的影響，本文采用ATC模型，確保LST數(shù)據(jù)集的準(zhǔn)確性和時(shí)空連續(xù)性。
    對(duì)于NDVI產(chǎn)品，考慮到黃河流域位于北半球，從太陽(yáng)高度角考慮，Terra衛(wèi)星獲取的數(shù)據(jù)比Aqua衛(wèi)星的光譜數(shù)據(jù)效果好，同時(shí)也為保持與LST數(shù)據(jù)相同的空間分辨率，使用了基于Terra衛(wèi)星的MOD13A2.061 NDVI產(chǎn)品。按照MODIS的NDVI產(chǎn)品數(shù)據(jù)說明，依據(jù)產(chǎn)品中的SummaryQA波段對(duì)NVDI像元進(jìn)行質(zhì)量區(qū)分并提取高質(zhì)量像元。該提取流程完全參照MODIS Collection 6.1 (C61) Vegetation Index Product User Guide進(jìn)行。流程如下[17]：
    （1）將像元質(zhì)量保證波段SummaryQA中值為0的像元標(biāo)定為高質(zhì)量像元（Good Data）；
    （2）SummaryQA中值為1的像元標(biāo)定為邊際像元（Marginal Data）；
    （3）冰/雪覆蓋像元，在SummaryQA中的像元值為2，標(biāo)定為低質(zhì)量像元；
    （4）云層遮蔽、不可見像元在SummaryQA中像元值為3，標(biāo)定為低質(zhì)量像元；
    （5）掩膜處理，剔除邊際像元和低質(zhì)量像元，僅保留高質(zhì)量像元，獲得新的NDVI數(shù)據(jù)。
    4
                        ?
                    數(shù)據(jù)使用方法和建議
    黃河流域2003–2022逐年干旱指數(shù)數(shù)據(jù)集在年尺度上反映區(qū)域干旱的變化特征，數(shù)據(jù)按年存儲(chǔ)，格式為GeoTiff格式。數(shù)據(jù)讀取和操作可以用ArcGIS、ENVI等軟件，或者M(jìn)atlab、R、python等進(jìn)行讀取、查看與分析。干旱指數(shù)以影像的像元值表示，在使用過程中，用戶可以對(duì)數(shù)據(jù)進(jìn)行分級(jí)，對(duì)數(shù)據(jù)進(jìn)行其他分析，如生態(tài)系統(tǒng)受干旱脅迫情況評(píng)估、政府精準(zhǔn)救災(zāi)、保險(xiǎn)部門理賠等。在目前缺乏廣泛認(rèn)可的遙感干旱監(jiān)測(cè)指數(shù)前提下，綜合利用多種干旱指數(shù)，同時(shí)也可與氣象干旱指數(shù)和土壤相對(duì)濕度結(jié)合綜合評(píng)估干旱情況。
    致  謝                                                           
    本研究得到了NASA Earth data、河南大別山森林生態(tài)系統(tǒng)國(guó)家野外科學(xué)觀測(cè)研究站、國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心–黃河中下游分中心（http://henu.geodata.cn）的數(shù)據(jù)支持，在此表示謝意！
    [1]
    盧麗萍, 程叢蘭, 劉偉東, 等. 30年來我國(guó)農(nóng)業(yè)氣象災(zāi)害對(duì)農(nóng)業(yè)生產(chǎn)的影響及其空間分布特征[J]. 生態(tài)環(huán)境學(xué)報(bào), 2009, 18(04): 1573-1578. [LU J P, CHENG C L, LIU W D, et al.Effect of the agricultural meteoro-logical disasters on agricultural production and its spatial distribution characteristics during the last 30 years in China [J]. Ecology and Environmental Sciences, 2009, 18(04): 1573-1578.]
    +?CSCD?·?Baidu Scholar
    [2]
    王春乙, 張繼權(quán), 霍治國(guó), 等. 農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估研究進(jìn)展與展望[J]. 氣象學(xué)報(bào), 2015, 73(01): 1-19. [WANG C Y, ZHANG J Q, HUO Z G, et al. Prospects and progresses in the research of risk assessment of agro-meteorological disasters [J]. Acta Meteorologica Sinica, 2015, 73(01): 1-19.]
    +?CSCD?·?Baidu Scholar
    [3]
    劉彤, 閆天池. 我國(guó)的主要?dú)庀鬄?zāi)害及其經(jīng)濟(jì)損失[J]. 自然災(zāi)害學(xué)報(bào), 2011, 20(02): 90-95. [LIU T, YAN T C. Main meteorological disasters in China and their economic losses[J]. Journal of Natural Disasters, 2011, 20(02): 90-95.]
    +?CSCD?·?Baidu Scholar
    [4]
    何霄嘉. 黃河水資源適應(yīng)氣候變化的策略研究[J]. 人民黃河, 2017, 39(08): 44-48. [HE X J. Study on Strategies of Yellow River Water Resources Adapting to Climate Change[J]. Yellow River, 2017, 39(08): 44-48.]
    +?CSCD?·?Baidu Scholar
    [5]
    LI J, WANG Z, LAI C. Severe drought events inducing large decrease of net primary productivity in mainland China during 1982–2015[J]. Science of the Total Environment, 2020, 703: 135541.
    +?CSCD?·?Baidu Scholar
    [6]
    黃建平, 張國(guó)龍, 于海鵬, 等. 黃河流域近40年氣候變化的時(shí)空特征[J]. 水利學(xué)報(bào), 2020, 51(09): 1048-1058. [HUANG J P, ZHANG G L, YU H P, et al.Characteristics of climate change in the Yellow River basin during recent 40 years[J].Journal of Hydraulic Engineering, 2020, 51(09):1048-1058.]
    +?CSCD?·?Baidu Scholar
    [7]
    劉吉峰, 王金花, 焦敏輝, 等. 全球氣候變化背景下中國(guó)黃河流域的響應(yīng)[J]. 干旱區(qū)研究, 2011, 28(05): 860-865. [LIU J F, WANG J H, JIAO J H, et al.Response of Water Resources in the Yellow River Basin to Global Climate Change[J].Journal of Arid Land, 2011, 28(05): 860-865.]
    +?CSCD?·?Baidu Scholar
    [8]
    YU M, LI Q, HAYES M J, et al. Are droughts becoming more frequent or severe in China based on the Standardized Precipitation Evapotranspiration Index: 1951–2010?[J]. International Journal of Climatology, 2014, 34(3): 545-558.
    +?CSCD?·?Baidu Scholar
    [9]
    MCKEE T B, DOESKEN N J, KLEIST J. The relationship of drought frequency and duration to time scales[C]. Proceedings of the 8th Conference on Applied Climatology, F, California, USA, 1993.
    +?CSCD?·?Baidu Scholar
    [10]
    AKHTARI R, MORID S, MAHDIAN M H, et al. Assessment of areal interpolation methods for spatial analysis of SPI and EDI drought indices[J]. International Journal of Climatology: A Journal of the Royal Meteorological Society, 2009, 29(1): 135-145.
    +?CSCD?·?Baidu Scholar
    [11]
    CHEN H, FAN L, WU W, et al. Comparison of spatial interpolation methods for soil moisture and its application for monitoring drought[J]. Environmental Monitoring and Assessment, 2017, 189: 1-13.
    +?CSCD?·?Baidu Scholar
    [12]
    夏虹, 武建軍, 劉雅妮, 等. 中國(guó)用遙感方法進(jìn)行干旱監(jiān)測(cè)的研究進(jìn)展[J]. 遙感信息, 2005(01): 55-58, 31. [XIA H, WU J J, LIU Y N, et al.Progress on Drought Monitoring by Remote Sensing in China[J].Remote Sensing Information, 2005(01): 55-58, 31.]
    +?CSCD?·?Baidu Scholar
    [13]
    劉歡, 劉榮高, 劉世陽(yáng). 干旱遙感監(jiān)測(cè)方法及其應(yīng)用發(fā)展[J]. 地球信息科學(xué)學(xué)報(bào), 2012, 14(02): 232-239. [LIU H, LIU R G, LIU S Y. Review of Drought Monitoring by Remote Sensing[J].Journal of Geo-information Science, 2012, 14(02): 232-239.]
    +?CSCD?·?Baidu Scholar
    [14]
    KOGAN F N. Application of vegetation index and brightness temperature for drought detection [J]. Advances in Space Research, 1995, 15(11): 91-100.
    +?CSCD?·?Baidu Scholar
    [15]
    KOGAN F. World droughts in the new millennium from AVHRR‐based vegetation health indices[J]. Eos, Transactions American Geophysical Union, 2002, 83(48): 557-563.
    +?CSCD?·?Baidu Scholar
    [16]
    SANDHOLT I, RASMUSSEN K, ANDERSEN J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002, 79(2-3): 213-224.
    +?CSCD?·?Baidu Scholar
    [17]
    JI L, PETERS A J. Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices [J]. Remote Sensing of Environment, 2003, 87(1): 85-98.
    +?CSCD?·?Baidu Scholar
    [18]
    徐棟. 全球1km分辨率TVDI數(shù)據(jù)集（2005年）[DS/OL].國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心,2020.(2023-09-03). DOI: 10.12041/geodata.9802513.ver1.db. [XU D. Global 1km resolution TVDI dataset (2005). National Earth System Science Data Center, 2020.(2023-09-03). DOI: 10.12041/geodata.9802513.ver1.db.]
    +?CSCD?·?Baidu Scholar
    [19]
    王椰, 史海靜, 姜艷敏, 等. 基于 TVDI 的黃土高原干旱時(shí)空變化與其影響因素[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2023,54(07):184-195. DOI:10.11866/db.loess.2023.005. [WANG Y, SHI H J, JIANG Y M , et al. Spatio-temporal Variation of Drought Characteristics and Its Influencing Factors in the Loess Plateau Based on TVDI [J]. Transactions of the Chinese Society for Agricultural Machinery,2023,54(07):184-195. DOI:10.11866/db.loess. 2023.005]
    +?CSCD?·?Baidu Scholar
    [20]
    金佳鑫, 郭豐生, 嚴(yán)濤, 等. 中國(guó)0.05°分辨率逐月干旱指數(shù)數(shù)據(jù)集（2001-2010年）[DS/OL]. 國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心. 2020.(2023-09-03). DOI: 10.12041/geodata.4916325.ver1.db. [JIN J X, GUO F S, YAN T, et al. China monthly drought index dataset with 0.05° resolution (2001-2010). National Earth System Science Data Center. 2020.(2023-09-03). DOI: 10.12041/geodata.4916325.ver1.db.]
    +?CSCD?·?Baidu Scholar
    [21]
    喬龍?chǎng)? 鄭澤琳, 馬曉巖, 等. 2003–2021年黃河流域逐月1km分辨率VCI和TCI干旱指數(shù)數(shù)據(jù)集[J/OL]. 中國(guó)科學(xué)數(shù)據(jù), 2023. (2023-08-11). DOI: 10.11922/11-6035.ncdc.2022.0004.zh.[QIAO L,ZHENG Z L, MA X Y , et al. A dataset of monthly VCI and TCI drought indices at a resolution of 1km in the Yellow River Basin (2003–2021)[J/OL]. China Scientific Data, 2023.(2023-08-11) DOI: 10.11922/11-6035.ncdc.2022.0004.zh.]
    +?CSCD?·?Baidu Scholar
    [22]
    DIDAN K. MODIS/Terra Vegetation Indices 16-Day L3 Global 1km SIN Grid V061[DS/OL]. NASA EOSDIS Land Processes Distributed Active Archive Center, 2021. (2023-08-11). https://doi.org/10.5067/MODIS/MOD13A2.061.
    +?CSCD?·?Baidu Scholar
    [23]
    WAN Z, HOOK S, HULLEY G. MODIS/Aqua Land Surface Temperature/Emissivity Daily L3 Global 1 km SIN Grid V061 [DS/OL]. NASA EOSDIS Land Processes Distributed Active Archive Center, 2021. (2023-08-11). https://doi.org/10.5067/MODIS/MYD11A1.061.
    +?CSCD?·?Baidu Scholar
    [24]
    ZHAO W, HE J, WU Y, et al. An analysis of land surface temperature trends in the central Himalayan region based on MODIS products[J]. Remote Sensing, 2019, 11(8): 900.
    +?CSCD?·?Baidu Scholar
    [25]
    BECHTEL B. A new global climatology of annual land surface temperature[J]. Remote Sensing, 2015, 7(3): 2850-2870.
    +?CSCD?·?Baidu Scholar
    [26]
    ZHANG L, JIAO W, ZHANG H, et al. Studying drought phenomena in the Continental United States in 2011 and 2012 using various drought indices[J]. Remote Sensing of Environment, 2017, 190: 96-106.
    +?CSCD?·?Baidu Scholar
    數(shù)據(jù)引用格式
    沙寅濤, 劉戈, 趙曉陽(yáng). 等. 2003–2022黃河流域TCI、VCI、VHI、TVDI逐年1 km分辨率數(shù)據(jù)集 [DS/OL]. V2. Science Data Bank, 2023. (2023-09-12). DOI: 10.57760/sciencedb.09116.
    


                            
                            
    
                                    
                                    
    
                                        稿件與作者信息
                                        
                                            
                                        
                                        
                                            
                                        
                                    
    
                                    
    
                                        
                                            
    論文引用格式
    沙寅濤, 劉戈, 趙曉陽(yáng). 等.2003–2022年黃河流域TCI、VCI、VHI、TVDI逐年1 km分辨率數(shù)據(jù)集[J/OL]. 中國(guó)科學(xué)數(shù)據(jù), 2024, 9(2). (2024-05-11). DOI: 10.11922/11-6035.ncdc.2023.0006.zh.
    沙寅濤
    SHA Yintao
    主要承擔(dān)工作：技術(shù)實(shí)施、代碼編寫和數(shù)據(jù)可視化制圖。
    沙寅濤（1998—），男，山東省聊城市人，碩士，研究方向?yàn)槿蜃兓鷳B(tài)學(xué)。
    劉戈
    LIU Ge
    主要承擔(dān)工作：數(shù)據(jù)整合和質(zhì)量控制。
    劉戈（2000—），男，河南省洛陽(yáng)市人，碩士，研究方向?yàn)槿蜃兓鷳B(tài)學(xué)。 
    趙曉陽(yáng)
    ZHAO Xiaoyang
    主要承擔(dān)工作：部分代碼編寫。
    趙曉陽(yáng)（1996—），男，甘肅省武威市人，碩士，研究方向?yàn)樯鷳B(tài)遙感。 
    董光華
    DONG Guanghua
    主要承擔(dān)工作：論文修改與審核。
    董光華（1962—），男，山西平遙人，碩士，研究方向?yàn)榄h(huán)境科學(xué)。
    靳寧
    JIN Ning
    主要承擔(dān)工作：部分代碼編寫。
    靳寧（1983—），男，山西襄汾人，博士，研究方向?yàn)樯鷳B(tài)環(huán)境信息化。 
    夏浩銘
    XIA Haoming
    主要承擔(dān)工作：總體工作部署、整體思路設(shè)計(jì)和論文修改。
    xiahm@vip.henu.edu.cn
    夏浩銘（1983—），男，河南省永城市人，博士，副教授，研究方向?yàn)槎窟b感及其綜合應(yīng)用。 
    山西省水利科學(xué)技術(shù)研究與推廣項(xiàng)目（2023GM44）；國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目（32130066）。
    Shanxi Province Water Science and Technology Research and Promotion Project (2023GM44); National Natural Science Foundation of China (32130066).
    

                                        


                                        
    

    
    
    出版歷史
    
    
    

        

        
            
    
            II區(qū)出版時(shí)間：2024年5月11日
            （
            版本ZH3）
    
        

        

    
        

        

        


        
        

        

        

        

        

    
    

    



                                        
                                    
    


                                
    


                        
    

                    
                
    

            
    
            
        
    
    
    


    
    
    
    
    
        
    
        
        
    參考文獻(xiàn)列表中查看
    
    
    
    
    
    
        
    
    
    

    
    
    
    
    
    
        
    
            
    
                
    
                    
                    
    中國(guó)科學(xué)數(shù)據(jù)·冰川凍土沙漠
    
                    
    csdata
    
                    
                
    
                
    
                    
    
                        


                    
    
                    
      
                        

                        
      
                        
    • 
                            
                                
      --
      
                            
                        
      •