Page 211 - 《高原气象》2022年第6期

高 原 气 象 41 卷
1574
理数据空间网（http：//www. gscloud. cn/search）。并 究区气象站点和高程分布如图 1所示。文中涉及的
选取了来自于中国气象数据网（http：//data. cma. 地图是基于国家测绘地理信息局标准地图服务网
cn/）西南地区 144 个气象站点的温度、降水和 0 cm 站下载的审图号为 GS（2019）1786 号的中国地图制
地温逐日数据，资料时间跨度为 1980-2019年。研 作，底图无修改。

图1 西南地区气象站点和高程分布
Fig. 1 Distribution map of meteorological stations and DEM in Southwestern China

2. 3 数据处理 dardized Precipitation Evapotranspiration Index）和气
首先利用NASA提供的MRT（MODIS Reprojec‐ 象干旱综合指数 MCI（Meteorological Drought Com‐
tion Tool），将 MOD11A2、MYD11A2、MOD13A3、 posite Index）。
MYD13A3、MCD1Q1进行转投影为 WGS84坐标系 2. 4. 1 植被状态指数（VCI）
统，重采样为 1 km，提取植被指数状态产品中的归 NDVI i - NDVI min
VCI i = × 100 （1）
一化植被指数 NDVI、增强植被指数 EVI、红外 Red NDVI max - NDVI min
reflectance、近红外 NIR reflectance 波段，地表温度 式中： VCI i 为某一年 i 月的植被状态指数； NDVI i 为
产品中白天地表温度 LST_ Day 和夜晚地表温度 对应月份的植被指数值； NDVI min 和 NDVI max 为研究
LST_ Night 波段以及植被覆盖类型产品中 Type1 年份内全部 i 月中 NDVI 的最小和最大值。其中，
（IGBP 的全球植被分类方案）波段，并使用质量控 分母代表了植被在研究时间内 i 月 NDVI 的变化范
制文件去除无效值。然后编写程序对 TRMM3B43 围，一定意义上反映了植被的生长环境，而分子在
数据进行转换并计算月降水量，使用 ArcGIS 软件 一定程度上代表了 i月 NDVI的长势，分子越小，长
将 SM、TRMM34B3 和 DEM 数据转投影为 WGS84 势越差。VCI值越小，表明植被状态在 i月越差，越
坐标系统，重采样为 1 km，并计算 DEM 数据的坡 有可能发生干旱。
度和坡向。由于地表温度数据为 8 天分辨率，需将 2. 4. 2 温度状态指数（TCI）
所有数据加权合并为地表温度月值，权重为每个 8 LST max - LST i
TCI i = × 100 （2）
天所占比例；SM 数据为每天分辨率，需将每天数 LST max - LST min
据加权合成月数据。最后利用 ArcGIS 软件将所有 式中： TCI i 为某一年 i月的温度状态指数； LST i 为对
遥感数据裁剪为西南地区研究区。同时利用缺失 应月份的地表温度值； LST min 和 LST max 为研究年份
数据其余年份同月同日的数据平均值对 144个站点 内全部 i 月中 LST 的最小和最大值。TCI 值越小，
中的部分缺失数据进行插补。 代表干旱越强。TCI与 VCI都是通过植被进而反映
2. 4 研究方法 干旱状况，但影响植被生长的不仅有干旱，因此在
根据处理后的遥感与站点数据，分别计算植被 研究西南地区干旱情况时还需要考虑其他因素。
状态指数 VCI（Vegetation Condition Index）、温度状 2. 4. 3 降水TRMM-SPI
态 指 数 TCI（ Temperature Condition Index）、降 水 降水异常是造成干旱的重要原因。标准化降
TRMM-SPI 指数、标准化降水蒸散指数 SPEI（Stan‐ 水指数 SPI 不仅可以反映短时间内降雨量的变化，