نیوار

نیوار

برآورد میانگین ماهانه دمای کمینه و بیشینه هوا با استفاده از داده‌های دمای رویه زمین سنجنده مودیس (MODIS LST) در استان یزد

نوع مقاله : مقاله پژوهشی

نویسنده
محمدرضا شیرغلامی
دکترای آب و هواشناسی - رییس گروه توسعه هواشناسی کاربردی، اداره کل هواشناسی یزد، یزد، ایران.
10.30467/nivar.2024.449005.1285
چکیده
پایش پیوسته دما در محیط‌های دوردست، مانند مناطق کوهستانی و بیابانی با توجه به توزیع ناکافی و یا پراکنده ایستگاه‌های هواشناسی و همچنین پیچیدگی درونیابی داده‌های ایستگاهی موجود با محدودیت مواجه است. به همین دلیل استفاده از داده‌های سنجش‌ازدور ماهواره‌ای در سالیان اخیر افزایش فزاینده‌ای داشته است. در این مطالعه، از داده‌های روزانه دمای رویه زمین (روز و شب) به‌دست‌آمده از سنجنده مودیس آکوا در بازه زمانی 18 ساله با قدرت تفکیک یک کیلومتر و همچنین داده‌های 11 ایستگاه همدیدی، برای برآورد دمای هوا در استان یزد استفاده شد. واکاوی رابطه بین میانگین ماهانه دمای رویه زمین (روز/ شب) و میانگین ماهانه دمای هوا (بیشینه/ کمینه) حاکی از همبستگی قوی بین آن‌ها بود. مقادیر ضریب تعیین (R2) بین دمای رویه زمین روزهنگام و دمای بیشینه هوا از 989/0 تا 997/0 و برای دمای رویه زمین شب هنگام و دمای کمینه هوا از 991/0 تا 999/0 متغیر است. بنابراین با توجه به پوشش فضایی خوب داده‌های دمای رویه زمین سنجنده مودیس، می‌توان با استفاده از معادله رگرسیون خطی دمای هوا را برای یاخته‌های مختلف استان یزد محاسبه کرد. علاوه بر این نتایج حاکی از آن بود که مقادیر آماره RMSE در شب بسیار کوچکتر از مقادیر آن در روز بود. بنابراین بازیابی دمای رویه زمین به هنگام شب نسبت به داده‌های روز، با دقت بسیار بهتری امکان‌پذیر می باشد. یافته‌های پژوهش حاضر همچنین نشان داد که دمای هوای برآورد شده و دمای رویه زمین دارای چرخه‌های فصلی مشابه هستند. اگرچه اختلاف این دو متغیر در روز بیشتر از شب است. این تفاوت‌ها بین دمای هوا و دمای رویه در فصل تابستان (ژوئن تا آگوست) افزایش می‌یابد.
کلیدواژه‌ها
سنجش‌ازدور
داده‌های ایستگاه هواشناسی
صحت‌سنجی
رگرسیون خطی
توزیع مکانی
موضوعات

عنوان مقاله English

Estimation of Monthly Mean Minimum and Maximum air Temperature Using MODIS LST Data Over Yazd Province

نویسنده English

Mohamad Reza ShirGholami
Ph.D. of Climatology - Head of Applied Meteorology Development Group, Yazd Meteorological Office, Yazd, Iran.
چکیده English

Continuous monitoring of temperature in extreme areas, such as mountainous and desert regions, is hampered with insufficient or sparse distribution of meteorological stations, as well as the complexity of interpolating existing station data. For this reason, the use of satellite remote sensing data has increased significantly in recent years. In this study, the daily LST data (daytime and nighttime) obtained from the MODIS Aqua satellite in the period from 2003 to 2019 at 1-km resolution, as well as the meteorological data of 11 synoptic stations, were used to estimate the air temperature in Yazd province. The assessment of the relationship between the mean monthly LST (day/night) and the mean monthly air temperature (maximum/minimum) indicated a strong correlation between them. The coefficient of determination (R2) values between LST daytime and maximum air temperature varied from 0.989 to 0.997 and between LST nighttime and minimum air temperature from 0.991 to 0.999. Therefore, according to the suitable spatial coverage of MODIS LST, it is possible to estimate the air temperature for different cells of Yazd province using the linear regression equation. In addition, the results indicated that the RMSE values at night were much smaller than the values during the day. Therefore, it is possible to retrieve the land surface temperature at night with a much higher accuracy than during the day. The findings of this research also showed that the estimated air temperature and LST have similar seasonal cycles. Although the difference between these two variables is greater during the day than at night. These differences between the air temperature and LST increase in the summer season (June to August).

کلیدواژه‌ها English

Remote sensing
weather station data
validation
linear regression
spatial distribution
  1. اسمعیلی، سرور؛ خوشخو، یونس؛ عبدالهی، مسعود. (1397). برآورد پارامترهای روزانه و ماهانه دمای هوا در استان کردستان با بکارگیری تصاویر سنجنده MODIS. تحقیقات آب و خاک ایران (علوم کشاورزی ایران)، 49(2 )، 413-423.
  2. کشتکار، امیر رضا؛ پاک طینت، مهدی؛ پاک طینت، هادی. (1394). به کارگیری روش تصمیم‌گیری چند معیاره در تعیین اراضی مناسب به منظور استفاده از منابع آب شور در اجرای طرح های پرورش آرتمیا در محیط های خشک و بیابانی (مورد مطالعه: پلایای سیاه کوه یزد)، پژوهش های جغرافیای طبیعی، 47(2)، 303-315.
  3. مسعودیان، سیدابوالفضل. (1398). بازتاب تغییرات محیطی در تغییرات توزیع فراوانی دمای رویه ی زمین: مطالعه موردی حوضه زاینده رود و حوضه اورمیه، مخاطرات محیط طبیعی، 8(19)، 264-275.
  4. نوجوان، محمدرضا؛ هاشمی، معصومه. (1392). افتراق‌های ژئومورفولوژی مناظر کویری استان یزد. جغرافیا و برنامه ریزی محیطی، 24(2)، 141-152.
  5. Alqasemi, A. S., Hereher, M. E., Al-Quraishi, A. M. F., Saibi, H., Aldahan, A., & Abuelgasim, A. (2022). Retrieval of monthly maximum and minimum air temperature using MODIS aqua land surface temperature data over the United Arab Emirates. Geocarto International, 37(10), 2996-3013.
  6. Benali, A., Carvalho, A., Nunes, J., Carvalhais, N., & Santos, A. (2012). Estimating air surface temperature in Portugal using MODIS LST data. Remote sensing of environment, 124, 108-121.
  7. Daly, C. (2006). Guidelines for assessing the suitability of spatial climate data sets. International Journal of Climatology: A Journal of the Royal Meteorological Society, 26(6), 707-721.
  8. Duan, S.-B., Li, Z.-L., & Leng, P. (2017). A framework for the retrieval of all-weather land surface temperature at a high spatial resolution from polar-orbiting thermal infrared and passive microwave data. Remote sensing of environment, 195, 107-117.
  9. Gallo, K., Hale, R., Tarpley, D., & Yu, Y. (2011). Evaluation of the relationship between air and land surface temperature under clear-and cloudy-sky conditions. Journal of Applied Meteorology and Climatology, 50(3), 767-775.
  10. Hereher, M. E. (2019). Estimation of monthly surface air temperatures from MODIS LST time series data: application to the deserts in the Sultanate of Oman. Environmental Monitoring and Assessment, 191(9), 592.
  11. Hook, S. J., Prata, F. J., Alley, R. E., Abtahi, A., Richards, R. C., Schladow, S. G., & Pálmarsson, S. (2003). Retrieval of lake bulk and skin temperatures using Along-Track Scanning Radiometer (ATSR-2) data: A case study using Lake Tahoe, California. Journal of Atmospheric and Oceanic Technology, 20(4), 534-548.
  12. Iraji, F., Memarian, M. H., Joghataei, M., & Malamiri, H. R. G. (2021). Determining the source of dust storms with use of coupling WRF and HYSPLIT models: A case study of Yazd province in central desert of Iran. Dynamics of Atmospheres and Oceans, 93, 101197.
  13. Jin, M., & Dickinson, R. E. (2000). A generalized algorithm for retrieving cloudy sky skin temperature from satellite thermal infrared radiances. Journal of Geophysical Research: Atmospheres, 105(D22), 27037-27047.
  14. Kang, J., Tan, J., Jin, R., Li, X., & Zhang, Y. (2018). Reconstruction of MODIS land surface temperature products based on multi-temporal information. Remote Sensing, 10(7), 1112.
  15. Li, Z.-L., Tang, B.-H., Wu, H., Ren, H., Yan, G., Wan, Z., Trigo, I. F., & Sobrino, J. A. (2013). Satellite-derived land surface temperature: Current status and perspectives. Remote sensing of environment, 131, 14-37.
  16. Lin, X., Zhang, W., Huang, Y., Sun, W., Han, P., Yu, L., & Sun, F. (2016). Empirical estimation of near-surface air temperature in China from MODIS LST data by considering physiographic features. Remote Sensing, 8(8), 629.
  17. Lu, L., Zhang, T., Wang, T., & Zhou, X. (2018). Evaluation of collection-6 MODIS land surface temperature product using multi-year ground measurements in an arid area of Northwest China. Remote Sensing, 10(11), 1852.
  18. Minder, J. R., Mote, P. W., & Lundquist, J. D. (2010). Surface temperature lapse rates over complex terrain: Lessons from the Cascade Mountains. Journal of Geophysical Research: Atmospheres, 115(D14).
  19. Misslin, R., Vaguet, Y., Vaguet, A., & Daudé, É. (2018). Estimating air temperature using MODIS surface temperature images for assessing Aedes aegypti thermal niche in Bangkok, Thailand. Environmental Monitoring and Assessment, 190, 1-17.
  20. Neteler, M. (2010). Estimating daily land surface temperatures in mountainous environments by reconstructed MODIS LST data. Remote Sensing, 2(1), 333-351.
  21. Noi, P. T., Kappas, M., & Degener, J. (2016). Estimating daily maximum and minimum land air surface temperature using MODIS land surface temperature data and ground truth data in Northern Vietnam. Remote Sensing, 8(12), 1002.
  22. Oyler, J. W., Dobrowski, S. Z., Holden, Z. A., & Running, S. W. (2016). Remotely sensed land skin temperature as a spatial predictor of air temperature across the conterminous United States. Journal of Applied Meteorology and Climatology, 55(7), 1441-1457.
  23. Phan, T. N., Kappas, M., & Tran, T. P. (2018). Land surface temperature variation due to changes in elevation in northwest Vietnam. Climate, 6(2), 28.
  24. Prakash, S., Shati, F., Norouzi, H., & Blake, R. (2019). Observed differences between near-surface air and skin temperatures using satellite and ground-based data. Theoretical and Applied Climatology, 137, 587-600.
  25. Schneider, P., Hook, S., Radocinski, R., Corlett, G., Hulley, G., Schladow, S., & Steissberg, T. (2009). Satellite observations indicate rapid warming trend for lakes in California and Nevada. Geophysical Research Letters, 36(22).
  26. Sharifnezhadazizi, Z., Norouzi, H., Prakash, S., Beale, C., & Khanbilvardi, R. (2019). A global analysis of land surface temperature diurnal cycle using MODIS observations. Journal of Applied Meteorology and Climatology, 58(6), 1279-1291.
  27. Shirgholami, M., & Masoodian, S. A. (2022). Assessment of spatial and temporal variations of land surface temperature (LST) due to elevation changes in Yazd Province, Iran. Arabian Journal of Geosciences, 15(16), 1372.
  28. Stisen, S., Sandholt, I., Nørgaard, A., Fensholt, R., & Eklundh, L. (2007). Estimation of diurnal air temperature using MSG SEVIRI data in West Africa. Remote sensing of environment, 110(2), 262-274.
  29. Stroppiana, D., Antoninetti, M., & Brivio, P. A. (2014). Seasonality of MODIS LST over Southern Italy and correlation with land cover, topography and solar radiation. European Journal of Remote Sensing, 47(1).
  30. Thorne, P., Donat, M., Dunn, R., Williams, C., Alexander, L., Caesar, J., Durre, I., Harris, I., Hausfather, Z., & Jones, P. (2016). Reassessing changes in diurnal temperature range: Intercomparison and evaluation of existing global data set estimates. Journal of Geophysical Research: Atmospheres, 121(10), 5138-5158.
  31. Tomlinson, C. J., Chapman, L., Thornes, J. E., & Baker, C. (2011). Remote sensing land surface temperature for meteorology and climatology: A review. Meteorological Applications, 18(3), 296-306.
  32. Vancutsem, C., Ceccato, P., Dinku, T., & Connor, S. J. (2010). Evaluation of MODIS land surface temperature data to estimate air temperature in different ecosystems over Africa. Remote sensing of environment, 114(2), 449-465.
  33. Wan, Z., Wang, P., & Li, X. (2004). Using MODIS land surface temperature and normalized difference vegetation index products for monitoring drought in the southern Great Plains, USA. International journal of remote sensing, 25(1), 61-72.
  34. Xie, H., Chang, N.-B., Daranpob, A., & Prado, D. (2010). Assessing the long-term urban heat island in San Antonio, Texas based on moderate resolution imaging spectroradiometer/Aqua data. Journal of Applied Remote Sensing, 4(1), 043508.
  35. Zhang, P., Bounoua, L., Imhoff, M. L., Wolfe, R. E., & Thome, K. (2014). Comparison of MODIS land surface temperature and air temperature over the continental USA meteorological stations. Canadian Journal of Remote Sensing, 40(2), 110-122.
  36. Zhong, L., Ma, Y., Su, Z., & Salama, M. S. (2010). Estimation of land surface temperature over the Tibetan Plateau using AVHRR and MODIS data. Advances in atmospheric sciences, 27, 1110-1118.
  37. Zhu, W., Lű, A., & Jia, S. (2013). Estimation of daily maximum and minimum air temperature using MODIS land surface temperature products. Remote sensing of environment, 130, 62-73.

  • تاریخ دریافت 27 اسفند 1402
  • تاریخ بازنگری 25 اردیبهشت 1403
  • تاریخ پذیرش 17 تیر 1403
  • تاریخ انتشار 01 مهر 1403