Академический Документы
Профессиональный Документы
Культура Документы
Editores:
Alix Fernández-Renau González-Anleo
Eduardo de Miguel Llanes
XV Congreso de la Asociación Española de Teledetección
INTA, Torrejón de Ardoz (Madrid). 22-24 octubre, 2013
RESUMEN
En este trabajo hemos obtenido modelos empíricos para la estimación diaria de la presión superficial del vapor de agua
(e0), de la temperatura del aire (Ta) y de la humedad relativa del aire (HR), sobre áreas libres de nubes, usando MODIS
y variables espacio-temporales. Datos in situ de estaciones meteorológicas españolas han sido comparados con datos
diurnos Terra-MODIS o bien con sus productos de contenido en vapor de agua total (W), temperatura superficial
terrestre (LST), NDVI, etc. Los modelos obtenidos de los productos generados en tiempo real por IMAPP dan R2=0.8 y
R2=0.91 para los valores medios y máximos de e0 y Ta, respectivamente. Los resultados son peores para HR (R2<0.5).
Palabras clave: presión superficial de vapor de agua, temperatura del aire, humedad relativa, W, LST, NDVI, MODIS.
ABSTRACT
In this article, we present empirical models for estimating the daily surface water vapour pressure (e0), air temperature
(Ta) and relative humidity (RH) over cloud-free land areas using MODIS and spatiotemporal variables. In situ data
from Spanish ground-level meteorological stations were compared to diurnal Terra-MODIS data or its products of total
water vapour content (W), land surface temperature (LST), NDVI, etc. The models obtained from the products
generated in real time by IMAPP give R2=0.8 y R2=0.91 for the mean and maximum values of e0 y Ta, respectively.
Worse results are obtained for RH (R2<0.5).
Keywords: surface water vapour pressure, air temperature, relative humidity, W, LST, NDVI, MODIS.
relación e0-W también ha sido estudiada, incluso Así, se calcula el valor medio, máximo y mínimo de e0
Recondo et al. (2013) han obtenido un algoritmo, (e0media, e0max y e0min, respectivamente), particularizando
aplicado a Asturias, para estimar e0 directamente de los las Ecuaciones 1 y 2:
canales NIR de MODIS relacionados con W.
En este trabajo, por lo tanto, hemos investigado la e0 media = HRmedia ⋅ e0 SAT (Tmedia ) (3)
posibilidad de obtener, por este orden: 1) e0 desde 3
algoritmos globales MODIS para la estimación de W,
así como por medio de una simple combinación lineal e0 max = RH max ⋅ e0 SAT (Tmin ) (4)
de las radiancias en los canales NIR de MODIS, como
se hizo en Recondo et al. (2013) para Asturias. 2) Ta
desde 5 algoritmos globales MODIS para la estimación
e0 min = RH min ⋅ e0 SAT (Tmax ) (5)
de LST. Y, finalmente, 3) HR, que será derivada de las
estimaciones de e0 y Ta o bien de modelos similares a los Datos diurnos Terra-MODIS y productos derivados de
usados para la estimación de estas variables. En todos W y LST (y NDVI). Se prefieren los datos de Terra a
los casos se han añadido variables espacio-temporales a los de Aqua por su paso más temprano sobre la
los modelos usando regresiones lineales múltiples para Península Ibérica (entre las 10 y las 12 UTC), lo que
mejorar los resultados. permitirá generar antes la previsión diaria de riesgo.
Los datos fueron tomados por la antena de la
2. DATOS Y METODOLOGÍA Universidad de Oviedo y algunos productos se han
elaborado en tiempo real por medio del software
Hemos usado datos para 29 días del año 2010, gratuito IMAPP (International MODIS/AIRS
seleccionados como los de menor nubosidad sobre la Processing Package; Huang et al. (2004); ver
Península Ibérica y con la condición de que todos los http://cimss.ssec.wisc.edu/imapp/) o bien por nosotros
meses estuvieran representados. Estos datos son: siguiendo algoritmos conocidos. Otros productos han
sido descargados de la página de la NASA:
Datos de 331 estaciones meteorológicas españolas http://ladsweb.nascom.nasa.gov. Todos los
repartidas por toda la Península (Figura 1), con datos/productos están libres de nubes y tienen una
información disponible a través de páginas web. Las resolución espacial de 1 km. Éstos son:
variables obtenidas de cada estación para las fechas
¾ MOD021km: producto que contiene las radiancias
seleccionadas son Ta y la HR (valores medios, calibradas y geolocalizadas (WGS84) de las 36
máximos y mínimos diarios). bandas espectrales. Generado por IMAPP.
¾ WSobrino: W calculada según el algoritmo de Sobrino
et al. (2003). Se elabora a partir de MOD021km, de
forma que puede generarse en tiempo real.
¾ MOD05: producto W estándar de la NASA (Gao and
Kaufman, 2003). No podemos elaborarlo en la
actualidad en tiempo real. Ha sido descargado.
¾ W-IMAPP: producto W generado por IMAPP. El
algoritmo de cálculo (Albert et al., 2005) es diferente
al utilizado en el producto MOD05.
¾ LST1, LST2 y LST3: LST calculados en tiempo real
según tres algoritmos de Sobrino et al. (2003).
Figura 1. Localización de las 331 estaciones ¾ MOD11: producto LST (y emisividad) estándar de la
meteorológicas españolas usadas en este estudio. NASA (Wan, 2008). Ha sido descargado.
¾ LST-IMAPP: producto LST generado por IMAPP.
Los datos de e0 han sido derivados de Ta y HR Producto similar al MOD11 pero que, a diferencia de
siguiendo las fórmulas (Ecuaciones 1-5): éste, podemos generarlo en tiempo real.
¾ NDVI: generado a partir del MOD021km. Necesario
e0 para mejorar los modelos de Ta.
HR = ⇒ e0 = HR ⋅ e0 SAT (1)
e0 SAT
Datos espacio-temporales. Hemos usado el día juliano
donde e0 SAT es e0 en saturación, que se calcula por la
(DJ) y la hora MODIS (hora UTC) de cada imagen.
conocida fórmula:
De las estaciones, su latitud (ϕ), longitud (λ) y
7.5 ⋅ t (º C ) distancia a la costa (dcosta). De un Modelo Digital de
237.3 + t (º C ) Elevaciones (MDE) de 1 km de resolución se
e0 SAT (hPa) = 6.11 ⋅ 10 (2) obtuvieron las variables de altura (h), pendiente (p) y
curvatura del MDE (c) para cada estación.
XV Congreso de la Asociación Española de Teledetección
INTA, Torrejón de Ardoz (Madrid). 22-24 octubre, 2013
4. VALIDACIÓN
La validación de los modelos obtenidos, como ya hemos
dicho, se hizo con el 50% de la muestra no usada para la
generación de los mismos.
y del software IMAPP nos permite generar en tiempo of remote sensing and GIS data. Journal of Geophysical
real los valores medios, máximos y mínimos de estas Research, 113, D13106, doi:10.1029/2007JD009318.
variables meteorológicas tras el primer paso del satélite
Terra sobre la Península, entre las 10 y las 12 UTC. La GAO, B.-C., & KAUFMAN, Y. J., 2003. Water vapor
generación de estas variables en tiempo real es esencial retrievals using Moderate Resolution Imaging
en muchos modelos de riesgo medioambientales, como Spectroradiometer (MODIS) near-infrared channels.
el de riesgo de incendios. Por ejemplo, en el caso de Journal of Geophysical Research, 108, 4389–4398.
incendios, usando los modelos propuestos, podemos HAN, K.-S., VIAU, A. A., & ANCTIL, F., 2003. High-
elaborar mapas de e0min y Tmax con una resolución resolution forest fire weather index computations using
espacial de 1 km2 (Figura 3). Además, como los satellite remote sensing. Canadian Journal of Forest
resultados son mucho mejores para e0 que para RH, Research, 33, 1134–1143.
proponemos sustituir la primera por la segunda como
variable que caracteriza la humedad en estos modelos. HUANG, H.-L., GUMLEY, L. E., STRABALA, K., LI,
J., WEISZ, E., RINK, T., BAGGETT, K. C., DAVIES,
J. E., SMITH, W. L., and DODGE, J. C., 2004.
International MODIS and AIRS processing package
(IMAPP): A direct broadcast software package for the
NASA earth observing system. Bulletin of the American
Meteorological Society, 85, 159–161.
PENG, G., LI, J., CHEN, Y., NORIZAN, A. P., &
TAY, L., 2006, High-resolution Surface Relative
Humidity Computation Using MODIS Image in
Peninsular Malaysia. Chinese Geographical Science,
16, 260–264.
RECONDO, C., PENDÁS, E., MORENO, S., Gª DE
VICUÑA, C., GARCÍA-MARTÍNEZ, A., ABAJO, A.,
& ZAPICO, E., 2013. A simple empirical method for
estimating surface water vapour pressure using MODIS
near-infrared channels. Applications to Northern
Spain’s Asturias Region. International Journal of
Remote Sensing, 34: 9-10, 3248–3273.
RECONDO, C., & PÉREZ-MORANDEIRA, C. S.,
2002. Obtención de la temperatura del aire en Asturias
a partir de la temperatura de la superficie terrestre
calculada con imágenes NOAA-AVHRR. Revista de
Teledetección (AET), 17, 5–12.
SOBRINO, J. A., EL KHARRAZ, J., & LI, Z.-L., 2003.
Surface temperature and water vapor retrieval from
MODIS data. International Journal of Remote Sensing,
20, 5161–5182.
VOGT, J. V., VIAU, A. A., & PAQUET, F., 1997,
Figura 3. De arriba a abajo: Mapas de e0min (hPa) y Mapping regional air temperature fields using satellite-
Tmax (K) obtenidos para la Península de la imagen Terra- derived surface skin temperatures. International Journal
MODIS del 7 de agosto de 2010 (11:25 UTC) aplicando of Climatology, 17, 1559–1579.
los modelos con IMAPP.
WAN, Z. (2008). New refinements and validation of the
6. BIBLIOGRAFÍA MODIS Land-Surface Temperature/ Emissivity
products. Remote Sensing of Environment, 112, 59-74.
ALBERT, P., BENNARTZ, R., PREUSKER, R.,
LEINWEBER, R., & FISCHER, J., 2005. Remote AGRADECIMIENTOS
sensing of atmospheric water vapor using the Moderate Este trabajo se enmarca dentro del proyecto FireGlobe,
Resolution Imaging Spectroradiometer. Journal of financiado por el Ministerio de Ciencia e Innovación
Atmospheric and Oceanic Technology, 22, 309–314. entre 2009-2011 (CGL2008-01083; IP: Emilio
CRISTÓBAL, J., NINYEROLA, M., & PONS, X., Chuvieco). Eva Zapico fue Personal Técnico de Apoyo
2008. Modeling air temperature through a combination de este proyecto (PTA2009-02281-P).