利用Terra和Aqua MODIS数据估算日照时数外文翻译资料

 2022-12-25 11:43:12

英语原文共 10 页,剩余内容已隐藏,支付完成后下载完整资料


利用Terra和Aqua MODIS数据估算日照时数

H. M. Kandirmaz和K. Kaba

Cukurova大学科学与艺术系物理系,土耳其阿达纳01330

2014年2月2日收到; 2014年3月29日修订; 2014年3月31日接受; 2014年4月15日发布

学术编辑:Luis Gimeno

版权所有copy;2014 H. M. Kandirmaz和K. Kaba。 这是一个开放获取的文章,根据知识共享署名许可证分发,允许在任何媒体上无限制地使用,分发和复制,前提是原创作品被正确引用。

摘要:一些研究表明,全球日照时数的估算可以在对地静止卫星的帮助下完成,因为它们可以在一天内记录同一地点的几幅图像。 在本文中,从极地轨道卫星Aqua和Terra的MODIS(中分辨率成像光谱辐射计)传感器获得的图像被用来估计土耳其任何地区每日的全球日照时数。 还介绍了日平均云量指数与相对日照时数之间的二次相关关系,并与线性相关进行了比较。 结果表明极地轨道卫星可用于估算日照时数。 这里介绍的二次模型比线性模型更好,尤其是在冬季的几个月里,在地面站记录了很低的日照时间值。

1.引言

由于其在许多应用中的使用,在地球表面上的日照时数是一个重要的气象参数[1-7]。一般来说,测量气温和降水量的气象站比太阳辐射和日照时数要多得多。例如,在土耳其,虽然已经在400多个气象站收集了空气温度值,但分别仅在163和192个台站上长时数测量了太阳辐射和日照时数[8]。据加拿大环境部门[9],加拿大有320个日照时数测量站,比收集降水和气温数据的站少了1/7。整个非洲大约有400个台站,埃及只有34个台站记录日照时间数据[10,11]。与普遍的看法相反,由于大部分地理和经济原因,特别是发展中国家,日照时间网络仍然稀疏和不足。尽管收集任何气象资料的最佳方式是直接使用气象台站的适当仪器记录资料,但这些都是点测量,这意味着记录的资料具有高时间分辨率但空间分辨率低。属于台站附近区域的值通常通过外插法和插值法进行估算。但是,由于现有台站的空间分布一般不是均匀的,这些方法的值可能有问题。迄今为止,已有许多关于全球太阳辐射估算的研究报道,但不幸的是,尽管其具有至关重要的意义,但文献中仅有少量研究可用于确定全球日照时数及其空间分布和变化时间。发生这种情况的主要原因是日照记录仪记录的数据比放射照相记录的太阳辐射数据更可靠[8]。

地球静止轨道卫星和极地轨道卫星可以观察并拍摄登上它们的传感器覆盖区域的图像。这些图像已被用于许多不同的目的,也用于估计全球太阳辐射[12-20]。另一方面,只有少数研究报告使用卫星资料估算全球日照时数。 Kandirmaz(2006)提出了一个简单的线性模型来预测日照时间,并利用Meteosat C3D可见图像的时间序列构建土耳其的空间连续日照时间图[21]。 Good开发了一个简单模型,用于根据来自旋转增强可见光和红外成像仪(SEVIRI)的时间序列来估计英国的日照时间,该旋转增强型可见光和红外成像仪(SEVIRI)是第二代气象卫星(Megosat Second Generation,MSG)卫星上的仪器, 15分钟[22]。 Shamim等人每小时使用2.5公里2.5公里的Meteosat图像估算Brue Catchment [23]的日照时间。 Bertrand等人已经使用了两种不同的方法,将地面站和MSG数据结合起来估算比利时的日照时间[24]。我们可以注意到,在所有这些研究中,估计都是利用对给定区域进行重复观测的对地静止卫星的数据进行的。地球静止卫星由于其高轨道高度而具有较低的空间分辨率,而极轨道卫星具有较高的空间分辨率,但它们一天只能看到大部分地球表面两次(一天在白天,一天在黑暗中)。在这项工作中,我们试图使用极轨道卫星的数据估算每日的全球日照时间,为此目的使用了中等分辨率成像光谱辐射仪(MODIS)图像。

2.数据和方法

携带相同MODIS传感器的两颗极地轨道卫星Aqua和Terra以两条不同的路径轨道运行,其宽度为2330公里,每隔一至两天就可以观看整个地球表面。下午1:30,Aqua穿越赤道。在降落模式下,Terra在上午10:30以上升模式穿越赤道。因此,使用两颗卫星的图像可以对地球上任何地方或传感器下方的大气进行早晨和/或下午观察。 MODIS有36个光谱带,从0.41到14.385mu;m不等。波段1和波段2的空间分辨率为250米,波段3至7为500米,其余波段为1公里。乐队1至19和26由日光反射的太阳辐射产生并被称为反射式太阳能乐队。从20到25和27到36的波段是由昼夜的热辐射产生的,被称为热发射带。对于目前的研究,我们已经使用MOD02QKM(Terra文件)和MYD02QKM(Aqua文件)日常场景作为数据,这些数据经过MODIS LEVEL 1-B输出产品的校准和地理定位,具有250 m的空间和16位的辐射分辨率。日常日照时间数据来自土耳其国家气象局(TSMS)。使用伊斯坦布尔,安卡拉,萨姆松,伊兹密尔,安塔利亚,科尼亚,乌鲁法,埃尔津詹和穆什站的数据来找到土耳其的独特相关性以及Kocaeli,Bursa,Balikesir,Eskişehir,Afyon,Denizli,Niğde,Sivas ,马拉蒂亚,K.Maras,G.Antep,Diyarbakır,Van,Hakkari,Trabzon和Rize台被用来测试派生相关的成功。图1给出了台站的地理分布情况。可以注意到这些台站遍布土耳其,我们预计这些台站代表了全国所有可能的气候特征。

图1:土耳其九个校准站(bull;)和16个测试站(x)的地理分布情况。

最大可能的日照时数或日长取决于地点的纬度,太阳偏角可以计算为[25]

(1)

其中psi;是位置在-90le;psi;le; 90范围内的纬度

delta;是太阳的偏角

(2)

?是从1月1日开始的一年中的天数。

到达地面区域的日照时间量取决于天文因素(太阳高度和方位角以及日 - 地距离)和大气成分。 与其他成分相比,由液态水滴或冰粒构成的云是防止进入的太阳光线到达地球表面的重要原因。 云与太阳光的相互作用取决于液滴或颗粒的大小和形状,水的总质量和空间分布。 由于这些相互作用的物理解释不是很容易,因此云盖与日照时间之间的关系通常是通过使用经验模型来完成[11,21,26-28]。 幸运的是,云层的运动可以通过卫星传感器记录,因此可以计算覆盖范围内任何区域的云量指数。 已经表明,卫星衍生云覆盖指数可以从众所周知的关系计算如下[14]:

(3)

这里是像素在任何时间的反射率,是在没有云的情况下同一像素的反射率,rho;cm是云覆盖的像素的平均反射率。rho;ga和rho;cm可以通过采用自适应迭代滤波从时间序列图像中导出。每个像素的日平均云量指数??可以根据以下关系计算[21]

(4)

其中?是卫星传感器在一天内记录的图像总数,??是第image个图像的云层覆盖指数。 日平均云量指数的最大值为1(像素完全覆盖云),最小值为0(无云覆盖)。 也就是说,它的范围从0到1.每日相对日照时间与卫星日平均云量指数之间的线性关系定义为[21]

(5)

其中a和b是回归参数,它们是位置,季节和大气状态的函数。 方程(5)意味着如果云区覆盖率在一个地区是已知的,那么就有可能估计该地区的日照时间,反之亦然。 另一方面,在本研究中,已经通过实验得出结论,这样的配方不适合于冬季通常天空完全阴天的日子(日照时间测量为0和/或日平均覆盖指数被计算为 近1)。 对于这种情况,对于许多台站来说,线性模型可能会产生负日照持续时间值,这对于许多日子来说是毫无意义的。 因此,需要一个新的相关性,并提出了一个二次公式如下:

(6)

其中a,b,c是再次确定的回归系数。

从图2可以看出,二次模型似乎比具有较高测定系数值的线性模型更适合数据。

图2:2004年1月使用9个校准站的数据,每日日照小时数与卫星获得的日平均云盖度指数之间的二次和线性关系。

3.结果和验证

首先,根据MODIS MOD02QKM和MYD02QKM数据计算日平均云覆盖指数值。 利用九个台站(校准台)的实测日照数据,为每个月建立统计相关性。 表1给出了属于每月的回归系数和决定系数。

表1:每个月的二次和线性模型的回归系数和确定系数。

二次线性

thinsp;

a

b

c

R2

a

b

R2

January

1.0923

minus;1.8796

0.8093

0.7447

minus;0.9136

0.6677

0.6836

February

0.9473

minus;1.7284

0.8247

0.7336

minus;0.8273

0.7183

0.6785

March

0.8181

minus;1.6835

0.9019

0.7941

minus;0.9714

0.8284

0.7652

April

0.9004

minus;1.6299

0.8449

0.7406

minus;0.8778

0.7803

0.6987

May

minus;0.0061

minus;0.9260

0.8514

0.7272

minus;0.9212

0.8509

0.7272

June

minus;0.2791

minus;0.5304

0.8437

0.6414

minus;0.7493

0.8639

0.6358

通过使用所获得的相关性和与地面测量结果相比较的结果,计算校准站和测试站的日照持续时间值。 使用三个统计指标测试模型的准确性:确定系数(R2),平均偏差(MBE)和均方根误差(RMSE)。 这些指数定义如下:

?是观测的总数,??是估算的日照时间(使用模型),??是观测的日照时间(由日照记录仪测量),?和?是平均值。?2给出了模型如何适合数据的信息,其理想值为1。RMSE和MBE是衡量模型结果与实测数据之间的数据点和偏差的精确程度的度量指标。虽然RMSE提供了关于模型短期性能的信息,但是MBE在长期上也是这样做的。RMSE和MBE的理想值肯定为零,它们的较低的值表明,估计值与实测值是一致的。另一方面,MBE的正值表示高估的量,负值表示低估的量。

统计指标的数值显示,二次相关解释了卫星衍生云量指数与实测日照时间之间的统计关系,比今年前四个月的线性相关关系要好得多(表1和表2)。 通过二次相关得到的月平均RMSE值低于每个月的线性模型,115例(6个月times;25个站=150例)。 对于5月和6月的月份,二次和二次线性相关的测定系数几乎相同,并且因为观测到了几乎相同的MBE和RMSE值。 在这些计算

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[24692],资料为PDF文档或Word文档,PDF文档可免费转换为Word

您需要先支付 30元 才能查看全部内容!立即支付

课题毕业论文、外文翻译、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。