Empirical models for estimating daily surface water vapour pressure, air temperature, and humidity using MODIS and spatiotemporal variables. Applications to peninsular Spain

Recondo, Carmen; Peón, Juanjo; Zapico, Eva; Pendás, Enrique González

doi:10.1080/01431161.2013.828185

Cited by 14 publications

(14 citation statements)

References 48 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Recondo et al . [] presented similar empirical models for estimating daily surface e a from MODIS data, with model validations yielding R 2 = 0.83, 0.79, and 0.7 and RMSE = 0.19, 0.2, and 0.22 kPa for e a _mean , e a _max , e a _min , respectively. Although Recondo et al .…”

Section: Introductionmentioning

confidence: 83%

“…Recondo et al [2013a] proposed a simple algorithm to estimate the surface water vapor pressure directly from MODIS NIR channels; validation of the algorithm in two test stations using data collected in 2008 demonstrated good results in their research region, with mean absolute error (MAE) and RMSE values of 0.15 kPa and 0.25 kPa, respectively, and coefficients of determination (R 2 ) ranging from 0.56 to 0.65. Recondo et al [2013b] presented similar empirical models for estimating daily surface e a from MODIS data, with model validations yielding R 2 = 0.83, 0.79, and 0.7 and RMSE = 0.19, 0.2, and 0.22 kPa for e a_mean , e a_max , e a_min , respectively. Although Recondo et al [2013aRecondo et al [ , 2013b have achieved comparatively high accuracy, their method still relies only on the W-e a relation.…”

Section: Introductionmentioning

confidence: 95%

“…Recondo et al [2013b] presented similar empirical models for estimating daily surface e a from MODIS data, with model validations yielding R 2 = 0.83, 0.79, and 0.7 and RMSE = 0.19, 0.2, and 0.22 kPa for e a_mean , e a_max , e a_min , respectively. Although Recondo et al [2013aRecondo et al [ , 2013b have achieved comparatively high accuracy, their method still relies only on the W-e a relation.…”

Section: Introductionmentioning

confidence: 95%

“…Although Recondo et al . [, ] have achieved comparatively high accuracy, their method still relies only on the W‐e a relation.…”

Section: Introductionmentioning

confidence: 99%

See 3 more Smart Citations

An improved satellite‐based approach for estimating vapor pressure deficit from MODIS data

Zhang

Niu

et al. 2014

JGR Atmospheres

View full text Add to dashboard Cite

Vapor pressure deficit (VPD) is an important variable widely used in ecosystem and climate models. In this paper, an improved satellite-based approach to estimating VPD was presented that uses several remote sensing products coupled with field measured data. The proposed method exploits an optimized algorithm to derive near-surface actual vapor pressure (e a ) from Moderate Resolution Imaging Spectroradiometer (MODIS) data and upgrades Smith's (1966) methodology for estimating e a . The proposed new algorithm for calculating e a was evaluated against in situ measurements at 119 validation sites in China for 2 months in 2013. The mean absolute error (MAE) and root-mean-square error (RMSE) were less than 0.25 kPa and 0.33 kPa, respectively. The near-surface air temperature (T a ), which is an important input data for calculating VPD, was estimated from satellite-retrieved land surface temperature, and had an RMSE of less than 2.5 K. The estimated VPD values were validated with ground observation data from the Heihe River Basin for 5 months in 2012 and for all of China for August 2013. A coefficient of determination (R 2 ) of 0.912, MAE of 0.27 kPa, and RMSE value of 0.32 kPa were achieved for the 2012 test data, and corresponding values of 0.88, 0.278 kPa, and 0.367 kPa for the 2013 test data. These results are promising, especially considering the comparatively high spatial resolution (1 km) of the VPD map estimated from the satellite data. Potential applications include global evapotranspiration estimation, fire warning, and vegetation analysis.

show abstract

Section: Introductionmentioning

confidence: 83%

Section: Introductionmentioning

confidence: 95%

Section: Introductionmentioning

confidence: 95%

“…Although Recondo et al . [, ] have achieved comparatively high accuracy, their method still relies only on the W‐e a relation.…”

Section: Introductionmentioning

confidence: 99%

See 2 more Smart Citations

An improved satellite‐based approach for estimating vapor pressure deficit from MODIS data

Zhang

Niu

et al. 2014

JGR Atmospheres

View full text Add to dashboard Cite

show abstract

“…En otros trabajos se realiza el estudio para los los diferentes tipos de terreno (Shen and Leptoukh, 2011) o se incluye el índice de Vegetación NDVI (Vancutsem et al, 2010;Cristóbal, et al 2008;Nieto et al, 2011;Wenbin et al 2013;Bustos and Meza, 2015). Estudios más complejos que aplican la regresión múltiple, incluyen también la radiación solar o el albedo (Xu et al, 2014), o variables geográficas y topográficas como latitud, altitud, distancia al mar y la pendiente o el día del calendario (Benali et al, 2012;Recondo et al, 2013;Peón et al, 2014Good, 2015Yang et al, 2017, Janatian et al 2017).…”

Section: Introductionunclassified

Temperatura del aire en la región metropolitana de Barcelona a partir de la temperatura en superficie MODIS y de datos topogeográficos

Serra

Pons

Santafé

et al. 2018

Libro De Proceedings, CTV 2018: XII Congreso Internacional Ciudad Y Territorio Virtual: “Ciudades Y Territorios Inteligentes”:

View full text Add to dashboard Cite

La Región Metropolitana de Barcelona (RMB), es una de las áreas del Mediterráneo más densamente pobladas. Por ello, tiene mucho interés conocer con detalle la temperatura del aire, ya que, en situaciones extremas, como olas de frío o de calor, puede afectar a la salud y calidad de vida de la población. Puesto que el número de estaciones termométricas que hay en la actualidad es insuficiente para realizar una interpolación óptima, se opta por estimar la temperatura del aire a partir de la temperatura en superficie, proporcionada por el satélite MODIS, y de otras variables como los índices de vegetación y de edificación y variables topogeográficas. Para ello se ha realizado la Regresión Múltiple en la que las variables dependientes son la temperatura mínima, media y máxima diaria del aire de 48 estaciones termométricas. Las variables independientes de la regresión son: las temperaturas en superficie de día y de noche, los índices de vegetación NDVI y de edificación NDBI, todas ellas correspondientes al año 2015, y variables topogeográficas como la latitud, longitud, distancia al mar, altitud, pendiente y orientación. Además, también se ha tenido en cuenta el día del calendario. De los resultados obtenidos en la regresión múltiple se deduce que las variables que más importancia tienen en la ecuación son: la temperatura en superficie nocturna, la latitud, la longitud y día del calendario, para el caso de la temperatura mínima; las temperaturas nocturna y diurna en superficie para la temperatura media, y las temperaturas nocturna y diurna en superficie, la latitud, la longitud y la altitud, para la temperatura máxima. Los coeficientes de regresión al cuadrado obtenidos son de 0.92 para la temperatura mínima y la máxima y de 0.96 para la temperatura media. Los errores cuadráticos medios obtenidos son de 1.93 ºC para la temperatura mínima, de 1.96 ºC para la temperatura media y de 2.04 ºC para la máxima. A partir de la regresión múltiple se puede representar la distribución espacial de temperatura diaria de la RMB con una resolución de 1 km2, que es la que proporciona el satélite MODIS. La Regió Metropolitana de Barcelona (RMB), és una de les àrees del Mediterrani més densament poblades. Per això, té molt interès conèixer amb detall la temperatura de l'aire, ja que, en situacions extremes, com onades de fred o de calor, pot afectar la salut i qualitat de vida de la població. Ja que el nombre d'estacions termomètriques que hi ha actualment és insuficient per a realitzar una interpolació òptima, s'opta per estimar la temperatura de l'aire a partir de la temperatura en superfície, proporcionada pel satèl·lit MODIS, i d'altres variables com els índexs de vegetació i d'edificació i variables topo geogràfiques. Per a això s'ha realitzat la Regressió Múltiple a la que les variables dependents són la temperatura mínima, mitjana i màxima diària de l'aire de 48 estacions termomètriques. Les variables independents de la regressió són: les temperatures en superfície de dia i de nit, els índexs de vegetació NDVI i d'edificació NDBI, totes elles corresponents a l'any 2015, i variables topo geogràfiques com la latitud, longitud, distància al mar, altitud, pendent i orientació. A més, també s'ha tingut en compte el dia del calendari. Dels resultats obtinguts en la regressió múltiple es dedueix que les variables que més importància tenen en l'equació són: la temperatura en superfície nocturna, la latitud, la longitud i dia del calendari, per al cas de la temperatura mínima; les temperatures nocturna i diürna en superfície per a la temperatura mitjana, i les temperatures nocturna i diürna en superfície, la latitud, la longitud i l'altitud, per a la temperatura màxima. Els coeficients de regressió al quadrat obtinguts són de 0.92 per a la temperatura mínima i la màxima i de 0.96 per a la temperatura mitjana. Els errors quadràtics mitjans obtinguts són de 1.93 ºC per a la temperatura mínima, d'1.96 ºC per a la temperatura mitjana i de 2.04 ºC per a la màxima. A partir de la regressió múltiple es pot representar la distribució espacial de temperatura diària de l'RMB amb una resolució d'1 km2, que és la que proporciona el satèl·lit MODIS. The Metropolitan Region of Barcelona (RMB), is one of the most densely populated areas of the Mediterranean. Therefore, it is very interesting to know in detail the air temperature, since in extreme situations, such as cold or heat waves, it can affect the health and life quality of the population. Since the number of thermometric stations currently available is insufficient for optimal spatial interpolation, we choose to estimate the air temperature based on the surface temperature provided by the MODIS satellite, and other variables such as the indices of vegetation and building and topo geographic variables. For this purpose, Multiple Regression has been performed, taking as dependent variables the minimum, mean and maximum daily air temperatures of 48 thermometric stations. The independent variables of the regression are: the day and night surface temperatures, the NDVI and NDBI indices, all of them corresponding to the year 2015, and topo geographic variables such as latitude, longitude, distance to the sea, altitude, slope and orientation. In addition, the calendar day has also been taken into account. From the results obtained in the multiple regression, it can be deduced that the most important variables in the equation are: the temperature at night, latitude, longitude and calendar day, for the case of the minimum temperature; the night and day temperatures on the surface for the average temperature, and the night and day temperatures on the surface, latitude, longitude and altitude, for the maximum temperature. The squared regression coefficients obtained are 0.92 for the minimum and maximum temperature and 0.96 for the average temperature. The average square errors obtained are 1.93 ºC for the minimum temperature, 1.96 ºC for the average temperature and 2.04 ºC for the maximum. After applying the multiple linear regressions, the spatial distribution of the daily temperature of the RMB can be represented with a resolution of 1 km2, which is the provided by the MODIS satellite.

show abstract

Air temperature in Barcelona metropolitan region from MODIS satellite and GIS data

Serra

Lana

Martínez

et al. 2019

Theor Appl Climatol

View full text Add to dashboard Cite

Empirical models for estimating daily surface water vapour pressure, air temperature, and humidity using MODIS and spatiotemporal variables. Applications to peninsular Spain

Cited by 14 publications

References 48 publications

An improved satellite‐based approach for estimating vapor pressure deficit from MODIS data

An improved satellite‐based approach for estimating vapor pressure deficit from MODIS data

Temperatura del aire en la región metropolitana de Barcelona a partir de la temperatura en superficie MODIS y de datos topogeográficos

Air temperature in Barcelona metropolitan region from MODIS satellite and GIS data

Contact Info

Product

Resources

About