بررسی رابطه بین دمای سطحی خاک و رطوبت نزدیک به سطح در مرکز ایران

رطوبت اتمسفری، یکی از مهم‌ترین شاخص‌ها در تمام تعامل‌های بین سطح و اتمسفر مانند جریان‌های انرژی بین زمین و اتمسفر است و مقدار این شاخص، تعادل انرژی در سطح زمین را نشان می‌دهد. ازآنجاکه مقدار نهایی رطوبت اتمسفر، تاثیرگذارترین شاخص اتمسفر بر رادیانس رسیده به سنجنده است، در سنجش از دور و به‌ویژه در تعیین land surface temperature (lst) اهمیت بسیاری دارد. lst، یکی از شاخص‌های مهم و اساسی در علوم زمین است که به‌طور مستقیم و غیرمستقیم بر تعیین بسیاری از شاخص‌های دیگر تاثیر می‌گذارد. از رطوبت اتمسفری و lst در بسیاری از مطالعه‌های محیطی، کاربردهای اکولوژیک و کشاورزی استفاده می‌شود. برای تخمین lst دقیق، لازم است مقدار رطوبت اتمسفری برآورد شود. در مقالۀ حاضر، مقدار رطوبت ستونی اتمسفر و مقدار رطوبت (mass mixing ratio) mmr نزدیک به سطح با استفاده از سنجنده (moderate resolution imaging spectroradiometer) modis برآورد و سپس از شاخص رطوبت ستونی اتمسفر برای تخمین lst دقیق و برای تخمین رطوبت از روش ratio بر اساس داده‌های modis استفاده شد. در مقاله حاضر، دقت شاخص‌های حاصل با استفاده از سری داده‌های مستقل برآورد و نتیجه شد داده‌های modis برای نقشه‌سازی رطوبت و دمای سطح مناسب هستند. در نهایت، تاثیر lst بر رطوبت mmr نزدیک به سطح بررسی شد.

Assessment of relationship between Land Surface Temperature (LST) and Near Surface Water Vapor in central part of IRAN

abstractAtmospheric water vapor which attenuates remotely sensed radiance is the most effective parameter in atmosphericsurface interactions (e.g. energy fluxes between the ground and the atmosphere) Because the atmospheric water vapor is the most effective atmospheric parameter on received radiance. Total atmospheric water vapor has a critical role in Land Surface Temperature (LST) estimation. LST is a one of the most important parameter in Land sciences and helps in the environmental studies, ecological and agriculture applications. Estimation of an accurate LST needs the atmospheric water vapor content. This paper offers Ratio algorithm for retrieving atmospheric water vapor content (W) and Near Surface Mass Mixing Ratio (MMR) water vapor using moderate resolution imaging spectroradiometer (MODIS) radiance data. Then atmospheric water vapor content (W) is used to estimation of LST.At last, validation of the algorithm has been done using independent data sets and the effect t of LST on near surface water vapor have been analyzed. As a result of this paper MODIS data are appropriate for LST and water vapor mapping.