آب و هواشناسی سپیدایی ایران با داده‌های مودیس

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه اقلیم‌شناسی، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران.

چکیده

سپیدایی از فراسنجﻫﺎی کلیدی در ﻣﻄﺎﻟﻌﺎت آب و ﻫﻮاﻳﻲ ﻣﻲﺑﺎﺷﺪ. بررسی آب و هواشناسی سپیدایی می‌تواند ابزاری برای شناخت تغییرات محیطی باشد. ﺳﻨﺠﻨﺪه مودیس سپیدایی سطح زﻣﻴﻦ را ﺑه‌ﻄﻮر ﻣﺴﺘﻤﺮ در ﻣﻘﻴﺎﺳﻲ ﺟﻬﺎﻧﻲ و ﺑﺎ ﻗﺪرت ﺗﻔﻜﻴﻚ ﻣﻜﺎﻧﻲ مناسب ﺗﻮﻟﻴﺪ و در دسترس پژوهشگران ﻗﺮار می‌دهد. در این پژوهش جهتِ واکاوی آب و هواشناسی سپیدایی ایران، نخست داده‌های فراورده MCD43A4 سنجنده مودیس در محدوده ایران در بازه زمانی 1/1/2001 تا 30/12/2021 با تفکیک مکانی 500 متری و تفکیک زمانی روزانه از وبگاه ناسا برداشت شد. پس از پیش پردازش‌های لازم، میانگین بلندمدت ماهانه، فصلی و سالانه سپیدایی ایران محاسبه شد. یافته‌ها در مقیاس ماهانه نشان داد که در ماه‌های سرد سال (Jan, Feb, Mar) که ماه‌های برف‌پوش ایران شناخته می‌شوند، سپیدایی ایران بیشینه شده و ماه‌های گذار فروکش کرده و سپس در ماه های گرم سال (June, July, Aug) به‌سبب خشکی زمین و افزایش دمای رویه زمین دوباره افزایش می‌یابد. این رفتار دو سویه در مقیاس فصلی نیز آشکار است. به‌طوری‌که سپیدایی ایران در فصول زمستان و تابستان بیشینه و در فصول بهار و پاییز (فصول گذار) کمینه می‌باشد. همچنین یافته‌ها گویای آن است که میانگین بلندمدت سپیدایی ایران حدود 5/12 درصد است. با آگاهی از محدودبودن پوشش برفی ایران، پایین‌بودن سپیدایی ایران طبیعی به‌نظر می‌رسد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Climatology of Iran's Albedo using MODIS Data

نویسندگان [English]

  • Omid Reza Kefayat Motlagh
  • Mohammad Darand
Department of Climatology, Faculty of Natural Resources, University of Kurdistan, Sanandaj, Iran.
چکیده [English]

Albedo is one of the key parameter in climatic studies. Albedo climatology investigation can be a tool to recognize environmental changes. The MODIS continuously produces the land surface albedo on a global scale and with the appropriate spatial resolution and makes it available to researchers. In this research, in order to analyze the climatology albedo of Iran, firstly, the data produced by the MODIS sensor MCD43A4 product in the range of Iran in the period from 1/1/2001 to 12/30/2021 with a spatial resolution of 500 meters and a daily temporal resolution was taken from the NASA website. After the necessary pre-processing, the long-term average monthly, seasonal and annual albedo of Iran was calculated. The findings on a monthly scale showed that in the months of Jan, Feb, and Mar which are known as Iran's snow-covered months, Iran's albedo is maximum and is decreased in the transition months, and then in the warm months of the year (June, July, and Aug) it is increased again due to the dryness of the land and the increase in the land surface temperature. This two-way behavior is also evident in the seasonal scale. These calculations are made in the worst conditions (July) over 98% of the area of Iran and in the best conditions (Jan) on 99.97% of the area of Iran. In other words, in the July, the albedo time series data was complete for about 98% of Iran's area, and there was a statistical gap in about 2% of Iran's area. In the research of Kefayat Motlagh et al. (2021), the albedo data gap values of the MODIS sensor have been investigated in different seasons and annually. Results show that the maximum distribution of albedo in winter and autumn seasons corresponds to the snow-covered heights of Alborz, Zagros and the northwest of the country. But in the spring and especially in the summer, with the increase in air temperature and surface temperature, most of the wetlands dry up. With the drying of the bottom of Jazmurian, Hamon, Shadgan, Maharlo and salt lakes and Urmia, salt flats appear. These salt marshes also show a high albedo due to their white color. On the coastal of the Caspian Sea, low albedo is seen due to the decrease in land surface temperature and increase in soil moisture. This part of the research is in harmony with the findings of other studies conducted on the land surface albedo of Iran (Soltani Akmal, 1397; Kefayat Motlagh, 1400; Karbalaee, 1399). Also, the findings showed that the long-term average albedo of Iran is 12.5%, which is about half of the average planetary albedo (24%) (Zhang et al., 2010). This part of the research is also in line with the research of Karbalaee et al. (2021).

کلیدواژه‌ها [English]

  • Albedo
  • Iran
  • Snow
  • land surface temperature
  • MODIS

مراجع

اسدی، م.؛ ولیزاده کامران، خ.؛ باعقیده، م.؛ ادب، ح. (1399). مقایسه و تخمین سپیدایی سطوح مختلف کاربری اراضی با استفاده از روش سبال و متریک. نشریه تحقیقات کاربردی علوم جغرافیایی، ۲۰(۵۹)، ۱۷۱-۱۵۷.
اکبرزاده، م.؛ مباشری، م. ر. و فاطمی، س. ب. (1392). ارزیابی محصولات آلبیدوی 16 روزه MODIS با استفاده از آلبیدوی ASTER در مناطق نیمه خشک با پوشش همگن. پژوهش های اقلیم شناسی، 13(4)، 85-96.
تازیک، ا.؛ رضایی، ع.؛ آبکار، ع.؛ علوی‌پناه، س. ک.؛ جهانتاب، ز. و رحمتی، ع. ر. (1394). برآورد تابش کل لحظه ای طول موج کوتاه خورشید با استفاده از تصاویر ماهواره ای سنجنده مودیس (مطالعة موردی: مناطق مرکزی ایران). سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(1)، 17-30.
حجازی­زاده، ز.؛ بزمی، ن.؛ رحیمی، ع. ر.؛ طولابی­نژاد، م. و بساک، ع. (1396). مدل­سازی فضایی-زمانی سپیدایی در گستره ایران زمین. نشریه تحقیقات کاربردی علوم جغرافیایی، ۱۷(۴۷)، ۱-17.
خیرخواه زرکش، م. م.؛ محبوبیان، ع. و حصادی، ه. (1393). مقایسة مقایر برآوردی آلبیدوی سطحی به‌دست‌آمده از تصاویر لندست و مودیس. سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 5(2)، 48-39.
سلطانی­اکمل، ف. (1397). آب و هواشناسی سپیدایی ایران به کمک داده­های CDR. پایان­نامه کارشناسی ارشد، به راهنمایی سید ابوالفضل مسعودیان و مجید منتظری. اصفهان: دانشگاه اصفهان، گروه آب و هواشناسی.
فیروزی، ف.؛ طاوسی، ت.؛ محمودی، پ. و امیرجهانشاهی، س. م. (1397). بررسی تغییرات زمانی– فضایی آلبیدوی سطح بر روی دشت سیستان در شرق ایران با استفاده از تولیدات سنجش از دور سنجنده MODIS ماهواره Terra. سنجش از دور و GIS ایران، 10(4)، 69-85.
کربلایی درئی، ع. ر.؛ حجازی زاده، ز. و مسعودیان، س. ا. (1400). واکاوی زمانی-مکانی سپیدایی روشن (White Sky Albedo) بالاتر از میانگین در ایران. پژوهش‌های جغرافیای طبیعی، 53(1)، 141-155.
کربلایی، ع. ر. (1399). رفتارسنجی زمانی-مکانی سپیدایی ایران. رساله دکتری، به راهنمایی زهرا حجازی زاده و سید ابوالفضل مسعودیان. تهران: دانشگاه خوارزمی. گروه آب و هواشناسی.
کفایت­مطلق، ا. ر. (1400). واکاوی زمانی-مکانی سپیدایی ایران با بهره­گیری از داده­های دورسنجی. رساله دکتری، به راهنمایی محمود خسروی و سید ابوالفضل مسعودیان. زاهدان: دانشگاه سیستان و بلوچستان. گروه آب و هواشناسی.
کفایت­مطلق، ا. ر.؛ خسروی، م.؛ مسعودیان، س. ا.؛ کیخسروی­کیانی، م. ص. و حمیدیان­پور، م. (1399)، واکاوی میانگین بلندمدت سپیدایی سرخ­فام ایران زمین. پژوهش­های جغرافیای طبیعی، 52(1)، 85-94.
کفایت­مطلق، ا. ر.؛ خسروی، م. و مسعودیان، س. ا. (1400). واکاوی موانع برداشت/ دیدبانی سپیدایی آبی‌فام در ایران‌زمین. نشریه سنجش از دور و GIS ایران، 13(2)، 23-38.
کیخسروی­کیانی، م. ص. (1395). آب و هواشناسی پوشش برف در ایران با بهره­گیری از داده­های دورسنجی. رساله دکتری، به راهنمایی سید ابوالفضل مسعودیان و مجید منتظری. اصفهان: دانشگاه اصفهان. گروه آب و هواشناسی.
کیخسروی­کیانی، م. ص. و مسعودیان، ا. (1395). فصل‌بندی روزهای برف‌پوشان ایران‌زمین به کمک داده‌های دورسنجی. جغرافیا و برنامه ریزی محیطی، 27(3)، 33-48.
مسعودیان، س. ا. (1390). آب و هوای ایران، انتشارات شریعه توس، مشهد، 1-288.
منتظری، م. و کفایت‌مطلق، ا. ر. (1397). واکاوی میانگین بلندمدت پوشش گیاهی ایران به کمک نمایه ‏NDVI. نشریه جغرافیا و برنامه ریزی محیطی، 29(3)، 1-14.
Campos-Taberner, M., Moreno-Martínez, Á., García-Haro, F. J., Camps-Valls, G., Robinson, N. P., Kattge, J., & Running, S. W. (2018). Global estimation of biophysical variables from Google Earth Engine platform. Remote Sensing, 10(8), 1167.
Carrer, D., Pinault, F., Lellouch, G., Trigo, I.F., Benhadj, I., Camacho, F., Ceamanos, X., Moparthy, S., Munoz-Sabater, J., Schüller, L., Sánchez-Zapero, J. (2021). Surface albedo retrieval from 40-years of Earth observations through the EUMETSAT/LSA SAF and EU/C3S programmes: The versatile algorithm of PYALUS. Remote Sensing, 13(3), 372.
Govaerts, Y., & Lattanzio, A. (2008). Estimation of surface albedo increase during the eighties Sahel drought from Meteosat observations. Global and planetary change, 64(3-4), 139-145.
Guo, T., He, T., Liang, S., Roujean, J. L., Zhou, Y., & Huang, X. (2022). Multi-decadal analysis of high-resolution albedo changes induced by urbanization over contrasted Chinese cities based on Landsat data. Remote Sensing of Environment, 269, 112832.
 
He, T., Liang, S., & Song, D. X. (2014a). Analysis of global land surface albedo climatology and spatial‐temporal variation during 1981–2010 from multiple satellite products. Journal of Geophysical Research: Atmospheres, 119(17), 10-281.
He, T., Liang, S., Wang, D., Shi, Q., & Tao, X. (2014b). Estimation of high-resolution land surface shortwave albedo from AVIRIS data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7(12), 4919-4928.
He, T., Liang, S., Yu, Y., Wang, D., Gao, F., & Liu, Q. (2013). Greenland surface albedo changes in July 1981–2012 from satellite observations. Environmental Research Letters, 8(4), 044043.
https://search.earthdata.nasa.gov/search/.
Hu, Y., Hou, M., Zhao, C., Zhen, X., Yao, L., & Xu, Y. (2019). Human-induced changes of surface albedo in Northern China from 1992-2012. International Journal of Applied Earth Observation and Geoinformation, 79, 184-191.
Jackson, R. D., Moran, M. S., Gay, L. W., & Raymond, L. H. (1987). Evaluating evaporation from field crops using airborne radiometry and ground-based meteorological data. Irrigation Science, 8(2), 81-90.
Karbalaee, A. R., Hedjazizadeh, Z., & Masoodian, S. A. (2021). Spatiotemporal variations of albedo using MODIS and PCA analysis in Iran. Theoretical and Applied Climatology, 145(1-2), 245-260.
Karbalaee, A. R., Hedjazizadeh, Z., Masoodian, S. A., & Keikhosravi-Kiany, M. S. (2022). Investigating the land surface albedo trend in Iran using remote sensing data. Theoretical and Applied Climatology, 150(1-2), 389-403.
Kukla, G., & Robinson, D. (1980). Annual cycle of surface albedo. Monthly Weather Review, 108(1), 56-68.
Lin, X., Wen, J., Liu, Q., You, D., Wu, S., Hao, D., Xiao, Q., Zhang, Z., & Zhang, Z., (2020). Spatiotemporal variability of land surface albedo over the Tibet Plateau from 2001 to 2019. Remote Sensing, 12(7), 1188.
Loarie, S. R., Lobell, D. B., Asner, G. P., Mu, Q., & Field, C. B. (2011). Direct impacts on local climate of sugar-cane expansion in Brazil. Nature Climate Change, 1(2), 105-109.
Lyons, E. A., Jin, Y., & Randerson, J. T. (2008). Changes in surface albedo after fire in boreal forest ecosystems of interior Alaska assessed using MODIS satellite observations. Journal of Geophysical Research: Biogeosciences, 113(G2).
Maignan, F., Bréon, F. M., & Lacaze, R. (2004). Bidirectional reflectance of Earth targets: Evaluation of analytical models using a large set of spaceborne measurements with emphasis on the Hot Spot. Remote Sensing of Environment, 90(2), 210-220.
Mengyao, L., Qiang, L., & Ying, Q. (2023). A comparative study of long-time series of global-scale albedo products. International Journal of Digital Earth, 16(1), 308-322.
Muller, J. P. (2006). MERIS Global Land Surface Albedo Maps: Algorithm Theoretical Basis Document ATBD 1.4 BRDF/Albedo Retrieval.
Nicodemus, F. E., Richmond, J. C., Hsia, J. J., Ginsberg, I. W., & Limperis, T. (1977). Geometrical considerations and nomenclature for reflectance, Natl. Bur. Stand. Rep., NBS MN-160, 1(2).
Offerle, B., Jonsson, P., Eliasson, I., & Grimmond, C. S. B. (2005). Urban modification of the surface energy balance in the West African Sahel: Ouagadougou, Burkina Faso. Journal of Climate, 18(19), 3983-3995.
Pang, G., Chen, D., Wang, X., & Lai, H. W. (2022). Spatiotemporal variations of land surface albedo and associated influencing factors on the Tibetan Plateau. Science of the Total Environment, 804, 150100.
Pinty, B., Lattanzio, A., Martonchik, J.V., Verstraete, M.M., Gobron, N., Taberner, M., Widlowski, J.L., Dickinson, R.E., & Govaerts, Y. (2005). Coupling diffuse sky radiation and surface albedo. Journal of the Atmospheric Sciences, 62(7), 2580-2591.
Rutan, D., Rose, F., Roman, M., Manalo‐Smith, N., Schaaf, C., & Charlock, T. (2009). Development and assessment of broadband surface albedo from Clouds and the Earth's Radiant Energy System Clouds and Radiation Swath data product. Journal of Geophysical Research: Atmospheres, 114(D8).
Schaaf, C.B., Gao, F., Strahler, A.H., Lucht, W., Li, X., Tsang, T., Strugnell, N.C., Zhang, X., Jin, Y., Muller, J.P., & Lewis, P. (2002). First operational BRDF, albedo nadir reflectance products from MODIS. Remote sensing of Environment, 83(1-2), 135-148.
Solomon, S. (2007). IPCC (2007): Climate change the physical science basis. In Agu fall meeting abstracts, (Vol. 2007, pp. U43D-01).
Strahler, A.H., Muller, J., Lucht, W., Schaaf, C., Tsang, T., Gao, F., Li, X., Lewis, P., & Barnsley, M.J. (1999). MODIS BRDF/albedo product: algorithm theoretical basis document version 5.0. MODIS documentation, 23(4), 42-47.
Wang, Z., Schaaf, C. B., Sun, Q., Shuai, Y., & Román, M. O. (2018). Capturing rapid land surface dynamics with Collection V006 MODIS BRDF/NBAR/Albedo (MCD43) products. Remote sensing of environment, 207, 50-64.
Zhang, X., Liang, S., Wang, K., Li, L., & Gui, S. (2010). Analysis of global land surface shortwave broadband albedo from multiple data sources. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 3(3), 296-305.
Zhu, X., Liang, S., Pan, Y., & Zhang, X. (2011). Agricultural irrigation impacts on land surface characteristics detected from satellite data products in Jilin Province, China. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 4(3), 721-729.
فیزیک زمین و فضا
دوره 50، شماره 2
تاریخ انتشار الکترونیکی: 16 تیر 1403
تیر 1403
صفحه 373-386

فایل ها

هم رسانی

ارجاع به این مقاله

آمار