Estimating near-surface air temperature with NOAA AVHRR

Abstract

A technique is presented for producing estimates of near-surface air temperature (T_a) in complex terrain based on biweekly composite data from the National Oceanic and Atmospheric Administration (NOAA) advanced very high resolution radiometer (AVHRR). Results are tested against independently derived DAYMET gridded meteorological data. The model utilizes radiant surface temperature (T_s) extrapolations as a surrogate for T_a, and digital terrain information is used to adjust temperatures as a function of environmental adiabatic lapse rates. The Earth–Sun–sensor geometry information is used to constrain air temperature estimates in three different implementations. Increasing the complexity of geometric constraints on the model resulted in increased accuracies of the predictions, and yet caused a decrease in the number of days T_a estimates could be made. When comparing DAYMET surfaces to the satellite estimates of T_a, correlation coefficients (R) as high as 0.742 and standard errors of the estimate of 2.73 were observed in the final model implementation. The logic presented here serves as a useful technique for relatively simple derivation of near-surface air temperatures in a variety of remote sensing applications.

On présente une technique pour produire des estimations de la température de l'air au niveau de la surface (T_a) dans des paysages complexes basée sur les images synthèses temporelles bihebdomadaires NOAA (« National Oceanic and Atmospheric Administration ») AVHRR (« advanced very high resolution radiometer »). Les résultats sont testés par rapport aux données météorologiques spatialisées DAYMET indépendantes. Le modèle utilise des extrapolations de température radiante de surface (T_s) à titre de substitut pour T_a, alors que l'information dérivée du modèle numérique d'altitude est utilisée pour ajuster les températures en tant que fonction du gradient adiabatique environnemental. L'information sur la géométrie terre–soleil–capteur est utilisée pour contraindre les estimations de température dans trois versions différentes. L'accroissement de la complexité des contraintes géométriques dans le modèle s'est soldé par une amélioration des précisions de prévision tout en causant une diminution dans le nombre de jours où des estimations de T_a pouvaient être réalisées. En comparant les surfaces DAYMET aux estimations satellitaires de T_a, on a pu observer des coefficients de corrélation (R) aussi élevés que 0,742 et des erreurs types de 2,73 dans la version finale du modèle. La logique présentée ici a démontré son utilité comme technique pour dériver de façon relativement simple la température de l'air au niveau de la surface pour une variété d'applications en télédétection.[Traduit par la Rédaction]