اعتبارسنجی شاخص های ناپایداری جو به دست آمده از تصاویر سنجنده مادیس با کمک داده های رادیوسوند (مطالعة موردی: ایستگاه تبریز)
محورهای موضوعی : توسعه سیستم های مکانیشبنم جعفری خسرق 1 , علیاکبر آبکار 2 , غلامعلی کمالی 3
1 - کارشناس ارشد هواشناسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
2 - استادیار دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
3 - دانشیار گروه هواشناسی، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
کلید واژه: Verification, شاخص ناپایداری مجموع مجموعه ها, شاخص ناپایداری بالاروی, شاخص ناپایداری K, مادیس, رادیوسوند, اعتبارسنجی, Total totals index (TT), Lifted index (Lindex), Kindex, MODIS, Radiosonde,
چکیده مقاله :
اطلاعات دربارۀ پایداری جو فاکتور بسیار مهمی در پیش بینی های هم زمان و کوتاه مدت می باشد. تخمین پایداری جو معمولاً بر اساس شاخص های ناپایداری جو توسط داده های رادیوسوند انجام می گیرد. اما به دلیل تعداد بسیار کم ایستگاه های هواشناسی دارای رادیوسوند و هزینه بر بودن آن استفاده از تصاویر ماهواره ای می تواند جایگزین مناسبی باشد. در این مطالعه به اعتبارسنجی شاخص های ناپایداری به دست آمده از تصاویر سنجندۀ مادیس به منظور پیش بینی ناپایداری جو در مقایسه با مقادیر مشاهده شده توسط رادیوسوند پرداخته شده است. شاخص های ناپایداری استخراجشده از مادیس شامل سه شاخص ناپایداری مجموع مجموعه ها (TT)، شاخص ناپایداری بالاروی (L) و شاخص ناپایداری K است. این شاخص ها با شاخص های به دست آمده از داده های رادیوسوند ساعت 00 (UTC) ایستگاه تبریز مورد مقایسه قرار گرفت. ایستگاه تبریز به علت فرودگاهی بودن، دارا بودن ایستگاه سطوح بالا و همچنین با توجه به تناوب زیاد وقوع توفان تندری (بیش از 35 روز توفانی در هر سال) در دو فصل بهار و تابستان سال 2007 برای مطالعه موردی انتخاب شد. مشاهده شد که شاخص های TT، L و K به دست آمده از مادیس و رادیوسوند به ترتیب با ضرایب همبستگی 46/0، 55/0 و 60/0 در فصل بهار و 64/0، 65/0 و 67/0 در فصل تابستان رابطۀ همبستگی خوبی را نشان می دهند و بنابراین درون یابی مکانی آنها به مناطقی که در آنها اطلاعات رادیوسوند وجود ندارد امکانپذیر است. همچنین در بررسی میانگین خطای مطلق در فصل تابستان شاخص های K و TT خطای کمتری را نسبت به فصل بهار نشان دادند، در حالی که شاخص L خطای کمتری را در فصل بهار نسبت به تابستان نشان داد. همچنین مشاهده شد که مقادیر شاخص های ناپایداری به دست آمده از مادیس نسبت به رادیوسوند کمتر تخمین زده شده که این میزان در فصل بهار قابلملاحظهتر میباشد.
Information about the stability of the atmosphere is a very important factor in now casting and short term forecasting. Atmospheric Stability is usually estimated based on Radiosonde instability indices data. But due to a very low number of meteorological stations having Radiosonde and the cost of lunching them using satellite images could be a proper alternative. In this study, the accuracy of survey data obtained from Moderate Resolution Imaging Spectroradiometer (MODIS) atmospheric profile products in order to predict atmospheric instability versus Radiosonde observed values has been investigated. Three extracted MODIS instability indices TT, L and K are compared with Tabriz station Radiosonde data at 00 (UTC). The Tabriz weather, airport station has been selected due to its high frequency of thunderstorms (over 35 thunderstorm days per year) and the existence of an upper air station in the spring and summer of 2007as a case study. It has been observed that the TT, L and K instability indices obtained from Radiosonde and MODIS show good correlation with respectively the correlation coefficient of 0.46, 0.55 and 0.60 in spring and 0.64, 0.65 and 0.67 in summer, and therefore the spatial interpolation of these indices in areas where there is no Radiosonde information is possible. Also by the investigation of the average absolute error, the K and TT indices showed less error in summer than spring while the L index showed less error in spring than in the summer. It was also observed that the instability indices values obtained from MODIS were underestimated compared with Radiosonde and it's much more significant in the spring.
1. جعفری، ش. 1391. بررسی شاخصهای ناپایداری (K، L، TT) در مناطق بدون ایستگاههای سطوح بالا توسط تصاویر ماهوارهای. پایاننامه کارشناسی ارشد هواشناسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات. 90 صفحه.
2. حلیمی، ف. س.، ع. ا. آبکار، ا. ح. مشکواتی و ع. صادقی نائینی. 1390. اعتبارسنجی پروفایلهای دما و دمای نقطه شبنم سنجنده مادیس با استفاده از دادههای رادیوسوند در تهران. فصلنامه سنجش از دور و GIS ایران، 3(2): 87-96.
3. رسولی، ع. ا.، ج. بوداق جمالی و ا. جلالی. 1386. توزیع زمانی بارشهای رعد و برقی منطقه شمال غرب ایران. مجلۀ پژوهشی علوم انسانی دانشگاه اصفهان، 22(1): 155-170.
4. علیجانی، ب. 1374. آب و هوای ایران. انتشارات دانشگاه پیام نور تهران. چاپ اول. 221 صفحه.
4. Borbas E, Seemann SW, Kern A, Moy L, Li J, Gumley L, Menzel WP. 2011. MODIS atmospheric profile retrieval algorithm theoretical basis document. University of Wisconsin Madison press. Version 7, 30 pp.
5. Boyden CJ. 1963. A simple instability index for use as a synoptic parameter. Meteorite Magazine, 92(3): 198-210.
6. Chrysoulakis N, Spilitopoulos M, Domenikiotis C, Dalezios N. 2003. Towards Monitoring of Regional Atmospheric Instability Through MODIS/AQUA Images. Proceeding of the International Symposium on Geographical Information Systems and Remote Sensing: Environmental Applications. 7-9 November, Volos, Greece, 155 -166.
7. De Rubertis D. 2006. Recent Trends in Four Common Stability Indices Derived from U.S. Radiosonde Observations. Journal of Climate, 19(3): 309-323.
8. Galway JG. 1956. The Lifted Index as a Predictor of Latent Instability. Bulletin of the American Meteorological Society, 37(2): 528-529.
9. George JJ. 1960. Weather forecasting for aeronautics. Academic Press. 673 pp.
10. Peng G, Li J, Chen Y, Norizan AP, Tay L. 2006. High-resolution surface relative humidity computation using MODIS image in Peninsular Malaysia. Chinese Geographical Science, 16(3): 260-264.
11. Huntrieser H, Schiesser HH, Schmid W, Waldvogel A. 1997. Comparison of Traditional and Newly Developed Thunderstorm Indices for Switzerland. Weather and Forecasting, 12(1): 108-125.
12. Joliffe IT, Stephenson DB. 2003. Forecast Validation-A Practitioner's Guide in Atmospheric Science. Wiley Press, England, 240 pp.
13. Joro S. 2005. Atmospheric Profiles Product in Finland a Feasibility Study. EUMETSAT Meteorological Satellite Conference, 19-23 September, Dubrovnik, Croatia.
14. King MD, Kaufman YJ, Menzel WP, Tanre D. 1992. Remote sensing of cloud, aerosol, and water vapor properties from the moderate resolution imaging spectrometer (MODIS). Geoscience and Remote Sensing, 30(1): 2-27.
15. Lee RR and Passner JE .1993. The Development and Verification of TIPS: An Expert System to Forecast Thunderstorm Occurrence. Weather and Forecasting, 8(2): 271-280.
16. Liu Y, Key JR. 2003. Detection and Analysis of Clear-Sky, Low-Level Atmospheric Temperature Inversions with MODIS. Journal of Atmospheric and Oceanic Technology, 20(12): 1727-1737.
17. Menzel PW, Seemann SW, Li J, Gumley LE .2002. MODIS atmospheric profile retrieval algorithm theoretical basis document. University of Wisconsin-Madison, Madison. Version 6. 40 pp.
18. Miller RC. 1972. Notes on analysis and severe-storm forecasting procedures of the Military Warning Center. Air Weather Service (MAC), Tech. Rep. 200, Scott Air Force Base, IL, 181 pp.
19. Mitra AK, Sharma AK, Bajpai I, Kundu PK. 2012. An atmospheric instability derived with MODIS profile using real-time direct broadcast data over the Indian region. Natural Hazards, 63(2): 1007-1023.
20. Schmit TJ, Feltz WF, Menzel P, Jung J, Noel AP, Heil JN, Nelson JP, Wade GS. 2002. Validation and Use of GOES Sounder Moisture Information. Weather and Forecasting, 17(1): 139-154.
21. Schultz P. 1989. Relationships of Several Stability Indices to Convective Weather Events in Northeast Colorado. Weather and Forecasting, 4(1): 73-80.
22. Seemann SW, Li J, Menzel WP, Gumley LE. 2003. Operational Retrieval of Atmospheric Temperature, Moisture, and Ozone from MODIS Infrared Radiances. Journal of Applied Meteorology, 42(8): 1072-1091.
23. Showalter AK. 1953. A stability index for thunderstorm forecasting. Bulletin of the American Meteorological Society, 34(14): 240-252.
24. Tajbakhsh S, Ghafarian P, Sahraian F. 2012. Instability indices and forecasting thunderstorms: the case of 30 April 2009. Natural Hazards and Earth System Sciences, 12: 403-413.