Estimating Temperature Fields from MODIS Land Surface Temperature and Air Temperature Observations in a Sub-Arctic Alpine Environment
Notice bibliographique
Résumé
Spatially continuous satellite infrared temperature measurements are essential for understanding the consequences and drivers of change, at local and regional scales, especially in northern and alpine environments dominated by a complex cryosphere where in situ observations are scarce. We describe two methods for producing daily temperature fields using MODIS “clear-sky” day-time Land Surface Temperatures (LST). The Interpolated Curve Mean Daily Surface Temperature (ICM) method, interpolates single daytime Terra LST values to daily means using the coincident diurnal air temperature curves. The second method calculates daily mean LST from daily maximum and minimum LST (MMM) values from MODIS Aqua and Terra. These ICM and MMM models were compared to daily mean air temperatures recorded between April and October at seven locations in southwest Yukon, Canada, covering characteristic alpine land cover types (tundra, barren, glacier) at elevations between 1,408 m and 2,319 m. Both methods for producing mean daily surface temperatures have advantages and disadvantages. ICM signals are strongly correlated with air temperature (R2 = 0.72 to 0.86), but have relatively large variability (RMSE = 4.09 to 4.90 K), while MMM values had a stronger correlation to air temperature (R2 = 0.90) and smaller variability (RMSE = 2.67 K). Finally, when comparing 8-day LST averages, aggregated from the MMM method, to air temperature, we found a high correlation (R2 = 0.84) with less variability (RMSE = 1.54 K). Where the trend was less steep and the y-intercept increased by 1.6 °C compared to the daily correlations. This effect is likely a consequence of LST temperature averages being differentially affected by cloud cover over warm and cold surfaces. We conclude that satellite infrared skin temperature (e.g., MODIS LST), which is often aggregated into multi-day composites to mitigate data reductions caused by cloud cover, changes in its relationship to air temperature depending on the period of aggregation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».