Volume 25, Issue 76 (3-2025)                   jgs 2025, 25(76): 48-67 | Back to browse issues page


XML Persian Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mohammadi M, sobhani B. Estimation of relative humidity in Hormozgan province using MODIS products. jgs 2025; 25 (76) :48-67
URL: http://jgs.khu.ac.ir/article-1-3733-en.html
1- PhD student in Meteorology, Mohaghegh Ardabili University, Ardabil, Iran
2- Professor, Department of Meteorology, Mohaghegh Ardabili University, Ardabil, Iran , Sobhani@uma.ac.ir
Abstract:   (3928 Views)
Relative humidity is considered to be one of the most important climatic parameters and atmospheric phenomena. The purpose of the present study is to evaluate the regional algorithms for estimating relative humidity using remote sensing data in Hormozgan province. To this end, MOD05 and MOD07 products were employed to estimate total perceptible water, air temperature, and sea-level pressure Additionally, MOD35 was used for cloud verification, , resulting in the identification of 2190 cloudless images with 95% confidence level for analysis. radiosound data of Bandar Abbas ststion and synoptic stations Covering entire Hormozgan Province. were used to evaluate the results. The findings demonstrated high accuracy of the algorithms and experimental model, with acceptable R² and RMSE values between Modis product and ground data. These results align well with ground station measurements. The province's climate was determined to be semi-desert with a long warm season and a short cool period. Further analysis revealed a strong correlation between sea-level pressure and total perceptible water (TPW) with the region's topography. Maximum TPW and sea-level pressure values were recorded in coastal lowlands, while minimum values occurred in the highlands. Based on zoning maps, Hormozgan province can be divided into four regions based on relative humidity: from very dry conditions with less than 20% relative humidity in the highlands to humid areas with over 65% relative humidity along the coast.
Full-Text [PDF 1674 kb]   (233 Downloads)    
Type of Study: Applicable | Subject: Rs

References
1. ایلدرمی، علیرضا؛ حبیب نژاد روشن، محمود؛ صفری شاد، مهتاب؛ دلال اوغلی، علی. (1394). استفاده از تصاویر ماهواره‌ای MODIS و شاخص NDSI به منظور تهیه نقشه پوشش برف (مطالعه موردی حوضه آبخیز بهار)، فصلنامه‌ی علمی پژوهشی فضایی جغرافیایی، 15: 140 - 125.
2. بی . جی. رتالاک. (1373). هواشناسی عمومی، ترجمه ، نوحی، احمد، انتشارات علمی و فرهنگی، چاپ دوم.
3. بیات، علی؛ مشهدی زاده ملکی، سعید. (1398). تحلیل همبستگی مکانی و زمانی بین بخار آب قابل بارش سنجنده AIRS و داده 29 ایستگاه سینوپتیک ایران، نشریه تحقیقات کاربردی علوم جغرافیایی، 19: 32 ـ 19.
4. تام استریسگوت و مایکل ای. من. (1397). مقابله با گرمایش جهانی فرین آب و هوایی، ترجمه سبحانی، بهروز؛ میکائیلی، خدیجه؛ محمدی، مسیح اله، انتشارات دانشگاه محقق اردبیلی، چاپ اول.
5. حاجی غلامی، حمیدرضا، مباشری، محمدرضا؛ رحیم زادگان، مجید. (1395). تولید پروفایل فشار با استفاده از فرض جو هیدروستاتیک و تصاویر حرارتی MODIS، نشریه علمی پژوهشی مهندسی فناوری اطلاعات مکانی، 4: 32 ـ 21.
6. حجازی، سید عباس؛ مباشری، محمد رضا؛ مجیدی، داود. (1393). استفاده از تصویر ماهواره‌ای در محاسبه قابلیت دید افقی جو، نشریه پژوهش‌های اقلیم شناسی، 5 (17): 56 - 47.
7. دوستکامیان، مهدی؛ محمدی بیگدلی، فرشته؛ کوهپایه‌ای، نواب. (1394). تحلیل تغییرات رطوبتی ماهانه جو ایران طی نیم قرن اخیر، نشریه تحقیقات علو جغرافیایی، 15 (39): 152 - 139.
8. فلاح قالهری، غلام عباس؛ اسدی، مهدی؛ داداشی رودباری، عباس علی. (1394). تحلیل فضایی پراکنش رطوبت در ایران، پژوهش‌های جغرافیایی طبیعی، 47 (4): 650 - 637.
9. کاویانی، محمدرضا؛ علیجانی، بهلول. (1388). مبانی آب و هواشناسی، انتشارات سمت، چاپ پانزدهم.
10. کریمی، مصطفی؛ فرج زاده، منوچهر. (1390). شار رطوبت و الگوهای فضایی - زمانی منابع تامین رطوبت بارش‌های ایران، نشریه تحقیقات کاربردی علوم جغرافیایی، 22 (19): 127 - 109.
11. مباشری، محمدرضا؛ پور باقر کردی، سید مهدی؛ فرج زاده اصل، منوچهر؛ صادقی نائینی، علی. (1389). برآورد آب قابل بارش با استفاده از تصاویر ماهواره‌ای MODIS و داده‌های رادیوساوند: ناحیه تهران، فصل‌نامه مدرس علوم انسانی، 14: 126 ـ 107.
12. مردای زاده، مینا؛ مومنی، مهدی؛ سراچیان، محمدرضا. (1396). بررسی رابطه بین دما سطحی و رطوبت نزدیک به سطح در مرکز ایران، جغرافیا و برنامه‌ریزی محیطی، 28 (3): 68 - 59.
13. مریخ پور، محمدحسین، رحیم زادگان، مجید. (1397). ارزیابی و مقایسه کارایی الگوریتم بخار آب قابل بارش جو MODIS و AMSR2 در سطح خشکی در نیمه غربی ایران، تحقیقات منابع آب ایران، 4 : 338 ـ 327.
14. موسوی بایگی، محمد؛ اشرف، بتول (1390). هوا و اقلیم شناسی در کشاورزی، انتشارات دانشگاه فردوسی مشهد،چاپ دوم.
15. هاریس رابیت باریز. (1377). هواشناسی عمومی، ترجمه بنی هاشم، تاج‌الدین، حاجبی، بهروز، بهروزیان، علیرضا، مرکز نشر دانشگاهی، چاپ اول.
16. Bonafoni, S., et al. (2011). Satellite-based retrieval of precipitable water vapor over land by using a neural network approach. IEEE transactions on geoscience and remote sensing 49(9): 3236-3248. DOI: 10.1109/TGRS.2011.2160184 [DOI:10.1109/TGRS.2011.2160184]
17. Borbas, E. E., Seemann, S. W., Kern, A., Moy, L., Li, J., Gumley, L. E., Menzel, W. P (2011). MODIS Atmospheric Profile Retrieval Algorithm Theoretical Basis Document (version 7): University of Wisconsin-Madison.
18. Gao B and Kaufman Y. (2003). Water vapor retrievals using Moderate Resolution Imaging Spectroradiometer (MODIS) near-infrared channels. Journal of Geophysical Research: Atmospheres, Wiley Online Library 108(D13). doi.org/10.1029/2002JD003023 [DOI:10.1029/2002JD003023]
19. Kaufman. Y. J, and Gao. B. C. (1992). Remote sensing of water vapor in the near IR from EOS/MODIS, IEEE Transaction on Geosciences and Remote Sensing, vol. 30, 871-884. DOI: 10.1109/36.175321 [DOI:10.1109/36.175321]
20. Merrikhpour MH and Rahimzadegan M. (2017). Improving the algorithm of extracting regional total precipitable water vapor over land from MODIS images. IEEE Transactions on Geoscience and Remote Sensing 55(10). DOI: 10.1109/TGRS.2017.2716414 [DOI:10.1109/TGRS.2017.2716414]
21. NASA Website. (2016). Available at: https://ladsweb.nascom.nasa.gov.
22. Peng, G., Li, J., Chen, Y., Norizan, A. P., & Tay, L. (2006). High-resolution surface relative humidity computation using MODIS image in Peninsular Malaysia. Chinese Geographical Science, 16(3), 260-264. DOI 10.1007/s11769-006-0260-6 [DOI:10.1007/s11769-006-0260-6]
23. Pérez‐Ramírez, D. (2014). Evaluation of AERONET precipitable water vapor versus microwave radiometry, GPS, and radiosondes at ARM sites. Journal of Geophysical Research: Atmospheres 119(15): 9596-9613. doi.org/10.1002/2014JD021730 [DOI:10.1002/2014JD021730]
24. Seemann, S. W., Borbas, E. E., Li, J., Menzel, W. P., Gumley, L. E. (2006). MODIS Atmospheric Profile Retrieval Algorithm Theoretical Basis Document (version 6): University of Wisconsin-Madison.
25. Seemann, S. W., Li, J., Menzel, W. P., Gumley, L. E. (2003). Operational retrieval of atmospheric temperature, moisture, and ozone from MODIS infrared radiances. Review of. Journal of Applied Meteorology 42 (8):1072-1091. doi.org/10.1175/1520-0450 https://doi.org/10.1175/1520-0450(2003)042<1072:OROATM>2.0.CO;2 [DOI:10.1175/1520-0450(2003)0422.0.CO;2]
26. Smith, W. L., Woolf, H. M., Jacob, W. J. (1970). A regression method for obtaining realtime temperature and geopotential height profiles from satellite spectrometer measurements and its application to Nimbus 3 "SIRS" observations. Review of. Monthly Weather Review 98 (8):582-603. DOI: 10.1175/1520-0493 https://doi.org/10.1175/1520-0493(1970)098<0582:ARMFOR>2.3.CO;2 [DOI:10.1175/1520-0493(1970)0982.3.CO;2]
27. Smith, W., Woolf, H., Nieman, S., Achtor, T. (1993). ITPP-5-The use of AVHRR and TIGR in TOVS data processing. Paper presented at the Proceedings of the Seventh International TOVS Study Conference, Igls, Austria, International Radiation Commission.
28. Willmott, C. J., & Robeson, S. M. (1995). Climatologically aided interpolation (CAI) of terrestrial air temperature. International Journal of Climatology, 15, 221-229. DOI:10.1002/joc.3370150207 [DOI:10.1002/joc.3370150207]
29. Wyoming University Website (2016) Radiosonde data. http://weather.uwyo.edu/upperair/sounding.html
30. Zhou, F.-C., et al. (2016). An Algorithm for Retrieving Precipitable Water Vapor over Land Based on Passive Microwave Satellite Data. Advances in Meteorology. (14):1-11. DOI: 10.1155/2016/4126393 [DOI:10.1155/2016/4126393]

Add your comments about this article : Your username or Email:
CAPTCHA

Send email to the article author


Rights and permissions
Creative Commons License This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

© 2024 CC BY-NC 4.0 | Applied researches in Geographical Sciences

Designed & Developed by : Yektaweb