Introducció

La temperatura de l’aire és un descriptor primari de les condicions ambientals a escala terrestre i està involucrada en molts processos ecològics de gran importància com són l’evapotranspiració real i potencial, la radiació neta o la distribució d’espècies (Idso, 1981; Kustas, 1996; Prihodko i Goward, 1997; Bastiaanssen et al., 1998; Quattrochi i Luvall, 2000; Bonan, 2002, Kustas et al., 2003, Cristóbal et al., 2005). A més, la temperatura de l’aire també està involucrada en l’obtenció de la temperatura de la superfície terrestre mitjançant els algorismes de correcció atmosfèrica (Qin et al., 2001) així com en la generació de diversos índexs d’estrès vegetal com són el Stress Degree Day o el Crop Water Stress Index (Jackson et al., 1977; Moran et al., 1994). Les ciències de la salut també inclouen la temperatura de l’aire com a una variable molt important per modelitzar els vectors d’infecció de malalties o per mesurar l’efecte extrem de les temperatures en la mortalitat (Florio et al., 2004). Finalment, l’obtenció de mesures precises en la temperatura de l’aire es fa imprescindible per tal de disminuir l’error de propagació en els models numèrics on aquesta variables té un pes important (Burrough i McDonell, 1998).

L’anàlisi de regressió múltiple usant variables geogràfiques com la latitud, la longitud i la continentalitat (distància al mar) com a predictors ha estat l’aproximació clàssica en la modelització de la temperatura de l’aire (Blennow, 1998; Ninyerola et al., 2000; Monestiez et al., 2001). Tanmateix, la disponibilitat actual de dades de Teledetecció així com d’un arxiu retrospectiu ampli per a alguns satèl·lits com per exemple el cas de NOAA AVHRR (més de 30 anys de dades) o TERRA/AQUA MODIS (amb més de 8 anys de dades) fa possible combinar l’aproximació geogràfica amb les dades de Teledetecció usant variables relacionades amb la temperatura de l’aire com són la temperatura de la superfície terrestre (TST), l’NDVI o l’albedo.

La temperatura de l’aire està determinada en gran manera per les propietats de la superfície terrestre, i pot variar en l’espai i el temps (Oke, 1987) responent, per tant, directament als canvis locals i als canvis en la superfície de la terrestre (Arribas et al., 2003). La inclusió de dades de Teledetecció (que contenen informació sobre les característiques de la superfície terrestre de forma inherent) fa possible millorar el

nostre coneixement sobre els patrons espaciotemporals de la temperatura de l’aire, en contrast amb els models que només incorporen variables geogràfiques, o els que només duen a terme interpolació espacial de les dades.

Malgrat que les estacions meteorològiques proporcionen dades puntuals de molta importància, com ara la temperatura de l’aire (la qual és necessària per fer un seguiment dels ecosistemes a nivell de macroescala), la densitat espacial d’aquestes estacions és molt variable i la seva distribució no és usualment òptima per a aplicacions regionals o locals. Tanmateix, les dades de Teledetecció, degut a l’elevada densitat de mostreig sobre la superfície terrestrei a la seva elevada resolució temporal sobre regions àmplies i heterogènies, ens ofereixen una superfície quasi contínua que proporciona informació addicional entre les estacions meteorològiques (Vogt et al., 1997).

Molts dels estudis que usen dades de Teledetecció com a variables en la modelització de la temperatura de l’aire es basen en una aproximació estadística, mentre que les tècniques basades en una aproximació física són menys freqüents degut a la seva complexitat (Sun et al., 2005). L’índex TVX (temperature/vegetation index) ha estat àmpliament usat per modelitzar la temperatura de l’aire mitjançant imatges NOAA AVHRR (Goward et al., 1994; Czajkowski et al., 1997; Prihodko i Goward, 1997; Prince et al., 1998; Czajkowski et al., 2000; Chokmani i Viau (2006), 2006; Riddering i Queen, 2006). En l’índex TVX s’assumeix que la temperatura de la superfície d’una capçada arbòria tancada és igual a la temperatura de l’aire. Aquest índex va ser desenvolupat a través de l’observació empírica entre les mesures de TST i NDVI, que quan són comparades generalment presenten una relació lineal negativa (Prince et al., 1998; Quattrochi i Luvall, 2000). Per tal d’obtenir la temperatura de l’aire, aquesta metodologia estableix una regressió lineal entre la relació TST/NDVI usant una finestra de convolució mòbil de 9 per 9 píxels i estén el model de regressió establert amb les estacions meteorològiques (Quattrochi i Luvall, 2000). Emperò, la resolució espacial de la imatge de temperatura de l’aire és més grollera que les imatges usades per ajustar el model, ja que la resolució espacial és alterada per tald’augmentar la informació usada per generar el model (Prince et al., 1998).

Altres metodologies estadístiques estableixen una regressió lineal entre la TST i la temperatura de l’aire. Aquestes metodologies ofereixen millor resolució espacial en la

imatge final de temperatura de l’aire ja que no necessiten degradar la seva resolució espacial. En aquesta línia, Vogt et al. (1997) van usar la TST obtinguda a partir d’imatges NOAA AVHRR per establir una regressió lineal simple entre la temperatura màxima diària i la TST en una regió Mediterrània (Andalusia). Recondo i Pérez- Morandeira (2002) també van establir una regressió lineal per modelitzar la temperatura mitjana diària i mensual així com per a la temperatura màxima diària sobre una regió Atlàntica (Asturies). Altrament, Florio et al. (2004) van comparar els models de regressió múltiple amb la interpolació per kriging introduint variables geogràfiques i de Teledetecció en la modelització de la temperatura mitjana diària de l’aire usant també la TST d’imatges NOAA AVHRR, obtenint millors resultats usant el mètode per interpolació amb kriging.

Prenent en consideració els estudis esmentats en aquest capítol s’aprofundirà en la modelització de la temperatura de l’aire mitjançant la combinació de variables geogràfiques i de Teledetecció usant dades diàries i una sèrie de 5 anys de dades meteorològiques, així com una comparació entre diferents resolucions espacials per als diferents models de la temperatura de l’aire.

En treballs previs (Ninyerola et al., 2000; Ninyerola et al., 2006a; Ninyerola et al., 2006b) es va optimitzar una metodologia usant una regressió lineal múltiple per modelitzar la temperatura de l’aire i la precipitació de la Península Ibèrica per a període mensuals i anuals usant només variables geogràfiques.