- در دسترس بودن مجموعه داده
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- ارائه دهنده مجموعه داده
- OpenET, Inc.
- آهنگ
- 1 ماه
- برچسب ها
توضیحات
پیاده‌سازی نقشه‌برداری تبخیر و تعرق با وضوح بالا با مدل کالیبراسیون داخلی (eeMETRIC) موتور Google Earth
eeMETRIC الگوریتم های متریک پیشرفته و فرآیند آلن و همکاران را اعمال می کند. (2007؛ 2015) و آلن و همکاران. (2013b)، که در آن یک رابطه منحصر به فرد بین اختلاف دمای هوای سطح نزدیک (dT) و دمای سطح زمین (TsDEM) برای تخمین شار حرارتی محسوس (H) استفاده می‌شود و برای هر صحنه Landsat اعمال می‌شود. انتخاب خودکار پیکسل های گرم و سرد برای یک تصویر عموماً از یک روش جداسازی آماری که توسط آلن و همکارانش توضیح داده شده است، پیروی می کند. (2013a) و ReVelle, Kilic and Allen (2019a,b). کالیبراسیون H در eeMETRIC از ET مرجع یونجه استفاده می‌کند که از مجموعه داده‌های آب و هوا شبکه‌بندی شده NLDAS با استفاده از کاهش 15 درصدی ثابت در ET مرجع محاسبه‌شده برای محاسبه سوگیری‌های شناخته‌شده در مجموعه داده‌های شبکه‌بندی شده، استفاده می‌کند. کاهش ثابت بر دقت کالیبراسیون eeMETRIC تأثیر نمی‌گذارد و بیشتر تأثیرات تصحیح شناوری لایه مرزی را کاهش می‌دهد.
شناسایی نامزدها برای استخرهای پیکسل های گرم و سرد در اجرای eeMETRIC METRIC تکامل یافته است. فرآیند کالیبراسیون خودکار جدید ترکیبی از روش‌ها و رویکردهایی را که از دو شاخه توسعه EEFlux سرچشمه می‌گیرد (Allen et al., 2015) در بر می‌گیرد. اولین شاخه بر بهبود فرآیند انتخاب خودکار پیکسل با استفاده از نرخ‌های خطای استاندارد برای دمای سطح زمین (LST) بدون هیچ گونه افت فضایی بیشتر تمرکز داشت (ReVelle et al., 2019b). شاخه دوم شامل کاهش فضایی ثانویه LST و همچنین تغییراتی در فرآیند انتخاب پیکسل است (ReVelle et al., 2019a). رویکرد ترکیبی نهایی توسط Kilic و همکارانش توضیح داده شده است. (2021).
eeMETRIC از عملکردهای مرتبط با آیرودینامیک در زمین های پیچیده (کوه ها) توسعه یافته توسط آلن و همکاران استفاده می کند. (2013b) برای بهبود برآوردها برای زبری آیرودینامیکی، سرعت باد و پایداری لایه مرزی در ارتباط با ناهمواری زمین، موقعیت در شیب و جهت باد. این توابع تمایل به افزایش تخمین برای H (و کاهش ET) در شیب های رو به باد دارند و ممکن است H (و افزایش ET) را در شیب های بادگیر کاهش دهند. سایر توابع METRIC به کار گرفته شده در eeMETRIC که پس از توضیحات ارائه شده در Allen و همکاران اضافه شده اند. (2007 و 2011) شامل کاهش شار حرارتی خاک (G) در حضور مالچ آلی در سطح زمین، استفاده از مقاومت آئرودینامیکی بیش از حد برای بوته‌ها، استفاده از تابع Perrier برای درختانی که به عنوان جنگل شناسایی شده‌اند (Allen et al., 2018; Santos et al., 2012, 2012, aeroporation of dynamicalation) و یک تعادل انرژی با استفاده از پویایی آب. (جنسن و آلن 2016؛ آلن و همکاران، 2018). در سال 2022، تابع Perrier برای محصولات درختی (باغستان) و تقسیم 3 منبع دمای سطح فله به دمای تاج پوشش، دمای خاک سایه‌دار و دمای خاک نور خورشید برای باغ‌ها و تاکستان‌ها اعمال شد. این کاربردهای اخیر در جایی ساخته شد که باغ‌ها و تاکستان‌ها توسط CDL یا در کالیفرنیا توسط یک سیستم استفاده از زمین تحت حمایت دولت شناسایی می‌شوند. این عملکردها و سایر پیشرفت‌ها در مدل اصلی METRIC در جدیدترین کتابچه راهنمای کاربران METRIC توضیح داده شده است (Allen et al., 2018). eeMETRIC از انعکاس سطح تصحیح شده جو و LST از Landsat Collection 2 Level 2 استفاده می کند و در صورت نیاز برای تخمین های نزدیک به زمان واقعی به مجموعه 2 Level 1 بازگشته است.
باندها
اندازه پیکسل
30 متر
باندها
| نام | واحدها | اندازه پیکسل | توضیحات |
|---|---|---|---|
et | میلی متر | متر | مقدار eeMETRIC ET |
count | شمارش | متر | تعداد مقادیر بدون ابر |
ویژگی های تصویر
ویژگی های تصویر
| نام | تایپ کنید | توضیحات |
|---|---|---|
| تاریخ ساخت | STRING | تاریخ دارایی ها ساخته شد |
| ابر_پوشش_حداکثر | دوبل | حداکثر مقدار درصد CLOUD_COVER_LAND برای تصاویر Landsat موجود در درونیابی |
| مجموعه ها | STRING | لیست مجموعه های لندست برای تصاویر لندست که در درون یابی گنجانده شده است |
| core_version | STRING | نسخه کتابخانه هسته OpenET |
| تاریخ پایان | STRING | تاریخ پایان ماه |
| et_reference_band | STRING | باند در et_reference_source که حاوی داده های ET مرجع روزانه است |
| et_reference_resample | STRING | حالت درونیابی فضایی برای نمونه برداری مجدد از داده های مرجع روزانه ET |
| et_reference_source | STRING | شناسه مجموعه برای داده‌های ET مرجع روزانه |
| interp_days | دوبل | حداکثر تعداد روزهای قبل و بعد از هر تاریخ تصویر برای گنجاندن در درونیابی |
| interp_method | STRING | روش مورد استفاده برای درون یابی بین برآوردهای مدل لندست |
| interp_source_count | دوبل | تعداد تصاویر موجود در مجموعه تصویر منبع درونیابی برای ماه مورد نظر |
| mgrs_tile | STRING | شناسه منطقه شبکه MGRS |
| مدل_نام | STRING | نام مدل OpenET |
| مدل_نسخه | STRING | نسخه مدل OpenET |
| scale_factor_count | دوبل | ضریب مقیاس پذیری که باید در باند شمارش اعمال شود |
| scale_factor_et | دوبل | عامل پوسته پوسته شدن که باید روی باند et اعمال شود |
| شروع_تاریخ | STRING | تاریخ شروع ماه |
شرایط استفاده
شرایط استفاده
نقل قول ها
Kilic, A., Allen, RG, Blankenau, P., ReVelle, P., Ozturk, D. and Huntington, J., 2021. تولید جهانی و دسترسی رایگان به تبخیر و تعرق در مقیاس Landsat با EEFlux و eeMETRIC. در ششمین سمپوزیوم ملی آبیاری ده ساله، 6-8، دسامبر 2021، سن دیگو، کالیفرنیا (ص. 1). انجمن مهندسین کشاورزی و بیولوژیکی آمریکا. doi:10.13031/irrig.2020-038
آلن، RG، تاسومی، ام.، مورس، A. و Trezza، R.، 2005. یک مدل تعادل انرژی و تبخیر و تعرق مبتنی بر Landsat در مقررات و برنامه ریزی حقوق آب ایالات متحده غربی. سیستم های آبیاری و زهکشی، 19، صص251-268. doi:10.1007/s10795-005-5187-z
آلن، RG، Tasumi، M. و Trezza، R.، 2007. تعادل انرژی مبتنی بر ماهواره برای نقشه برداری تبخیر و تعرق با کالیبراسیون داخلی (METRIC) - مدل. مجله مهندسی آبیاری و زهکشی، 133(4)، صص380-394. doi:10.1029/2006JD007506
Allen, R., Irmak, A., Trezza, R., Hendrickx, JM, Bastiaanssen, W. and Kjaersgaard, J., 2011. تخمین ET مبتنی بر ماهواره در کشاورزی با استفاده از SEBAL و METRIC. فرآیندهای هیدرولوژیکی، 25(26)، صص4011-4027. doi:10.1002/hyp.8408
آلن، آر جی، برنت، بی.، کرامبر، دبلیو.، هانتینگتون، جی.، کیارزگارد، جی.، کیلیک، ا.، کلی، سی و ترزا، آر.، 2013a. کالیبراسیون خودکار فرآیند تبخیر و تعرق متریک لندست. مجله JAWRA انجمن منابع آب آمریکا، 49(3)، pp.563-576. doi:10.1111/jawr.12056
آلن، آر جی، ترزا، آر.، کیلیچ، ا.، تاسومی، ام. و لی، اچ.، 2013b. حساسیت تعادل انرژی در مقیاس لندست به تغییرات آیرودینامیکی در کوه ها و زمین های پیچیده مجله JAWRA انجمن منابع آب آمریکا، 49(3)، pp.592-604. doi:10.1111/jawr.12055
Allen, RG, Morton, C., Kamble, B., Kilic, A., Huntington, J., Thau, D., Gorelick, N., Erickson, T., Moore, R., Trezza, R. and Ratcliffe, I., 2015. EEFlux: یک ابزار نقشه برداری مبتنی بر Landsat Earthpir Google evapo.trans. در سال 2015 سمپوزیوم آبیاری ASABE/IA: فن آوری های نوظهور برای آبیاری پایدار - ادای احترام به شغل تری هاول، پدر مجموعه مقالات کنفرانس (ص 1-11). انجمن مهندسین کشاورزی و بیولوژیکی آمریکا. doi:10.13031/irrig.20152143511
جنسن، ME و آر جی آلن (ویرایشگر). 1395. تبخیر، تبخیر و تعرق و نیاز آبیاری. دفترچه راهنمای تمرین شماره 70 (چاپ دوم). کمیته وظیفه در مورد بازبینی کتابچه راهنمای شماره 70، 2016، آوریل. انجمن مهندسین عمران آمریکا. رستون، ویرجینیا. 744 ص. doi: 10.1061/9780784414057
Kilic, A., Allen, R., Trezza, R., Ratcliffe, I., Kamble, B., Robison, C. and Ozturk, D., 2016. حساسیت بازیابی تبخیر و تعرق از الگوریتم پردازش METRIC به بهبود وضوح رادیومتریک Landsat 8 در داده های درجه حرارت سطح Landsat و 8 به درجه حرارت. سنجش از دور محیط، 185، صص198-209. doi:10.1016/j.rse.2016.07.011
ReVelle، P.، A. Kilic و RG Allen. 2019 a. شرح کالیبراسیون به روز شده: افت فضایی در eeMETRIC. یادداشت تحقیق. دانشکده منابع طبیعی، دانشگاه نبراسکا-لینکلن و دانشگاه آیداهو. 9 ص
ReVelle، P.، A. Kilic و RG Allen. 2019b. شرح کالیبراسیون به روز شده: روش انتخاب خودکار پیکسل در eeMETRIC. یادداشت تحقیق. دانشکده منابع طبیعی، دانشگاه نبراسکا-لینکلن و دانشگاه آیداهو. 20 ص.
سانتوس، سی.، لوریت، آی جی، آلن، RG و تاسومی، M.، 2012. پارامترسازی آیرودینامیکی مدل تعادل انرژی مبتنی بر ماهواره (METRIC) برای تخمین ET در باغ های زیتون دیم اندلس، اسپانیا. مدیریت منابع آب، 26، صص3267-3283. doi:10.1007/s11269-012-0071-8
DOI
با Earth Engine کاوش کنید
ویرایشگر کد (جاوا اسکریپت)
var dataset = ee.ImageCollection('OpenET/EEMETRIC/CONUS/GRIDMET/MONTHLY/v2_0') .filterDate('2020-01-01', '2021-01-01'); // Compute the annual evapotranspiration (ET) as the sum of the monthly ET // images for the year. var et = dataset.select('et').sum(); var visualization = { min: 0, max: 1400, palette: [ '9e6212', 'ac7d1d', 'ba9829', 'c8b434', 'd6cf40', 'bed44b', '9fcb51', '80c256', '61b95c', '42b062', '45b677', '49bc8d', '4dc2a2', '51c8b8', '55cece', '4db4ba', '459aa7', '3d8094', '356681', '2d4c6e', ] }; Map.setCenter(-100, 38, 5); Map.addLayer(et, visualization, 'OpenET eeMETRIC Annual ET');