- ডেটাসেটের প্রাপ্যতা
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- ডেটাসেট প্রযোজক
- ওপেনইটি, ইনকর্পোরেটেড।
- ক্যাডেন্স
- ১ মাস
- ট্যাগ
- বাষ্পীভবন ও প্রস্বেদন
বর্ণনা
OpenET ফ্রেমওয়ার্কের মধ্যে geeSEBAL-এর বাস্তবায়ন সম্প্রতি সম্পন্ন হয়েছে এবং বর্তমান geeSEBAL সংস্করণটির একটি সংক্ষিপ্ত বিবরণ Laipelt et al. (2021)-এ পাওয়া যাবে, যা Bastiaanssen et al. (1998) দ্বারা বিকশিত মূল অ্যালগরিদমগুলির উপর ভিত্তি করে তৈরি। OpenET geeSEBAL বাস্তবায়নটি Landsat Collection 2 থেকে ভূমি পৃষ্ঠের তাপমাত্রা (LST) ডেটা ব্যবহার করে, এর পাশাপাশি যথাক্রমে তাৎক্ষণিক এবং দৈনিক আবহাওয়া সংক্রান্ত ইনপুট হিসাবে NLDAS এবং gridMET ডেটাসেটও ব্যবহার করে। উষ্ণ এবং শীতল এন্ডমেম্বার নির্বাচন করার জন্য স্বয়ংক্রিয় পরিসংখ্যানগত অ্যালগরিদমটি Allen et al. (2013) দ্বারা প্রস্তাবিত Calibration using Inverse Modeling at Extreme Conditions (CIMEC) অ্যালগরিদমের একটি সরলীকৃত সংস্করণের উপর ভিত্তি করে তৈরি, যেখানে Landsat ডোমেইন এলাকায় এন্ডমেম্বার প্রার্থী নির্বাচন করার জন্য LST-এর কোয়ান্টাইল এবং নর্মালাইজড ডিফারেন্স ভেজিটেশন ইনডেক্স (NDVI) মান ব্যবহার করা হয়। শীতল এবং আর্দ্র এন্ডমেম্বার প্রার্থীগুলিকে ভালোভাবে গাছপালাযুক্ত এলাকা থেকে এবং উষ্ণ ও শুষ্ক এন্ডমেম্বার প্রার্থীগুলিকে সবচেয়ে কম গাছপালাযুক্ত কৃষিজমি এলাকা থেকে নির্বাচন করা হয়। নির্বাচিত এন্ডমেম্বারগুলোর উপর ভিত্তি করে, geeSEBAL ধরে নেয় যে ঠান্ডা ও আর্দ্র এন্ডমেম্বারে সমস্ত উপলব্ধ শক্তি সুপ্ত তাপে (উচ্চ বাষ্পমোচনের হারের সাথে) রূপান্তরিত হয়, অন্যদিকে গরম ও শুষ্ক এন্ডমেম্বারে সমস্ত উপলব্ধ শক্তি বোধগম্য তাপে রূপান্তরিত হয়। পরিশেষে, দৈনিক বাষ্পমোচনের অনুমানগুলোকে বাষ্পীভবন ভগ্নাংশের উপর ভিত্তি করে তাৎক্ষণিক অনুমান থেকে আপস্কেল করা হয়, এই অনুমান করে যে মাটির আর্দ্রতা এবং অ্যাডভেকশনে উল্লেখযোগ্য পরিবর্তন ছাড়াই এটি দিনের বেলায় স্থির থাকে। OpenET Accuracy Assessment and Intercomparison সমীক্ষার ফলাফলের উপর ভিত্তি করে, OpenET geeSEBAL অ্যালগরিদমটি নিম্নরূপভাবে পরিবর্তন করা হয়েছিল: (i) CIMEC-এর সরলীকৃত সংস্করণটিকে এন্ডমেম্বার নির্বাচনের জন্য অতিরিক্ত ফিল্টার ব্যবহার করে উন্নত করা হয়েছিল, যার মধ্যে USDA Cropland Data Layer (CDL) এবং NDVI, LST ও অ্যালবেডোর জন্য ফিল্টার ব্যবহার অন্তর্ভুক্ত ছিল; (ii) পূর্ববর্তী বৃষ্টিপাতের উপর ভিত্তি করে এন্ডমেম্বারগুলোর জন্য LST-এর সংশোধন; (iii) বায়ুমণ্ডলীয় সংশোধনের সময় মডেলের অস্থিরতা কমাতে NLDAS বায়ু গতির থ্রেশহোল্ড নির্ধারণ। এবং, (iv) FAO-56-কে রেফারেন্স হিসেবে ব্যবহার করে দৈনিক নেট রেডিয়েশন অনুমানের উন্নতিসাধন (অ্যালেন এট আল., ১৯৯৮)। সামগ্রিকভাবে, geeSEBAL-এর কার্যকারিতা ভূসংস্থানিক, জলবায়ু এবং আবহাওয়াজনিত অবস্থার উপর নির্ভরশীল, যেখানে CIMEC স্বয়ংক্রিয় ক্যালিব্রেশনের জন্য উষ্ণ এবং শীতল এন্ডমেম্বার নির্বাচনের সাথে উচ্চতর সংবেদনশীলতা ও অনিশ্চয়তা এবং আবহাওয়াজনিত ইনপুটের সাথে নিম্নতর সংবেদনশীলতা ও অনিশ্চয়তা সম্পর্কিত (লাইপেল্ট এট আল., ২০২১ এবং কায়সার এট আল., ২০২২)। জটিল ভূখণ্ড সম্পর্কিত অনিশ্চয়তা হ্রাস করার জন্য, মডেলের এন্ডমেম্বার নির্বাচন অ্যালগরিদম এবং ET অনুমানের উপর ভূসংস্থানিক বৈশিষ্ট্যগুলির প্রভাব তুলে ধরতে ভূপৃষ্ঠের LST এবং বৈশ্বিক (আপতিত) রেডিয়েশন (পরিবেশগত ল্যাপস রেট, উচ্চতা, ঢাল এবং দিক সহ) সংশোধনের উন্নতিসাধন করা হয়েছে।
ব্যান্ড
ব্যান্ড
পিক্সেল সাইজ: ৩০ মিটার (সকল ব্যান্ড)
| নাম | ইউনিট | পিক্সেল আকার | বর্ণনা |
|---|---|---|---|
et | মিমি | ৩০ মিটার | geeSEBAL ET মান |
count | গণনা | ৩০ মিটার | ক্লাউড মুক্ত মানের সংখ্যা |
ছবির বৈশিষ্ট্য
ছবির বৈশিষ্ট্য
| নাম | প্রকার | বর্ণনা |
|---|---|---|
| নির্মাণের তারিখ | স্ট্রিং | সম্পদগুলি তৈরি করার তারিখ |
| মেঘ_আচ্ছাদন_সর্বোচ্চ | ডাবল | ইন্টারপোলেশনে অন্তর্ভুক্ত ল্যান্ডস্যাট চিত্রগুলির জন্য সর্বোচ্চ CLOUD_COVER_LAND শতাংশ মান |
| সংগ্রহ | স্ট্রিং | ইন্টারপোলেশনে অন্তর্ভুক্ত ল্যান্ডস্যাট চিত্রগুলির জন্য ল্যান্ডস্যাট সংগ্রহগুলির তালিকা |
| কোর_সংস্করণ | স্ট্রিং | ওপেনইটি কোর লাইব্রেরি সংস্করণ |
| শেষ তারিখ | স্ট্রিং | মাসের শেষ তারিখ |
| et_reference_band | স্ট্রিং | et_reference_source-এর সেই ব্যান্ড যেখানে দৈনিক রেফারেন্স ET ডেটা রয়েছে |
| et_reference_resample | স্ট্রিং | দৈনিক রেফারেন্স ET ডেটা পুনঃনমুনা করার জন্য স্থানিক ইন্টারপোলেশন মোড |
| et_reference_source | স্ট্রিং | দৈনিক রেফারেন্স ET ডেটার জন্য সংগ্রহ আইডি |
| ইন্টারপ_দিন | ডাবল | ইন্টারপোলেশনে অন্তর্ভুক্ত করার জন্য প্রতিটি ছবির তারিখের আগে ও পরের সর্বাধিক সংখ্যক দিন। |
| ইন্টারপ_পদ্ধতি | স্ট্রিং | ল্যান্ডস্যাট মডেলের অনুমানগুলির মধ্যে ইন্টারপোলেট করতে ব্যবহৃত পদ্ধতি |
| ইন্টারপ_সোর্স_কাউন্ট | ডাবল | লক্ষ্য মাসের জন্য ইন্টারপোলেশন উৎস চিত্র সংগ্রহে উপলব্ধ চিত্রের সংখ্যা |
| mgrs_tile | স্ট্রিং | এমজিআরএস গ্রিড জোন আইডি |
| মডেলের নাম | স্ট্রিং | ওপেনইটি মডেলের নাম |
| মডেল_সংস্করণ | স্ট্রিং | ওপেনইটি মডেল সংস্করণ |
| স্কেল_ফ্যাক্টর_গণনা | ডাবল | গণনা ব্যান্ডে যে স্কেলিং ফ্যাক্টর প্রয়োগ করা উচিত |
| স্কেল_ফ্যাক্টর_ইটি | ডাবল | ইটি ব্যান্ডে যে স্কেলিং ফ্যাক্টর প্রয়োগ করা উচিত |
| শুরুর তারিখ | স্ট্রিং | মাসের শুরুর তারিখ |
ব্যবহারের শর্তাবলী
ব্যবহারের শর্তাবলী
উদ্ধৃতি
লাইপেল্ট, এল., কায়সার, আরএইচবি, ফ্লেইশম্যান, এএস, রুহফ, এ., বাস্টিয়ানসেন, ডব্লিউ., এরিকসন, টিএ এবং মেল্টন, এফ., ২০২১। সেবাল (SEBAL) অ্যালগরিদম এবং গুগল আর্থ ইঞ্জিন ক্লাউড কম্পিউটিং ব্যবহার করে বাষ্পীভবনের দীর্ঘমেয়াদী পর্যবেক্ষণ। আইএসপিআরএস জার্নাল অফ ফটোগ্রামেট্রি অ্যান্ড রিমোট সেন্সিং, ১৭৮, পৃষ্ঠা ৮১-৯৬। ডিওআই:১০.১০১৬/জে.আইএসপিআরএসজেপিআরএস.২০২১.০৫.০১৮
বাস্তিয়ানসেন, ডব্লিউ. জি., মেনেন্টি, এম., ফেডেস, আর. এ. এবং হোল্টসলাগ, এ. এ. এম., ১৯৯৮। ভূমির জন্য একটি রিমোট সেন্সিং পৃষ্ঠ শক্তি ভারসাম্য অ্যালগরিদম (SEBAL)। ১. প্রণয়ন। জার্নাল অফ হাইড্রোলজি, ২১২, পৃষ্ঠা ১৯৮-২১২। doi:S0022-1694(98)00253-4
কায়সার, আরএইচ, রুহফ, এ., লাইপেল্ট, এল., ডি মেলো কিচ, ই., রবার্টি, ডিআর, ডি আরুডা সুজা, ভি., রুবার্ট, জিসিডি, কলিশন, ডব্লিউ. এবং নিল, সিএমইউ, ২০২২। উপক্রান্তীয় আর্দ্র জলবায়ুতে বাষ্পীভবন-প্রস্বেদন অনুমানের জন্য জিসেবাল (geeSEBAL) স্বয়ংক্রিয় ক্রমাঙ্কন এবং আবহাওয়াগত পুনঃবিশ্লেষণের অনিশ্চয়তা মূল্যায়ন। কৃষি ও বন আবহাওয়া, ৩১৪, পৃ. ১০৮৭৭৫। ডিওআই: ১০.১০১৬/জে.এজিআরফর্মেট.২০২১.১০৮৭৭৫
অ্যালেন, আরজি, বার্নেট, বি., ক্র্যাম্বার, ডব্লিউ., হান্টিংটন, জে., কিয়ার্সগার্ড, জে., কিলিক, এ., কেলি, সি. এবং ট্রেজা, আর., ২০১৩। মেট্রিক-ল্যান্ডস্যাট বাষ্পীভবন প্রক্রিয়ার স্বয়ংক্রিয় ক্রমাঙ্কন। JAWRA জার্নাল অফ দ্য আমেরিকান ওয়াটার রিসোর্সেস অ্যাসোসিয়েশন, 49(3), পৃষ্ঠা. 563-576। doi:10.1111/jawr.12056
DOI
আর্থ ইঞ্জিন দিয়ে অন্বেষণ করুন
কোড এডিটর (জাভাস্ক্রিপ্ট)
var dataset = ee.ImageCollection('OpenET/GEESEBAL/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 geeSEBAL Annual ET');