- Dataset-Verfügbarkeit
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- Ersteller des Datasets
- OpenET, Inc.
- Intervall
- 1 Month
- Tags
Beschreibung
Die Implementierung von geeSEBAL wurde vor Kurzem im OpenET-Framework abgeschlossen. Eine Übersicht über die aktuelle geeSEBAL-Version finden Sie in Laipelt et al. (2021). Sie basiert auf den ursprünglichen Algorithmen von Bastiaanssen et al. (1998). Bei der OpenET-Implementierung von geeSEBAL werden Daten zur Landoberflächentemperatur (Land Surface Temperature, LST) aus Landsat Collection 2 sowie NLDAS- und gridMET-Datasets als sofortige bzw. tägliche meteorologische Eingaben verwendet. Der automatisierte statistische Algorithmus zur Auswahl der Endmember für heiß und kalt basiert auf einer vereinfachten Version des CIMEC-Algorithmus (Calibration using Inverse Modeling at Extreme Conditions) von Allen et al. (2013). Dabei werden Quantile der LST- und NDVI-Werte (Normalized Difference Vegetation Index) verwendet, um Endmember-Kandidaten im Landsat-Bereich auszuwählen. Die Endmember-Kandidaten für kalt und nass werden in gut bewachsenen Gebieten ausgewählt, während die Endmember-Kandidaten für heiß und trocken in den am wenigsten bewachsenen Ackerbaugebieten ausgewählt werden. Basierend auf den ausgewählten Endmembern geht geeSEBAL davon aus, dass beim Endmember für kalt und nass die gesamte verfügbare Energie in latente Wärme umgewandelt wird (mit hohen Transpirationsraten), während beim Endmember für heiß und trocken die gesamte verfügbare Energie in fühlbare Wärme umgewandelt wird. Schließlich werden Schätzungen der täglichen Evapotranspiration aus sofortigen Schätzungen auf der Grundlage des Verdunstungsanteils hochskaliert. Dabei wird davon ausgegangen, dass dieser tagsüber konstant ist und es keine signifikanten Änderungen der Bodenfeuchtigkeit und Advektion gibt. Basierend auf den Ergebnissen der OpenET-Studie zur Genauigkeitsbewertung und zum Vergleich wurde der OpenET-geeSEBAL-Algorithmus wie folgt geändert: (i) Die vereinfachte Version von CIMEC wurde durch zusätzliche Filter zur Auswahl der Endmember verbessert, einschließlich der Verwendung des USDA Cropland Data Layer (CDL) und Filtern für NDVI, LST und Albedo. (ii) Korrekturen an der LST für Endmember basierend auf vorherigem Niederschlag. (iii) Definition von NLDAS-Windgeschwindigkeitsgrenzwerten zur Reduzierung der Modellinstabilität während der atmosphärischen Korrektur. (iv) Verbesserungen zur Schätzung der täglichen Nettostrahlung unter Verwendung von FAO-56 als Referenz (Allen et al., 1998). Insgesamt hängt die Leistung von geeSEBAL von topografischen, klimatischen und meteorologischen Bedingungen ab. Dabei sind die Sensitivität und Unsicherheit bei der Auswahl der Endmember für heiß und kalt für die automatisierte CIMEC-Kalibrierung höher und bei den meteorologischen Eingaben niedriger (Laipelt et al., 2021 und Kayser et al., 2022). Um Unsicherheiten im Zusammenhang mit komplexem Gelände zu reduzieren, wurden Verbesserungen hinzugefügt, um die LST und die globale (einfallende) Strahlung an der Oberfläche zu korrigieren (einschließlich des Umwelt-Temperaturgradienten, der Hangneigung und der Ausrichtung). So werden die Auswirkungen topografischer Merkmale auf den Algorithmus zur Auswahl der Endmember des Modells und die ET-Schätzungen berücksichtigt.
Bänder
Bänder
Pixelgröße: 30 Meter (alle Bänder)
| Name | Einheiten | Pixelgröße | Beschreibung |
|---|---|---|---|
et |
mm | 30 Meter | geeSEBAL-ET-Wert |
count |
Anzahl | 30 Meter | Anzahl der wolkenfreien Werte |
Bildattribute
Bildeigenschaften
| Name | Typ | Beschreibung |
|---|---|---|
| build_date | STRING | Datum, an dem die Assets erstellt wurden |
| cloud_cover_max | DOUBLE | Maximaler CLOUD_COVER_LAND-Prozentwert für Landsat-Bilder, die in die Interpolation einbezogen wurden |
| collections | STRING | Liste der Landsat-Sammlungen für Landsat-Bilder, die in die Interpolation einbezogen wurden |
| core_version | STRING | OpenET-Kernbibliotheksversion |
| end_date | STRING | Enddatum des Monats |
| et_reference_band | STRING | Band in et_reference_source, das die täglichen Referenz-ET-Daten enthält |
| et_reference_resample | STRING | Modus der räumlichen Interpolation zum Resampling der täglichen Referenz-ET-Daten |
| et_reference_source | STRING | Sammlungs-ID für die täglichen Referenz-ET-Daten |
| interp_days | DOUBLE | Maximale Anzahl von Tagen vor und nach dem jeweiligen Bilddatum, die in die Interpolation einbezogen werden sollen |
| interp_method | STRING | Methode, die zum Interpolieren zwischen Landsat-Modellschätzungen verwendet wird |
| interp_source_count | DOUBLE | Anzahl der verfügbaren Bilder in der Quellbildsammlung für die Interpolation für den Zielmonat |
| mgrs_tile | STRING | MGRS-Gitterzonen-ID |
| model_name | STRING | OpenET-Modellname |
| model_version | STRING | OpenET-Modellversion |
| scale_factor_count | DOUBLE | Skalierungsfaktor, der auf das Band „count“ angewendet werden soll |
| scale_factor_et | DOUBLE | Skalierungsfaktor, der auf das Band „et“ angewendet werden soll |
| start_date | STRING | Startdatum des Monats |
Nutzungsbedingungen
Nutzungsbedingungen
Zitate
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. und Melton, F., 2021. Long-term monitoring of evapotranspiration using the SEBAL algorithm and Google Earth Engine cloud computing. ISPRS Journal of Photogrammetry and Remote Sensing, 178, S.81–96. doi:10.1016/j.isprsjprs.2021.05.018
Bastiaanssen, W.G., Menenti, M., Feddes, R.A. und Holtslag, A.A.M., 1998. A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation. Journal of hydrology, 212, S.198–212. doi:S0022-1694(98)00253-4
Kayser, R.H., Ruhoff, A., Laipelt, L., de Mello Kich, E., Roberti, D. R., de Arruda Souza, V., Rubert, G.C.D., Collischonn, W. und Neale, C.M.U., 2022. Assessing geeSEBAL automated calibration and meteorological reanalysis uncertainties to estimate evapotranspiration in subtropical humid climates. Agricultural and Forest Meteorology, 314, S.108775. doi:10.1016/j.agrformet.2021.108775
Allen, R.G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C. und Trezza, R., 2013. Automated calibration of the metric-landsat evapotranspiration process. JAWRA Journal of the American Water Resources Association, 49(3), S.563–576. doi:10.1111/jawr.12056
DOIs
Die Earth Engine nutzen
Code-Editor (JavaScript)
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');