- Disponibilidad del conjunto de datos
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- Proveedor de conjuntos de datos
- OpenET, Inc.
- Cadencia
- 1 mes
- Etiquetas
Descripción
La implementación de geeSEBAL se completó recientemente en el marco de OpenET, y se puede encontrar una descripción general de la versión actual de geeSEBAL en Laipelt et al. (2021), que se basa en los algoritmos originales desarrollados por Bastiaanssen et al. (1998). La implementación de geeSEBAL de OpenET utiliza datos de la temperatura de la superficie terrestre (LST) de la Colección 2 de Landsat, además de los conjuntos de datos de NLDAS y gridMET como entradas meteorológicas instantáneas y diarias, respectivamente. El algoritmo estadístico automatizado para seleccionar los miembros extremos fríos y cálidos se basa en una versión simplificada del algoritmo de calibración con modelado inverso en condiciones extremas (CIMEC) propuesto por Allen et al. (2013), en el que se utilizan los cuantiles de la LST y los valores del índice de vegetación de diferencia normalizada (NDVI) para seleccionar los candidatos a miembros extremos en el área de dominio de Landsat. Los candidatos de extremos fríos y húmedos se seleccionan en áreas bien vegetadas, mientras que los candidatos de extremos cálidos y secos se seleccionan en las áreas de tierras de cultivo menos vegetadas. Según los miembros finales seleccionados, geeSEBAL supone que, en el miembro final frío y húmedo, toda la energía disponible se convierte en calor latente (con altas tasas de transpiración), mientras que, en el miembro final cálido y seco, toda la energía disponible se convierte en calor sensible. Por último, las estimaciones de la evapotranspiración diaria se ajustan a partir de las estimaciones instantáneas en función de la fracción evaporativa, suponiendo que es constante durante el día sin cambios significativos en la humedad del suelo ni en la advección. Según los resultados del estudio de evaluación y comparación de la precisión de OpenET, el algoritmo geeSEBAL de OpenET se modificó de la siguiente manera: (i) Se mejoró la versión simplificada de CIMEC con filtros adicionales para seleccionar los miembros finales, incluido el uso de la capa de datos de cultivos (CDL) del USDA y filtros para el NDVI, la LST y el albedo. (ii) Se realizaron correcciones en la LST para los miembros finales en función de la precipitación antecedente. (iii) Se definieron umbrales de velocidad del viento de NLDAS para reducir la inestabilidad del modelo durante la corrección atmosférica. (iv) Se realizaron mejoras para estimar la radiación neta diaria, utilizando el FAO-56 como referencia (Allen et al., 1998). En general, el rendimiento de geeSEBAL depende de las condiciones topográficas, climáticas y meteorológicas, con una mayor sensibilidad e incertidumbre relacionadas con las selecciones de extremos fríos y calientes para la calibración automatizada del CIMEC, y una menor sensibilidad e incertidumbre relacionadas con las entradas meteorológicas (Laipelt et al., 2021 y Kayser et al., 2022). Para reducir las incertidumbres relacionadas con el terreno complejo, se agregaron mejoras para corregir la radiación global (incidente) y la LST en la superficie (incluidos el gradiente ambiental, la pendiente y la orientación de la elevación) para representar los efectos de los accidentes geográficos en el algoritmo de selección de miembros finales del modelo y las estimaciones de ET.
Bandas
Tamaño de píxel
30 metros
Bandas
| Nombre | Unidades | Tamaño de los píxeles | Descripción |
|---|---|---|---|
et |
mm | metros | Valor de ET de geeSEBAL |
count |
count | metros | Cantidad de valores gratuitos de la nube |
Propiedades de imágenes
Propiedades de la imagen
| Nombre | Tipo | Descripción |
|---|---|---|
| build_date | STRING | Fecha en que se construyeron los activos |
| cloud_cover_max | DOUBLE | Valor de porcentaje máximo de CLOUD_COVER_LAND para las imágenes de Landsat incluidas en la interpolación |
| colecciones | STRING | Lista de colecciones de Landsat para las imágenes de Landsat incluidas en la interpolación |
| core_version | STRING | Versión de la biblioteca principal de OpenET |
| end_date | STRING | Fecha de finalización del mes |
| et_reference_band | STRING | Banda en et_reference_source que contiene los datos de ET de referencia diarios |
| et_reference_resample | STRING | Modo de interpolación espacial para remuestrear los datos de ET de referencia diarios |
| et_reference_source | STRING | ID de la colección de datos de referencia de ET diarios |
| interp_days | DOUBLE | Cantidad máxima de días antes y después de la fecha de cada imagen que se incluirán en la interpolación |
| interp_method | STRING | Método utilizado para interpolar entre las estimaciones del modelo de Landsat |
| interp_source_count | DOUBLE | Cantidad de imágenes disponibles en la colección de imágenes fuente de interpolación para el mes objetivo |
| mgrs_tile | STRING | ID de zona de cuadrícula del MGRS |
| model_name | STRING | Nombre del modelo OpenET |
| model_version | STRING | Versión del modelo de OpenET |
| scale_factor_count | DOUBLE | Factor de ajuste que se debe aplicar a la banda de recuento |
| scale_factor_et | DOUBLE | Factor de escala que se debe aplicar a la banda de ET |
| start_date | STRING | Fecha de inicio del mes |
Condiciones de Uso
Condiciones de Uso
Citas
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. y Melton, F., 2021. Supervisión a largo plazo de la evapotranspiración con el algoritmo SEBAL y la computación en la nube de Google Earth Engine ISPRS Journal of Photogrammetry and Remote Sensing, 178, pp.81-96. doi:10.1016/j.isprsjprs.2021.05.018
Bastiaanssen, W.G., Menenti, M., Feddes, R.A. y Holtslag, A.A.M., 1998 Es un algoritmo de balance de energía superficial de detección remota para la tierra (SEBAL). 1. Formulación. Journal of Hydrology, 212, págs.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. y Neale, C.M.U., 2022. Evaluación de la calibración automática de geeSEBAL y las incertidumbres del reanálisis meteorológico para estimar la evapotranspiración en climas subtropicales húmedos. Agricultural and Forest Meteorology, 314, p.108775. doi:10.1016/j.agrformet.2021.108775
Allen, R.G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C. y Trezza, R., 2013. Calibración automática del proceso de evapotranspiración de Metric-Landsat. JAWRA Journal of the American Water Resources Association, 49(3), pp.563-576. doi:10.1111/jawr.12056
DOI
Explora con Earth Engine
Editor de código (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');