- Disponibilité de l'ensemble de données
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- Producteur de l'ensemble de données
- OpenET, Inc.
- Cadence
- 1 mois
- Tags
Description
L'implémentation de geeSEBAL a récemment été finalisée dans le framework OpenET. Vous trouverez un aperçu de la version actuelle de geeSEBAL dans Laipelt et al. (2021), qui est basée sur les algorithmes d'origine développés par Bastiaanssen et al. (1998). L'implémentation OpenET geeSEBAL utilise les données de température de la surface terrestre (LST) de la collection 2 de Landsat, en plus des ensembles de données NLDAS et gridMET comme entrées météorologiques instantanées et quotidiennes, respectivement. L'algorithme statistique automatisé permettant de sélectionner les membres extrêmes chauds et froids est basé sur une version simplifiée de l'algorithme CIMEC (Calibration using Inverse Modeling at Extreme Conditions) proposé par Allen et al. (2013), où les quantiles de la LST et les valeurs de l'indice de végétation par différence normalisée (NDVI) sont utilisés pour sélectionner les candidats membres extrêmes dans la zone du domaine Landsat. Les candidats membres extrêmes froids et humides sont sélectionnés dans les zones bien végétalisées, tandis que les candidats membres extrêmes chauds et secs sont sélectionnés dans les zones de cultures les moins végétalisées. En fonction des membres extrêmes sélectionnés, geeSEBAL suppose que dans le membre extrême froid et humide, toute l'énergie disponible est convertie en chaleur latente (avec des taux de transpiration élevés), tandis que dans le membre extrême chaud et sec, toute l'énergie disponible est convertie en chaleur sensible. Enfin, les estimations de l'évapotranspiration quotidienne sont mises à l'échelle à partir d'estimations instantanées basées sur la fraction d'évaporation, en supposant qu'elle est constante pendant la journée sans changements importants dans l'humidité du sol et l'advection. Sur la base des résultats de l'étude d'évaluation et de comparaison de la précision OpenET, l'algorithme OpenET geeSEBAL a été modifié comme suit : (i) la version simplifiée de CIMEC a été améliorée en utilisant des filtres supplémentaires pour sélectionner les membres extrêmes, y compris l'utilisation de la couche de données sur les cultures (CDL) de l'USDA et des filtres pour le NDVI, la LST et l'albédo ; (ii) corrections de la LST pour les membres extrêmes en fonction des précipitations antérieures ; (iii) définition des seuils de vitesse du vent NLDAS pour réduire l'instabilité du modèle lors de la correction atmosphérique ; et (iv) améliorations pour estimer le rayonnement net quotidien, en utilisant la FAO-56 comme référence (Allen et al., 1998). Dans l'ensemble, les performances de geeSEBAL dépendent des conditions topographiques, climatiques et météorologiques, avec une sensibilité et une incertitude plus élevées liées aux sélections de membres extrêmes chauds et froids pour l'étalonnage automatisé CIMEC, et une sensibilité et une incertitude plus faibles liées aux entrées météorologiques (Laipelt et al., 2021 et Kayser et al., 2022). Pour réduire les incertitudes liées aux terrains complexes, des améliorations ont été ajoutées pour corriger la LST et le rayonnement global (incident) à la surface (y compris le taux de déperdition environnemental, la pente et l'orientation de l'altitude) afin de représenter les effets des caractéristiques topographiques sur l'algorithme de sélection des membres extrêmes du modèle et les estimations de l'ET.
Bandes
Bandes
Taille des pixels : 30 mètres (toutes les bandes)
| Nom | Unités | Taille des pixels | Description |
|---|---|---|---|
et |
mm | 30 mètres | Valeur ET geeSEBAL |
count |
nombre | 30 mètres | Nombre de valeurs sans nuage |
Propriétés des images
Propriétés des images
| Nom | Type | Description |
|---|---|---|
| build_date | STRING | Date de création des assets |
| cloud_cover_max | DOUBLE | Valeur maximale en pourcentage de CLOUD_COVER_LAND pour les images Landsat incluses dans l'interpolation |
| collections | STRING | Liste des collections Landsat pour les images Landsat incluses dans l'interpolation |
| core_version | STRING | Version de la bibliothèque principale OpenET |
| end_date | STRING | Date de fin du mois |
| et_reference_band | STRING | Bande dans et_reference_source contenant les données ET de référence quotidiennes |
| et_reference_resample | STRING | Mode d'interpolation spatiale pour rééchantillonner les données ET de référence quotidiennes |
| et_reference_source | STRING | ID de collection pour les données ET de référence quotidiennes |
| interp_days | DOUBLE | Nombre maximal de jours avant et après chaque date d'image à inclure dans l'interpolation |
| interp_method | STRING | Méthode utilisée pour interpoler entre les estimations du modèle Landsat |
| interp_source_count | DOUBLE | Nombre d'images disponibles dans la collection d'images source d'interpolation pour le mois cible |
| mgrs_tile | STRING | ID de zone de grille MGRS |
| model_name | STRING | Nom du modèle OpenET |
| model_version | STRING | Version du modèle OpenET |
| scale_factor_count | DOUBLE | Facteur d'échelle à appliquer à la bande de comptage |
| scale_factor_et | DOUBLE | Facteur d'échelle à appliquer à la bande et |
| start_date | STRING | Date de début du mois |
Conditions d'utilisation
Conditions d'utilisation
Citations
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. et 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, pp.81-96. doi:10.1016/j.isprsjprs.2021.05.018
Bastiaanssen, W.G., Menenti, M., Feddes, R.A. et Holtslag, A.A.M., 1998. A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation. Journal of hydrology, 212, pp.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. et 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, p.108775. doi:10.1016/j.agrformet.2021.108775
Allen, R.G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C. et Trezza, R., 2013. Automated calibration of the metric-landsat evapotranspiration process. JAWRA Journal of the American Water Resources Association, 49(3), pp.563-576. doi:10.1111/jawr.12056
DOI
Explorer avec Earth Engine
Éditeur de code (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');