- Disponibilità set di dati
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- Produttore di dati
- OpenET, Inc.
- Cadenza
- 1 Month
- Tag
Descrizione
L'implementazione di geeSEBAL è stata completata di recente all'interno del framework OpenET e una panoramica della versione attuale di geeSEBAL è disponibile in Laipelt et al. (2021), basata sugli algoritmi originali sviluppati da Bastiaanssen et al. (1998). L'implementazione di OpenET geeSEBAL utilizza i dati sulla temperatura della superficie terrestre (LST) della raccolta 2 di Landsat, oltre ai set di dati NLDAS e gridMET come input meteorologici istantanei e giornalieri, rispettivamente. L'algoritmo statistico automatizzato per selezionare gli endmember caldi e freddi si basa su una versione semplificata dell'algoritmo CIMEC (Calibration using Inverse Modeling at Extreme Conditions) proposto da Allen et al. (2013), in cui vengono utilizzati i quantili dei valori LST e NDVI (Normalized Difference Vegetation Index) per selezionare i candidati endmember nell'area del dominio Landsat. I candidati endmember freddi e umidi vengono selezionati in aree con vegetazione, mentre i candidati endmember caldi e secchi vengono selezionati nelle aree di coltivazione con meno vegetazione. In base agli endmember selezionati, geeSEBAL presuppone che nell'endmember freddo e umido tutta l'energia disponibile venga convertita in calore latente (con tassi di traspirazione elevati), mentre nell'endmember caldo e secco tutta l'energia disponibile venga convertita in calore sensibile. Infine, le stime dell'evapotraspirazione giornaliera vengono aumentate dalle stime istantanee in base alla frazione evaporativa, presupponendo che sia costante durante il giorno senza variazioni significative dell'umidità del suolo e dell'advezione. In base ai risultati dello studio di valutazione e confronto dell'accuratezza di OpenET, l'algoritmo OpenET geeSEBAL è stato modificato come segue: (i) la versione semplificata di CIMEC è stata migliorata utilizzando filtri aggiuntivi per selezionare gli endmember, tra cui l'utilizzo del CDL (Cropland Data Layer) dell'USDA e filtri per NDVI, LST e albedo; (ii) correzioni a LST per gli endmember in base alle precipitazioni precedenti; (iii) definizione delle soglie di velocità del vento NLDAS per ridurre l'instabilità del modello durante la correzione atmosferica; e (iv) miglioramenti per stimare la radiazione netta giornaliera, utilizzando FAO-56 come riferimento (Allen et al., 1998). Nel complesso, le prestazioni di geeSEBAL dipendono dalle condizioni topografiche, climatiche e meteorologiche, con una maggiore sensibilità e incertezza relative alle selezioni degli endmember caldi e freddi per la calibrazione automatica CIMEC e una minore sensibilità e incertezza relative agli input meteorologici (Laipelt et al., 2021 e Kayser et al., 2022). Per ridurre le incertezze relative a terreni complessi, sono stati aggiunti miglioramenti per correggere la radiazione LST e globale (incidente) sulla superficie (inclusi il tasso di decadimento ambientale, la pendenza e l'aspetto dell'elevazione) per rappresentare gli effetti delle caratteristiche topografiche sull'algoritmo di selezione degli endmember del modello e sulle stime ET.
Bande
Bande
Dimensioni in pixel: 30 metri (tutte le bande)
| Nome | Unità | Dimensioni pixel | Descrizione |
|---|---|---|---|
et |
mm | 30 metri | Valore ET di geeSEBAL |
count |
conteggio | 30 metri | Numero di valori senza nuvole |
Proprietà immagini
Proprietà immagini
| Nome | Tipo | Descrizione |
|---|---|---|
| build_date | STRING | Data di creazione delle risorse |
| cloud_cover_max | DOUBLE | Valore percentuale CLOUD_COVER_LAND massimo per le immagini Landsat incluse nell'interpolazione |
| collections | STRING | Elenco delle raccolte Landsat per le immagini Landsat incluse nell'interpolazione |
| core_version | STRING | Versione della libreria principale di OpenET |
| end_date | STRING | Data di fine del mese |
| et_reference_band | STRING | Banda in et_reference_source che contiene i dati ET di riferimento giornalieri |
| et_reference_resample | STRING | Modalità di interpolazione spaziale per ricampionare i dati ET di riferimento giornalieri |
| et_reference_source | STRING | ID raccolta per i dati ET di riferimento giornalieri |
| interp_days | DOUBLE | Numero massimo di giorni prima e dopo la data di ogni immagine da includere nell'interpolazione |
| interp_method | STRING | Metodo utilizzato per interpolare tra le stime del modello Landsat |
| interp_source_count | DOUBLE | Numero di immagini disponibili nella raccolta di immagini di origine dell'interpolazione per il mese di destinazione |
| mgrs_tile | STRING | ID zona della griglia MGRS |
| model_name | STRING | Nome del modello OpenET |
| model_version | STRING | Versione del modello OpenET |
| scale_factor_count | DOUBLE | Fattore di scalabilità da applicare alla banda di conteggio |
| scale_factor_et | DOUBLE | Fattore di scalabilità da applicare alla banda et |
| start_date | STRING | Data di inizio del mese |
Termini e condizioni d'uso
Termini e condizioni d'uso
Citazioni
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. and 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. and 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. and 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. and 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
Esplora con Earth Engine
Editor di codice (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');