Este conjunto de datos forma parte de un catálogo de publicadores y no lo administra Google Earth Engine. Comunícate a support@openetdata.org para informar errores o ver más conjuntos de datos del catálogo de OpenET. Obtén más información sobre los conjuntos de datos de publicadores.
- Propietario del catálogo
- OpenET
- Disponibilidad del conjunto de datos
- 2015-10-01T00:00:00Z–2026-08-01T00:00:00Z
- Proveedor del conjunto de datos
- OpenET, Inc.
- Contacto
- support@openetdata.org
- Cadencia
- 1 mes
- Etiquetas
Descripción
Implementación en Google Earth Engine del modelo Mapping Evapotranspiration at high Resolution with Internalized Calibration (eeMETRIC).
eeMETRIC aplica los algoritmos y el proceso avanzados de METRIC de Allen et al. (2007; 2015) y Allen et al. (2013b), en los que se usa una relación singular entre la diferencia de temperatura del aire cerca de la superficie (dT) y la temperatura de la superficie terrestre delapsada (TsDEM) para estimar el flujo de calor sensible (H) y se aplica a cada escena de Landsat. La selección automática de los píxeles fríos y calientes de una imagen suele seguir un procedimiento de aislamiento estadístico que describen Allen et al. (2013a) y ReVelle, Kilic y Allen (2019a,b). La calibración de H en eeMETRIC utiliza la ET de referencia de alfalfa calculada a partir del conjunto de datos meteorológicos discretizados de NLDAS-2 con una reducción fija del 15% en la ET de referencia calculada para tener en cuenta las sesgos conocidos en el conjunto de datos discretizados. La reducción fija no afecta la precisión de la calibración de eeMETRIC y, en su mayoría, reduce los impactos de la corrección de flotabilidad de la capa límite.
La identificación de candidatos para los grupos de píxeles fríos y calientes evolucionó en la implementación de eeMETRIC de METRIC. El nuevo proceso de calibración automatizado incorpora la combinación de metodologías y enfoques que provienen de dos ramas de desarrollo de EEFlux (Allen et al., 2015). La primera rama se centró en mejorar el proceso de selección de píxeles automatizado utilizando tasas de pérdida estándar para la temperatura de la superficie terrestre (LST) sin ninguna otra pérdida espacial (ReVelle et al., 2019b). La segunda rama incorporó un segundo proceso de reducción espacial de LST, así como cambios en el proceso de selección de píxeles (ReVelle et al., 2019a). El enfoque final y combinado se describe en Kilic et al. (2021).
eeMETRIC emplea las funciones relacionadas con la aerodinámica en terrenos complejos (montañas) desarrolladas por Allen et al. (2013b) para mejorar las estimaciones de la rugosidad aerodinámica, la velocidad del viento y la estabilidad de la capa límite en relación con la rugosidad del terreno estimada, la posición en una pendiente y la dirección del viento. Estas funciones tienden a aumentar las estimaciones de H (y reducir la ET) en las laderas de barlovento y pueden reducir H (y aumentar la ET) en las laderas de sotavento. Otras funciones de METRIC empleadas en eeMETRIC que se agregaron desde las descripciones proporcionadas en Allen et al. (2007 y 2011) incluyen la reducción del flujo de calor del suelo (G) en presencia de mantillo orgánico en la superficie del suelo, el uso de una resistencia aerodinámica excesiva para los arbustos, el uso de la función de Perrier para los árboles identificados como bosque (Allen et al., 2018; Santos et al., 2012) y la estimación aerodinámica de la evaporación del agua abierta en lugar de usar el balance energético (Jensen y Allen, 2016; Allen et al., 2018). En 2022, la función de Perrier se aplicó a los cultivos de árboles (huertos) y se aplicó una partición de 3 fuentes de la temperatura superficial a granel en temperatura del dosel, temperatura del suelo sombreado y temperatura del suelo iluminado por el sol tanto a los huertos como a los viñedos. Estas últimas solicitudes se realizaron en lugares donde los huertos y viñedos se identifican con el CDL o, en California, con un sistema de uso de la tierra patrocinado por el estado. Estas funciones y otras mejoras del modelo METRIC original se describen en el manual de usuarios de METRIC más reciente (Allen et al., 2018). eeMETRIC usa la reflectividad de la superficie corregida atmosféricamente y la LST de la Colección 2, nivel 2 de Landsat, con una opción de respaldo a la Colección 2, nivel 1 cuando se necesita para estimaciones casi en tiempo real. OpenET Collection v2.1
La colección OpenET v2.1 es una versión reprocesada y actualizada de la colección v2.0, diseñada principalmente para abordar los problemas conocidos de la versión 2.0, y también incorpora pequeñas mejoras en el modelo y actualizaciones de los datos de entrada. Se espera que haya diferencias notables en el ET entre las dos versiones de recopilación para algunos lugares y horarios. Estas son algunas de las actualizaciones y los cambios:
- Se agregó un filtrado y una detección de nubes adicionales para omitir las imágenes de Landsat con nubes sin máscara o una cobertura de nieve extensa.
- Se volvió a procesar para incorporar actualizaciones a los conjuntos de datos meteorológicos de entrada de NLDAS-2 y GRIDMET.
- Se incorporó el producto anual NLCD del USGS para todos los modelos que requieren información sobre la cobertura del suelo.
- Se incorporó la CDL más reciente del USDA para todos los modelos que requieren información sobre el tipo de cultivo.
- Se actualizaron las interpolaciones para que la ET mensual solo se produzca cuando todos los días del mes tengan valores interpolados (lo que reduce los meses con "count=0" en períodos nublados o con nieve, o bien con baja cobertura).
- Se aplicó una corrección de emisividad para abordar un problema conocido en los datos de LST de Landsat.
Bandas
Bandas
Tamaño de píxel: 30 metros (todas las bandas)
| Nombre | Unidades | Tamaño de los píxeles | Descripción |
|---|---|---|---|
et |
mm | 30 metros | Evapotranspiración real total (ET) |
count |
count | 30 metros | Cantidad de observaciones sin nubes en el mes incluido en la interpolación |
Propiedades de imágenes
Propiedades de la imagen
| Nombre | Tipo | Descripción |
|---|---|---|
| build_date | STRING | Fecha en que se construyeron los activos |
| build_status | STRING | El estado puede ser "permanente" o "provisional". Es posible que las imágenes marcadas como "provisionales" se actualicen en el futuro. |
| 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 | Es la 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 |
| image_source_count | DOUBLE | Cantidad de imágenes de la escena que se usan en la interpolación |
| interp_days | DOUBLE | Cantidad máxima de días antes y después de cada fecha de la 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 de origen de interpolación para el mes objetivo |
| mgrs_tile | STRING | ID de zona de cuadrícula del MGRS |
| model_name | STRING | Nombre del modelo de OpenET |
| model_version | STRING | Versión del modelo de OpenET |
| scale_factor_count | DOUBLE | Es el factor de ajuste que se debe aplicar a la banda de recuento. |
| scale_factor_et | DOUBLE | Factor de ajuste que se debe aplicar a la banda de ET |
| start_date | STRING | Fecha de inicio del mes |
| units_et | STRING | Unidades de la banda "et" |
Condiciones de Uso
Condiciones de Uso
Citas
Kilic, A., Allen, R.G., Blankenau, P., ReVelle, P., Ozturk, D. y Huntington, J., 2021. Producción global y acceso gratuito a la evapotranspiración a escala de Landsat con EEFlux y eeMETRIC. En el 6º Simposio Nacional Decenal de Irrigación, del 6 al 8 de diciembre de 2021, San Diego, California (p. 1). American Society of Agricultural and Biological Engineers. doi:10.13031/irrig.2020-038
Allen, R.G., Tasumi, M., Morse, A. y Trezza, R., 2005. Un modelo de balance energético y evapotranspiración basado en Landsat para la planificación y regulación de los derechos de agua en el oeste de EE.UU. Irrigation and Drainage systems, 19, pp.251-268. doi:10.1007/s10795-005-5187-z
Allen, R.G., Tasumi, M. y Trezza, R., 2007. Balance energético basado en satélites para mapear la evapotranspiración con calibración internalizada (METRIC), modelo. Journal of irrigation and drainage engineering, 133(4), pp.380-394. doi:10.1029/2006JD007506
Allen, R., Irmak, A., Trezza, R., Hendrickx, J.M., Bastiaanssen, W. y Kjaersgaard, J., 2011. Estimación de la ET basada en satélites en la agricultura con SEBAL y METRIC. Hydrological Processes, 25(26), pp.4011-4027. doi:10.1002/hyp.8408
Allen, R.G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C. y Trezza, R., 2013a. Calibración automatizada del proceso de evapotranspiración de Metric-Landsat. JAWRA Journal of the American Water Resources Association, 49(3), págs.563-576. doi:10.1111/jawr.12056
Allen, R.G., Trezza, R., Kilic, A., Tasumi, M. y Li, H., 2013b. Sensibilidad del balance energético a escala de Landsat a la variabilidad aerodinámica en montañas y terrenos complejos JAWRA Journal of the American Water Resources Association, 49(3), pp.592-604. doi:10.1111/jawr.12055
Allen, R.G., Morton, C., Kamble, B., Kilic, A., Huntington, J., Thau, D., Gorelick, N., Erickson, T., Moore, R., Trezza, R. and Ratcliffe, I., 2015. EEFlux: Es una herramienta de creación de mapas de evapotranspiración basada en Landsat en Google Earth Engine. En 2015 ASABE/IA Irrigation Symposium: Emerging Technologies for Sustainable Irrigation-A Tribute to the Career of Terry Howell, Sr. Conference Proceedings (págs. 1-11). American Society of Agricultural and Biological Engineers. doi:10.13031/irrig.20152143511
Jensen, M.E. y R.G. Allen (ed.). 2016. Evaporación, evapotranspiración y requisitos de agua de riego Manuales de práctica núm. 70 (2ª edición). Comité de tareas sobre la revisión del Manual 70, abril de 2016. American Society of Civil Engineers. Reston, VA. 744 p.doi:10.1061/9780784414057
Kilic, A., Allen, R., Trezza, R., Ratcliffe, I., Kamble, B., Robison, C. and Ozturk, D., 2016. Sensibilidad de las recuperaciones de evapotranspiración del algoritmo de procesamiento METRIC a la mejora de la resolución radiométrica de los datos térmicos de Landsat 8 y al sesgo de calibración en la temperatura de la superficie de Landsat 7 y 8. Remote Sensing of Environment, 185, pp.198-209. doi:10.1016/j.rse.2016.07.011
ReVelle, P., A. Kilic y R.G. Allen. 2019a. Se actualizó la descripción de la calibración: Delapsing espacial en eeMETRIC. Nota de investigación. Escuela de Recursos Naturales, University of Nebraska-Lincoln y University of Idaho. 9 p.
ReVelle, P., A. Kilic y R.G. Allen. 2019b. Descripción de la calibración actualizada: Método de selección de píxeles automatizado en eeMETRIC. Nota de investigación. School of Natural Resources, University of Nebraska-Lincoln y University of Idaho. 20 p.
Santos, C., Lorite, I.J., Allen, R.G. y Tasumi, M., alrededor del 2012. Parametrización aerodinámica del modelo de balance energético basado en satélites (METRIC) para la estimación de la ET en olivares de secano de Andalucía, España. Water Resources Management, 26, pp.3267-3283. doi:10.1007/s11269-012-0071-8
DOI
Explora con Earth Engine
Editor de código (JavaScript)
var dataset = ee.ImageCollection('projects/openet/assets/eemetric/conus/gridmet/monthly/v2_1') .filterDate('2024-01-01', '2025-01-01'); // 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 eeMETRIC Annual ET');