此数据集属于发布商目录，并非由 Google Earth Engine 管理。 如需报告 bug 或查看 OpenET Catalog 中的更多数据集，请发送电子邮件至 support@openetdata.org。详细了解发布商数据集。
- 目录所有者
- OpenET
- 数据集可用时间
- 2015-10-01T00:00:00Z–2026-05-01T00:00:00Z
- 数据集生产者
- OpenET, Inc.
- 联系人
- support@openetdata.org
- 频率
- 1 个月
- 标签
说明
Google Earth Engine 对 Mapping Evapotranspiration at high Resolution with Internalized Calibration 模型 (eeMETRIC) 的实现。
eeMETRIC 应用了 Allen 等人 (2007; 2015) 和 Allen 等人 (2013b) 的高级 METRIC 算法和流程，其中使用近地表气温差 (dT) 与降温后的地表温度 (TsDEM) 之间的单一关系来估计感热通量 (H)，并将其应用于每个 Landsat 场景。自动选择图像的热像素和冷像素通常遵循 Allen 等人 (2013a) 以及 ReVelle、Kilic 和 Allen (2019a,b) 描述的统计隔离程序。eeMETRIC 中 H 的校准利用了紫花苜蓿参考 ET，该参考 ET 是根据 NLDAS-2 网格化天气数据集计算得出的，并对计算出的参考 ET 固定减少 15%，以考虑网格化数据集中的已知偏差。固定减幅不会影响 eeMETRIC 的校准准确度，主要会减少边界层浮力校正的影响。
在 eeMETRIC 的 METRIC 实现中，热像素和冷像素池的候选对象识别已得到改进。新的自动化校准流程结合了 EEFlux 的两个开发分支（Allen 等人，2015 年）。第一个分支侧重于使用地表温度 (LST) 的标准失效率来改进自动化像素选择流程，而无需进一步的空间失落处理（ReVelle 等人，2019b）。第二个分支纳入了 LST 的二次空间去模糊处理以及像素选择流程的更改（ReVelle 等人，2019a）。Kilic 等人 (2021) 介绍了最终的组合方法。
eeMETRIC 采用 Allen 等人 (2013b) 开发的复杂地形（山脉）中与空气动力学相关的功能，以改进空气动力学粗糙度、风速和边界层稳定性的估计值，这些估计值与估计的地形粗糙度、坡面位置和风向有关。这些函数往往会增加迎风坡上的 H 估计值（并减少 ET），并可能会减少背风坡上的 H（并增加 ET）。自 Allen 等人（2007 年和 2011 年）提供的说明以来，eeMETRIC 中使用的其他 METRIC 函数包括：地面上存在有机覆盖物时土壤热通量 (G) 的减少、灌木丛的过量空气动力阻力、用于识别为森林的树木的 Perrier 函数（Allen 等人，2018 年；Santos 等人，2012 年）和开放水域蒸发的空气动力学估计，而不是使用能量平衡（Jensen 和 Allen，2016 年；Allen 等人，2018 年）。2022 年，Perrier 函数应用于树木（果园）作物，并将大宗地表温度的 3 源划分（冠层温度、阴影土壤温度和阳光照射土壤温度）应用于果园和葡萄园。后一种应用是在通过 CDL 或（在加利福尼亚州）通过州政府赞助的土地使用系统识别果园和葡萄园的情况下进行的。这些函数以及对原始 METRIC 模型的其他增强功能在最新的 METRIC 用户手册（Allen 等人，2018 年）。eeMETRIC 使用经过大气校正的 Landsat Collection 2 Level 2 地表反射率和 LST，并在需要进行近实时估计时回退到 Collection 2 Level 1。 OpenET Collection v2.1
OpenET Collection v2.1 是 Collection v2.0 的重新处理和更新版本，主要旨在解决已知的 v2.0 问题，同时还纳入了细微的模型改进和输入数据更新。预计在某些地点和时间，这两个收集版本之间的 ET 会有明显差异。部分更新和更改包括：
- 额外的云过滤和过滤，以跳过未遮盖云和/或大面积积雪的 Landsat 影像。
- 重新处理，以纳入对 NLDAS-2 和 GRIDMET 输入气象数据集的更新。
- 将 USGS 年度 NLCD 产品纳入需要土地覆盖信息的所有模型中。
- 针对需要作物类型信息的所有模型纳入最新的 USDA CDL。
- 更新了插值，因此只有当某个月的所有天都有插值时，才会生成月度 ET（减少多云/下雪或低覆盖率时段的“count=0”月份）。
- 应用发射率校正来解决 Landsat LST 数据中的已知问题。
频段
波段
像素大小：30 米（所有波段）
| 名称 | 单位 | 像元大小 | 说明 |
|---|---|---|---|
et |
mm | 30 米 | 实际蒸散量 (ET) 总计 |
count |
计数 | 30 米 | 插值中包含的当月无云观测次数 |
图片属性
图像属性
| 名称 | 类型 | 说明 |
|---|---|---|
| build_date | STRING | 资产的建造日期 |
| build_status | STRING | 状态可以是“永久”或“临时”。标记为“临时”的图片日后可能会更新。 |
| cloud_cover_max | 双精度 | 纳入插值的 Landsat 图片的最大 CLOUD_COVER_LAND 百分比值 |
| 收藏集 | STRING | 用于插值的 Landsat 图像的 Landsat 集合列表 |
| core_version | STRING | OpenET 核心库版本 |
| end_date | STRING | 月份的结束日期 |
| et_reference_band | STRING | et_reference_source 中包含每日参考 ET 数据的频段 |
| et_reference_resample | STRING | 用于重新采样每日参考 ET 数据的空间插值模式 |
| et_reference_source | STRING | 每日参考 ET 数据的集合 ID |
| image_source_count | 双精度 | 插值中使用的场景图片数量 |
| interp_days | 双精度 | 在插值中纳入每个图片日期之前和之后的天数上限 |
| interp_method | STRING | 用于在 Landsat 模型估计值之间进行插值的方法 |
| interp_source_count | 双精度 | 插值源图片集合中目标月份的可用图片数量 |
| mgrs_tile | STRING | MGRS 网格区域 ID |
| model_name | STRING | OpenET 模型名称 |
| model_version | STRING | OpenET 模型版本 |
| scale_factor_count | 双精度 | 应应用于数量区间的缩放比例 |
| scale_factor_et | 双精度 | 应应用于 ET 频段的缩放比例 |
| start_date | STRING | 月份开始日期 |
| units_et | STRING | “et”频段的单位 |
使用条款
使用条款
引用
Kilic, A.、Allen, R.G.、Blankenau, P.、ReVelle, P.Ozturk, D. 和 Huntington, J.，2021 年。全球生产，并可免费使用 EEFlux 和 eeMETRIC 获取 Landsat 规模的蒸散量。In 6th Decennial National Irrigation Symposium, 6-8, December 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. 和 Trezza, R.，2005 年。美国西部水权法规和规划中基于陆地卫星的能量平衡和蒸散模型。Irrigation and Drainage systems（《灌溉和排水系统》），19，第 251-268 页。 doi:10.1007/s10795-005-5187-z
Allen, R.G.、Tasumi, M. 和 Trezza, R.，2007 年。基于卫星的能量平衡，用于通过内部校准（METRIC）对蒸发蒸腾进行测绘 - 模型。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. 和 Kjaersgaard, J.，2011 年。基于卫星的农业蒸散量估计，使用 SEBAL 和 METRIC。水文过程，25(26)，第 4011-4027 页。doi:10.1002/hyp.8408
Allen, R.G.、Burnett, B.、Kramber, W.，Huntington, J.、Kjaersgaard, J.、 Kilic, A.、Kelly, C. 和 Trezza, R.，2013a. 自动校准 METRIC-Landsat 蒸发蒸腾过程。JAWRA Journal of the American Water Resources Association，49(3)，第 563-576 页。doi:10.1111/jawr.12056
Allen, R.G.、Trezza, R.、Kilic, A.、Tasumi, M. 和 Li, H.，2013b。 Landsat 尺度能量平衡对山地和复杂地形中空气动力学变异性的敏感性。JAWRA Journal of the American Water Resources Association，49(3)，第 592-604 页。 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. 和 Ratcliffe, I.， 2015 年。EEFlux：Google Earth Engine 上基于 Landsat 的蒸散量测绘工具。In 2015 ASABE/IA Irrigation Symposium: Emerging Technologies for Sustainable Irrigation-A Tribute to the Career of Terry Howell, Sr. Conference Proceedings（2015 年 ASABE/IA 灌溉研讨会：可持续灌溉的新兴技术 - 向 Terry Howell Sr. 的职业生涯致敬，会议论文集）（第 1-11 页）。American Society of Agricultural and Biological Engineers. doi:10.13031/irrig.20152143511
Jensen, M.E. 和 R.G. Allen（编辑）。2016 年。蒸发、蒸腾和灌溉用水需求。实践手册第 70 号（第 2 版）。Task Committee on Revision of Manual 70，2016 年 4 月。美国土木工程师协会。弗吉尼亚州雷斯顿。744 页。 doi:10.1061/9780784414057
Kilic, A.、Allen, R.、Trezza, R.、Ratcliffe, I.、Kamble, B.、Robison、C. 和 Ozturk、D.，2016 年。METRIC 处理算法的蒸散量反演对 Landsat 8 热数据的改进辐射分辨率以及 Landsat 7 和 8 地表温度的校准偏差的敏感性。Remote Sensing of Environment，185，第 198-209 页。 doi:10.1016/j.rse.2016.07.011
ReVelle, P.A. Kilic 和 R.G. Allen。2019a. 更新了校准说明：eeMETRIC 中的空间去延迟。研究笔记。内布拉斯加大学林肯分校和爱达荷大学自然资源学院。9 p.
ReVelle, P.A. Kilic 和 R.G. Allen。2019b. 更新了校准说明：eeMETRIC 中的自动 Pixel 选择方法。研究笔记。内布拉斯加大学林肯分校和爱达荷大学自然资源学院。20 页。
Santos, C.、Lorite, I.J.、Allen, R.G. 和 Tasumi, M.，2012 年。基于卫星的能量平衡 (METRIC) 模型的空气动力学形参化，用于估计西班牙安达卢西亚雨养橄榄园的蒸散量。Water Resources Management，26，第 3267-3283 页。 doi:10.1007/s11269-012-0071-8
DOI
通过 Earth Engine 探索
代码编辑器 (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');