Este conjunto de datos forma parte de un catálogo de publicadores y no está administrado por Google Earth Engine. Comunícate con support@openetdata.org si tienes errores o consulta 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
- 1999-10-01T00:00:00Z–2025-01-01T00:00:00Z
- Proveedor del conjunto de datos
- OpenET, Inc.
- Contacto
- support@openetdata.org
- Cadencia
- 1 mes
- Etiquetas
Descripción
Implementación de Google Earth Engine del modelo de algoritmo de balance de energía de superficie para la tierra (SEBAL).
Puedes 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 OpenET geeSEBAL usa datos de temperatura de la superficie terrestre (LST) de la Colección 2 de Landsat, además de los conjuntos de datos NLDAS-2 y gridMET como entradas meteorológicas instantáneas y diarias, respectivamente.
El algoritmo estadístico automatizado para seleccionar los miembros finales fríos y calientes se basa en una versión simplificada del algoritmo de calibración mediante modelado inverso en condiciones extremas (CIMEC) propuesto por Allen et al. (2013), en el que se usan cuantiles de LST y los valores del índice de vegetación de diferencia normalizada (NDVI) para seleccionar candidatos de miembros finales en el área del dominio de Landsat. Los candidatos de miembros finales fríos y húmedos se seleccionan en áreas bien vegetadas, mientras que los candidatos de miembros finales calientes y secos se seleccionan en las áreas 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 caliente y seco, toda la energía disponible se convierte en calor sensible. Por último, las estimaciones de evapotranspiración diaria se escalan a partir de estimaciones instantáneas basadas en la fracción evaporativa, suponiendo que es constante durante el día sin cambios significativos en la humedad del suelo y la advección.
Según los resultados del estudio de evaluación de precisión e intercomparación de OpenET, el algoritmo de OpenET geeSEBAL se modificó de la siguiente manera:
- Se mejoró la versión simplificada de CIMEC mediante el uso de filtros adicionales para seleccionar los miembros finales, incluido el uso de la capa de datos de tierras de cultivo (CDL) del USDA y filtros para NDVI, LST y albedo.
- Correcciones a LST para miembros finales basadas en la precipitación anterior.
- Definición de umbrales de velocidad del viento NLDAS-2 para reducir la inestabilidad del modelo durante la corrección atmosférica.
- Mejoras para estimar la radiación neta diaria, usando FAO-56 como referencia (Allen et al., 1998).
En general, el rendimiento de geeSEBAL depende de las condiciones topográficas, climáticas y meteorológicas, con mayor sensibilidad e incertidumbre relacionadas con las selecciones de miembros finales fríos y calientes para la calibración automatizada de CIMEC, y 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 LST y la radiación global (incidente) en la superficie (incluida la tasa de disminución ambiental, la pendiente de elevación y el aspecto) para representar los efectos de las características topográficas en el algoritmo de selección de miembros finales del modelo y las estimaciones de ET.
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 incluidas en la interpolación |
Propiedades de la imagen
Propiedades de la imagen
| Nombre | Tipo | Descripción |
|---|---|---|
| build_date | STRING | Fecha en que se crearon los activos |
| cloud_cover_max | DOUBLE | Valor porcentual 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 volver a muestrear los datos de ET de referencia diarios |
| et_reference_source | STRING | ID de colección para los datos de ET de referencia diarios |
| interp_days | DOUBLE | Cantidad máxima de días antes y después de cada fecha de imagen para incluir en la interpolación |
| interp_method | STRING | Método que se usa 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 MGRS |
| model_name | STRING | Nombre del modelo de OpenET |
| model_version | STRING | Versión del modelo de OpenET |
| scale_factor_count | DOUBLE | Factor de escala 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. 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. y 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. y 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. y 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
DOIs
Explorar con Earth Engine
Editor de código (JavaScript)
var dataset = ee.ImageCollection('projects/openet/assets/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');