ชุดข้อมูลนี้เป็นส่วนหนึ่งของแคตตาล็อกผู้เผยแพร่โฆษณาและ Google Earth Engine ไม่ได้เป็นผู้จัดการ โปรดติดต่อ support@openetdata.org หากพบข้อบกพร่อง หรือดูชุดข้อมูลเพิ่มเติม จากแคตตาล็อก OpenET ดูข้อมูลเพิ่มเติมเกี่ยวกับชุดข้อมูลของผู้เผยแพร่โฆษณา
- เจ้าของแคตตาล็อก
- OpenET
- ความพร้อมใช้งานของชุดข้อมูล
- 1999-10-01T00:00:00Z–2025-01-01T00:00:00Z
- ผู้ผลิตชุดข้อมูล
- OpenET, Inc.
- รายชื่อติดต่อ
- support@openetdata.org
- ความถี่การบันทึก
- 1 เดือน
- แท็ก
คำอธิบาย
การใช้งาน Google Earth Engine ของโมเดล Surface Energy Balance Algorithm for Land (SEBAL)
ภาพรวมของ geeSEBAL เวอร์ชันปัจจุบันดูได้ที่ Laipelt และคณะ (2021) ซึ่งอิงตามอัลกอริทึมดั้งเดิมที่พัฒนาโดย Bastiaanssen และคณะ (1998) การใช้งาน OpenET geeSEBAL ใช้ข้อมูลอุณหภูมิพื้นผิวดิน (LST) จาก Landsat Collection 2 นอกเหนือจากชุดข้อมูล NLDAS-2 และ gridMET เป็นข้อมูลอุตุนิยมแบบทันทีและรายวันตามลำดับ
อัลกอริทึมทางสถิติอัตโนมัติเพื่อเลือกสมาชิกปลายทางที่ร้อนและเย็นจะอิงตามเวอร์ชันที่ง่ายขึ้นของอัลกอริทึมการปรับเทียบโดยใช้การสร้างแบบจำลองผกผันในสภาวะสุดขั้ว (CIMEC) ที่เสนอโดย Allen และคณะ (2013) ซึ่งใช้ควอนไทล์ของ LST และค่าดัชนีพืชพรรณที่แตกต่างกันแบบปกติ (NDVI) เพื่อเลือกผู้สมัครสมาชิกปลายทางในพื้นที่โดเมน Landsat ผู้สมัครสมาชิกปลายทางที่เย็นและเปียกจะได้รับการเลือกในพื้นที่ที่มีพืชพรรณขึ้นหนาแน่น ในขณะที่ผู้สมัครสมาชิกปลายทางที่ร้อนและแห้งจะได้รับการเลือกในพื้นที่เพาะปลูกที่มีพืชพรรณขึ้นน้อยที่สุด โดยอิงตามสมาชิกปลายทางที่เลือก geeSEBAL จะสันนิษฐานว่าสมาชิกปลายทางที่เย็นและเปียกจะมีการแปลงพลังงานที่มีอยู่ทั้งหมดเป็นความร้อนแฝง (มีการคายระเหยสูง) ในขณะที่สมาชิกปลายทางที่ร้อนและแห้งจะมีการแปลงพลังงานที่มีอยู่ทั้งหมดเป็นความร้อนที่สัมผัสได้ สุดท้ายนี้ ค่าประมาณของการคายระเหยรายวันจะได้รับการปรับขนาดจากค่าประมาณแบบทันทีโดยอิงตามเศษส่วนการระเหย โดยสันนิษฐานว่าค่านี้คงที่ในช่วงเวลากลางวันโดยไม่มีการเปลี่ยนแปลงความชื้นในดินและการพาความร้อนอย่างมีนัยสำคัญ
อัลกอริทึม OpenET geeSEBAL ได้รับการแก้ไขดังนี้โดยอิงตามผลลัพธ์จากการประเมินความถูกต้องและการศึกษาการเปรียบเทียบของ OpenET
- เวอร์ชันที่ง่ายขึ้นของ CIMEC ได้รับการปรับปรุงโดยใช้ตัวกรองเพิ่มเติมเพื่อเลือกสมาชิกปลายทาง ซึ่งรวมถึงการใช้ชั้นข้อมูลพืชเพาะปลูก (CDL) ของ USDA และตัวกรองสำหรับ NDVI, LST และอัลบีโด
- การแก้ไข LST สำหรับสมาชิกปลายทางโดยอิงตามปริมาณน้ำฝนก่อนหน้า
- การกำหนดเกณฑ์ความเร็วลม NLDAS-2 เพื่อลดความไม่เสถียรของโมเดลระหว่างการแก้ไขชั้นบรรยากาศ
- การปรับปรุงเพื่อประมาณการแผ่รังสีสุทธิรายวัน โดยใช้ FAO-56 เป็นข้อมูลอ้างอิง (Allen และคณะ, 1998)
โดยรวมแล้ว ประสิทธิภาพของ geeSEBAL ขึ้นอยู่กับสภาพภูมิประเทศ สภาพภูมิอากาศ และสภาพอากาศ โดยมีความไวและความไม่แน่นอนสูงกว่าที่เกี่ยวข้องกับการเลือกสมาชิกปลายทางที่ร้อนและเย็นสำหรับการปรับเทียบอัตโนมัติของ CIMEC และมีความไวและความไม่แน่นอนต่ำกว่าที่เกี่ยวข้องกับข้อมูลอุตุนิยม (Laipelt และคณะ, 2021 และ Kayser และคณะ, 2022) เพื่อลดความไม่แน่นอนที่เกี่ยวข้องกับภูมิประเทศที่ซับซ้อน เราได้เพิ่มการปรับปรุงเพื่อแก้ไข LST และการแผ่รังสีทั่วโลก (ที่ตกกระทบ) บนพื้นผิว (รวมถึงอัตราการลดลงของอุณหภูมิตามความสูง ความชัน และทิศทาง) เพื่อแสดงถึงผลกระทบของลักษณะภูมิประเทศต่ออัลกอริทึมการเลือกสมาชิกปลายทางและการประมาณค่า ET ของโมเดล
ย่านความถี่
ย่านความถี่
ขนาดพิกเซล: 30 เมตร (ทุกย่านความถี่)
| ชื่อ | หน่วย | ขนาดพิกเซล | คำอธิบาย |
|---|---|---|---|
et |
มม. | 30 เมตร | การคายระเหยจริงทั้งหมด (ET) |
count |
จำนวน | 30 เมตร | จำนวนการสังเกตที่ไม่มีเมฆในเดือนที่รวมอยู่ในการประมาณค่า |
พร็อพเพอร์ตี้รูปภาพ
พร็อพเพอร์ตี้รูปภาพ
| ชื่อ | ประเภท | คำอธิบาย |
|---|---|---|
| build_date | STRING | วันที่สร้างชิ้นงาน |
| cloud_cover_max | DOUBLE | ค่าเปอร์เซ็นต์ CLOUD_COVER_LAND สูงสุดสำหรับรูปภาพ Landsat ที่รวมอยู่ในการประมาณค่า |
| collections | STRING | รายการคอลเล็กชัน Landsat สำหรับรูปภาพ Landsat ที่รวมอยู่ในการประมาณค่า |
| core_version | STRING | เวอร์ชันไลบรารีหลักของ OpenET |
| end_date | STRING | วันที่สิ้นสุดของเดือน |
| et_reference_band | STRING | ย่านความถี่ใน et_reference_source ที่มีข้อมูล ET อ้างอิงรายวัน |
| et_reference_resample | STRING | โหมดการประมาณค่าเชิงพื้นที่เพื่อประมาณค่าข้อมูล ET อ้างอิงรายวัน |
| et_reference_source | STRING | รหัสคอลเล็กชันสำหรับข้อมูล ET อ้างอิงรายวัน |
| interp_days | DOUBLE | จำนวนวันสูงสุดก่อนและหลังวันที่ของแต่ละรูปภาพที่จะรวมอยู่ในการประมาณค่า |
| interp_method | STRING | วิธีที่ใช้ในการประมาณค่าระหว่างค่าประมาณของโมเดล Landsat |
| interp_source_count | DOUBLE | จำนวนรูปภาพที่มีอยู่ในคอลเล็กชันรูปภาพต้นฉบับของการประมาณค่าสำหรับเดือนเป้าหมาย |
| mgrs_tile | STRING | รหัสโซนกริด MGRS |
| model_name | STRING | ชื่อโมเดล OpenET |
| model_version | STRING | เวอร์ชันโมเดล OpenET |
| scale_factor_count | DOUBLE | ค่าตัวคูณมาตราส่วนที่ควรนำไปใช้กับย่านความถี่ count |
| scale_factor_et | DOUBLE | ค่าตัวคูณมาตราส่วนที่ควรนำไปใช้กับย่านความถี่ et |
| start_date | STRING | วันที่เริ่มต้นของเดือน |
ข้อกำหนดในการใช้งาน
ข้อกำหนดในการใช้งาน
การอ้างอิง
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
สำรวจด้วย Earth Engine
ตัวแก้ไขโค้ด (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');