Dieses Dataset ist Teil eines Publisher-Katalogs und wird nicht von Google Earth Engine verwaltet. Wenden Sie sich bei Fehlern an support@openetdata.org oder sehen Sie sich weitere Datasets aus dem OpenET-Katalog an. Weitere Informationen zu Publisher-Datasets
- Kataloginhaber
- OpenET
- Dataset-Verfügbarkeit
- 2015-10-01T00:00:00Z–2026-05-01T00:00:00Z
- Ersteller des Datasets
- OpenET, Inc.
- Kontakt
- support@openetdata.org
- Intervall
- 1 Monat
- Tags
Beschreibung
Google Earth Engine-Implementierung des SEBAL-Modells (Surface Energy Balance Algorithm for Land).
Eine Übersicht über die aktuelle geeSEBAL-Version finden Sie in Laipelt et al. (2021), die auf den ursprünglichen Algorithmen von Bastiaanssen et al. (1998) basiert. Bei der geeSEBAL-Implementierung von OpenET werden Daten zur Oberflächentemperatur aus Landsat Collection 2 sowie NLDAS-2- und gridMET-Datasets als sofortige bzw. tägliche meteorologische Eingaben verwendet.
Der automatisierte statistische Algorithmus zur Auswahl der heißen und kalten Endmember basiert auf einer vereinfachten Version des von Allen et al. (2013) vorgeschlagenen CIMEC-Algorithmus (Calibration using Inverse Modeling at Extreme Conditions). Dabei werden Quantile von LST- und NDVI-Werten (Normalized Difference Vegetation Index) verwendet, um Endmember-Kandidaten im Landsat-Bereich auszuwählen. Die kalten und feuchten Endmember-Kandidaten werden in gut bewachsenen Gebieten ausgewählt, während die heißen und trockenen Endmember-Kandidaten in den am wenigsten bewachsenen landwirtschaftlichen Flächen ausgewählt werden. Basierend auf den ausgewählten Endmembern geht geeSEBAL davon aus, dass im kalten und feuchten Endmember die gesamte verfügbare Energie in latente Wärme umgewandelt wird (mit hohen Transpirationsraten), während im heißen und trockenen Endmember die gesamte verfügbare Energie in sensible Wärme umgewandelt wird. Schließlich werden Schätzungen der täglichen Evapotranspiration auf der Grundlage der Verdunstungsfraktion von Momentanschätzungen hochskaliert, wobei davon ausgegangen wird, dass sie tagsüber ohne signifikante Änderungen der Bodenfeuchtigkeit und Advektion konstant ist.
Auf Grundlage der Ergebnisse der Studie zur OpenET-Genauigkeitsbewertung und zum Vergleich wurde der OpenET-geeSEBAL-Algorithmus wie folgt geändert:
- Die vereinfachte Version von CIMEC wurde durch die Verwendung zusätzlicher Filter zur Auswahl der Endmember verbessert, einschließlich der Verwendung des USDA Cropland Data Layer (CDL) und Filtern für NDVI, LST und Albedo.
- Korrekturen für LST für Endmember basierend auf vorherigen Niederschlägen.
- Definition von NLDAS-2-Windgeschwindigkeitsgrenzwerten zur Verringerung der Modellinstabilität während der atmosphärischen Korrektur.
- Verbesserungen bei der Schätzung der täglichen Netto-Strahlung unter Verwendung von FAO-56 als Referenz (Allen et al., 1998).
Insgesamt hängt die Leistung von geeSEBAL von topografischen, klimatischen und meteorologischen Bedingungen ab. Die Sensitivität und Unsicherheit sind höher bei der Auswahl von heißen und kalten Endmembern für die automatische CIMEC-Kalibrierung und niedriger bei meteorologischen Eingaben (Laipelt et al., 2021 und Kayser et al., 2022). Um Unsicherheiten im Zusammenhang mit komplexem Gelände zu verringern, wurden Verbesserungen vorgenommen, um die LST und die globale (einfallende) Strahlung an der Oberfläche (einschließlich der umweltbedingten Lapse Rate, des Höhengefälles und des Aspekts) zu korrigieren und so die Auswirkungen topografischer Merkmale auf den Endmember-Auswahlalgorithmus des Modells und die ET-Schätzungen zu berücksichtigen. OpenET Collection v2.1
OpenET Collection v2.1 ist eine neu verarbeitete und aktualisierte Version von Collection v2.0. Sie wurde hauptsächlich entwickelt, um bekannte Probleme mit v2.0 zu beheben. Außerdem wurden kleinere Modellverbesserungen und Aktualisierungen der Eingabedaten vorgenommen. Es ist zu erwarten, dass es an einigen Orten und zu bestimmten Zeiten deutliche Unterschiede bei der ET zwischen den beiden Erfassungsversionen gibt. Hier einige Beispiele für die Aktualisierungen und Änderungen:
- Zusätzliche Cloud-Screening- und ‑Filterfunktionen, um Landsat-Bilder mit nicht maskierten Wolken und/oder einer dicken Schneedecke zu überspringen.
- Die Verarbeitung wurde wiederholt, um Aktualisierungen der meteorologischen Eingabedatasets NLDAS-2 und GRIDMET zu berücksichtigen.
- Einbindung des jährlichen NLCD-Produkts des USGS für alle Modelle, die Informationen zur Landbedeckung erfordern.
- Einbindung der neuesten USDA CDL für alle Modelle, die Informationen zum Erntetyp erfordern.
- Die Interpolation wurde aktualisiert, sodass die monatliche ET nur berechnet wird, wenn für alle Tage im Monat interpolierte Werte vorhanden sind. Dadurch wird die Anzahl der Monate mit „count=0“ in bewölkten/verschneiten oder Perioden mit geringer Abdeckung reduziert.
- Anwendung einer Emissivitätskorrektur zur Behebung eines bekannten Problems in Landsat-LST-Daten.
Bänder
Bänder
Pixelgröße: 30 Meter (alle Bänder)
| Name | Einheiten | Pixelgröße | Beschreibung |
|---|---|---|---|
et |
mm | 30 Meter | Tatsächliche Gesamtevapotranspiration (ET) |
count |
Anzahl | 30 Meter | Anzahl der wolkenfreien Beobachtungen im Monat, die in die Interpolation einbezogen wurden |
Bildattribute
Bildeigenschaften
| Name | Typ | Beschreibung |
|---|---|---|
| build_date | STRING | Datum, an dem die Assets erstellt wurden |
| build_status | STRING | Der Status kann „permanent“ oder „provisional“ sein. Bilder, die als „vorläufig“ gekennzeichnet sind, können in Zukunft aktualisiert werden. |
| cloud_cover_max | DOUBLE | Maximaler CLOUD_COVER_LAND-Prozentwert für Landsat-Bilder, die in die Interpolation einbezogen werden |
| Sammlungen | STRING | Liste der Landsat-Sammlungen für Landsat-Bilder, die in die Interpolation einbezogen werden |
| core_version | STRING | OpenET-Kernbibliotheksversion |
| end_date | STRING | Enddatum des Monats |
| et_reference_band | STRING | Band in „et_reference_source“, das die täglichen Referenz-ET-Daten enthält |
| et_reference_resample | STRING | Räumlicher Interpolationsmodus zum Resamplen täglicher Referenzdaten für die ET |
| et_reference_source | STRING | Sammlungs-ID für die täglichen Referenzdaten für die geschätzte Transpiration |
| image_source_count | DOUBLE | Anzahl der Szenenbilder, die für die Interpolation verwendet werden |
| interp_days | DOUBLE | Maximale Anzahl von Tagen vor und nach dem Datum jedes Bildes, die in die Interpolation einbezogen werden sollen |
| interp_method | STRING | Methode, die zum Interpolieren zwischen Landsat-Modellschätzungen verwendet wird |
| interp_source_count | DOUBLE | Anzahl der verfügbaren Bilder in der Sammlung von Interpolationsquellenbildern für den Zielmonat |
| mgrs_tile | STRING | MGRS-Gitterzonen-ID |
| model_name | STRING | OpenET-Modellname |
| model_version | STRING | OpenET-Modellversion |
| scale_factor_count | DOUBLE | Skalierungsfaktor, der auf das Zählband angewendet werden soll |
| scale_factor_et | DOUBLE | Skalierungsfaktor, der auf das ET-Band angewendet werden soll |
| start_date | STRING | Startdatum des Monats |
| units_et | STRING | Einheiten des „et“-Bands |
Nutzungsbedingungen
Nutzungsbedingungen
Zitate
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. und Melton, F., 2021. Langzeitüberwachung der Evapotranspiration mit dem SEBAL-Algorithmus und Google Earth Engine Cloud Computing. ISPRS Journal of Photogrammetry and Remote Sensing, 178, S.81–96. doi:10.1016/j.isprsjprs.2021.05.018
Bastiaanssen, W.G., Menenti, M., Feddes, R.A. und Holtslag, A.A.M., 1998. Ein Algorithmus für die Oberflächenenergiebilanz für die Fernerkundung von Land (SEBAL). 1. Formulierung Journal of Hydrology, 212, S.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. und Neale, C.M.U., 2022. Bewertung der Unsicherheiten bei der automatischen Kalibrierung von geeSEBAL und der meteorologischen Reanalyse zur Schätzung der Evapotranspiration in subtropischen feuchten Klimazonen. Agricultural and Forest Meteorology, 314, S.108775. doi:10.1016/j.agrformet.2021.108775
Allen, R.G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C. und Trezza, R., 2013. Automatisierte Kalibrierung des METRIC-Landsat-Evapotranspirationsprozesses. JAWRA Journal of the American Water Resources Association, 49(3), S.563–576. doi:10.1111/jawr.12056
DOIs
Die Earth Engine nutzen
Code-Editor (JavaScript)
var dataset = ee.ImageCollection('projects/openet/assets/geesebal/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 geeSEBAL Annual ET');