Set data ini adalah bagian dari Katalog Penayang, dan tidak dikelola oleh Google Earth Engine. Hubungi support@openetdata.org untuk melaporkan bug atau melihat set data lainnya dari Katalog OpenET. Pelajari set data Penayang lebih lanjut.
- Pemilik Katalog
- OpenET
- Ketersediaan Set Data
- 2015-10-01T00:00:00Z–2026-05-01T00:00:00Z
- Produsen Set Data
- OpenET, Inc.
- Kontak
- support@openetdata.org
- Rangkaian Langkah Penjualan
- 1 Bulan
- Tag
Deskripsi
Implementasi Google Earth Engine dari model Surface Energy Balance Algorithm for Land (SEBAL).
Ringkasan versi geeSEBAL saat ini dapat ditemukan di Laipelt et al. (2021), yang didasarkan pada algoritma asli yang dikembangkan oleh Bastiaanssen et al. (1998). Implementasi OpenET geeSEBAL menggunakan data suhu permukaan tanah (LST) dari Landsat Collection 2, selain set data NLDAS-2 dan gridMET sebagai input meteorologi instan dan harian.
Algoritma statistik otomatis untuk memilih anggota akhir panas dan dingin didasarkan pada versi yang disederhanakan dari algoritma Calibration using Inverse Modeling at Extreme Conditions (CIMEC) yang diusulkan oleh Allen et al. (2013), dengan kuantil LST dan nilai normalized difference vegetation index (NDVI) digunakan untuk memilih kandidat anggota akhir di area domain Landsat. Kandidat anggota akhir dingin dan basah dipilih di area yang memiliki banyak vegetasi, sedangkan kandidat anggota akhir panas dan kering dipilih di area lahan pertanian yang memiliki paling sedikit vegetasi.Berdasarkan anggota akhir yang dipilih, geeSEBAL mengasumsikan bahwa di anggota akhir dingin dan basah, semua energi yang tersedia dikonversi menjadi panas laten (dengan tingkat transpirasi yang tinggi), sedangkan di anggota akhir panas dan kering, semua energi yang tersedia dikonversi menjadi panas yang terasa. Terakhir, perkiraan evapotranspirasi harian ditingkatkan dari perkiraan instan berdasarkan fraksi evaporatif, dengan asumsi bahwa fraksi tersebut konstan pada siang hari tanpa perubahan signifikan pada kelembapan tanah dan adveksi.
Berdasarkan hasil dari studi Penilaian Akurasi dan Perbandingan OpenET, algoritma OpenET geeSEBAL diubah sebagai berikut:
- Versi CIMEC yang disederhanakan ditingkatkan dengan menggunakan filter tambahan untuk memilih anggota akhir, termasuk penggunaan USDA Cropland Data Layer (CDL) dan filter untuk NDVI, LST, dan albedo.
- Koreksi pada LST untuk anggota akhir berdasarkan curah hujan sebelumnya.
- Definisi nilai minimum kecepatan angin NLDAS-2 untuk mengurangi ketidakstabilan model selama koreksi atmosfer.
- Peningkatan untuk memperkirakan radiasi bersih harian, menggunakan FAO-56 sebagai referensi (Allen et al., 1998).
Secara keseluruhan, performa geeSEBAL bergantung pada kondisi topografi, iklim, dan meteorologi, dengan sensitivitas dan ketidakpastian yang lebih tinggi terkait pemilihan anggota akhir panas dan dingin untuk kalibrasi otomatis CIMEC, serta sensitivitas dan ketidakpastian yang lebih rendah terkait input meteorologi (Laipelt et al., 2021 dan Kayser et al., 2022). Untuk mengurangi ketidakpastian terkait medan yang kompleks, peningkatan ditambahkan untuk mengoreksi LST dan radiasi global (insiden) di permukaan (termasuk tingkat penurunan suhu lingkungan, kemiringan elevasi, dan aspek) untuk mewakili efek fitur topografi pada algoritma pemilihan anggota akhir model dan perkiraan ET. Koleksi OpenET v2.1
Koleksi OpenET v2.1 adalah versi Koleksi v2.0 yang diproses ulang dan diperbarui, yang dirancang terutama untuk mengatasi masalah v2.0 yang diketahui, sekaligus menggabungkan peningkatan model kecil dan pembaruan data input. Diperkirakan akan ada perbedaan ET yang terlihat antara kedua versi koleksi untuk beberapa tempat dan waktu. Beberapa pembaruan dan perubahan mencakup:
- Penyaringan dan pemfilteran cloud tambahan untuk melewati gambar Landsat dengan cloud yang tidak di-masking dan/atau penutup salju yang luas.
- Pemrosesan ulang untuk menggabungkan pembaruan pada set data meteorologi input NLDAS-2 dan GRIDMET.
- Penggabungan produk NLCD Tahunan USGS untuk semua model yang memerlukan informasi penutup lahan.
- Penggabungan USDA CDL terbaru untuk semua model yang memerlukan informasi jenis tanaman.
- Pembaruan pada interpolasi sehingga ET bulanan hanya dihasilkan jika semua hari dalam sebulan memiliki nilai yang diinterpolasi (mengurangi bulan “count=0” pada periode berawan/bersalju atau cakupan rendah).
- Penerapan koreksi emisivitas untuk mengatasi masalah yang diketahui dalam data LST Landsat.
Band
Band
Ukuran piksel: 30 meter (semua band)
| Nama | Unit | Ukuran Piksel | Deskripsi |
|---|---|---|---|
et |
mm | 30 meter | Total evapotranspirasi aktual (ET) |
count |
jumlah | 30 meter | Jumlah pengamatan bebas cloud dalam sebulan yang disertakan dalam interpolasi |
Properti Gambar
Properti Gambar
| Nama | Jenis | Deskripsi |
|---|---|---|
| build_date | STRING | Tanggal aset dibuat |
| build_status | STRING | Status dapat berupa "permanent" atau "provisional". Gambar yang ditandai sebagai "provisional" dapat diperbarui di masa mendatang. |
| cloud_cover_max | DOUBLE | Nilai CLOUD_COVER_LAND maksimum untuk gambar Landsat yang disertakan dalam interpolasi |
| collections | STRING | Daftar koleksi Landsat untuk gambar Landsat yang disertakan dalam interpolasi |
| core_version | STRING | Versi library inti OpenET |
| end_date | STRING | Tanggal akhir bulan |
| et_reference_band | STRING | Band di et_reference_source yang berisi data ET referensi harian |
| et_reference_resample | STRING | Mode interpolasi spasial untuk mengambil sampel ulang data ET referensi harian |
| et_reference_source | STRING | ID koleksi untuk data ET referensi harian |
| image_source_count | DOUBLE | Jumlah gambar adegan yang digunakan dalam interpolasi |
| interp_days | DOUBLE | Jumlah maksimum hari sebelum dan sesudah setiap tanggal gambar yang akan disertakan dalam interpolasi |
| interp_method | STRING | Metode yang digunakan untuk menginterpolasi antara perkiraan model Landsat |
| interp_source_count | DOUBLE | Jumlah gambar yang tersedia dalam koleksi gambar sumber interpolasi untuk bulan target |
| mgrs_tile | STRING | ID zona petak MGRS |
| model_name | STRING | Nama model OpenET |
| model_version | STRING | Versi model OpenET |
| scale_factor_count | DOUBLE | Faktor penskalaan yang harus diterapkan ke band jumlah |
| scale_factor_et | DOUBLE | Faktor penskalaan yang harus diterapkan ke band et |
| start_date | STRING | Tanggal mulai bulan |
| units_et | STRING | Unit band "et" |
Persyaratan Penggunaan
Persyaratan Penggunaan
Kutipan
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. dan Melton, F., 2021. Pemantauan jangka panjang evapotranspirasi menggunakan algoritma SEBAL dan komputasi cloud Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 178, hlm.81-96. doi:10.1016/j.isprsjprs.2021.05.018
Bastiaanssen, W.G., Menenti, M., Feddes, R.A. dan Holtslag, A.A.M., 1998. Algoritma keseimbangan energi permukaan penginderaan jauh untuk lahan (SEBAL). 1. Formulasi. Journal of hydrology, 212, hlm.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. dan Neale, C.M.U., 2022. Menilai ketidakpastian kalibrasi otomatis geeSEBAL dan analisis ulang meteorologi untuk memperkirakan evapotranspirasi di iklim lembap subtropis. Agricultural and Forest Meteorology, 314, hlm.108775. doi:10.1016/j.agrformet.2021.108775
Allen, R.G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C. dan Trezza, R., 2013. Kalibrasi otomatis proses evapotranspirasi metrik-landsat. JAWRA Journal of the American Water Resources Association, 49(3), hlm.563-576. doi:10.1111/jawr.12056
DOI
Mengeksplorasi dengan Earth Engine
Editor Kode (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');