Ten zbiór danych jest częścią katalogu wydawcy i nie jest zarządzany przez Google Earth Engine. W przypadku błędów skontaktuj się z support@openetdata.org lub wyświetl więcej zbiorów danych z katalogu OpenET. Więcej informacji o zbiorach danych wydawcy.
- Właściciel katalogu
- OpenET
- Dostępność zbioru danych
- 2015-10-01T00:00:00Z–2026-05-01T00:00:00Z
- Producent zbioru danych
- OpenET, Inc.
- Kontakt
- support@openetdata.org
- Kadencja
- 1 Month
- Tagi
Opis
Implementacja w Google Earth Engine modelu SEBAL (Surface Energy Balance Algorithm for Land).
Omówienie bieżącej wersji geeSEBAL można znaleźć w artykule Laipelt i in. (2021), który jest oparty na oryginalnych algorytmach opracowanych przez Bastiaanssen i in. (1998). Implementacja OpenET geeSEBAL wykorzystuje dane o temperaturze powierzchni ziemi (LST) z kolekcji Landsat 2, a także zbiory danych NLDAS-2 i gridMET jako odpowiednio chwilowe i dzienne dane meteorologiczne.
Zautomatyzowany algorytm statystyczny do wybierania gorących i zimnych elementów końcowych jest oparty na uproszczonej wersji algorytmu CIMEC (Calibration using Inverse Modeling at Extreme Conditions) zaproponowanego przez Allen i in. (2013), w którym do wybierania kandydatów na elementy końcowe w obszarze Landsat używane są kwantyle LST i znormalizowany wskaźnik różnicy wegetacji (NDVI). Kandydaci na zimne i mokre elementy końcowe są wybierani na obszarach dobrze porośniętych roślinnością, a kandydaci na gorące i suche elementy końcowe – na obszarach uprawnych z najmniejszą ilością roślinności.Na podstawie wybranych elementów końcowych geeSEBAL zakłada, że w zimnym i mokrym elemencie końcowym cała dostępna energia jest przekształcana w ciepło utajone (z wysokim współczynnikiem transpiracji), a w gorącym i suchym elemencie końcowym cała dostępna energia jest przekształcana w ciepło jawne. Na koniec szacunki dziennej ewapotranspiracji są skalowane w górę na podstawie szacunków chwilowych na podstawie frakcji parowania, przy założeniu, że jest ona stała w ciągu dnia bez znaczących zmian wilgotności gleby i adwekcji.
Na podstawie wyników badania oceny dokładności i porównania OpenET algorytm OpenET geeSEBAL został zmodyfikowany w ten sposób:
- Uproszczona wersja CIMEC została ulepszona przez dodanie filtrów do wybierania elementów końcowych, w tym przez użycie warstwy danych o uprawach USDA (CDL) oraz filtrów NDVI, LST i albedo.
- Korekty LST dla elementów końcowych na podstawie wcześniejszych opadów.
- Definicja progów prędkości wiatru NLDAS-2 w celu zmniejszenia niestabilności modelu podczas korekty atmosferycznej.
- Ulepszenia w zakresie szacowania dziennego promieniowania netto, z wykorzystaniem FAO-56 jako odniesienia (Allen i in., 1998).
Ogólnie rzecz biorąc, wydajność geeSEBAL zależy od warunków topograficznych, klimatycznych i meteorologicznych, przy czym większa czułość i niepewność są związane z wyborem gorących i zimnych elementów końcowych do automatycznej kalibracji CIMEC, a mniejsza czułość i niepewność – z danymi meteorologicznymi (Laipelt i in., 2021 oraz Kayser i in., 2022). Aby zmniejszyć niepewność związaną ze złożonym terenem, dodano ulepszenia w celu skorygowania LST i promieniowania globalnego (padającego) na powierzchni (w tym gradientu temperatury, nachylenia i ekspozycji), aby uwzględnić wpływ cech topograficznych na algorytm wyboru elementów końcowych modelu i szacunki ET. Kolekcja OpenET w wersji 2.1
Kolekcja OpenET w wersji 2.1 to przetworzona i zaktualizowana wersja kolekcji 2.0, która została zaprojektowana przede wszystkim w celu rozwiązania znanych problemów z wersją 2.0, a także wprowadzenia drobnych ulepszeń modelu i aktualizacji danych wejściowych. Oczekuje się, że w przypadku niektórych miejsc i czasów wystąpią zauważalne różnice w ET między tymi dwiema wersjami kolekcji. Niektóre aktualizacje i zmiany obejmują:
- Dodatkowe filtrowanie i przesiewanie chmur, aby pominąć obrazy Landsat z niezasłoniętymi chmurami lub rozległą pokrywą śnieżną.
- Ponowne przetwarzanie w celu uwzględnienia aktualizacji zbiorów danych meteorologicznych NLDAS-2 i GRIDMET.
- Włączenie rocznego produktu NLCD USGS do wszystkich modeli, które wymagają informacji o pokryciu terenu.
- Włączenie najnowszej wersji CDL USDA do wszystkich modeli, które wymagają informacji o typie uprawy.
- Aktualizacje interpolacji, dzięki czemu miesięczna ET jest generowana tylko wtedy, gdy wszystkie dni w miesiącu mają interpolowane wartości (co zmniejsza liczbę miesięcy z „count=0” w okresach zachmurzenia, opadów śniegu lub niskiego pokrycia).
- Zastosowanie korekty emisyjności w celu rozwiązania znanego problemu z danymi LST Landsat.
Pasma
Pasma
Rozmiar piksela: 30 metrów (wszystkie pasma)
| Nazwa | Jednostki | Rozmiar piksela | Opis |
|---|---|---|---|
et |
mm | 30 metrów | Łączna rzeczywista ewapotranspiracja (ET) |
count |
liczba | 30 metrów | Liczba obserwacji bez chmur w miesiącu uwzględnionych w interpolacji |
Właściwości obrazu
Właściwości obrazu
| Nazwa | Typ | Opis |
|---|---|---|
| build_date | STRING | Data utworzenia komponentów |
| build_status | STRING | Stan może być „permanent” (stały) lub „provisional” (tymczasowy). Obrazy oznaczone jako „provisional” (tymczasowe) mogą zostać zaktualizowane w przyszłości. |
| cloud_cover_max | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Maksymalna wartość procentowa CLOUD_COVER_LAND w przypadku obrazów Landsat uwzględnionych w interpolacji |
| collections | STRING | Lista kolekcji Landsat dla obrazów Landsat uwzględnionych w interpolacji |
| core_version | STRING | Wersja biblioteki podstawowej OpenET |
| end_date | STRING | Data zakończenia miesiąca |
| et_reference_band | STRING | Pasmo w et_reference_source, które zawiera dzienne dane ET odniesienia |
| et_reference_resample | STRING | Tryb interpolacji przestrzennej do ponownego próbkowania dziennych danych ET odniesienia |
| et_reference_source | STRING | Identyfikator kolekcji dziennych danych ET odniesienia |
| image_source_count | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Liczba obrazów scen użytych w interpolacji |
| interp_days | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Maksymalna liczba dni przed i po dacie każdego obrazu, które mają być uwzględnione w interpolacji |
| interp_method | STRING | Metoda używana do interpolacji między szacunkami modelu Landsat |
| interp_source_count | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Liczba dostępnych obrazów w kolekcji obrazów źródłowych interpolacji dla docelowego miesiąca |
| mgrs_tile | STRING | Identyfikator strefy siatki MGRS |
| model_name | STRING | Nazwa modelu OpenET |
| model_version | STRING | Wersja modelu OpenET |
| scale_factor_count | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Współczynnik skalowania, który należy zastosować do pasma liczby |
| scale_factor_et | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Współczynnik skalowania, który należy zastosować do pasma et |
| start_date | STRING | Data rozpoczęcia miesiąca |
| units_et | STRING | Jednostki pasma „et” |
Warunki korzystania z usługi
Warunki korzystania z usługi
Cytowanie
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
Odkrywaj za pomocą Earth Engine
Edytor kodu (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');