Tập dữ liệu này thuộc một Danh mục nhà xuất bản và không do Google Earth Engine quản lý. Liên hệ với support@openetdata.org để báo cáo lỗi hoặc xem thêm các tập dữ liệu trong Danh mục OpenET. Tìm hiểu thêm về Tập dữ liệu của nhà xuất bản.
- Chủ sở hữu danh mục
- OpenET
- Phạm vi cung cấp tập dữ liệu
- 2015-10-01T00:00:00Z–2026-05-01T00:00:00Z
- Nhà sản xuất tập dữ liệu
- OpenET, Inc.
- Liên hệ
- support@openetdata.org
- Tần suất
- 1 tháng
- Thẻ
Mô tả
Việc triển khai Google Earth Engine của Mô hình Thuật toán cân bằng năng lượng bề mặt cho đất (SEBAL).
Bạn có thể xem thông tin tổng quan về phiên bản geeSEBAL hiện tại trong Laipelt và cộng sự (2021), dựa trên các thuật toán ban đầu do Bastiaanssen và cộng sự phát triển (1998). Việc triển khai OpenET geeSEBAL sử dụng dữ liệu nhiệt độ bề mặt đất (LST) từ Landsat Collection 2, ngoài các tập dữ liệu NLDAS-2 và gridMET lần lượt là dữ liệu đầu vào khí tượng tức thời và hằng ngày.
Thuật toán thống kê tự động để chọn các thành phần cuối nóng và lạnh dựa trên phiên bản đơn giản của thuật toán Hiệu chỉnh bằng mô hình hoá nghịch đảo trong điều kiện khắc nghiệt (CIMEC) do Allen và cộng sự đề xuất (2013), trong đó các phân vị của LST và chỉ số thực vật khác biệt được chuẩn hoá (NDVI) được dùng để chọn các thành phần cuối tiềm năng trong vùng miền Landsat. Các ứng cử viên thành phần cuối lạnh và ẩm được chọn ở những khu vực có nhiều cây cối, trong khi các ứng cử viên thành phần cuối nóng và khô được chọn ở những khu vực đất trồng ít cây cối nhất.Dựa trên các thành phần cuối đã chọn, geeSEBAL giả định rằng trong thành phần cuối lạnh và ẩm, tất cả năng lượng có sẵn đều được chuyển đổi thành nhiệt tiềm ẩn (với tốc độ thoát hơi nước cao), trong khi trong thành phần cuối nóng và khô, tất cả năng lượng có sẵn đều được chuyển đổi thành nhiệt cảm nhận. Cuối cùng, số liệu ước tính về lượng thoát hơi nước hằng ngày được tăng lên từ số liệu ước tính tức thời dựa trên tỷ lệ bốc hơi, giả sử tỷ lệ này không đổi trong ngày mà không có thay đổi đáng kể về độ ẩm của đất và sự đối lưu.
Dựa trên kết quả của nghiên cứu Đánh giá độ chính xác và so sánh OpenET, thuật toán geeSEBAL của OpenET đã được sửa đổi như sau:
- Phiên bản đơn giản hoá của CIMEC đã được cải thiện bằng cách sử dụng các bộ lọc bổ sung để chọn thành phần cuối, bao gồm cả việc sử dụng Lớp dữ liệu đất trồng trọt (CDL) của Bộ Nông nghiệp Hoa Kỳ và các bộ lọc cho NDVI, LST và suất phản chiếu.
- Điều chỉnh LST cho các thành phần cuối dựa trên lượng mưa trước đó.
- Định nghĩa về ngưỡng tốc độ gió NLDAS-2 để giảm sự không ổn định của mô hình trong quá trình hiệu chỉnh khí quyển.
- Cải thiện khả năng ước tính bức xạ ròng hằng ngày, sử dụng FAO-56 làm tài liệu tham khảo (Allen và cộng sự, 1998).
Nhìn chung, hiệu suất của geeSEBAL phụ thuộc vào điều kiện địa hình, khí hậu và khí tượng, với độ nhạy và độ không chắc chắn cao hơn liên quan đến việc lựa chọn thành phần cuối nóng và lạnh để hiệu chỉnh tự động CIMEC, cũng như độ nhạy và độ không chắc chắn thấp hơn liên quan đến dữ liệu đầu vào khí tượng (Laipelt và cộng sự, 2021 và Kayser cùng cộng sự, 2022). Để giảm thiểu những điểm không chắc chắn liên quan đến địa hình phức tạp, chúng tôi đã bổ sung các điểm cải tiến để điều chỉnh LST và bức xạ toàn cầu (sự cố) trên bề mặt (bao gồm cả tốc độ suy giảm môi trường, độ dốc và hướng của độ cao) nhằm thể hiện ảnh hưởng của các đặc điểm địa hình đối với thuật toán lựa chọn thành phần cuối của mô hình và các ước tính về ET. OpenET Collection phiên bản 2.1
OpenET Collection phiên bản 2.1 là phiên bản được xử lý lại và cập nhật của Collection phiên bản 2.0, được thiết kế chủ yếu để giải quyết các vấn đề đã biết của phiên bản 2.0, đồng thời kết hợp các điểm cải thiện nhỏ về mô hình và nội dung cập nhật về dữ liệu đầu vào. Dự kiến sẽ có sự khác biệt đáng kể về ET giữa hai phiên bản thu thập đối với một số địa điểm và thời gian. Sau đây là một số nội dung cập nhật và thay đổi:
- Sàng lọc và lọc đám mây bổ sung để bỏ qua những hình ảnh Landsat có đám mây không được che và/hoặc có lớp phủ tuyết rộng.
- Xử lý lại để kết hợp các nội dung cập nhật cho tập dữ liệu khí tượng đầu vào NLDAS-2 và GRIDMET.
- Kết hợp sản phẩm NLCD hằng năm của USGS cho tất cả các mô hình yêu cầu thông tin về độ che phủ đất.
- Kết hợp CDL mới nhất của Bộ Nông nghiệp Hoa Kỳ cho tất cả các mô hình yêu cầu thông tin về loại cây trồng.
- Cập nhật cho phương pháp nội suy để chỉ tạo ra ET hằng tháng khi tất cả các ngày trong tháng đều có giá trị nội suy (giảm số tháng "count=0" trong các khoảng thời gian có mây/tuyết hoặc có độ che phủ thấp).
- Áp dụng hệ số điều chỉnh độ phát xạ để giải quyết một vấn đề đã biết trong dữ liệu LST của Landsat.
Băng tần
Băng tần
Kích thước pixel: 30 mét (tất cả các dải tần)
| Tên | Đơn vị | Kích thước pixel | Mô tả |
|---|---|---|---|
et |
mm | 30 mét | Tổng lượng bốc hơi và thoát hơi nước thực tế (ET) |
count |
số lượng | 30 mét | Số lần quan sát không có mây trong tháng được đưa vào nội suy |
Thuộc tính hình ảnh
Thuộc tính hình ảnh
| Tên | Loại | Mô tả |
|---|---|---|
| build_date | STRING | Ngày xây dựng tài sản |
| build_status | STRING | Trạng thái có thể là "vĩnh viễn" hoặc "tạm thời". Những hình ảnh được gắn cờ là "tạm thời" có thể được cập nhật trong tương lai. |
| cloud_cover_max | DOUBLE | Giá trị phần trăm CLOUD_COVER_LAND tối đa cho hình ảnh Landsat có trong quá trình nội suy |
| bộ sưu tập | STRING | Danh sách các bộ sưu tập Landsat cho hình ảnh Landsat có trong quá trình nội suy |
| core_version | STRING | Phiên bản thư viện lõi OpenET |
| end_date | STRING | Ngày kết thúc của tháng |
| et_reference_band | STRING | Dải trong et_reference_source chứa dữ liệu ET tham chiếu hằng ngày |
| et_reference_resample | STRING | Chế độ nội suy không gian để lấy mẫu lại dữ liệu ET tham chiếu hằng ngày |
| et_reference_source | STRING | Mã bộ sưu tập cho dữ liệu ET tham chiếu hằng ngày |
| image_source_count | DOUBLE | Số lượng hình ảnh cảnh được dùng trong quá trình nội suy |
| interp_days | DOUBLE | Số ngày tối đa trước và sau mỗi ngày chụp ảnh để đưa vào nội suy |
| interp_method | STRING | Phương pháp dùng để nội suy giữa các số liệu ước tính của mô hình Landsat |
| interp_source_count | DOUBLE | Số lượng hình ảnh có sẵn trong bộ sưu tập hình ảnh nguồn nội suy cho tháng mục tiêu |
| mgrs_tile | STRING | Mã vùng lưới MGRS |
| model_name | STRING | Tên mô hình OpenET |
| model_version | STRING | Phiên bản mô hình OpenET |
| scale_factor_count | DOUBLE | Hệ số tỷ lệ cần áp dụng cho dải tần số đếm |
| scale_factor_et | DOUBLE | Hệ số tỷ lệ cần áp dụng cho dải et |
| start_date | STRING | Ngày bắt đầu của tháng |
| units_et | STRING | Đơn vị của băng tần "et" |
Điều khoản sử dụng
Điều khoản sử dụng
Trích dẫn
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. và Melton, F., 2021. Giám sát quá trình thoát hơi nước trong thời gian dài bằng thuật toán SEBAL và điện toán đám mây Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 178, trang 81-96. doi:10.1016/j.isprsjprs.2021.05.018
Bastiaanssen, W.G., Menenti, M., Feddes, R.A. và Holtslag, A.A.M., 1998. Thuật toán cân bằng năng lượng bề mặt cảm biến từ xa cho đất (SEBAL). 1. Công thức. 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. và Neale, C.M.U., 2022. Đánh giá độ không chắc chắn của quá trình hiệu chuẩn tự động geeSEBAL và phân tích lại khí tượng để ước tính lượng bốc hơi trong khí hậu ẩm cận nhiệt đới. 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. và Trezza, R., 2013. Hiệu chuẩn tự động quy trình bốc hơi metric-landsat. JAWRA Journal of the American Water Resources Association, 49(3), trang 563-576. doi:10.1111/jawr.12056
DOI
Khám phá bằng Earth Engine
Trình chỉnh sửa mã (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');