此数据集属于发布商目录，并非由 Google Earth Engine 管理。 如需报告 bug 或查看 OpenET Catalog 中的更多数据集，请发送电子邮件至 support@openetdata.org。详细了解发布商数据集。
- 目录所有者
- OpenET
- 数据集可用时间
- 2015-10-01T00:00:00Z–2026-05-01T00:00:00Z
- 数据集生产者
- OpenET, Inc.
- 联系人
- support@openetdata.org
- 频率
- 1 个月
- 标签
说明
Google Earth Engine 对陆地表面能量平衡算法 (SEBAL) 模型的实现。
如需了解当前 geeSEBAL 版本的概况，请参阅 Laipelt 等人 (2021) 的论文，该论文基于 Bastiaanssen 等人 (1998) 开发的原始算法。OpenET geeSEBAL 实现使用来自 Landsat Collection 2 的地表温度 (LST) 数据，以及 NLDAS-2 和 gridMET 数据集作为瞬时和每日气象输入。
用于选择热端元和冷端元的自动化统计算法基于 Allen 等人 (2013) 提出的“极端条件下的逆向建模校准”(CIMEC) 算法的简化版本，其中使用 LST 和归一化差值植被指数 (NDVI) 值的分位数来选择 Landsat 域区域中的端元候选对象。冷端元和湿端元候选对象是在植被茂密的区域中选择的，而热端元和干端元候选对象是在植被最稀疏的农田区域中选择的。根据所选的端元，geeSEBAL 假设在冷端元和湿端元中，所有可用能量都转化为潜热（蒸腾率很高），而在热端元和干端元中，所有可用能量都转化为感热。最后，根据蒸发分数，将瞬时估计值按比例放大为日蒸发量估计值，假设蒸发分数在白天保持不变，且土壤水分和平流没有显著变化。
根据 OpenET 准确性评估和对比研究的结果，对 OpenET geeSEBAL 算法进行了如下修改：
- 通过使用其他过滤器来选择端元，改进了 CIMEC 的简化版本，包括使用美国农业部农田数据层 (CDL) 以及 NDVI、LST 和反照率的过滤器。
- 根据前期降水对端元的 LST 进行校正。
- 定义 NLDAS-2 风速阈值，以减少大气校正期间的模型不稳定情况。
- 改进了每日净辐射估算，使用 FAO-56 作为参考（Allen 等人，1998 年）。
总体而言，geeSEBAL 性能取决于地形、气候和气象条件，其中与 CIMEC 自动校准的热端元和冷端元选择相关的不确定性和敏感性较高，而与气象输入相关的不确定性和敏感性较低（Laipelt 等人，2021 年；Kayser 等人，2022 年）。为了减少与复杂地形相关的不确定性，我们添加了改进措施，以校正地表温度 (LST) 和地表全球（入射）辐射（包括环境直减率、海拔坡度和坡向），从而表示地形特征对模型端元选择算法和蒸散量估计的影响。 OpenET Collection v2.1
OpenET Collection v2.1 是 Collection v2.0 的重新处理和更新版本，主要旨在解决已知的 v2.0 问题，同时还纳入了细微的模型改进和输入数据更新。预计在某些地点和时间，这两个收集版本之间的 ET 会有明显差异。部分更新和更改包括：
- 额外的云过滤和过滤，以跳过未遮盖云和/或大面积积雪的 Landsat 影像。
- 重新处理，以纳入对 NLDAS-2 和 GRIDMET 输入气象数据集的更新。
- 将 USGS 年度 NLCD 产品纳入需要土地覆盖信息的所有模型中。
- 针对需要作物类型信息的所有模型纳入最新的 USDA CDL。
- 更新了插值，因此只有当某个月的所有天都有插值时，才会生成月度 ET（减少多云/下雪或低覆盖率时段的“count=0”月份）。
- 应用发射率校正来解决 Landsat LST 数据中的已知问题。
频段
波段
像素大小：30 米（所有波段）
| 名称 | 单位 | 像元大小 | 说明 |
|---|---|---|---|
et |
mm | 30 米 | 实际蒸散量 (ET) 总计 |
count |
计数 | 30 米 | 插值中包含的当月无云观测次数 |
图片属性
图像属性
| 名称 | 类型 | 说明 |
|---|---|---|
| build_date | STRING | 资产的建造日期 |
| build_status | STRING | 状态可以是“永久”或“临时”。标记为“临时”的图片日后可能会更新。 |
| cloud_cover_max | 双精度 | 纳入插值的 Landsat 图片的最大 CLOUD_COVER_LAND 百分比值 |
| 收藏集 | STRING | 用于插值的 Landsat 图像的 Landsat 集合列表 |
| core_version | STRING | OpenET 核心库版本 |
| end_date | STRING | 月份的结束日期 |
| et_reference_band | STRING | et_reference_source 中包含每日参考 ET 数据的频段 |
| et_reference_resample | STRING | 用于重新采样每日参考 ET 数据的空间插值模式 |
| et_reference_source | STRING | 每日参考 ET 数据的集合 ID |
| image_source_count | 双精度 | 插值中使用的场景图片数量 |
| interp_days | 双精度 | 在插值中纳入每个图片日期之前和之后的天数上限 |
| interp_method | STRING | 用于在 Landsat 模型估计值之间进行插值的方法 |
| interp_source_count | 双精度 | 插值源图片集合中目标月份的可用图片数量 |
| mgrs_tile | STRING | MGRS 网格区域 ID |
| model_name | STRING | OpenET 模型名称 |
| model_version | STRING | OpenET 模型版本 |
| scale_factor_count | 双精度 | 应应用于数量区间的缩放比例 |
| scale_factor_et | 双精度 | 应应用于 ET 频段的缩放比例 |
| start_date | STRING | 月份开始日期 |
| units_et | STRING | “et”频段的单位 |
使用条款
使用条款
引用
Laipelt, L.、Kayser, R.H.B.、Fleischmann, A.S.、Ruhoff, A.、Bastiaanssen, W.、Erickson, T.A. 和 Melton, F.，2021 年。使用 SEBAL 算法和 Google Earth Engine 云计算对蒸发蒸腾进行长期监测。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. 和 Holtslag, A.A.M.， 1998 年。一种用于陆地的遥感地表能量平衡算法 (SEBAL)。1. 配方。《水文杂志》，212，第 198-212 页。 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. 和 Neale, C.M.U.，2022 年。Assessing geeSEBAL automated calibration and meteorological reanalysis uncertainties to estimate evapotranspiration in subtropical humid climates（评估 geeSEBAL 自动校准和气象再分析不确定性，以估计亚热带湿润气候下的蒸散量）。Agricultural and Forest Meteorology，314，第 108775 页。 doi:10.1016/j.agrformet.2021.108775
Allen, R.G.、Burnett, B.、Kramber, W.，Huntington, J.、Kjaersgaard, J.、 Kilic, A.、Kelly, C. 和 Trezza, R.，2013 年。自动校准 METRIC-Landsat 蒸发蒸腾过程。JAWRA Journal of the American Water Resources Association，49(3)，第 563-576 页。doi:10.1111/jawr.12056
DOI
通过 Earth Engine 探索
代码编辑器 (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');