OpenET eeMETRIC Monthly Evapotranspiration v2.0

OpenET/EEMETRIC/CONUS/GRIDMET/MONTHLY/v2_0
Dataset-Verfügbarkeit
1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
Dataset-Anbieter
Earth Engine-Snippet
ee.ImageCollection("OpenET/EEMETRIC/CONUS/GRIDMET/MONTHLY/v2_0")
Cadence
1 Monat
Tags
Evapotranspiration gridmet-derived landsat-derived monatlich openet Wasser Wasserdampf

Beschreibung

Google Earth Engine-Implementierung des Modells „Mapping Evapotranspiration at high Resolution with Internalized Calibration“ (eeMETRIC)

eeMETRIC wendet die fortschrittlichen METRIC-Algorithmen und ‑Prozesse von Allen et al. (2007; 2015) und Allen et al. (2013b) an, bei denen eine einzelne Beziehung zwischen der Differenz der bodennahen Lufttemperatur (dT) und der delapsed-Landoberflächentemperatur (TsDEM) verwendet wird, um den fühlbaren Wärmefluss (H) zu schätzen. Dies wird auf jede Landsat-Szene angewendet. Die automatische Auswahl der Hot- und Cold-Pixel für ein Bild folgt in der Regel einem statistischen Isolierungsverfahren, das von Allen et al. (2013a) und ReVelle, Kilic und Allen (2019a,b) beschrieben wird. Bei der Kalibrierung von H in eeMETRIC wird die Referenz-ET von Luzerne verwendet, die aus dem NLDAS-Rasterwetter-Dataset berechnet wird. Dabei wird die berechnete Referenz-ET um 15% reduziert, um bekannte Abweichungen im Raster-Dataset zu berücksichtigen. Die feste Reduzierung wirkt sich nicht auf die Kalibrierungsgenauigkeit von eeMETRIC aus und verringert hauptsächlich die Auswirkungen der Korrektur des Auftriebs der Grenzschicht.

Die Identifizierung von Kandidaten für Pools mit heißen und kalten Pixeln hat sich in der eeMETRIC-Implementierung von METRIC weiterentwickelt. Der neue automatisierte Abgleichsprozess umfasst die Kombination von Methoden und Ansätzen, die aus zwei Entwicklungszweigen von EEFlux stammen (Allen et al., 2015). Der erste Zweig konzentrierte sich auf die Verbesserung des automatisierten Pixel-Auswahlprozesses unter Verwendung von Standard-Lapse-Raten für die Landoberflächentemperatur (LST) ohne weitere räumliche Delapsing (ReVelle et al., 2019b). Im zweiten Zweig wurde eine sekundäre räumliche Entschärfung von LST sowie Änderungen am Pixelauswahlprozess (ReVelle et al., 2019a). Der endgültige, kombinierte Ansatz wird von Kilic et al. (2021) beschrieben.

eeMETRIC verwendet die von Allen et al. (2013b) entwickelten aerodynamischen Funktionen in komplexem Gelände (Gebirge), um Schätzungen für aerodynamische Rauheit, Windgeschwindigkeit und Stabilität der Grenzschicht in Bezug auf die geschätzte Geländerauheit, Position an einem Hang und Windrichtung zu verbessern. Diese Funktionen führen in der Regel zu höheren Schätzungen für H (und niedrigeren ET) an Luvhängen und können zu niedrigeren H-Werten (und höheren ET) an Leehängen führen. Andere METRIC-Funktionen, die in eeMETRIC verwendet werden und seit den Beschreibungen in Allen et al. (2007 und 2011) hinzugefügt wurden, umfassen die Verringerung des Bodenwärmeflusses (G) bei Vorhandensein von organischem Mulch auf der Bodenoberfläche, die Verwendung eines überschüssigen aerodynamischen Widerstands für Strauchland, die Verwendung der Perrier-Funktion für Bäume, die als Wald identifiziert wurden (Allen et al., 2018; Santos et al., 2012) und aerodynamische Schätzung der Verdunstung aus offenem Wasser anstelle der Verwendung der Energiebilanz (Jensen und Allen 2016; Allen et al., 2018). 2022 wurde die Perrier-Funktion auf Baumkulturen (Obstgärten) angewendet und eine 3-Quellen-Aufteilung der Bulk-Oberflächentemperatur in Kronentemperatur, Temperatur des schattigen Bodens und Temperatur des sonnenbeschienenen Bodens wurde sowohl auf Obstgärten als auch auf Weinberge angewendet. Diese letztgenannten Anwendungen wurden dort eingesetzt, wo Obstgärten und Weinberge durch CDL oder in Kalifornien durch ein staatlich gefördertes Landnutzungssystem identifiziert werden. Diese Funktionen und andere Verbesserungen des ursprünglichen METRIC-Modells werden im aktuellen METRIC-Nutzerhandbuch beschrieben (Allen et al., 2018). eeMETRIC verwendet die atmosphärisch korrigierte Oberflächenreflexion und LST aus Landsat Collection 2 Level 2. Bei Bedarf wird für Schätzungen in Echtzeit auf Collection 2 Level 1 zurückgegriffen.

Weitere Informationen

Bänder

Pixelgröße
30 Meter

Bänder

Name Einheiten Pixelgröße Beschreibung
et mm Meter

eeMETRIC ET-Wert

count Anzahl Meter

Anzahl der Cloud-Free-Werte

Bildattribute

Bildattribute

Name Typ Beschreibung
build_date STRING

Datum, an dem die Assets erstellt wurden

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 von täglichen Referenzdaten für die ET

et_reference_source STRING

Sammlungs-ID für die täglichen Referenzdaten für die geschätzte Transpiration

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 Interpolationsquelle 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

Nutzungsbedingungen

Nutzungsbedingungen

CC-BY-4.0

Zitate

Quellenangaben:
  • Kilic, A., Allen, R.G., Blankenau, P., ReVelle, P., Ozturk, D. und Huntington, J., 2021. Globale Produktion und kostenloser Zugriff auf Evapotranspiration im Landsat-Maßstab mit EEFlux und eeMETRIC. In 6th Decennial National Irrigation Symposium, 6-8, December 2021, San Diego, California (S. 1). American Society of Agricultural and Biological Engineers. doi:10.13031/irrig.2020-038

  • Allen, R.G., Tasumi, M., Morse, A. und Trezza, R., 2005. Ein Landsat-basiertes Energiebilanz- und Evapotranspirationsmodell für die Regulierung und Planung von Wasserrechten im Westen der USA. Irrigation and Drainage systems, 19, pp.251-268. doi:10.1007/s10795-005-5187-z

  • Allen, R.G., Tasumi, M. und Trezza, R., 2007. Satellitenbasierte Energiebilanz für die Kartierung der Evapotranspiration mit internalisierter Kalibrierung (Mapping Evapotranspiration with internalized Calibration, METRIC) – Modell. Journal of Irrigation and Drainage Engineering, 133(4), S.380–394. doi:10.1029/2006JD007506

  • Allen, R., Irmak, A., Trezza, R., Hendrickx, J.M., Bastiaanssen, W. und Kjaersgaard, J., 2011. Satellitengestützte ET-Schätzung in der Landwirtschaft mit SEBAL und METRIC. Hydrological Processes, 25(26), S.4011–4027. doi:10.1002/hyp.8408

  • Allen, R.G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C. und Trezza, R., 2013a. Automatisierte Kalibrierung des METRIC-Landsat-Evapotranspirationsprozesses. JAWRA Journal of the American Water Resources Association, 49(3), S.563–576. doi:10.1111/jawr.12056

  • Allen, R.G., Trezza, R., Kilic, A., Tasumi, M. und Li, H., 2013b. Sensitivität der Energiebilanz im Landsat-Maßstab gegenüber aerodynamischer Variabilität in Bergen und komplexem Gelände. JAWRA Journal of the American Water Resources Association, 49(3), S.592–604. doi:10.1111/jawr.12055

  • Allen, R.G., Morton, C., Kamble, B., Kilic, A., Huntington, J., Thau, D., Gorelick, N., Erickson, T., Moore, R., Trezza, R. und Ratcliffe, I., 2015. EEFlux: Ein Landsat-basiertes Tool zur Kartierung der Evapotranspiration in der Google Earth Engine. In: 2015 ASABE/IA Irrigation Symposium: Emerging Technologies for Sustainable Irrigation – A Tribute to the Career of Terry Howell, Sr. Conference Proceedings (S. 1–11). American Society of Agricultural and Biological Engineers. doi:10.13031/irrig.20152143511

  • Jensen, M.E. und R.G. Allen (Hrsg.). 2016. Verdunstung, Evapotranspiration und Bewässerungsbedarf. Manuals of Practice Nr. 70 (2. Auflage). Task Committee on Revision of Manual 70, April 2016. American Society of Civil Engineers. Reston, Virginia, USA 744 S. doi:10.1061/9780784414057

  • Kilic, A., Allen, R., Trezza, R., Ratcliffe, I., Kamble, B., Robison, C. und Ozturk, D., 2016. Sensitivität der Evapotranspirationsdaten aus dem METRIC-Verarbeitungsalgorithmus für die verbesserte radiometrische Auflösung der thermischen Daten von Landsat 8 und für den Kalibrierungsbias bei der Oberflächentemperatur von Landsat 7 und 8. Remote Sensing of Environment, 185, S.198–209. doi:10.1016/j.rse.2016.07.011

  • ReVelle, P., A. Kilic und R.G. Allen. 2019a. Aktualisierte Kalibrierung Beschreibung: Räumliche Entschärfung in eeMETRIC. Research Note. School of Natural Resources, University of Nebraska-Lincoln und University of Idaho. 9. Absatz

  • ReVelle, P., A. Kilic und R.G. Allen. 2019b. Aktualisierte Beschreibung der Abstimmung: Automatische Pixelauswahlmethode in eeMETRIC. ResearchNote School of Natural Resources, University of Nebraska-Lincoln und University of Idaho. 20 Seiten

  • Santos, C., Lorite, I.J., Allen, R.G. und Tasumi, M., 2012. Aerodynamische Parametrisierung des satellitenbasierten Energiebilanzmodells (METRIC) zur Schätzung der ET in regengespeisten Olivenhainen in Andalusien, Spanien. Water Resources Management, 26, S.3267–3283. doi:10.1007/s11269-012-0071-8

DOIs

Earth Engine nutzen

Code-Editor (JavaScript)

var dataset = ee.ImageCollection('OpenET/EEMETRIC/CONUS/GRIDMET/MONTHLY/v2_0')
  .filterDate('2020-01-01', '2021-01-01');

// 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 eeMETRIC Annual ET');
Im Code-Editor öffnen