- 数据集可用性
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- 数据集提供商
- OpenET, Inc.
- 频率
- 1 个月
- 标签
说明
最近，我们已在 OpenET 框架内完成 geeSEBAL 的实现，您可以在 Laipelt 等人 (2021) 的论文中找到当前 geeSEBAL 版本的概览，该版本基于 Bastiaanssen 等人 (1998) 开发的原始算法。OpenET geeSEBAL 实现使用来自 Landsat Collection 2 的陆地表面温度 (LST) 数据，以及 NLDAS 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“使用极值条件下的逆向建模进行校准”(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。在植被茂盛的区域选择冷湿端元候选对象，而在植被最少的农田区域选择热干端元候选对象。根据所选的端元，geeSEBAL 假设在冷湿端元中，所有可用能量都转化为潜热（蒸腾率高），而在热干端元中，所有可用能量都转化为显热。最后，根据蒸发分数，从瞬时估计值中按比例放大每日蒸发蒸腾量的估计值，假设在白天，土壤水分和平流没有显著变化，蒸发分数保持不变。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：(i) 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作物土地覆盖数据层 (CDL) 以及 NDVI、LST 和反照率过滤器；(ii) 根据前期降水对端元的 LST 进行校正；(iii) 定义 NLDAS 风速阈值，以减少大气校正期间的模型不稳定情况；(iv) 改进了每日净辐射的估计，使用 FAO-56 作为参考（Allen 等人，1998 年）。总体而言，geeSEBAL 的性能取决于地形、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是较高的敏感性和不确定性，而与气象输入相关的是较低的敏感性和不确定性（Laipelt 等人，2021 年和 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（包括环境直减率、海拔坡度和坡向）的 LST 和全球（入射）辐射，从而体现地形特征对模型端元选择算法和 ET 估计的影响。
频段
像素大小
30 米
频段
| 名称 | 单位 | 像素尺寸 | 说明 |
|---|---|---|---|
et |
mm | 米 | geeSEBAL ET 值 |
count |
计数 | 米 | 云端免费值的数量 |
图片属性
图片属性
| 名称 | 类型 | 说明 |
|---|---|---|
| build_date | STRING | 资产的建造日期 |
| 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 |
| 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 | 插值源图片集合中可用于目标月份的图片数量 |
| 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 | 应应用于计数频段的缩放比例 |
| 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 |
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。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. 和 Neale, C.M.U.，2022 年。评估 geeSEBAL 自动校准和气象再分析的不确定性，以估计亚热带湿润气候下的蒸发蒸腾量。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. 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
使用 Earth Engine 探索
代码编辑器 (JavaScript)
var dataset = ee.ImageCollection('OpenET/GEESEBAL/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 geeSEBAL Annual ET');