- 数据集可用时间
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- 数据集生产者
- OpenET, Inc.
- 步频
- 1 个月
- 标签
说明
OpenET 框架内最近完成了 geeSEBAL 的实现，您可以在 Laipelt 等人 (2021) 的文章中找到当前 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 Landsat 集合 2 中的地表温度 (LST) 数据，以及 NLDAS 和 gridMET 数据集，分别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) 提出的使用极端条件下的逆向建模进行校准 (CIMEC) 算法的简化版本，其中 LST 和归一化植被指数 (NDVI) 值的百分位数用于在 Landsat 域区域中选择端元候选对象。冷端元和湿端元候选对象在植被茂盛的区域中选择，而热端元和干端元候选对象在植被最少的农田区域中选择。 根据所选端元，geeSEBAL 假设在冷端元和湿端元中，所有可用能量都转换为潜热（蒸腾率高），而在热端元和干端元中，所有可用能量都转换为显热。最后，每日蒸散量的估算值根据蒸发分数从瞬时估算值按比例放大，假设蒸发分数在白天保持不变，且土壤湿度和对流没有显著变化。根据 OpenET 准确性评估和相互比较研究的结果，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（包括使用 USDA 农田数据层 (CDL) 以及 NDVI、LST 和反照率的过滤器）改进了 CIMEC 的简化版本；(ii) 根据先前降水对端元的 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性；以及 (iv) 改进了每日净辐射的估算，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，与 CIMEC 自动校准的热端元和冷端元选择相关的敏感性和不确定性较高，而与气象输入相关的敏感性和不确定性较低（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，添加了改进措施，以校正地表上的 LST 和全球（入射）辐射（包括环境递减率、海拔坡度和坡向），从而表示地形特征对模型的端元选择算法和 ET 估算的影响。
频段
频段
像元大小：30 米（所有频段）
| 名称 | 单位 | 像元大小 | 说明 |
|---|---|---|---|
et |
mm | 30 米 | geeSEBAL ET 值 |
count |
计数 | 30 米 | 无云值数量 |
图像属性
图像属性
| 名称 | 类型 | 说明 |
|---|---|---|
| build_date | STRING | 构建资产的日期 |
| cloud_cover_max | 双精度 | 插值中包含的 Landsat 图像的 CLOUD_COVER_LAND 百分比最大值 |
| collections | STRING | 插值中包含的 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 | 用于对每日参考 ET 数据进行重采样的空间插值模式 |
| et_reference_source | STRING | 每日参考 ET 数据的集合 ID |
| interp_days | 双精度 | 在插值中包含的每个图像日期之前和之后的最大天数 |
| interp_method | STRING | 用于在 Landsat 模型估算值之间进行插值的方法 |
| interp_source_count | 双精度 | 目标月份的插值源图像集合中可用图像的数量 |
| 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 | 月份的开始日期 |
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 云计算对蒸散进行长期监控。ISPRS Journal of Photogrammetry and Remote Sensing，178， 第 81-96 页。 doi:10.1016/j.isprsjprs.2021.05.018
Bastiaanssen, W.G.、Menenti, M.、Feddes, R.A. 和 Holtslag, A.A.M.， 1998 年。用于陆地的遥感地表能量平衡算法 (SEBAL)。1. 公式。Journal of hydrology，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。评估 geeSEBAL 自动校准和气象再分析不确定性，以估算亚热带湿润气候中的蒸散。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。Metric-Landsat 蒸散过程的自动校准。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('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');