- זמינות מערך הנתונים
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- ספק מערך נתונים
- OpenET, Inc.
- קצב
- חודש אחד
- תגים
תיאור
הטמעה של geeSEBAL הושלמה לאחרונה במסגרת OpenET. סקירה כללית של הגרסה הנוכחית של geeSEBAL מופיעה במאמר של Laipelt et al. (2021), שמבוסס על האלגוריתמים המקוריים שפותחו על ידי Bastiaanssen et al. (1998). ההטמעה של OpenET geeSEBAL משתמשת בנתוני טמפרטורת פני השטח (LST) מ-Landsat Collection 2, בנוסף למערכי הנתונים של NLDAS ו-gridMET כנתונים מטאורולוגיים מיידיים ויומיים, בהתאמה. האלגוריתם הסטטיסטי האוטומטי לבחירת נקודות הקצה החמות והקרות מבוסס על גרסה פשוטה של אלגוריתם הכיול באמצעות מודלים הפוכים בתנאים קיצוניים (CIMEC) שהוצע על ידי אלן ואחרים (2013), שבו נעשה שימוש בקוונטילים של LST ובערכי מדד הצמחייה של ההפרש הנורמלי (NDVI) כדי לבחור מועמדים לנקודות קצה באזור הדומיין של Landsat. המועמדים לנקודות הקצה הקרות והרטובות נבחרים באזורים עם צמחייה עשירה, ואילו המועמדים לנקודות הקצה החמות והיבשות נבחרים באזורים של אדמות חקלאיות עם צמחייה דלילה. על סמך חברי הקצה שנבחרו, המודול geeSEBAL מניח שבחבר הקצה הקר והרטוב כל האנרגיה הזמינה מומרת לחום כמוס (עם שיעורי טרנספירציה גבוהים), ואילו בחבר הקצה החם והיבש כל האנרגיה הזמינה מומרת לחום מוחשי. לבסוף, האומדנים של האידוי והדיות היומיים מוגדלים מאומדנים מיידיים על סמך חלק האידוי, בהנחה שהוא קבוע במהלך היום ללא שינויים משמעותיים בלחות הקרקע ובאדבקציה. על סמך התוצאות של מחקר ההערכה וההשוואה של OpenET, בוצעו השינויים הבאים באלגוריתם geeSEBAL של OpenET: (i) הגרסה הפשוטה של CIMEC שופרה באמצעות שימוש במסננים נוספים לבחירת חברי הקצה, כולל שימוש ב-USDA Cropland Data Layer (CDL) ובמסננים ל-NDVI, ל-LST ול-albedo; (ii) בוצעו תיקונים ב-LST לחברי קצה על סמך משקעים קודמים; (iii) הוגדרו ספי מהירויות רוח של NLDAS כדי לצמצם את חוסר היציבות של המודל במהלך התיקון האטמוספרי; ו-(iv) בוצעו שיפורים בהערכת קרינה נטו יומית, באמצעות FAO-56 כהפניה (Allen et al., 1998). באופן כללי, הביצועים של geeSEBAL תלויים בתנאים טופוגרפיים, אקלימיים ומטאורולוגיים, עם רגישות גבוהה יותר ואי ודאות שקשורות לבחירות של נקודות קצה חמות וקרות עבור הכיול האוטומטי של CIMEC, ורגישות נמוכה יותר ואי ודאות שקשורות לקלט מטאורולוגי (Laipelt et al., 2021 ו-Kayser et al., 2022). כדי לצמצם את אי הוודאות שקשורה לטופוגרפיה מורכבת, הוספנו שיפורים לתיקון LST וקרינה גלובלית (אירועית) על פני השטח (כולל קצב שינוי הטמפרטורה הסביבתית, שיפוע הגובה וההיבט) כדי לייצג את ההשפעות של מאפיינים טופוגרפיים על אלגוריתם בחירת חברי הקצה של המודל ועל הערכות ה-ET.
תחום תדרים
גודל הפיקסל
30 מטרים
תחום תדרים
| שם | יחידות | גודל הפיקסל | תיאור |
|---|---|---|---|
et |
מ"מ | מטרים | ערך geeSEBAL ET |
count |
ספירה | מטרים | מספר הערכים החינמיים בענן |
מאפייני התמונה
מאפייני תמונה
| שם | סוג | תיאור |
|---|---|---|
| build_date | מחרוזת | התאריך שבו הנכסים נוצרו |
| cloud_cover_max | נקודה צפה בדיוק כפול (Double Precision Floating Point) | ערך אחוז CLOUD_COVER_LAND מקסימלי לתמונות Landsat שנכללות באינטרפולציה |
| אוספים | מחרוזת | רשימת אוספי Landsat של תמונות Landsat שנכללות באינטרפולציה |
| core_version | מחרוזת | גרסת ספריית הליבה של OpenET |
| end_date | מחרוזת | תאריך הסיום של החודש |
| et_reference_band | מחרוזת | הטווח ב-et_reference_source שמכיל את נתוני ה-ET של הייחוס היומי |
| et_reference_resample | מחרוזת | מצב אינטרפולציה מרחבית לדגימה מחדש של נתוני ET יומיים של הפניה |
| et_reference_source | מחרוזת | מזהה האוסף של נתוני ה-ET היומיים של ההפניה |
| interp_days | נקודה צפה בדיוק כפול (Double Precision Floating Point) | מספר הימים המקסימלי לפני ואחרי התאריך של כל תמונה שייכללו באינטרפולציה |
| interp_method | מחרוזת | השיטה שמשמשת לאינטרפולציה בין הערכות של מודל Landsat |
| interp_source_count | נקודה צפה בדיוק כפול (Double Precision Floating Point) | מספר התמונות שזמינות באוסף תמונות המקור לאינטרפולציה בחודש היעד |
| mgrs_tile | מחרוזת | מזהה אזור ברשת MGRS |
| model_name | מחרוזת | שם הדגם של OpenET |
| model_version | מחרוזת | גרסת המודל של OpenET |
| scale_factor_count | נקודה צפה בדיוק כפול (Double Precision Floating Point) | גורם קנה המידה שצריך להחיל על פס הספירה |
| scale_factor_et | נקודה צפה בדיוק כפול (Double Precision Floating Point) | גורם לקביעת קנה מידה שצריך להחיל על פס הזמן של et |
| start_date | מחרוזת | תאריך התחלת חודש |
תנאים והגבלות
תנאים והגבלות
ציטוטים ביבליוגרפיים
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. and Melton, F., 2021. מעקב ארוך טווח אחרי אידוי ודיות באמצעות אלגוריתם SEBAL ו-Google Earth Engine cloud computing. 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. and Holtslag, A.A.M., 1998. אלגוריתם של מאזן אנרגיה של פני השטח לחישה מרחוק של קרקע (SEBAL). 1. ניסוח. 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. and Neale, C.M.U., 2022. Assessing geeSEBAL automated calibration and meteorological reanalysis uncertainties to estimate evapotranspiration in subtropical humid climates 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. and Trezza, R., 2013. כיול אוטומטי של תהליך מדידת האידוי והדיות (evapotranspiration) של נתוני Landsat. JAWRA Journal of the American Water Resources Association, 49(3), pp.563-576. doi:10.1111/jawr.12056
מספרי DOI
סיור באמצעות Earth Engine
עורך הקוד (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');