- Dostępność zbioru danych
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- Dostawca zbioru danych
- OpenET, Inc.
- Cykl
- 1 miesiąc
- Tagi
Opis
Wdrożenie geeSEBAL zostało niedawno zakończone w ramach OpenET. Przegląd bieżącej wersji geeSEBAL można znaleźć w artykule Laipelt i in. (2021), który opiera się na oryginalnych algorytmach opracowanych przez Bastiaanssen i in. (1998). Implementacja OpenET geeSEBAL wykorzystuje dane o temperaturze powierzchni ziemi (LST) z Landsat Collection 2, a także zbiory danych NLDAS i gridMET jako odpowiednio natychmiastowe i dzienne dane meteorologiczne. Automatyczny algorytm statystyczny do wybierania skrajnych wartości temperatury powierzchni Ziemi opiera się na uproszczonej wersji algorytmu kalibracji za pomocą modelowania odwrotnego w ekstremalnych warunkach (CIMEC) zaproponowanego przez Allena i in. (2013 r.), w którym kwantyle temperatury powierzchni Ziemi i znormalizowanego wskaźnika różnicowego wegetacji (NDVI) są używane do wybierania kandydatów na skrajne wartości w obszarze domeny Landsat. Kandydaci na elementy skrajne o niskiej temperaturze i dużej wilgotności są wybierani na obszarach z bogatą roślinnością, a kandydaci na elementy skrajne o wysokiej temperaturze i niskiej wilgotności – na obszarach upraw z najmniejszą ilością roślinności. Na podstawie wybranych elementów końcowych model geeSEBAL zakłada, że w przypadku zimnego i wilgotnego elementu końcowego cała dostępna energia jest przekształcana w ciepło utajone (przy wysokim poziomie transpiracji), a w przypadku gorącego i suchego elementu końcowego cała dostępna energia jest przekształcana w ciepło jawne. Na koniec szacunki dziennego parowania są skalowane w górę na podstawie szacunków chwilowych na podstawie ułamka parowania, przy założeniu, że jest on stały w ciągu dnia bez znaczących zmian wilgotności gleby i adwekcji. Na podstawie wyników badania OpenET Accuracy Assessment and Intercomparison zmodyfikowano algorytm OpenET geeSEBAL w ten sposób: (i) uproszczoną wersję CIMEC ulepszono przez zastosowanie dodatkowych filtrów do wybierania elementów końcowych, w tym warstwy danych o użytkach rolnych USDA (CDL) oraz filtrów dla NDVI, LST i albedo; (ii) wprowadzono korekty LST dla elementów końcowych na podstawie wcześniejszych opadów; (iii) określono progi prędkości wiatru NLDAS, aby zmniejszyć niestabilność modelu podczas korekty atmosferycznej; oraz (iv) ulepszono szacowanie dziennego promieniowania netto, używając FAO-56 jako odniesienia (Allen i in., 1998). Ogólnie rzecz biorąc, wydajność geeSEBAL zależy od warunków topograficznych, klimatycznych i meteorologicznych. Większa czułość i niepewność są związane z wyborem gorących i zimnych wartości granicznych na potrzeby automatycznej kalibracji CIMEC, a mniejsza czułość i niepewność – z danymi meteorologicznymi (Laipelt i in., 2021 r. i Kayser i in., 2022). Aby zmniejszyć niepewność związaną ze złożonym ukształtowaniem terenu, wprowadzono ulepszenia w celu skorygowania temperatury powierzchni gruntu i globalnego promieniowania (padającego) na powierzchni (w tym środowiskowego gradientu temperatury, nachylenia i ekspozycji), aby odzwierciedlić wpływ cech topograficznych na algorytm wyboru elementów końcowych modelu i szacunki ET.
Pasma
Rozmiar piksela
30 metrów
Pasma
| Nazwa | Jednostki | Rozmiar piksela | Opis |
|---|---|---|---|
et |
mm | metry | Wartość ET w geeSEBAL |
count |
liczba | metry | Liczba wartości bezpłatnych w chmurze |
Właściwości obrazu
Właściwości obrazu
| Nazwa | Typ | Opis |
|---|---|---|
| build_date | CIĄG ZNAKÓW | Data budowy zasobów |
| cloud_cover_max | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Maksymalna wartość procentowa CLOUD_COVER_LAND dla obrazów Landsat uwzględnionych w interpolacji |
| kolekcje | CIĄG ZNAKÓW | Lista kolekcji Landsat dla obrazów Landsat uwzględnionych w interpolacji |
| core_version | CIĄG ZNAKÓW | Wersja podstawowej biblioteki OpenET |
| end_date | CIĄG ZNAKÓW | Data zakończenia miesiąca |
| et_reference_band | CIĄG ZNAKÓW | Pasmo w et_reference_source, które zawiera dzienne dane ET referencyjne. |
| et_reference_resample | CIĄG ZNAKÓW | Tryb interpolacji przestrzennej do ponownego próbkowania dziennych danych ET |
| et_reference_source | CIĄG ZNAKÓW | Identyfikator kolekcji dziennych danych ET |
| interp_days | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Maksymalna liczba dni przed i po dacie każdego zdjęcia, które mają być uwzględnione w interpolacji |
| interp_method | CIĄG ZNAKÓW | Metoda interpolacji między szacunkami modelu Landsat |
| interp_source_count | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Liczba dostępnych obrazów w zbiorze obrazów źródłowych interpolacji w przypadku miesiąca docelowego |
| mgrs_tile | CIĄG ZNAKÓW | Identyfikator strefy siatki MGRS |
| model_name | CIĄG ZNAKÓW | Nazwa modelu OpenET |
| model_version | CIĄG ZNAKÓW | Wersja modelu OpenET |
| scale_factor_count | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Współczynnik skalowania, który należy zastosować do zakresu liczby |
| scale_factor_et | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Współczynnik skalowania, który należy zastosować do pasma ET |
| start_date | CIĄG ZNAKÓW | Data rozpoczęcia miesiąca |
Warunki korzystania z usługi
Warunki korzystania z usługi
Cytaty
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. i Melton, F., 2021. Długoterminowe monitorowanie ewapotranspiracji za pomocą algorytmu SEBAL i obliczeń w chmurze Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 178, s.81–96. doi:10.1016/j.isprsjprs.2021.05.018
Bastiaanssen, W.G., Menenti, M., Feddes, R.A. i Holtslag, A.A.M., 1998. Algorytm zdalnego pomiaru bilansu energetycznego powierzchni lądu (SEBAL). 1. Formuła. 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. i Neale, C.M.U., 2022 r. Ocena niepewności automatycznej kalibracji geeSEBAL i reanalizy meteorologicznej w celu oszacowania ewapotranspiracji w subtropikalnym klimacie wilgotnym. Agricultural and Forest Meteorology, 314, s.108775.doi:10.1016/j.agrformet.2021.108775
Allen, R.G., Burnett, B., Kramber, W., Huntington, J., Kjaersgaard, J., Kilic, A., Kelly, C. i Trezza, R., 2013 r. Automatyczna kalibracja procesu ewapotranspiracji METRIC-Landsat. JAWRA Journal of the American Water Resources Association, 49(3), pp.563-576. doi:10.1111/jawr.12056
DOI
Odkrywanie za pomocą Earth Engine
Edytor kodu (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');