- Phạm vi cung cấp tập dữ liệu
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- Nhà cung cấp tập dữ liệu
- OpenET, Inc.
- Tần suất
- 1 tháng
- Thẻ
Mô tả
Việc triển khai geeSEBAL gần đây đã hoàn tất trong khuôn khổ OpenET và bạn có thể xem thông tin tổng quan về phiên bản geeSEBAL hiện tại trong Laipelt và cộng sự (2021). Phiên bản này dựa trên các thuật toán ban đầu do Bastiaanssen và cộng sự (1998) phát triển. Việc triển khai OpenET geeSEBAL sử dụng dữ liệu nhiệt độ bề mặt đất (LST) từ Landsat Collection 2, ngoài các tập dữ liệu NLDAS và gridMET lần lượt là dữ liệu đầu vào khí tượng tức thời và hằng ngày. Thuật toán thống kê tự động để chọn các thành phần cuối nóng và lạnh dựa trên phiên bản đơn giản của thuật toán Hiệu chỉnh bằng mô hình hoá nghịch đảo trong điều kiện khắc nghiệt (CIMEC) do Allen và cộng sự đề xuất (2013), trong đó các phân vị của LST và chỉ số thực vật khác biệt được chuẩn hoá (NDVI) được dùng để chọn các thành phần cuối tiềm năng trong vùng miền Landsat. Các ứng cử viên thành phần cuối lạnh và ẩm được chọn ở những khu vực có nhiều thảm thực vật, trong khi các ứng cử viên thành phần cuối nóng và khô được chọn ở những khu vực đất trồng trọt có ít thảm thực vật nhất. Dựa trên các thành phần cuối được chọn, geeSEBAL giả định rằng trong thành phần cuối lạnh và ẩm, tất cả năng lượng có sẵn đều được chuyển đổi thành nhiệt tiềm ẩn (với tốc độ thoát hơi nước cao), trong khi trong thành phần cuối nóng và khô, tất cả năng lượng có sẵn đều được chuyển đổi thành nhiệt cảm nhận. Cuối cùng, số liệu ước tính về lượng bốc hơi nước hằng ngày được tăng lên từ số liệu ước tính tức thời dựa trên tỷ lệ bốc hơi, giả sử tỷ lệ này không đổi trong ngày mà không có thay đổi đáng kể về độ ẩm của đất và sự đối lưu. Dựa trên kết quả của nghiên cứu Đánh giá độ chính xác và so sánh OpenET, thuật toán OpenET geeSEBAL đã được sửa đổi như sau: (i) phiên bản đơn giản của CIMEC đã được cải thiện bằng cách sử dụng các bộ lọc bổ sung để chọn thành phần cuối, bao gồm cả việc sử dụng Lớp dữ liệu đất trồng (CDL) của Bộ Nông nghiệp Hoa Kỳ và các bộ lọc cho NDVI, LST và suất phản chiếu; (ii) các điểm điều chỉnh đối với LST cho thành phần cuối dựa trên lượng mưa trước đó; (iii) định nghĩa các ngưỡng tốc độ gió NLDAS để giảm sự không ổn định của mô hình trong quá trình điều chỉnh khí quyển; và (iv) các điểm cải tiến để ước tính bức xạ ròng hằng ngày, sử dụng FAO-56 làm tài liệu tham khảo (Allen và cộng sự, 1998). Nhìn chung, hiệu suất của geeSEBAL phụ thuộc vào điều kiện địa hình, khí hậu và khí tượng, với độ nhạy và độ không chắc chắn cao hơn liên quan đến việc lựa chọn thành phần cuối nóng và lạnh để hiệu chỉnh tự động CIMEC, cũng như độ nhạy và độ không chắc chắn thấp hơn liên quan đến dữ liệu đầu vào khí tượng (Laipelt và cộng sự, 2021 và Kayser cùng cộng sự, 2022). Để giảm những yếu tố không chắc chắn liên quan đến địa hình phức tạp, chúng tôi đã bổ sung các điểm cải tiến để điều chỉnh LST và bức xạ toàn cầu (sự cố) trên bề mặt (bao gồm cả tốc độ suy giảm môi trường, độ dốc và hướng của độ cao) nhằm thể hiện ảnh hưởng của các đặc điểm địa hình đối với thuật toán lựa chọn thành phần cuối của mô hình và các ước tính về ET.
Băng tần
Kích thước pixel
30 mét
Băng tần
| Tên | Đơn vị | Kích thước pixel | Mô tả |
|---|---|---|---|
et |
mm | mét | Giá trị ET geeSEBAL |
count |
số lượng | mét | Số lượng giá trị miễn phí trên đám mây |
Thuộc tính hình ảnh
Thuộc tính hình ảnh
| Tên | Loại | Mô tả |
|---|---|---|
| build_date | STRING | Ngày xây dựng tài sản |
| cloud_cover_max | DOUBLE | Giá trị phần trăm CLOUD_COVER_LAND tối đa cho hình ảnh Landsat có trong quá trình nội suy |
| bộ sưu tập | STRING | Danh sách các bộ sưu tập Landsat cho hình ảnh Landsat có trong quá trình nội suy |
| core_version | STRING | Phiên bản thư viện lõi OpenET |
| end_date | STRING | Ngày kết thúc của tháng |
| et_reference_band | STRING | Dải trong et_reference_source chứa dữ liệu ET tham chiếu hằng ngày |
| et_reference_resample | STRING | Chế độ nội suy không gian để lấy mẫu lại dữ liệu ET tham chiếu hằng ngày |
| et_reference_source | STRING | Mã tập hợp cho dữ liệu ET tham chiếu hằng ngày |
| interp_days | DOUBLE | Số ngày tối đa trước và sau mỗi ngày chụp ảnh để đưa vào quá trình nội suy |
| interp_method | STRING | Phương pháp dùng để nội suy giữa các giá trị ước tính của mô hình Landsat |
| interp_source_count | DOUBLE | Số lượng hình ảnh có sẵn trong bộ sưu tập hình ảnh nguồn nội suy cho tháng mục tiêu |
| mgrs_tile | STRING | Mã vùng lưới MGRS |
| model_name | STRING | Tên mô hình OpenET |
| model_version | STRING | Phiên bản mô hình OpenET |
| scale_factor_count | DOUBLE | Hệ số tỷ lệ cần áp dụng cho dải số lượng |
| scale_factor_et | DOUBLE | Hệ số tỷ lệ cần áp dụng cho băng tần et |
| start_date | STRING | Ngày bắt đầu của tháng |
Điều khoản sử dụng
Điều khoản sử dụng
Trích dẫn
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. và Melton, F., 2021. Giám sát sự thoát hơi nước trong thời gian dài bằng thuật toán SEBAL và điện toán đám mây Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 178, trang 81-96. doi:10.1016/j.isprsjprs.2021.05.018
Bastiaanssen, W.G., Menenti, M., Feddes, R.A. và Holtslag, A.A.M., 1998. Thuật toán cân bằng năng lượng bề mặt cảm biến từ xa cho đất (SEBAL). 1. Công thức. 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. và Neale, C.M.U., 2022. Đánh giá độ không chắc chắn của quá trình hiệu chuẩn tự động geeSEBAL và phân tích lại khí tượng để ước tính lượng bốc hơi trong khí hậu ẩm cận nhiệt đới. 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. và Trezza, R., 2013. Hiệu chuẩn tự động quy trình bốc hơi metric-landsat. JAWRA Journal of the American Water Resources Association, 49(3), trang 563-576. doi:10.1111/jawr.12056
DOI
Khám phá bằng Earth Engine
Trình soạn thảo mã (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');