- Dataset-Verfügbarkeit
- 1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
- Dataset-Anbieter
- OpenET, Inc.
- Cadence
- 1 Monat
- Tags
Beschreibung
Die Implementierung von geeSEBAL wurde vor Kurzem im OpenET-Framework abgeschlossen. Eine Übersicht über die aktuelle geeSEBAL-Version finden Sie in Laipelt et al. (2021), die auf den ursprünglichen Algorithmen von Bastiaanssen et al. (1998) basiert. Bei der geeSEBAL-Implementierung von OpenET werden Daten zur Landoberflächentemperatur (Land Surface Temperature, LST) aus Landsat Collection 2 sowie NLDAS- und gridMET-Datasets als sofortige bzw. tägliche meteorologische Eingaben verwendet. Der automatisierte statistische Algorithmus zur Auswahl der Hot- und Cold-Endmember basiert auf einer vereinfachten Version des von Allen et al. (2013) vorgeschlagenen CIMEC-Algorithmus (Calibration using Inverse Modeling at Extreme Conditions), bei dem Quantile von LST und NDVI-Werten (Normalized Difference Vegetation Index) verwendet werden, um Endmember-Kandidaten im Landsat-Domänenbereich auszuwählen. Die Kandidaten für die kalten und feuchten Endmember werden in gut bewachsenen Gebieten ausgewählt, während die Kandidaten für die heißen und trockenen Endmember in den am wenigsten bewachsenen landwirtschaftlichen Gebieten ausgewählt werden. Basierend auf den ausgewählten Endmembern geht geeSEBAL davon aus, dass im kalten und feuchten Endmember die gesamte verfügbare Energie in latente Wärme umgewandelt wird (mit hohen Transpirationsraten), während im heißen und trockenen Endmember die gesamte verfügbare Energie in sensible Wärme umgewandelt wird. Schließlich werden die Schätzungen der täglichen Evapotranspiration auf der Grundlage des Verdunstungsanteils von momentanen Schätzungen hochskaliert, wobei davon ausgegangen wird, dass dieser tagsüber konstant ist und sich Bodenfeuchte und Advektion nicht wesentlich ändern. Auf der Grundlage der Ergebnisse der Studie zur Genauigkeitsbewertung und zum Vergleich von OpenET wurde der OpenET-geeSEBAL-Algorithmus wie folgt geändert: (i) Die vereinfachte Version von CIMEC wurde durch die Verwendung zusätzlicher Filter zur Auswahl der Endmember verbessert, einschließlich der Verwendung des USDA Cropland Data Layer (CDL) und Filtern für NDVI, LST und Albedo; (ii) Korrekturen für LST für Endmember auf der Grundlage von Niederschlag in der Vergangenheit; (iii) Definition von NLDAS-Windgeschwindigkeitsgrenzwerten zur Verringerung der Modellinstabilität während der atmosphärischen Korrektur; und (iv) Verbesserungen zur Schätzung der täglichen Nettostrahlung unter Verwendung von FAO-56 als Referenz (Allen et al., 1998). Insgesamt hängt die Leistung von geeSEBAL von topografischen, klimatischen und meteorologischen Bedingungen ab. Die Empfindlichkeit und Unsicherheit sind höher bei der Auswahl von Hot- und Cold-Endmembern für die automatische CIMEC-Kalibrierung und niedriger bei meteorologischen Eingaben (Laipelt et al., 2021 und Kayser et al., 2022). Um Unsicherheiten im Zusammenhang mit komplexem Gelände zu reduzieren, wurden Verbesserungen hinzugefügt, um die LST und die globale (einfallende) Strahlung an der Oberfläche (einschließlich des Umwelt-Lapse-Rate, der Neigung und des Aspekts) zu korrigieren und die Auswirkungen topografischer Merkmale auf den Endmember-Auswahlalgorithmus des Modells und die ET-Schätzungen darzustellen.
Bänder
Pixelgröße
30 Meter
Bänder
| Name | Einheiten | Pixelgröße | Beschreibung |
|---|---|---|---|
et |
mm | Meter | geeSEBAL-ET-Wert |
count |
Anzahl | Meter | Anzahl der Cloud-Free-Werte |
Bildattribute
Bildattribute
| Name | Typ | Beschreibung |
|---|---|---|
| build_date | STRING | Datum, an dem die Assets erstellt wurden |
| cloud_cover_max | DOUBLE | Maximaler CLOUD_COVER_LAND-Prozentwert für Landsat-Bilder, die in die Interpolation einbezogen werden |
| Sammlungen | STRING | Liste der Landsat-Sammlungen für Landsat-Bilder, die in die Interpolation einbezogen werden |
| core_version | STRING | OpenET-Kernbibliotheksversion |
| end_date | STRING | Enddatum des Monats |
| et_reference_band | STRING | Band in „et_reference_source“, das die täglichen Referenz-ET-Daten enthält |
| et_reference_resample | STRING | Räumlicher Interpolationsmodus zum Resamplen von täglichen Referenzdaten für die ET |
| et_reference_source | STRING | Sammlungs-ID für die täglichen Referenzdaten für die geschätzte Transpiration |
| interp_days | DOUBLE | Maximale Anzahl von Tagen vor und nach dem Datum jedes Bildes, die in die Interpolation einbezogen werden sollen |
| interp_method | STRING | Methode, die zum Interpolieren zwischen Landsat-Modellschätzungen verwendet wird |
| interp_source_count | DOUBLE | Anzahl der verfügbaren Bilder in der Interpolationsquelle für den Zielmonat |
| mgrs_tile | STRING | MGRS-Gitterzonen-ID |
| model_name | STRING | OpenET-Modellname |
| model_version | STRING | OpenET-Modellversion |
| scale_factor_count | DOUBLE | Skalierungsfaktor, der auf das Zählband angewendet werden soll |
| scale_factor_et | DOUBLE | Skalierungsfaktor, der auf das ET-Band angewendet werden soll |
| start_date | STRING | Startdatum des Monats |
Nutzungsbedingungen
Nutzungsbedingungen
Zitate
Laipelt, L., Kayser, R.H.B., Fleischmann, A.S., Ruhoff, A., Bastiaanssen, W., Erickson, T.A. and Melton, F., 2021. Langzeitüberwachung der Evapotranspiration mit dem SEBAL-Algorithmus und Google Earth Engine Cloud Computing. 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. und Holtslag, A.A.M., 1998. Ein Algorithmus für die Oberflächenenergiebilanz für die Fernerkundung von Land (SEBAL). 1. Formulierung Journal of Hydrology, 212, S.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. und Neale, C.M.U., 2022. Bewertung der Unsicherheiten bei der automatischen Kalibrierung von geeSEBAL und der meteorologischen Reanalyse zur Schätzung der Evapotranspiration in subtropischen feuchten Klimazonen. 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. und Trezza, R., 2013. Automatisierte Kalibrierung des METRIC-Landsat-Evapotranspirationsprozesses. JAWRA Journal of the American Water Resources Association, 49(3), S.563–576. doi:10.1111/jawr.12056
DOIs
Earth Engine nutzen
Code-Editor (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');