此数据集属于发布商目录，并非由 Google Earth Engine 管理。 如需报告 bug 或查看 OpenET Catalog 中的更多数据集，请发送电子邮件至 support@openetdata.org。详细了解发布商数据集。
- 目录所有者
- OpenET
- 数据集可用时间
- 2015-10-01T00:00:00Z–2026-10-01T00:00:00Z
- 数据集提供方
- OpenET, Inc.
- 联系人
- support@openetdata.org
- 频率
- 1 个月
- 标记
说明
Google Earth Engine 实现了使用内化校准模型 (eeMETRIC) 绘制高分辨率蒸散量图。
eeMETRIC 应用了 Allen 等人（2007 年；2015 年）和 Allen 等人（2013b 年）的高级 METRIC 算法和流程，其中近地表气温差 (dT) 与经过时间修正的地表温度 (TsDEM) 之间的单一关系用于估算感热通量 (H)，并应用于每个 Landsat 场景。自动选择图像的热像素和冷像素通常遵循 Allen 等人 (2013a) 以及 ReVelle、Kilic 和 Allen (2019a,b) 描述的统计隔离过程。eeMETRIC 中 H 的校准利用了从 NLDAS-2 网格化天气数据集计算得出的苜蓿参考 ET，其中计算得出的参考 ET 固定减少 15%，以考虑网格化数据集中的已知偏差。固定减少不会影响 eeMETRIC 的校准准确性，并且主要会减少边界层浮力校正的影响。
在 METRIC 的 eeMETRIC 实现中，热像素和冷像素池候选对象的识别方式已经发生了变化。新的自动校准过程结合了 EEFlux 的两个开发分支（Allen 等人，2015 年）。第一个分支侧重于使用地表温度 (LST) 的标准递减率来改进自动像素选择过程，而无需进行任何进一步的空间递减（ReVelle 等人，2019b）。第二分支纳入了 LST 的次级空间去重叠，并对像素选择过程进行了更改（ReVelle 等人，2019a）。Kilic 等人 (2021) 介绍了最终的组合方法。
eeMETRIC 采用 Allen 等人 (2013b) 开发的复杂地形（山地）中与空气动力学相关的函数，以改进与估计的地形粗糙度、斜坡上的位置和风向相关的空气动力学粗糙度、风速和边界层稳定性的估计。这些函数往往会增加迎风坡上的 H 估计值（并减少 ET），并可能减少背风坡上的 H（并增加 ET）。 自 Allen 等人（2007 年和 2011 年）提供说明以来，eeMETRIC 中采用的其他 METRIC 函数包括：在地面存在有机覆盖物的情况下减少土壤热通量 (G)；对灌木地使用过量空气动力学阻力；对被识别为森林的树木使用 Perrier 函数（Allen 等人，2018 年；Santos 等人，2012) and aerodynamic estimation of evaporation from open water rather than using energy balance (Jensen and Allen 2016; Allen et al., 2018 年）。2022 年，Perrier 函数应用于树木（果园）作物，并将整体地表温度分为冠层温度、阴凉土壤温度和阳光直射土壤温度的三源分区应用于果园和葡萄园。这些后期施用是在 CDL 或加利福尼亚州由州政府资助的土地利用系统识别出果园和葡萄园的地方进行的。这些函数以及对原始 METRIC 模型的其他增强功能在最新的 METRIC 用户手册（Allen 等人，2018 年）。eeMETRIC 使用 Landsat Collection 2 Level 2 中经过大气校正的地表反射率和 LST，并在需要进行近实时估算时回退到 Collection 2 Level 1。OpenET Collection v2.1
OpenET Collection v2.1 是 Collection v2.0 的重新处理和更新版本，主要用于解决已知的 v2.0 问题，同时还纳入了细微的模型改进和输入数据更新。在某些地点和时间，两个集合版本的 ET 预计会有明显差异。其中一些更新和变更包括：
- 额外的云层筛查和过滤，以跳过具有未遮盖云层和/或大面积积雪的 Landsat 影像。
- 重新处理，以纳入 NLDAS-2 和 GRIDMET 输入气象数据集的更新。
- 为所有需要土地覆盖信息的模型纳入了 USGS 年度 NLCD 产品。
- 为所有需要作物类型信息的模型纳入了最新的 USDA CDL。
- 更新了插值，以便仅在当月所有日期都有插值时才生成月度 ET（减少多云/多雪或低覆盖率时段的“count=0”月份）。
- 应用发射率校正，以解决 Landsat LST 数据中的已知问题。
频段
波段
像素大小：30 米（所有波段）
| 名称 | 单位 | 像素尺寸 | 说明 |
|---|---|---|---|
et |
mm | 30 米 | 实际蒸散量 (ET) 总量 |
count |
计数 | 30 米 | 插值中包含的月份内无云观测次数 |
图片属性
图像属性
| 名称 | 类型 | 说明 |
|---|---|---|
| build_date | STRING | 素材资源的创建日期 |
| build_status | STRING | 状态可以是“permanent”或“provisional”。标记为“临时”的图片日后可能会更新。 |
| cloud_cover_max | 双精度 | 插值中包含的 Landsat 图片的最大 CLOUD_COVER_LAND 百分比值 |
| 收藏集 | 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 | 月份结束日期 |
| et_reference_band | STRING | et_reference_source 中包含每日参考 ET 数据的波段 |
| et_reference_resample | STRING | 用于对每日参考 ET 数据进行重新采样的空间插值模式 |
| et_reference_source | STRING | 每日参考 ET 数据的集合 ID |
| image_source_count | 双精度 | 插值中使用的场景图片数量 |
| interp_days | 双精度 | 每个图片日期前后要包含在插值中的最大天数 |
| 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片集合中的可用图片数量 |
| 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 | 月份开始日期 |
| units_et | STRING | “et”波段的单位 |
使用条款
使用条款
引用
Kilic, A.、Allen, R.G.、Blankenau, P.、ReVelle, P.、Ozturk, D. and Huntington, J., 2021 年。利用 EEFlux 和 eeMETRIC 全球生成并免费获取 Landsat 规模的蒸散数据。In 6th Decennial National Irrigation Symposium, 6-8, December 2021, San Diego, California (p. 1). 美国农业与生物工程师学会。 doi:10.13031/irrig.2020-038
Allen, R.G.、Tasumi, M.、Morse, A. 和 Trezza, R.，2005. 美国西部水权监管和规划中基于 Landsat 的能量平衡和蒸散模型。《灌溉和排水系统》，第 19 卷，第 251-268 页。doi:10.1007/s10795-005-5187-z
Allen, R.G.、Tasumi, M. 和 Trezza, R.，2007. 基于卫星的能量平衡模型，用于通过内化校准 (METRIC) 绘制蒸散图。Journal of irrigation and drainage engineering, 133(4), pp.380-394. doi:10.1029/2006JD007506
Allen, R.、Irmak, A.、Trezza, R.、Hendrickx, J.M.、Bastiaanssen, W. and Kjaersgaard, J., 2011. 使用 SEBAL 和 METRIC 算法 在农业中进行基于卫星的 ET 估算《水文过程》(Hydrological Processes)，25(26)，第 4011-4027 页。 doi:10.1002/hyp.8408
Allen, R.G.、Burnett, B., Kramber, W.、Huntington, J.、Kjaersgaard, J.、 Kilic, A.、Kelly, C. 和 Trezza, R.，2013a. metric-landsat 蒸散过程的自动校准。《JAWRA Journal of the American Water Resources Association》第 49 卷第 3 期，第 563-576 页。doi:10.1111/jawr.12056
Allen, R.G.、Trezza, R.、Kilic, A.、Tasumi, M. 和 Li, H.，2013b. Landsat 尺度能量平衡对山区和复杂地形中空气动力学变异性的敏感性。《JAWRA Journal of the American Water Resources Association》，49(3)，第 592-604 页。doi:10.1111/jawr.12055
Allen, R.G.、Morton, C.、Kamble, B.、Kilic, A.、Huntington, J.、Thau, D., Gorelick, N.、Erickson, T., Moore, R.、Trezza, R. 和 Ratcliffe, I.， 2015。EEFlux：Google Earth Engine 上基于 Landsat 的蒸散量映射工具。In 2015 ASABE/IA Irrigation Symposium: Emerging Technologies for Sustainable Irrigation-A Tribute to the Career of Terry Howell, Sr. Conference Proceedings (pp. 1-11). American Society of Agricultural and Biological Engineers. doi:10.13031/irrig.20152143511
Jensen, M.E. and R.G. Allen (ed.). 2016 年。蒸发、蒸散和灌溉用水需求。Manuals of Practice no. 70（第 2 版）。Task Committee on Revision of Manual 70，2016 年 4 月。美国土木工程师学会。弗吉尼亚州雷斯顿。744 p. doi:10.1061/9780784414057
Kilic, A.、Allen, R.、Trezza, R.、Ratcliffe, I.、Kamble, B.、Robison, C. 和 Ozturk, D.，2016 年。METRIC 处理算法的蒸散检索对 Landsat 8 热数据改进的辐射分辨率以及 Landsat 7 和 8 地表温度校准偏差的敏感性。《环境遥感》，185，第 198-209 页。 doi:10.1016/j.rse.2016.07.011
ReVelle, P.、A. Kilic 和 R.G. Allen。2019a. 更新后的校准 说明：eeMETRIC 中的空间降尺度。研究报告。School of Natural Resources, University of Nebraska-Lincoln and University of Idaho. 9 p.
ReVelle, P.、A. Kilic and R.G. Allen. 2019b. 更新了校准说明：eeMETRIC 中的自动像素选择方法。Research Note. 内布拉斯加大学林肯分校自然资源学院和爱达荷大学。20 p.
Santos, C.、Lorite, I.J.、Allen, R.G. 和 Tasumi, M.，2012。Aerodynamic parameterization of the satellite-based energy balance (METRIC) model for ET estimation in rainfed olive orchards of Andalusia, Spain. 《水资源管理》，第 26 卷，第 3267-3283 页。 doi:10.1007/s11269-012-0071-8
DOI
通过 Earth Engine 探索
代码编辑器 (JavaScript)
var dataset = ee.ImageCollection('projects/openet/assets/eemetric/conus/gridmet/monthly/v2_1') .filterDate('2024-01-01', '2025-01-01'); // 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 eeMETRIC Annual ET');