OpenET SSEBop Monthly Evapotranspiration v2.0

OpenET/SSEBOP/CONUS/GRIDMET/MONTHLY/v2_0
Dostępność zbioru danych
1999-10-01T00:00:00Z–2024-12-01T00:00:00Z
Dostawca zbioru danych
Fragment kodu Earth Engine
ee.ImageCollection("OpenET/SSEBOP/CONUS/GRIDMET/MONTHLY/v2_0")
Cykl
1 miesiąc
Tagi
ewapotranspiracja pochodne-gridmet pochodne-landsat miesięczne openet woda para-wodna

Opis

Operational Simplified Surface Energy Balance (SSEBop)

Model Operational Simplified Surface Energy Balance (SSEBop) opracowany przez Senaya i współpracowników (2013, 2017) to uproszczony model energii powierzchni oparty na pomiarach termicznych, który służy do szacowania rzeczywistego parowania na podstawie zasad psychrometrii satelitarnej (Senay 2018). Implementacja OpenET SSEBop wykorzystuje temperaturę powierzchni gruntu (Ts) z Landsata (produkty naukowe poziomu 2 z kolekcji 2) z kluczowymi parametrami modelu (odniesienie do temperatury mokrego termometru, Tc, i stała psychrometryczna powierzchni, 1/dT) pochodzącymi z kombinacji obserwowanej temperatury powierzchni, znormalizowanego różnicowego wskaźnika wegetacji (NDVI), średniej klimatycznej (1980–2017) dziennej maksymalnej temperatury powietrza (Ta, 1 km) z Daymet i danych dotyczących promieniowania netto z ERA-5. Ta implementacja modelu korzysta z platformy przetwarzania Google Earth Engine do łączenia kluczowych funkcji i algorytmów SSEBop ET podczas generowania wyników ET pośrednich i zagregowanych. Szczegółowe badanie i ocena modelu SSEBop w całych Stanach Zjednoczonych (Senay i in., 2022) dostarcza informacji zarówno na potrzeby implementacji w chmurze, jak i oceny aplikacji do bilansu wodnego na dużą skalę. Ulepszenia i wydajność modelu Notable (wersja 0.2.6) w porównaniu z poprzednimi wersjami obejmują dodatkową zgodność z satelitą Landsat 9 (wprowadzoną we wrześniu 2021 r.), rozszerzalność modelu globalnego i ulepszone parametryzowanie SSEBop za pomocą FANO (Forcing and Normalizing Operation) w celu lepszego szacowania ET na wszystkich obszarach i we wszystkich porach roku niezależnie od gęstości pokrywy roślinnej, co zwiększa dokładność modelu poprzez unikanie ekstrapolacji Tc do regionów nieobjętych kalibracją.

Informacje dodatkowe

Pasma

Rozmiar piksela
30 m

Pasma

Nazwa Jednostki Rozmiar piksela Opis
et mm metry

Wartość SSEBop ET

count liczba metry

Liczba wartości bezpłatnych w chmurze

Właściwości obrazu

Właściwości obrazu

Nazwa Typ Opis
build_date CIĄG ZNAKÓW

Data budowy obiektów

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 używana do interpolacji między szacunkami modelu Landsat

interp_source_count LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI

Liczba dostępnych obrazów w kolekcji obrazów źródłowych do 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 usługi

CC-BY-4.0

Cytowanie

Cytowania:
  • Senay, G.B., Parrish, G.E., Schauer, M., Friedrichs, M., Khand, K., Boiko, O., Kagone, S., Dittmeier, R., Arab, S. i Ji, L., 2023 r. Ulepszanie modelu ewapotranspiracji Operational Simplified Surface Energy Balance Evapotranspiration Model za pomocą operacji wymuszania i normalizacji. Remote Sensing, 15(1), s.260. doi:10.3390/rs15010260

  • Senay, G.B., Bohms, S., Singh, R.K., Gowda, P.H., Velpuri, N.M., Alemu, H. and Verdin, J.P., 2013 r. Operational evapotranspiration mapping using remote sensing and weather datasets: A new parameterization for the SSEB approach. JAWRA Journal of the American Water Resources Association, 49(3), s.577–591. doi:10.1111/jawr.12057

  • Senay, G.B., Schauer, M., Friedrichs, M., Velpuri, N.M. i Singh, R.K., 2017. Satellite-based water use dynamics using historical Landsat data (1984–2014) in the southwestern United States. Remote Sensing of Environment, 202, s.98–112. doi:10.1016/j.rse.2017.05.005c

  • Senay, G.B., 2018 r. Satelitarna formuła psychrometryczna modelu Operacyjnego Uproszczonego Bilansu Energii Powierzchni (SSEBop) do określania ilościowego i mapowania ewapotranspiracji. Applied Engineering in Agriculture, 34(3), pp.555-566. doi:10.13031/aea.12614

  • Senay, G.B., Friedrichs, M., Morton, C., Parrish, G.E., Schauer, M., Khand, K., Kagone, S., Boiko, O. i Huntington, J., 2022. Mapping actual evapotranspiration using Landsat for the conterminous United States: Google Earth Engine implementation and assessment of the SSEBop model. Remote Sensing of Environment, 275, s.113011. doi:10.1016/j.rse.2022.113011

DOI

Odkrywaj za pomocą Earth Engine

Edytor kodu (JavaScript)

var dataset = ee.ImageCollection('OpenET/SSEBOP/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 SSEBop Annual ET');
Otwórz w edytorze kodu