USGS MODIS 蒸散量数据集

USGS MODIS 蒸散量¶

这里提供的蒸散量 (ET) 数据集是遥感技术的结果，主要利用 MODIS 热图像和全球天气数据集。该数据集对应于 Climate Engine 使用的全球 ET 产品的第 5 版。它为 2003 年至 2023 年期间的 ET 时空动态提供了宝贵的见解。该数据集的基石是可操作的简化表面能量平衡 (SSEBop) 模型，由 Senay 等人精心详细介绍。（2013）。建立在简化表面能量平衡 (SSEB) 方法的基础上，该方法最初由 Senay 等人提出。SSEBop 模型于 2007 年发布，并在随后的出版物中得到进一步完善（Senay 等人，2011 年），它具有专门为操作应用量身定制的独特参数化功能，类似于与湿度测定相关的原理。Velpuri 等人进行的综合模型评估强调了其稳健性。2013年。前言 – 人工智能教程

全球蒸散估计是通过将从 Aqua 卫星获取的基于 MODIS 的陆地表面温度数据与来自 WorldClim 的最高气温数据相结合而精心得出的。此外，参考ET值是通过全球数据同化系统（GDAS）获得的，用于校准和验证目的，进一步提高了该数据集的准确性。这种综合方法不仅丰富了我们对全球范围内复杂的蒸散过程的理解，而且还为这些动态提供了宝贵的时间和空间见解。有关该数据集的更多信息可以在此处找到。您可以在此处找到气候引擎组织中此数据集的链接

数据集详细信息¶

空间范围	全球的
空间分辨率	1 公里网格（1/96 度）
时间分辨率	Dekadal、每月和每年
时间跨度	2003年至今
更新频率	每10-12天更新一次

变量

多变的	蒸散量 (ETa) ('et')
单位	毫米
比例因子	1.0

引文¶

Senay, G.B., Kagone S., Velpuri N.M., 2020, Operational Global Actual Evapotranspiration using the SSEBop model: U.S. Geological Survey data release, [https://doi.org/10.5066/P9OUVUUI.](https://doi.org/10.5066/P9OUVUUI) Publication: https://www.mdpi.com/1424-8220/20/7/1915Senay, G. B., Budde, M. E., & Verdin, J. P. (2011). Enhancing the Simplified Surface Energy Balance (SSEB) approach for estimating landscape ET: Validation with the METRIC model. Agricultural Water Management, 98(4), 606-618.Senay, G. B., Budde, M., Verdin, J. P., & Melesse, A. M. (2007). A coupled remote sensing and simplified surface energy balance approach to estimate actual evapotranspiration from irrigated fields. Sensors, 7(6), 979-1000.Velpuri, N. M., Senay, G. B., Singh, R. K., Bohms, S., and Verdin, J. P. (2013). A comprehensive evaluation of two MODIS evapotranspiration products over the conterminous United States: Using point and gridded FLUXNET and water balance ET, Remote Sensing of Environment, 139, 35-49, [(Abstract and Article)](http://dx.doi.org/10.1016/j.rse.2013.07.013)

地球引擎片段¶

// Read in dekadal, monthly, and annual Image Collections and get single image from each
var modis_et_d_ic = ee.ImageCollection('projects/earthengine-legacy/assets/projects/usgs-ssebop/modis_et_v5_dekadal')
var modis_et_d_i = modis_et_d_ic.first()
var modis_et_m_ic = ee.ImageCollection('projects/earthengine-legacy/assets/projects/usgs-ssebop/modis_et_v5_monthly')
var modis_et_m_i = modis_et_m_ic.first()
var modis_et_a_ic = ee.ImageCollection('projects/earthengine-legacy/assets/projects/usgs-ssebop/modis_et_v5_annual')
var modis_et_a_i = modis_et_a_ic.first()// Print first image to see bands
print(modis_et_d_i)
print(modis_et_m_i)
print(modis_et_a_i)// Visualize select bands from first image
var et_palette = ['#f5e4a9', '#fff4ad', '#c3e683', '#6bcc5c', '#3bb369', '#20998f', '#1c8691']
Map.addLayer(modis_et_d_i.select('et'), {min: 0, max: 10, palette: et_palette}, 'et, dekadal')
Map.addLayer(modis_et_m_i.select('et'), {min: 0, max: 30, palette: et_palette}, 'et, monthly')
Map.addLayer(modis_et_a_i.select('et'), {min: 0, max: 1000, palette: et_palette}, 'et, annual')

示例代码：https://code.earthengine.google.com/ ?scriptPath=users/sat-io/awesome-gee-catalog-examples:agriculture-vegetation-forestry/USGS-MODIS-ET