GEE数据集——NOAA全球蒸发应力指数 (ESI)

此星光明

发布于 2024-02-02 09:16:42

2540

发布于 2024-02-02 09:16:42

NOAA 蒸发应力指数 (ESI)¶

蒸发应力指数 (ESI) 由 NOAA 卫星应用与研究中心 (STAR) 和 USDA-ARS 水文与遥感实验室制定。蒸发应力指数 (ESI) 是异常蒸散条件的热指标，可用于干旱监测。蒸发压力指数 (ESI) 描述蒸散量 (ET) 的时间异常，突出显示地表用水率异常高或低的区域。此处，ET 是使用遥感地表温度 (LST) 时间变化信号通过能量平衡来检索的。LST 是一个快速响应变量，以相对较高的空间分辨率提供有关快速变化的表面土壤湿度和作物胁迫条件的代理信息。ESI 还展示了捕捉“突发干旱”早期信号的能力，“突发干旱”是由于长时间的炎热、干燥和多风条件导致土壤水分快速消耗而引起的。您可以在此处获取有关此数据集的更多信息前言 – 人工智能教程，并在此处获取气候引擎组织数据页面。

Evaporative Stress Index（ESI）是一项用于测量植物在区域层面上干旱或水分压力的工具。它是一种干旱指数，利用卫星数据估计土壤和植物表面水分蒸发的速率。ESI计算使用空气温度、湿度、风速和太阳辐射的数据。该指数的范围为0到5，其中0表示没有压力，5表示严重压力。ESI有助于监测和预测农业地区的干旱情况、作物产量和水资源可用性。

蒸发压力指数 (ESI) 描述蒸散量 (ET) 的时间异常，突出显示地表用水率异常高或低的区域。此处，ET 是使用遥感地表温度 (LST) 时间变化信号通过能量平衡来检索的。LST 是一个快速响应变量，以相对较高的空间分辨率提供有关快速变化的表层土壤湿度和作物胁迫条件的代理信息。ESI 还展示了捕捉“突发干旱”早期信号的能力，“突发干旱”是由于长时间的炎热、干燥和多风条件导致土壤水分快速消耗而引起的。

空间信息

范围	价值
空间范围	全球的
空间分辨率	4 公里（1/24 度）
时间分辨率	每周
时间跨度	2001年1月1日至今
更新频率	每周更新，滞后 1 周

变量

多变的	细节
4 周蒸发应力指数 ('ESI_4wk')	- 单位：无单位
	- 比例因子：1.0
12 周蒸发应力指数 ('ESI_12wk')	- 单位：无单位
	- 比例因子：1.0

引文¶

- Anderson, M. C., J. M. Norman, G. R. Diak, W. P. Kustas, and J. R. Mecikalski, 1997: A two-source time-integrated model for estimating surface
fluxes using thermal infrared remote sensing. Remote Sens. Environ., 60, 195-216.

- Anderson, M. C., J. M. Norman, J. R. Mecikalski, J. P. Otkin, and W. P. Kustas, 2007a: A climatological study of evapotranspiration and moisture
stress across the continental U.S. based on thermal remote sensing: I. Model formulation. J. Geophys. Res., 112, D10117, doi:10110.11029/
12006JD007506.

- Anderson, M. C., J. M. Norman, J. R. Mecikalski, J. P. Otkin, and W. P. Kustas, 2007b: A climatological study of evapotranspiration and moisture
stress across the continental U.S. based on thermal remote sensing: II. Surface moisture climatology. J. Geophys. Res., 112, D11112, doi:11110.11029/
12006JD007507.

- Anderson, M. C., C. R. Hain, B. Wardlow, J. R. Mecikalski, and W. P. Kustas (2011), Evaluation of a drought index based on thermal remote sensing
of evapotranspiration over the continental U.S., J. Climate, 24, 2025-2044.

- McKee, T. B., N. J. Doesken, and J. Kleist, 1993: The relationship of drought frequency and duration to time scales. AMS Eighth conf. on Applied
Climatology, Anaheim, CA, 179-184.

- McKee, T. B., N. J. Doesken, and J. Kleist, 1995: Drought monitoring with multiple time scales. AMS Ninth conf. on Applied Climatology, Dallas,
TX, 233-236.

- Norman, J. M., W. P. Kustas, and K. S. Humes, 1995: A two-source approach for estimating soil and vegetation energy fluxes from observations of
directional radiometric surface temperature. Agric. For. Met., 77, 263-293.

- Svoboda, M., and Coauthors, 2002: The Drought Monitor. Bull. Amer. Meteorol. Soc., 83, 1181-1190.

地球引擎片段¶

// Read in Image Collection and get first image
var esi_4wk_ic = ee.ImageCollection('projects/climate-engine/esi/4wk')
var esi_4wk_i = esi_4wk_ic.filterDate('2020-08-01', '2020-08-10').first()
var esi_12wk_ic = ee.ImageCollection('projects/climate-engine/esi/12wk')
var esi_12wk_i = esi_12wk_ic.filterDate('2020-08-01', '2020-08-10').first()

// Print first image to see bands
print(esi_4wk_i)
print(esi_12wk_i)

// Visualize select bands from first image — additional bands are present in the Image Collection
var esi_palette = ["#0000aa", "#0000ff", "#00aaff", "#00ffff", "#aaff55", "#ffffff", "#ffff00", "#fcd37f", "#ffaa00", "#e60000", "#730000"]
Map.addLayer(esi_4wk_i.select('ESI'), {min: -2.5, max: 2.5, palette: esi_palette}, 'ESI_4wk')
Map.addLayer(esi_12wk_i.select('ESI'), {min: -2.5, max: 2.5, palette: esi_palette}, 'ESI_12wk')