Remotely sensed evapotranspiration (ET) at a high spatial resolution (30 m) has wide-ranging applications in agriculture, hydrology and meteorology. The original optical trapezoid model for ET (O_OPTRAM-ET), which does not require thermal remote sensing, shows potential for high-resolution ET estimation. However, the non-automated O_OPTRAM-ET heavily depends on visual interpretation or optimization with in situ measurements, limiting its practical utility. In this study, a SpatioTemporal Aggregated Regression algorithm (STAR) is proposed to develop an automatic trapezoid model for ET (A_OPTRAM-ET), implemented within the Google Earth Engine environment, and evaluated globally at both moderate and high resolutions (500 m and 30 m, respectively). Through the integration of an aggregation algorithm across multiple dimensions to automatically determine its parameters, A_OPTRAM-ET can operate efficiently without the need for ground-based measurements as input. Evaluation against in situ ET demonstrates that the proposed A_OPTRAM-ET model effectively estimates ET across various land cover types and satellite platforms. The overall root mean square error (RMSE), mean absolute error (MAE), and correlation coefficient (CC) when compared with in situ latent heat flux (LE) measurements are 35.5 W·m−2 (41.3 W·m−2, 40.0 W·m−2, 36.1 W·m−2,), 26.3 W·m−2 (28.9 W·m−2, 28.7 W·m−2, 25.8 W·m−2,), and 0.78 (0.73, 0.70, 0.72) for Sentinel-2 (Landsat-8, Landsat-5, MOD09GA), respectively. The A_OPTRAM-ET model exhibits a stable accuracy over long time periods (approximately 10 years). When compared with other published ET datasets, ET estimated by the A_OPTRAM-ET model is better with the land cover types of cropland and shrubland. Additionally, global ET derived from the A_OPTRAM-ET model shows trends consistent with other published ET datasets over the period 2001–2020, while offering enhanced spatial details. Therefore, the proposed A_OPTRAM-ET model provides an efficient, high-resolution, and globally applicable method for ET estimation, with significant practical values for agriculture, hydrology, and related fields.

中文翻译：

---

A_OPTRAM-ET：用于蒸散估计及其全球尺度评估的自动光学梯形模型


高空间分辨率 （30 m） 的遥感蒸散 （ET） 在农业、水文和气象学中具有广泛的应用。原始的 ET 光梯形模型 （O_OPTRAM-ET） 不需要热遥感，显示出高分辨率 ET 估计的潜力。然而，非自动 O_OPTRAM-ET 在很大程度上依赖于视觉解释或原位测量的优化，从而限制了其实际实用性。在本研究中，提出了一种时空聚合回归算法 （STAR） 来开发一个 ET 自动梯形模型 （A_OPTRAM-ET），在 Google Earth Engine 环境中实施，并以中高分辨率（分别为 500 m 和 30 m）在全球范围内进行评估。通过集成跨多个维度的聚合算法以自动确定其参数，A_OPTRAM-ET 可以高效运行，而无需基于地面的测量作为输入。针对原位 ET 的评估表明，所提出的 A_OPTRAM-ET 模型有效地估计了各种土地覆盖类型和卫星平台的 ET。与原位潜热通量 （LE） 测量值相比，总体均方根误差 （RMSE）、平均绝对误差 （MAE） 和相关系数 （CC） 分别为 35.5 W·m−2（41.3 W·m−2、40.0 W·m−2、36.1 W·m−2）、26.3 W·m−2（28.9 W·m−2、28.7 W·m−2、25.8 W·m−2）和 0.78（0.73、0.70、0.72）对于 Sentinel-2（Landsat-8、 Landsat-5， MOD09GA） 的 Landsat-5 中。A_OPTRAM-ET 模型在较长的时间周期（约 10 年）内表现出稳定的精度。与其他已发表的 ET 数据集相比，A_OPTRAM-ET 模型估计的 ET 在农田和灌木丛的土地覆盖类型中效果更好。 此外，从 A_OPTRAM-ET 模型得出的全球 ET 显示的趋势与 2001-2020 年期间其他已发布的 ET 数据集一致，同时提供了增强的空间细节。因此，所提出的 A_OPTRAM-ET 模型提供了一种高效、高分辨率且全球适用的 ET 估计方法，对农业、水文学和相关领域具有重要的实用价值。