GRIDMET DROUGHT: CONUS Drought Indices

GRIDMET/DROUGHT
데이터 세트 제공
1980-01-05T00:00:00Z–2026-10-12T06:00:00Z
데이터 세트 출처
Earth Engine 스니펫
ee.ImageCollection("GRIDMET/DROUGHT")
주기
5일
태그
기후 conus 작물 가뭄 증발산량 지구물리학 gridmet merced metdata palmer pdsi 강수량 지표수 수증기
climatic-water-balance
eddi
spei
spi

설명

이 데이터 세트에는 4km 일일 그리드 지표면 기상 (GRIDMET) 데이터 세트에서 파생된 가뭄 지수가 포함되어 있습니다. 제공되는 가뭄 지수에는 표준 강수 지수 (SPI), 증발 가뭄 수요 지수 (EDDI), 표준화된 강수 증발 지수 (SPEI), 파머 가뭄 지수 (PDSI), 파머 Z 지수 (Z)가 포함됩니다.

SPI, EDDI, SPEI는 각각 강수량, 기준 증발산량, 강수량에서 기준 증발산량을 뺀 값의 시간 집계에 해당하는 다양한 시간 척도로 제공됩니다. 기간에는 14일, 30일, 90일, 180일, 270일, 1년, 2년, 5년이 포함됩니다. 표준화는 비모수 표준화 확률 기반 방법을 사용하여 수행됩니다. 이 방법에서는 플로팅 위치를 사용하여 역정규 분포를 가정하는 지수로 변환되는 확률을 얻습니다. 모든 데이터는 1981~2016년의 공통 기간에 걸쳐 표준화됩니다.

PDSI 및 Z는 GRIDMET의 기준 증발산량 및 강수량과 STATSGO의 정적 토양 수분 보유 용량 레이어 (상위 1, 500mm)를 사용하는 수정된 버전의 Palmer 공식을 사용하여 계산됩니다. 원래 Palmer 공식의 계수를 수정하여 PDSI를 계산합니다. PDSI 및 Z 계산의 기준 기간은 1979~2018년입니다.

이 데이터 세트의 가뭄 지수 해석은 PDSI 및 Z의 경우 SPI, SPEI, EDDI와 다릅니다. 미국 가뭄 모니터의 해석을 활용하면 이러한 가뭄 지수의 값은 다음과 같은 의미를 갖습니다.

PDSI 및 z:

  • 5.0 이상 (매우 습함)
  • 4.0~4.99 (매우 습함)
  • 3.0~3.99 (약간 습함)
  • 2.0~2.99 (약간 습함)
  • 1.0~1.99 (초기 습윤 기간)
  • -0.99~0.99(정상에 가까움)
  • -1.99~-1.00 (초기 건조기)
  • -2.99~-2.00 (경미한 가뭄)
  • -3.99~-3.00 (중간 가뭄)
  • -4.99~-4.00 (심각한 가뭄)
  • -5.0 이하 (극심한 가뭄)

SPI/SPEI/EDDI:

  • 2.0 이상 (매우 습함)
  • 1.6~1.99 (매우 습함)
  • 1.3~1.59 (약간 습함)
  • 0.8~1.29 (약간 습함)
  • 0.5~0.79 (초기 습윤 기간)
  • -0.49~0.49(정상에 가까움),
  • -0.79~-0.5 (초기 건조기)
  • -1.29~-0.8 (경미한 가뭄)
  • -1.59~-1.3 (중간 가뭄)
  • -1.99~-1.6 (심각한 가뭄)
  • -2.0 이하 (극심한 가뭄)

이 데이터 세트에는 전체 소스 데이터를 사용할 수 있게 되면 업데이트된 버전으로 대체되는 임시 제품이 포함되어 있습니다. 제품은 'status' 속성 값으로 구분할 수 있습니다. 처음에는 애셋이 status='early'로 처리됩니다. 며칠 후 status='provisional'인 애셋으로 대체됩니다. 약 2개월 후에는 status='permanent'인 최종 애셋으로 대체됩니다.

대역

대역

픽셀 크기: 4,638.3m (모든 대역)

이름 민 최대 픽셀 크기 설명
spi14d -6* 6* 4,638.3m

지난 14일 동안의 강수량을 집계한 표준 강수 지수 (SPI)
spi30d -6* 6* 4,638.3m

지난 30일 동안 강수량이 집계된 표준화된 강수 지수 (SPI)
spi90d -6* 6* 4,638.3m

지난 90일 동안 강수량이 집계된 표준 강수 지수 (SPI)
spi180d -6* 6* 4,638.3m

지난 180일 동안 강수량이 집계된 표준화된 강수 지수 (SPI)
spi270d -6* 6* 4,638.3m

지난 270일 동안 강수량이 집계된 표준 강수 지수 (SPI)
spi1y -6* 6* 4,638.3m

지난 1년 동안 강수량이 집계된 표준 강수 지수 (SPI)
spi2y -6* 6* 4,638.3m

지난 2년간의 강수량을 집계한 표준 강수 지수 (SPI)
spi5y -6* 6* 4,638.3m

지난 5년간의 강수량을 집계한 표준 강수 지수 (SPI)
eddi14d -6* 6* 4,638.3m

지난 14일 동안의 잠재적 증발산량이 집계된 증발 가뭄 수요 지수 (EDDI)
eddi30d -6* 6* 4,638.3m

지난 30일 동안의 잠재적 증발산량이 집계된 증발 가뭄 수요 지수 (EDDI)
eddi90d -6* 6* 4,638.3m

지난 90일 동안 잠재적 증발산량이 집계된 증발 가뭄 수요 지수 (EDDI)
eddi180d -6* 6* 4,638.3m

지난 180일 동안 잠재적 증발산량이 집계된 증발 가뭄 수요 지수 (EDDI)
eddi270d -6* 6* 4,638.3m

지난 270일 동안의 잠재적 증발산량을 집계한 증발 가뭄 수요 지수 (EDDI)
eddi1y -6* 6* 4,638.3m

지난 1년 동안 잠재적 증발산량이 집계된 증발 가뭄 수요 지수 (EDDI)
eddi2y -6* 6* 4,638.3m

지난 2년간 잠재적 증발산량이 집계된 증발 가뭄 수요 지수 (EDDI)
eddi5y -6* 6* 4,638.3m

지난 5년간의 잠재적 증발산량을 집계한 증발 가뭄 수요 지수 (EDDI)
spei14d -6* 6* 4,638.3m

지난 14일 동안 기후 물 균형이 집계된 표준화된 강수 증발 지수 (SPEI)
spei30d -6* 6* 4,638.3m

지난 30일 동안 기후 물 균형이 집계된 표준화된 강수 증발 지수 (SPEI)
spei90d -6* 6* 4,638.3m

지난 90일 동안 기후 물 균형이 집계된 표준화된 강수 증발 지수 (SPEI)
spei180d -6* 6* 4,638.3m

지난 180일 동안 기후 물 균형이 집계된 표준화된 강수 증발 지수 (SPEI)
spei270d -6* 6* 4,638.3m

지난 270일 동안 기후 물 균형이 집계된 표준화된 강수 증발 지수 (SPEI)
spei1y -6* 6* 4,638.3m

지난 1년 동안 기후 물 균형이 집계된 표준화된 강수 증발 지수 (SPEI)
spei2y -6* 6* 4,638.3m

지난 2년간의 기후 물 수지를 집계한 표준 강수 증발산 지수 (SPEI)
spei5y -6* 6* 4,638.3m

지난 5년간 기후 물 수지가 집계된 표준 강수 증발산 지수 (SPEI)
pdsi -15* 15* 4,638.3m

파머 가뭄 지수
z -15* 15* 4,638.3m

파머 Z 지수
* 예상 최솟값 또는 최댓값

이미지 속성

이미지 속성

이름 유형 설명
상태 문자열

'조기(early)', '잠정(provisional)' 또는 '영구(permanent)'

이용약관

이용약관

이 저작물 (METDATA, John Abatzoglou)은 공개 도메인에 있으며 알려진 저작권 제한이 없습니다. 사용자는 이 데이터 세트를 사용하여 생성된 보고서 및 간행물에 사용된 소스를 적절하게 인용하고 데이터가 획득된 날짜를 기록해야 합니다.

인용

인용:

  • Abatzoglou J. T., 생태학적 응용 및 모델링을 위한 격자형 지표 기상 데이터 개발, International Journal of Climatology. (2012) doi:10.1002/joc.3413

Earth Engine으로 탐색

코드 편집기(JavaScript)

var collection = ee.ImageCollection('GRIDMET/DROUGHT');
print(collection);

// Filter by date
var dS = '2020-03-30';
var dE = '2020-03-30';
var dSUTC = ee.Date(dS, 'GMT');
var dEUTC = ee.Date(dE, 'GMT');
var filtered = collection.filterDate(dSUTC, dEUTC.advance(1, 'day'));
print(collection.aggregate_array('system:index'));

// Select variables pdsi and z
var PDSI = filtered.select('pdsi');
var Z = filtered.select('z');

// Select variables for SPI/SPEI/EDDI
// Note that possible timescales for SPI/SPEI/EDDI are:
// 14d (14 day), 30d (30 day), 90d (90 day), 180d (180 day),
// 1y (1 year), 2y (2 year), 5y (5 year)
// Here we choose 2years = 48 months
var SPI2y = filtered.select('spi2y');
var SPEI2y = filtered.select('spei2y');
var EDDI2y = filtered.select('eddi2y');

// Make a color palette that is similar to USDM drought classification
var usdmColors = '0000aa,0000ff,00aaff,00ffff,aaff55,ffffff,ffff00,fcd37f,ffaa00,e60000,730000';

// Make color options for standardized variables spi/spei/eddi
var minColorbar= -2.5;
var maxColorbar= 2.5;
var colorbarOptions1 = {
  'min':minColorbar,
  'max':maxColorbar,
  'palette': usdmColors
};

// Make color options for Palmer variables psdi/z
var minColorbar= -6;
var maxColorbar= 6;
var colorbarOptions2 = {
  'min':minColorbar,
  'max':maxColorbar,
  'palette': usdmColors
};

// Add map layers to Google Map
Map.addLayer(ee.Image(PDSI.first()), colorbarOptions2, 'PDSI');
Map.addLayer(ee.Image(Z.first()), colorbarOptions2, 'Palmer-Z');
Map.addLayer(ee.Image(SPI2y.first()), colorbarOptions1, 'SPI-48months');
Map.addLayer(ee.Image(SPEI2y.first()), colorbarOptions1, 'SPEI-48months');
Map.addLayer(ee.Image(EDDI2y.first()), colorbarOptions1, 'EDDI-48months');

Python 설정

Python API 및 대화형 개발을 위한 geemap 사용에 대한 자세한 내용은 Python 환경 페이지를 참조하세요.

import ee
import geemap.core as geemap

Colab(Python)

collection = ee.ImageCollection('GRIDMET/DROUGHT')

# Filter by date
d_s = '2020-03-30'
d_e = '2020-03-30'
d_s_utc = ee.Date(d_s, 'GMT')
d_e_utc = ee.Date(d_e, 'GMT')
filtered = collection.filterDate(d_s_utc, d_e_utc.advance(1, 'day'))

# Select variables pdsi and z
pdsi = filtered.select('pdsi')
z = filtered.select('z')

# Select variables for SPI/SPEI/EDDI
# Note that possible timescales for SPI/SPEI/EDDI are:
# 14d (14 day), 30d (30 day), 90d (90 day), 180d (180 day),
# 1y (1 year), 2y (2 year), 5y (5 year)
# Here we choose 2years = 48 months
spi_2_y = filtered.select('spi2y')
spei_2_y = filtered.select('spei2y')
eddi_2_y = filtered.select('spei2y')

# Make a color palette that is similar to USDM drought classification
usdm_colors = [
    '#0000aa',
    '#0000ff',
    '#00aaff',
    '#00ffff',
    '#aaff55',
    '#ffffff',
    '#ffff00',
    '#fcd37f',
    '#ffaa00',
    '#e60000',
    '#730000',
]

# Make color options for standardized variables spi/spei/eddi
min_colorbar = -2.5
max_colorbar = 2.5
colorbar_options_1 = {
    'min': min_colorbar,
    'max': max_colorbar,
    'palette': usdm_colors,
}

# Make color options for Palmer variables psdi/z
min_colorbar = -6
max_colorbar = 6
colorbar_options_2 = {
    'min': min_colorbar,
    'max': max_colorbar,
    'palette': usdm_colors,
}

# Add map layers to Google Map
m = geemap.Map()
m.add_layer(ee.Image(pdsi.first()), colorbar_options_2, 'pdsi')
m.add_layer(ee.Image(z.first()), colorbar_options_2, 'Palmer-z')
m.add_layer(ee.Image(spi_2_y.first()), colorbar_options_1, 'SPI-48months')
m.add_layer(ee.Image(spei_2_y.first()), colorbar_options_1, 'SPEI-48months')
m.add_layer(ee.Image(eddi_2_y.first()), colorbar_options_1, 'EDDI-48months')
m
코드 편집기에서 열기
이 데이터 세트에는 4km 일일 그리드 지표 기상 (GRIDMET) 데이터 세트에서 파생된 가뭄 지수가 포함되어 있습니다. 제공되는 가뭄 지수에는 표준화된 강수 지수 (SPI), 증발 가뭄 수요 지수 (EDDI), 표준화된 강수 증발 지수 (SPEI), 파머 가뭄 지수 (PDSI), 파머 Z 지수 (Z)가 포함됩니다. SPI, EDDI, …
GRIDMET/DROUGHT, climate,conus,crop,drought,evapotranspiration,geophysical,gridmet,merced,metdata,palmer,pdsi,precipitation,surface-ground-water,water-vapor
1980-01-05T00:00:00Z/2026-10-12T06:00:00Z
24.9 -124.9 49.6 -66.8
Google Earth Engine