- זמינות קבוצת הנתונים
- 1958-01-01T00:00:00Z–2024-12-01T00:00:00Z
- מפיק קבוצת הנתונים
- University of California Merced
- קצב
- חודש אחד
- תגים
תיאור
TerraClimate היא קבוצת נתונים של אקלים חודשי ומאזן מים אקלימי של פני השטח היבשתיים בעולם. הוא משתמש באינטרפולציה אקלימית, ומשלב נתונים אקלימיים רגילים ברזולוציה מרחבית גבוהה מקבוצת הנתונים של WorldClim, עם רזולוציה מרחבית גסה יותר, אבל נתונים משתנים בזמן מ-CRU Ts4.0 ומ-Japanese 55-year Reanalysis (JRA55). מבחינה רעיונית, התהליך מחיל אנומליות משתנות בזמן שעברו אינטרפולציה מ-CRU Ts4.0/JRA55 על האקלים ברזולוציה מרחבית גבוהה של WorldClim, כדי ליצור מערך נתונים ברזולוציה מרחבית גבוהה שמכסה תיעוד זמני רחב יותר.
מידע זמני עובר בירושה מ-CRU Ts4.0 עבור רוב פני השטח הגלובליים של היבשה, לגבי טמפרטורה, משקעים ולחץ אדים. עם זאת, נעשה שימוש בנתוני JRA55 באזורים שבהם לא היו תחנות אקלים שתרמו לנתוני CRU (כולל כל אנטארקטיקה וחלקים מאפריקה, מדרום אמריקה ומאיים מפוזרים). לגבי משתני האקלים העיקריים של טמפרטורה, לחץ אדים ומשקעים, אוניברסיטת איידהו מספקת נתונים נוספים על מספר התחנות (בין 0 ל-8) שתרמו לנתוני CRU Ts4.0 שבהם נעשה שימוש ב-TerraClimate. הנתונים של JRA55 שימשו באופן בלעדי לחישוב קרינת השמש ומהירויות הרוח.
בנוסף, ב-TerraClimate מופקות קבוצות נתונים חודשיות של מאזן המים על פני השטח באמצעות מודל של מאזן מים שמשלב התאדות-דיות (evapotranspiration) כנקודת ייחוס, משקעים, טמפרטורה וקיבולת מים בקרקע שניתנים למיצוי על ידי צמחים. מודל מאזן מים אקלימי שונה של Thornthwaite-Mather ונתונים על קיבולת האחסון של מי קרקע שניתנים למיצוי שימשו ברשת של 0.5° מ-Wang-Erlandsson et al. (2016).
מגבלות נתונים:
מגמות ארוכות טווח בנתונים עוברות בירושה מקבוצות נתונים ברמה העליונה. אין להשתמש ב-TerraClimate ישירות להערכות עצמאיות של מגמות.
ב-TerraClimate לא מתבצעת לכידה של שונות זמנית בקנה מידה קטן יותר מזה של מערכי הנתונים של האב, ולכן לא ניתן ללכוד שונות ביחסי משקעים אורוגרפיים והיפוכים.
מודל מאזן המים הוא פשוט מאוד ולא מתייחס להטרוגניות בסוגי הצמחייה או לתגובה הפיזיולוגית שלהם לשינויים בתנאי הסביבה.
אימות מוגבל באזורים עם נתונים דלילים (למשל, אנטארקטיקה).
תחום תדרים
תחום תדרים
גודל הפיקסל: 4,638.3 מטרים (כל הרצועות)
| שם | יחידות | מינימום | מקסימום | קנה מידה | גודל הפיקסל | תיאור |
|---|---|---|---|---|---|---|
aet |
מ"מ | 0* | 3,140* | 0.1 | 4,638.3 מטרים | התאדות בפועל, שחושבה באמצעות מודל חד-ממדי של מאזן המים בקרקע |
def |
מ"מ | 0* | 4548* | 0.1 | 4,638.3 מטרים | מחסור במים בגלל אקלים, שחושב באמצעות מודל חד-ממדי של מאזן מים בקרקע |
pdsi |
-4317* | 3418* | 0.01 | 4,638.3 מטרים | מדד חומרת הבצורת של פאלמר (PDSI) |
|
pet |
מ"מ | 0* | 4548* | 0.1 | 4,638.3 מטרים | אידוי ודיות לייחוס (ASCE Penman-Montieth) |
pr |
מ"מ | 0* | 7245* | 4,638.3 מטרים | הצטברות משקעים |
|
ro |
מ"מ | 0* | 12560* | 4,638.3 מטרים | נגר, שנגזר באמצעות מודל חד-ממדי של מאזן המים בקרקע |
|
soil |
מ"מ | 0* | 8882* | 0.1 | 4,638.3 מטרים | לחות באדמה, שחושבה באמצעות מודל חד-ממדי של מאזן המים באדמה |
srad |
W/m^2 | 0* | 5477* | 0.1 | 4,638.3 מטרים | קרינת גלים קצרים של פני השטח כלפי מטה |
swe |
מ"מ | 0* | 32767* | 4,638.3 מטרים | שווה ערך למים בשלג, שנגזר באמצעות מודל חד-ממדי של מאזן מים בקרקע |
|
tmmn |
°C | -770* | 387* | 0.1 | 4,638.3 מטרים | הטמפרטורה המינימלית |
tmmx |
°C | -670* | 576* | 0.1 | 4,638.3 מטרים | טמפרטורה מקסימלית |
vap |
kPa | 0* | 14749* | 0.001 | 4,638.3 מטרים | לחץ אדים |
vpd |
kPa | 0* | 1113* | 0.01 | 4,638.3 מטרים | מחסור בלחץ אדים |
vs |
מ"ש | 0* | 2923* | 0.01 | 4,638.3 מטרים | מהירות הרוח בגובה 10 מ' |
מאפייני תמונה
מאפייני תמונה
| שם | סוג | תיאור |
|---|---|---|
| status | מחרוזת | 'provisional' (זמני) או 'permanent' (קבוע) |
תנאים והגבלות
תנאים והגבלות
קבוצת הנתונים היא נחלת הכלל, בכפוף לרישיון Creative Commons Public Domain (CC0).
ציטוטים ביבליוגרפיים
Abatzoglou, J.T., S.Z. Dobrowski, S.A. Parks, K.C. Hegewisch, 2018, Terraclimate, a high-resolution global dataset of monthly climate and climatic water balance from 1958-2015, Scientific Data 5:170191, doi:10.1038/sdata.2017.191
סיור עם פלטפורמת Earth Engine
Code Editor (JavaScript)
var dataset = ee.ImageCollection('IDAHO_EPSCOR/TERRACLIMATE') .filter(ee.Filter.date('2017-07-01', '2017-08-01')); var maximumTemperature = dataset.select('tmmx'); var maximumTemperatureVis = { min: -300.0, max: 300.0, palette: [ '1a3678', '2955bc', '5699ff', '8dbae9', 'acd1ff', 'caebff', 'e5f9ff', 'fdffb4', 'ffe6a2', 'ffc969', 'ffa12d', 'ff7c1f', 'ca531a', 'ff0000', 'ab0000' ], }; Map.setCenter(71.72, 52.48, 3); Map.addLayer(maximumTemperature, maximumTemperatureVis, 'Maximum Temperature');
import ee import geemap.core as geemap
Colab (Python)
dataset = ee.ImageCollection('IDAHO_EPSCOR/TERRACLIMATE').filter( ee.Filter.date('2017-07-01', '2017-08-01') ) maximum_temperature = dataset.select('tmmx') maximum_temperature_vis = { 'min': -300.0, 'max': 300.0, 'palette': [ '1a3678', '2955bc', '5699ff', '8dbae9', 'acd1ff', 'caebff', 'e5f9ff', 'fdffb4', 'ffe6a2', 'ffc969', 'ffa12d', 'ff7c1f', 'ca531a', 'ff0000', 'ab0000', ], } m = geemap.Map() m.set_center(71.72, 52.48, 3) m.add_layer( maximum_temperature, maximum_temperature_vis, 'Maximum Temperature' ) m