
- در دسترس بودن مجموعه داده
- 1958-01-01T00:00:00Z–2024-12-01T00:00:00Z
- ارائه دهنده مجموعه داده
- دانشگاه کالیفرنیا مرسد
- آهنگ
- 1 ماه
- برچسب ها
توضیحات
TerraClimate مجموعه داده ای از آب و هوا و تعادل آب اقلیمی ماهانه برای سطوح زمینی جهانی است. از درونیابی با کمک آب و هوا، ترکیب نرمالهای اقلیمی با وضوح بالا از مجموعه داده WorldClim ، با وضوح فضایی درشتتر، اما دادههای متغیر با زمان از CRU Ts4.0 و تحلیل مجدد 55 ساله ژاپنی (JRA55) استفاده میکند. از نظر مفهومی، این روش از ناهنجاری های متغیر زمانی درون یابی شده از CRU Ts4.0/JRA55 تا اقلیم شناسی با وضوح بالا WorldClim برای ایجاد یک مجموعه داده با وضوح مکانی بالا که یک رکورد زمانی گسترده تر را پوشش می دهد، اعمال می کند.
اطلاعات زمانی از CRU Ts4.0 برای بیشتر سطوح زمین جهانی برای دما، بارندگی و فشار بخار به ارث رسیده است. با این حال، دادههای JRA55 برای مناطقی استفاده میشود که دادههای CRU دارای ایستگاههای آبوهوایی صفر بودند (شامل تمام قطب جنوب، و بخشهایی از آفریقا، آمریکای جنوبی، و جزایر پراکنده). برای متغیرهای آب و هوای اولیه دما، فشار بخار و بارندگی، دانشگاه آیداهو دادههای بیشتری در مورد تعداد ایستگاهها (بین 0 تا 8) ارائه میکند که به دادههای CRU Ts4.0 مورد استفاده TerraClimate کمک کردند. JRA55 منحصراً برای تابش خورشیدی و سرعت باد استفاده شد.
TerraClimate علاوه بر این، مجموعه دادههای ماهانه تعادل آب سطحی را با استفاده از یک مدل تعادل آب تولید میکند که تبخیر و تعرق مرجع، بارش، دما و ظرفیت آب خاک قابل استخراج گیاه را در خود جای داده است. مدل اصلاح شده توازن آب اقلیمی Thornthwaite-Mather و دادههای ظرفیت ذخیرهسازی آب خاک قابل استخراج در یک شبکه 0.5 درجه از Wang-Erlandsson و همکاران استفاده شد. (2016).
محدودیت های داده:
روندهای بلند مدت در داده ها از مجموعه داده های والدین به ارث می رسد. TerraClimate نباید مستقیماً برای ارزیابی مستقل روندها استفاده شود.
TerraClimate تغییرپذیری زمانی را در مقیاسهای دقیقتر از مجموعه دادههای اصلی ثبت نمیکند و بنابراین قادر به گرفتن تنوع در نسبتهای بارش کوهنگاری و وارونگی نیست.
مدل تعادل آب بسیار ساده است و ناهمگونی در انواع پوشش گیاهی یا پاسخ فیزیولوژیکی آنها به شرایط محیطی متغیر را در نظر نمی گیرد.
اعتبار سنجی محدود در مناطق کم داده (مانند قطب جنوب).
باندها
اندازه پیکسل
4638.3 متر
باندها
نام | واحدها | حداقل | حداکثر | مقیاس | اندازه پیکسل | توضیحات |
---|---|---|---|---|---|---|
aet | میلی متر | 0* | 3140* | 0.1 | متر | تبخیر و تعرق واقعی، به دست آمده با استفاده از یک مدل تعادل آب خاک یک بعدی |
def | میلی متر | 0* | 4548* | 0.1 | متر | کمبود آب اقلیمی، به دست آمده با استفاده از یک مدل تعادل آب یک بعدی خاک |
pdsi | -4317* | 3418* | 0.01 | متر | شاخص شدت خشکسالی پالمر | |
pet | میلی متر | 0* | 4548* | 0.1 | متر | تبخیر و تعرق مرجع (ASCE Penman-Montieth) |
pr | میلی متر | 0* | 7245* | متر | تجمع بارندگی | |
ro | میلی متر | 0* | 12560* | متر | رواناب، به دست آمده با استفاده از یک مدل تعادل آب یک بعدی خاک | |
soil | میلی متر | 0* | 8882* | 0.1 | متر | رطوبت خاک، به دست آمده با استفاده از یک مدل تعادل آب خاک یک بعدی |
srad | W/m^2 | 0* | 5477* | 0.1 | متر | تابش موج کوتاه سطح رو به پایین |
swe | میلی متر | 0* | 32767* | متر | معادل آب برف، به دست آمده با استفاده از یک مدل تعادل آب خاک یک بعدی | |
tmmn | درجه سانتی گراد | -770* | 387* | 0.1 | متر | حداقل دما |
tmmx | درجه سانتی گراد | -670* | 576* | 0.1 | متر | حداکثر دما |
vap | کیلو پاسکال | 0* | 14749* | 0.001 | متر | فشار بخار |
vpd | کیلو پاسکال | 0* | 1113* | 0.01 | متر | کمبود فشار بخار |
vs | اماس | 0* | 2923* | 0.01 | متر | سرعت باد در 10 متر |
ویژگی های تصویر
ویژگی های تصویر
نام | تایپ کنید | توضیحات |
---|---|---|
وضعیت | STRING | "موقت" یا "دائمی" |
شرایط استفاده
شرایط استفاده
مجموعه داده در دامنه عمومی است و تحت مجوز Creative Commons Public Domain (CC0) مجوز دارد.
نقل قول ها
آباتزوگلو، جی تی، اس .
با Earth Engine کاوش کنید
ویرایشگر کد (جاوا اسکریپت)
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
کولب (پایتون)
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