TerraClimate: Monthly Climate and Climatic Water Balance for Global Terrestrial Surfaces, University of Idaho

IDAHO_EPSCOR/TERRACLIMATE
دردسترس بودن مجموعه داده
1958-01-01T00:00:00Z–2024-12-01T00:00:00Z
تولیدکننده مجموعه داده
گزیده Earth Engine
ee.ImageCollection("IDAHO_EPSCOR/TERRACLIMATE")
توالی
۱ ماه
برچسب‌ها
آب‌وهوا خشکسالی تبخیر ژئوفیزیک جهانی مرسد ماهانه پالمر پی‌دی‌اس‌آی بارندگی روان‌آب دما بخار بخار آب آب‌وهوا و اقلیم باد

شرح

TerraClimate مجموعه داده‌ای از اقلیم ماهانه و توازن آب اقلیمی برای سطوح خشکی جهانی است. این مجموعه داده از درون‌یابی با کمک اقلیم استفاده می‌کند، و هنجارهای اقلیمی با وضوح فضایی بالا را از مجموعه داده WorldClim، با وضوح فضایی درشت‌تر، اما داده‌های متغیر با زمان را از CRU Ts4.0 و بازتحلیل ۵۵ ساله ژاپن (JRA55) ترکیب می‌کند. ازنظر مفهومی، این روش ناهنجاری‌های متغیر با زمان را از CRU Ts4.0/JRA55 به اقلیم‌شناسی با وضوح مکانی بالا از WorldClim اعمال می‌کند تا مجموعه داده‌ای با وضوح مکانی بالا ایجاد کند که سابقه زمانی گسترده‌تری را پوشش می‌دهد.

اطلاعات زمانی از CRU Ts4.0 برای اکثر سطوح خشکی جهانی برای دما، بارش، و فشار بخار به ارث رسیده است. بااین‌حال، از داده‌های JRA55 برای مناطقی استفاده می‌شود که داده‌های CRU هیچ ایستگاه اقلیمی‌ای در آن‌ها مشارکت نداشته است (ازجمله کل قطب جنوب، و بخش‌هایی از آفریقا، آمریکای جنوبی، و جزایر پراکنده). برای متغیرهای اقلیمی اصلی دما، فشار بخار، و بارش، «دانشگاه آیداهو» داده‌های بیشتری درباره تعداد ایستگاه‌ها (بین ۰ تا ۸) ارائه می‌دهد که در داده‌های CRU Ts4.0 مورداستفاده TerraClimate مشارکت داشته‌اند. از JRA55 منحصراً برای تابش خورشیدی و سرعت باد استفاده شد.

‫TerraClimate علاوه‌براین، مجموعه داده‌های تراز آب سطحی ماهانه را بااستفاده از مدل تراز آب تولید می‌کند که در آن از تبخیر و تعرق مرجع، بارندگی، دما، و ظرفیت آب خاک قابل استخراج گیاه درون‌یابی‌شده استفاده شده است. از مدل توازن آب اقلیمی اصلاح‌شده Thornthwaite-Mather و داده‌های ظرفیت ذخیره‌سازی آب خاک قابل‌استخراج در شبکه ۰٫۵ درجه از Wang-Erlandsson و همکاران (۲۰۱۶) استفاده شد.

محدودیت‌های داده:

  1. روندهای بلندمدت در داده‌ها از مجموعه داده‌های والد به ارث می‌رسند. از TerraClimate نباید مستقیماً برای ارزیابی‌های مستقل روندها استفاده شود.

  2. ‫TerraClimate تغییرپذیری زمانی را در مقیاس‌های دقیق‌تر از مجموعه داده‌های والد ثبت نمی‌کند و بنابراین نمی‌تواند تغییرپذیری را در نسبت‌ها و وارونگی‌های بارش کوهستانی ثبت کند.

  3. مدل تراز آب بسیار ساده است و ناهمگونی در انواع پوشش گیاهی یا پاسخ فیزیولوژیکی آن‌ها به تغییر شرایط محیطی را درنظر نمی‌گیرد.

  4. اعتبارسنجی محدود در مناطق با داده‌های پراکنده (مثلاً قطب جنوب).

باند

باند

اندازه پیکسل: ۴۶۳۸٫۳ متر (همه باندها)

نام واحدها دقیقه Max مقیاس اندازه پیکسل شرح
aet میلی‌متر ۰* ۳۱۴۰* ۰٫۱ ۴۶۳۸٫۳ متر

تبخیر-تعرق واقعی، برگرفته از مدل تراز آب خاک یک‌بعدی
def میلی‌متر ۰* ‫۴۵۴۸* ۰٫۱ ۴۶۳۸.۳ متر

کمبود آب و هوایی، برگرفته از مدل تراز آب خاک یک‌بعدی
pdsi ‫-۴۳۱۷* ‫۳۴۱۸* ۰٫۰۱ ۴۶۳۸٫۳ متر

شاخص شدت خشکسالی پالمر
pet میلی‌متر ۰* ‫۴۵۴۸* ۰٫۱ ۴۶۳۸.۳ متر

تبخیر و تعرق مرجع (ASCE Penman-Montieth)
pr میلی‌متر ‫*۰ 7245* ۴۶۳۸٫۳ متر

انباشت بارش
ro میلی‌متر ‫*۰ ‫۱۲۵۶۰* ۴۶۳۸٫۳ متر

روان‌آب، استخراج‌شده بااستفاده از مدل تراز آب خاک یک‌بعدی
soil میلی‌متر ۰* ‫*۸۸۸۲ ۰٫۱ ۴۶۳۸٫۳ متر

رطوبت خاک، برگرفته از مدل توازن آب خاک یک‌بعدی
srad وات بر متر مربع ‫*۰ ‫*۵۴۷۷ ۰٫۱ ۴۶۳۸٫۳ متر

تابش موج کوتاه سطحی رو به پایین
swe میلی‌متر ۰* ‫۳۲۷۶۷* ۴۶۳۸٫۳ متر

معادل آب برف، استخراج‌شده بااستفاده از مدل تراز آب خاک یک‌بعدی
tmmn ‎°C ‫-۷۷۰* ‫*۳۸۷ ۰٫۱ ۴۶۳۸.۳ متر

حداقل دما
tmmx ‎°C ‫-۶۷۰* ‫۵۷۶* ۰٫۱ ۴۶۳۸٫۳ متر

حداکثر دما
vap kPa ۰* ‫*۱۴۷۴۹ ۰٫۰۰۱ ۴۶۳۸٫۳ متر

فشار بخار
vpd kPa ‫*۰ ‫۱۱۱۳* ۰٫۰۱ ۴۶۳۸٫۳ متر

کمبود فشار بخار
vs متر/ثانیه ۰* 2923* ۰٫۰۱ ۴۶۳۸٫۳ متر

سرعت باد در ۱۰ متری
* مقدار تخمینی حداقل یا حداکثر

دارایی‌های تصویر

مشخصات تصویر

نام نوع شرح
وضعیت رشته

«موقت» یا «دائم»

شرایط استفاده

شرایط استفاده

مجموعه داده‌ها تحت پروانه «مشترکات خلاقانه دامنه عمومی» (CC0) در دامنه عمومی قرار دارد.

نقل‌قول‌ها

استنادها:

  • 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

کاوش با Earth Engine

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');

راه‌اندازی Python

برای اطلاعات درباره Python API و استفاده از geemap برای توسعه تعاملی، به صفحه محیط Python مراجعه کنید.

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
باز کردن در «ویرایشگر کد»
TerraClimate مجموعه داده‌ای از اقلیم ماهانه و توازن آب اقلیمی برای سطوح خشکی جهانی است. این مجموعه داده از درون‌یابی با کمک اقلیم استفاده می‌کند و هنجارهای اقلیم‌شناسی با وضوح فضایی بالا از مجموعه داده WorldClim را با وضوح فضایی درشت‌تر، اما داده‌های متغیر با زمان از CRU Ts4.0 و «بازتحلیل ۵۵ ساله ژاپن» (JRA55) ترکیب می‌کند. ازنظر مفهومی، این روال … میان‌یابی‌شده را اعمال می‌کند
IDAHO_EPSCOR/TERRACLIMATE, اقلیم، خشکسالی، تبخیر و تعرق، ژئوفیزیک، جهانی، مرسد، ماهانه، پالمر، پی‌دی‌اس‌آی، بارش، رواناب، دما، بخار، بخار آب، آب‌وهوا و اقلیم، باد
1958-01-01T00:00:00Z/2024-12-01T00:00:00Z
-90 -180 90 180
Google Earth Engine