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

IDAHO_EPSCOR/TERRACLIMATE
数据集可用性
1958-01-01T00:00:00Z–2024-12-01T00:00:00Z
数据集提供商
Earth Engine 代码段
ee.ImageCollection("IDAHO_EPSCOR/TERRACLIMATE")
频率
1 个月
标签
气候 干旱 蒸发蒸腾 地球物理 全球 梅赛德 月度 帕尔默 PDSI 降水 径流 温度 蒸汽 水汽 风

说明

TerraClimate 是一个数据集，其中包含全球陆地表面的月度气候和气候水文平衡数据。它使用气候辅助插值，将来自 WorldClim 数据集的高空间分辨率气候学正常值与来自 CRU Ts4.0 和日本 55 年再分析 (JRA55) 的较低空间分辨率但随时间变化的数据相结合。从概念上讲，该程序将 CRU Ts4.0/JRA55 中的插值时变异常应用于 WorldClim 的高空间分辨率气候学，以创建覆盖更广泛时间记录的高空间分辨率数据集。

对于大多数全球陆地表面的温度、降水和蒸汽压，时间信息继承自 CRU Ts4.0。不过，对于 CRU 数据中没有气候站贡献数据的区域（包括整个南极洲以及非洲、南美洲和零星岛屿的部分地区），则使用 JRA55 数据。对于温度、蒸汽压和降水等主要气候变量，爱达荷大学还提供了有关促成 TerraClimate 所用 CRU Ts4.0 数据的气象站数量（介于 0 到 8 之间）的其他数据。JRA55 仅用于太阳辐射和风速。

此外，TerraClimate 还使用水平衡模型生成月度地表水平衡数据集，该模型纳入了参考蒸散量、降水、温度和插值植物可提取土壤水分容量。我们使用了 Wang-Erlandsson 等人 (2016) 提供的 0.5° 网格的修正版 Thornthwaite-Mather 气候水文平衡模型和可提取的土壤蓄水能力数据。

数据限制：

  1. 数据中的长期趋势沿用自父数据集。 TerraClimate 不应直接用于独立评估趋势。

  2. TerraClimate 无法捕获比父数据集更精细的时间变异性，因此无法捕获地形降水比率和反演的变异性。

  3. 该水分平衡模型非常简单，未考虑植被类型或其对不断变化的环境条件的生理反应的异质性。

  4. 在数据稀疏的地区（例如，南极洲）。

频段

像素大小
4638.3 米

频段

名称 单位 最小值 最大值 缩放 像素尺寸 说明
aet mm 0* 3140* 0.1 米

使用一维土壤水分平衡模型得出的实际蒸散量
def mm 0* 4548* 0.1 米

使用一维土壤水分平衡模型得出的气候缺水
pdsi -4317* 3418* 0.01 米

帕默干旱严重程度指数
pet mm 0* 4548* 0.1 米

参考蒸散量（ASCE Penman-Montieth）
pr mm 0* 7245* 米

降水累积量
ro mm 0* 12560* 米

使用一维土壤水分平衡模型得出的径流
soil mm 0* 8882* 0.1 米

使用一维土壤水分平衡模型得出的土壤湿度
srad 瓦/平方米 0* 5477* 0.1 米

向下地表短波辐射
swe mm 0* 32767* 米

使用一维土壤水分平衡模型得出的积雪水当量
tmmn °C -770* 387* 0.1 米

最低温度
tmmx °C -670* 576* 0.1 米

最高温度
vap kPa 0* 14749* 0.001 米

蒸气压
vpd kPa 0* 1113* 0.01 米

水汽压亏缺
vs 米/秒 0* 2923* 0.01 米

10 米处的风速
* 估算的最小值或最大值

图片属性

图片属性

名称 类型 说明
状态 STRING

“provisional”或“permanent”

使用条款

使用条款

该数据集已获得知识共享公共领域 (CC0) 许可，属于公共领域。

引用

引用：

  • Abatzoglou, J.T.，S.Z. Dobrowski、S.A. Parks、K.C. Hegewisch，2018 年，Terraclimate，一个高分辨率的全球数据集，包含 1958 年至 2015 年的月度气候和气候水平衡，《科学数据》5:170191，doi:10.1038/sdata.2017.191

使用 Earth Engine 探索

代码编辑器 (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');

Python 设置

如需了解 Python API 和如何使用 geemap 进行交互式开发，请参阅 Python 环境页面。

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
在代码编辑器中打开
TerraClimate 是一个数据集，其中包含全球陆地表面的月度气候和气候水文平衡数据。它使用气候辅助插值，将 WorldClim 数据集中的高空间分辨率气候平均值与 CRU Ts4.0 和日本 55 年再分析 (JRA55) 中的较低空间分辨率但随时间变化的数据相结合。从概念上讲，该程序会应用插值后的…
IDAHO_EPSCOR/TERRACLIMATE, 气候、干旱、蒸发蒸腾、地球物理、全球、梅塞德、月度、帕尔默、PDSI、降水、径流、温度、蒸汽、水汽、风
1958-01-01T00:00:00Z/2024-12-01T00:00:00Z
-90 -180 90 180
Google Earth Engine