
- 資料集可用性
- 1958-01-01T00:00:00Z–2024-12-01T00:00:00Z
- 資料集來源
- 加州大學美熹德分校
- 行銷系列活動
- 1 個月
- 標記
說明
TerraClimate 是全球陸地表面的月度氣候和氣候水平衡資料集。這項服務會使用氣候輔助插補法,結合WorldClim 資料集的高空間解析度氣候常態,以及CRU Ts4.0 和日本 55 年再分析 (JRA55) 的較粗空間解析度,但隨時間變化的資料。從概念上來說,這項程序會將 CRU Ts4.0/JRA55 的插補時間變異異常套用至 WorldClim 的高空間解析度氣候學,藉此建立涵蓋更廣泛時間記錄的高空間解析度資料集。
對於大多數全球陸地表面,溫度、降水和蒸氣壓的時間資訊是從 CRU Ts4.0 繼承而來。不過,如果某個區域沒有任何氣候站提供 CRU 資料 (包括南極洲全境,以及非洲、南美洲和散布各處的島嶼),則會使用 JRA55 資料。對於溫度、蒸氣壓和降水量的主要氣候變數,愛達荷大學會提供額外資料,說明有多少測站 (0 到 8 個) 提供 CRU Ts4.0 資料,供 TerraClimate 使用。JRA55 僅用於太陽輻射和風速。
此外,TerraClimate 還會使用水份平衡模型,納入參考蒸發散量、降水量、溫度和插補的植物可萃取土壤水份容量,產生每月地表水份平衡資料集。我們採用 Wang-Erlandsson 等人 (2016 年) 的資料,以 0.5° 格線為單位,使用改良的 Thornthwaite-Mather 氣候水平衡模型和可萃取土壤水儲存容量資料。
資料限制:
資料的長期趨勢會沿用父項資料集。 請勿直接使用 TerraClimate 獨立評估趨勢。
TerraClimate 不會擷取比父項資料集更精細的時間變異性,因此無法擷取地形降水比率和逆溫的變異性。
水量平衡模型非常簡單,不會考量植被類型或其對環境條件變化的生理反應。
在資料稀疏的區域 (例如南極洲)。
頻帶
Pixel 大小
4638.3 公尺
頻帶
名稱 | 單位 | 最小值 | 最大值 | 規模 | 像素大小 | 說明 |
---|---|---|---|---|---|---|
aet |
mm | 0* | 3140* | 0.1 | 公尺 | 實際蒸發散量,使用一維土壤水分平衡模型推導而得 |
def |
mm | 0* | 4548* | 0.1 | 公尺 | 氣候缺水,使用一維土壤水分平衡模型推導而得 |
pdsi |
-4317* | 3418* | 0.01 | 公尺 | 帕爾默乾旱強度指數 |
|
pet |
mm | 0* | 4548* | 0.1 | 公尺 | 參考蒸發散量 (ASCE Penman-Montieth) |
pr |
mm | 0* | 7245* | 公尺 | 降水累積量 |
|
ro |
mm | 0* | 12560* | 公尺 | 逕流,使用一維土壤水份平衡模型推導而來 |
|
soil |
mm | 0* | 8882* | 0.1 | 公尺 | 土壤濕度,使用一維土壤水分平衡模型推導而得 |
srad |
W/m^2 | 0* | 5477* | 0.1 | 公尺 | 地表向下短波輻射 |
swe |
mm | 0* | 32767* | 公尺 | 雪水當量,使用一維土壤水份平衡模型推導而得 |
|
tmmn |
°C | -770* | 387* | 0.1 | 公尺 | 最低溫度 |
tmmx |
°C | -670* | 576* | 0.1 | 公尺 | 最高溫度 |
vap |
kPa | 0* | 14749* | 0.001 | 公尺 | 蒸氣壓 |
vpd |
kPa | 0* | 1113* | 0.01 | 公尺 | 蒸氣壓不足 |
vs |
公尺/秒 | 0* | 2923* | 0.01 | 公尺 | 10 公尺處的風速 |
圖片屬性
圖片屬性
名稱 | 類型 | 說明 |
---|---|---|
狀態 | STRING | 「provisional」或「permanent」 |
使用條款
使用條款
資料集是依據創用 CC 公眾領域貢獻宣告 (CC0) 授權,屬於公眾領域。
引用內容
Abatzoglou, J.T.、S.Z. Dobrowski、S.A. Parks、K.C. Hegewisch,2018 年,《Terraclimate, a high-resolution global dataset of monthly climate and climatic water balance from 1958-2015》(Terraclimate:1958 年至 2015 年的月度氣候和氣候水份平衡高解析度全球資料集),Scientific Data 5:170191,doi:10.1038/sdata.2017.191
使用 Earth Engine 探索
程式碼編輯器 (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');
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