TerraClimate to zbiór danych dotyczących miesięcznego klimatu i klimatycznego bilansu wodnego na powierzchniach lądowych na całym świecie. Wykorzystuje ona interpolację wspomaganą klimatycznie, łącząc dane klimatyczne o wysokiej rozdzielczości przestrzennej z zbioru danych WorldClim z danymi o niższej rozdzielczości przestrzennej, ale zmieniającymi się w czasie, pochodzącymi ze zbiorów CRU Ts4.0 i Japanese 55-year Reanalysis (JRA55).
Koncepcyjnie procedura ta polega na zastosowaniu interpolowanych anomalii zmiennych w czasie z CRU Ts4.0/JRA55 do klimatyzacji o wysokiej rozdzielczości przestrzennej z WorldClim w celu utworzenia zbioru danych o wysokiej rozdzielczości przestrzennej, który obejmuje szerszy zapis czasowy.
Informacje czasowe są dziedziczone z CRU Ts4.0 w przypadku większości powierzchni lądowych na świecie w zakresie temperatury, opadów i ciśnienia pary. Dane JRA55 są jednak używane w regionach, w których dane CRU nie uwzględniały żadnych stacji klimatycznych (w tym na całej Antarktydzie oraz w części Afryki, Ameryki Południowej i na rozproszonych wyspach). W przypadku podstawowych zmiennych klimatycznych, takich jak temperatura, ciśnienie pary i opady, University of Idaho udostępnia dodatkowe dane o liczbie stacji (od 0 do 8), które przyczyniły się do powstania danych CRU Ts4.0 używanych przez TerraClimate. JRA55 było używane
wyłącznie w przypadku promieniowania słonecznego i prędkości wiatru.
TerraClimate generuje też miesięczne zbiory danych dotyczące bilansu wody na powierzchni gruntu za pomocą modelu bilansu wody, który uwzględnia ewapotranspirację referencyjną, opady, temperaturę i interpolowaną pojemność wodną gleby, z której rośliny mogą pobierać wodę. Zmodyfikowany model klimatycznego bilansu wodnego Thornthwaite-Mather i dane dotyczące pojemności magazynowania wody w glebie w siatce o rozdzielczości 0,5° pochodzą z pracy Wang-Erlandsson i in. (2016).
Ograniczenia dotyczące danych:
Długoterminowe trendy w danych są dziedziczone ze zbiorów danych nadrzędnych.
Dane TerraClimate nie powinny być używane bezpośrednio do niezależnych ocen trendów.
TerraClimate nie rejestruje zmienności czasowej w skali mniejszej niż zbiory danych nadrzędnych, dlatego nie jest w stanie rejestrować zmienności w zakresie stosunków opadów orograficznych i inwersji.
Model bilansu wodnego jest bardzo prosty i nie uwzględnia zróżnicowania typów roślinności ani ich reakcji fizjologicznej na zmieniające się warunki środowiskowe.
Ograniczona weryfikacja w regionach o niewielkiej ilości danych (np. Antarktyda).
Pasma
Rozmiar piksela 4638,3 m
Pasma
Nazwa
Jednostki
Minimum
Maks.
Skaluj
Rozmiar piksela
Opis
aet
mm
0*
3140*
0,1
metry
rzeczywistej ewapotranspiracji, obliczonej za pomocą jednowymiarowego modelu bilansu wody w glebie;
def
mm
0*
4548*
0,1
metry
Klimatyczny deficyt wody, obliczony za pomocą jednowymiarowego modelu bilansu wodnego gleby
Spływ powierzchniowy obliczony za pomocą jednowymiarowego modelu bilansu wodnego gleby
soil
mm
0*
8882*
0,1
metry
Wilgotność gleby obliczona za pomocą jednowymiarowego modelu bilansu wody w glebie
srad
W/m^2
0*
5477*
0,1
metry
Krótkofalowe promieniowanie powierzchniowe skierowane w dół
swe
mm
0*
32767*
metry
Równoważnik wodny śniegu, obliczony za pomocą jednowymiarowego modelu bilansu wodnego gleby
tmmn
°C
-770*
387*
0,1
metry
Temperatura minimalna
tmmx
°C
-670*
576*
0,1
metry
Temperatura maksymalna
vap
kPa
0*
14749*
0,001
metry
Ciśnienie pary
vpd
kPa
0*
1113*
0,01
metry
Deficyt ciśnienia pary
vs
m/s
0*
2923*
0,01
metry
Prędkość wiatru na wysokości 10 m
* szacowana wartość minimalna lub maksymalna
Właściwości obrazu
Właściwości obrazu
Nazwa
Typ
Opis
status
CIĄG ZNAKÓW
„tymczasowy” lub „stały”
Warunki korzystania z usługi
Warunki korzystania z usługi
Zbiór danych jest dostępny w domenie publicznej na licencji Creative Commons Public Domain (CC0).
Cytaty
Cytowania:
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
TerraClimate to zbiór danych dotyczących miesięcznego klimatu i klimatycznego bilansu wodnego na powierzchniach lądowych na całym świecie. Wykorzystuje interpolację wspomaganą klimatycznie, łącząc dane klimatyczne o wysokiej rozdzielczości przestrzennej z zestawu danych WorldClim z danymi o niższej rozdzielczości przestrzennej, ale zmieniającymi się w czasie, pochodzącymi z CRU Ts4.0 i japońskiej 55-letniej reanalizy (JRA55). Teoretycznie procedura stosuje interpolowane…
[null,null,[],[[["\u003cp\u003eTerraClimate provides monthly climate and climatic water balance data for global terrestrial surfaces from 1958 to 2023.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset integrates high-resolution climatological normals from WorldClim with time-varying data from CRU Ts4.0 and JRA55.\u003c/p\u003e\n"],["\u003cp\u003eIt offers various climate variables, including temperature, precipitation, vapor pressure, solar radiation, and wind speeds, alongside derived water balance components like evapotranspiration, runoff, and soil moisture.\u003c/p\u003e\n"],["\u003cp\u003eTerraClimate data is available at a 4638.3 meter resolution and is provided by the University of California Merced.\u003c/p\u003e\n"],["\u003cp\u003eWhile valuable for various climate-related analyses, users should be aware of limitations regarding trend analysis, fine-scale variability, and model simplicity, especially in data-sparse regions.\u003c/p\u003e\n"]]],[],null,["# TerraClimate: Monthly Climate and Climatic Water Balance for Global Terrestrial Surfaces, University of Idaho\n\nDataset Availability\n: 1958-01-01T00:00:00Z--2024-12-01T00:00:00Z\n\nDataset Provider\n:\n\n\n [University of California Merced](http://www.climatologylab.org/terraclimate.html)\n\nCadence\n: 1 Month\n\nTags\n:\n[climate](/earth-engine/datasets/tags/climate) [drought](/earth-engine/datasets/tags/drought) [evapotranspiration](/earth-engine/datasets/tags/evapotranspiration) [geophysical](/earth-engine/datasets/tags/geophysical) [global](/earth-engine/datasets/tags/global) [merced](/earth-engine/datasets/tags/merced) [monthly](/earth-engine/datasets/tags/monthly) [palmer](/earth-engine/datasets/tags/palmer) [pdsi](/earth-engine/datasets/tags/pdsi) [precipitation](/earth-engine/datasets/tags/precipitation) [runoff](/earth-engine/datasets/tags/runoff) [temperature](/earth-engine/datasets/tags/temperature) [vapor](/earth-engine/datasets/tags/vapor) [water-vapor](/earth-engine/datasets/tags/water-vapor) [wind](/earth-engine/datasets/tags/wind) \n\n#### Description\n\nTerraClimate is a dataset of monthly climate and climatic water balance for\nglobal terrestrial surfaces. It uses climatically aided interpolation,\ncombining high-spatial resolution climatological normals from the\n[WorldClim dataset](https://www.worldclim.org/), with coarser spatial\nresolution, but time-varying data from\n[CRU Ts4.0](https://data.ceda.ac.uk/badc/cru/data/cru_ts/) and the\n[Japanese 55-year Reanalysis (JRA55)](https://jra.kishou.go.jp/JRA-55/index_en.html).\nConceptually, the procedure applies interpolated time-varying anomalies\nfrom CRU Ts4.0/JRA55 to the high-spatial resolution climatology of\nWorldClim to create a high-spatial resolution dataset that covers a broader\ntemporal record.\n\nTemporal information is inherited from CRU Ts4.0 for most global land\nsurfaces for temperature, precipitation, and vapor pressure. However,\nJRA55 data is used for regions where CRU data had zero climate stations\ncontributing (including all of Antarctica, and parts of Africa,\nSouth America, and scattered islands). For primary climate variables of\ntemperature, vapor pressure, and precipitation, the University of Idaho\nprovides additional data on the number of stations (between 0 and 8) that\ncontributed to the CRU Ts4.0 data used by TerraClimate. JRA55 was used\nexclusively for solar radiation and wind speeds.\n\nTerraClimate additionally produces monthly surface water balance datasets\nusing a water balance model that incorporates reference evapotranspiration,\nprecipitation, temperature, and interpolated plant extractable soil water\ncapacity. A modified Thornthwaite-Mather climatic water-balance model and\nextractable soil water storage capacity data was used at a 0.5° grid from\nWang-Erlandsson et al. (2016).\n\nData Limitations:\n\n1. Long-term trends in data are inherited from parent datasets.\n TerraClimate should not be used directly for independent assessments of\n trends.\n\n2. TerraClimate will not capture temporal variability at finer scales than\n parent datasets and thus is not able to capture variability in\n orographic precipitation ratios and inversions.\n\n3. The water balance model is very simple and does not account for\n heterogeneity in vegetation types or their physiological response to\n changing environmental conditions.\n\n4. Limited validation in data-sparse regions (e.g., Antarctica).\n\n### Bands\n\n\n**Pixel Size**\n\n4638.3 meters\n\n**Bands**\n\n| Name | Units | Min | Max | Scale | Pixel Size | Description |\n|--------|--------|---------|---------|-------|------------|-------------------------------------------------------------------------------------|\n| `aet` | mm | 0\\* | 3140\\* | 0.1 | meters | Actual evapotranspiration, derived using a one-dimensional soil water balance model |\n| `def` | mm | 0\\* | 4548\\* | 0.1 | meters | Climate water deficit, derived using a one-dimensional soil water balance model |\n| `pdsi` | | -4317\\* | 3418\\* | 0.01 | meters | Palmer Drought Severity Index |\n| `pet` | mm | 0\\* | 4548\\* | 0.1 | meters | Reference evapotranspiration (ASCE Penman-Montieth) |\n| `pr` | mm | 0\\* | 7245\\* | | meters | Precipitation accumulation |\n| `ro` | mm | 0\\* | 12560\\* | | meters | Runoff, derived using a one-dimensional soil water balance model |\n| `soil` | mm | 0\\* | 8882\\* | 0.1 | meters | Soil moisture, derived using a one-dimensional soil water balance model |\n| `srad` | W/m\\^2 | 0\\* | 5477\\* | 0.1 | meters | Downward surface shortwave radiation |\n| `swe` | mm | 0\\* | 32767\\* | | meters | Snow water equivalent, derived using a one-dimensional soil water balance model |\n| `tmmn` | °C | -770\\* | 387\\* | 0.1 | meters | Minimum temperature |\n| `tmmx` | °C | -670\\* | 576\\* | 0.1 | meters | Maximum temperature |\n| `vap` | kPa | 0\\* | 14749\\* | 0.001 | meters | Vapor pressure |\n| `vpd` | kPa | 0\\* | 1113\\* | 0.01 | meters | Vapor pressure deficit |\n| `vs` | m/s | 0\\* | 2923\\* | 0.01 | meters | Wind-speed at 10m |\n\n\\* estimated min or max value\n\n### Image Properties\n\n**Image Properties**\n\n| Name | Type | Description |\n|--------|--------|------------------------------|\n| status | STRING | 'provisional' or 'permanent' |\n\n### Terms of Use\n\n**Terms of Use**\n\nThe data set is in the public domain as licensed under the Creative Commons\nPublic Domain (CC0) license.\n\n### Citations\n\nCitations:\n\n- Abatzoglou, J.T., S.Z. Dobrowski, S.A. Parks, K.C. Hegewisch, 2018,\n Terraclimate, a high-resolution global dataset of monthly climate and\n climatic water balance from 1958-2015, Scientific Data 5:170191,\n [doi:10.1038/sdata.2017.191](https://doi.org/10.1038/sdata.2017.191)\n\n### Explore with Earth Engine\n\n| **Important:** Earth Engine is a platform for petabyte-scale scientific analysis and visualization of geospatial datasets, both for public benefit and for business and government users. Earth Engine is free to use for research, education, and nonprofit use. To get started, please [register for Earth Engine access.](https://console.cloud.google.com/earth-engine)\n\n### Code Editor (JavaScript)\n\n```javascript\nvar dataset = ee.ImageCollection('IDAHO_EPSCOR/TERRACLIMATE')\n .filter(ee.Filter.date('2017-07-01', '2017-08-01'));\nvar maximumTemperature = dataset.select('tmmx');\nvar maximumTemperatureVis = {\n min: -300.0,\n max: 300.0,\n palette: [\n '1a3678', '2955bc', '5699ff', '8dbae9', 'acd1ff', 'caebff', 'e5f9ff',\n 'fdffb4', 'ffe6a2', 'ffc969', 'ffa12d', 'ff7c1f', 'ca531a', 'ff0000',\n 'ab0000'\n ],\n};\nMap.setCenter(71.72, 52.48, 3);\nMap.addLayer(maximumTemperature, maximumTemperatureVis, 'Maximum Temperature');\n```\nPython setup\n\nSee the [Python Environment](/earth-engine/guides/python_install) page for information on the Python API and using\n`geemap` for interactive development. \n\n```python\nimport ee\nimport geemap.core as geemap\n```\n\n### Colab (Python)\n\n```python\ndataset = ee.ImageCollection('IDAHO_EPSCOR/TERRACLIMATE').filter(\n ee.Filter.date('2017-07-01', '2017-08-01')\n)\nmaximum_temperature = dataset.select('tmmx')\nmaximum_temperature_vis = {\n 'min': -300.0,\n 'max': 300.0,\n 'palette': [\n '1a3678',\n '2955bc',\n '5699ff',\n '8dbae9',\n 'acd1ff',\n 'caebff',\n 'e5f9ff',\n 'fdffb4',\n 'ffe6a2',\n 'ffc969',\n 'ffa12d',\n 'ff7c1f',\n 'ca531a',\n 'ff0000',\n 'ab0000',\n ],\n}\n\nm = geemap.Map()\nm.set_center(71.72, 52.48, 3)\nm.add_layer(\n maximum_temperature, maximum_temperature_vis, 'Maximum Temperature'\n)\nm\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/IDAHO_EPSCOR/IDAHO_EPSCOR_TERRACLIMATE) \n[TerraClimate: Monthly Climate and Climatic Water Balance for Global Terrestrial Surfaces, University of Idaho](/earth-engine/datasets/catalog/IDAHO_EPSCOR_TERRACLIMATE) \nTerraClimate is a dataset of monthly climate and climatic water balance for global terrestrial surfaces. It uses climatically aided interpolation, combining high-spatial resolution climatological normals from the WorldClim dataset, with coarser spatial resolution, but time-varying data from CRU Ts4.0 and the Japanese 55-year Reanalysis (JRA55). Conceptually, the procedure applies interpolated ... \nIDAHO_EPSCOR/TERRACLIMATE, climate,drought,evapotranspiration,geophysical,global,merced,monthly,palmer,pdsi,precipitation,runoff,temperature,vapor,water-vapor,wind \n1958-01-01T00:00:00Z/2024-12-01T00:00:00Z \n-90 -180 90 180 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/http://www.climatologylab.org/terraclimate.html)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/IDAHO_EPSCOR_TERRACLIMATE)"]]
