GEE水生态环境数据集：

• 开源数据：主要的开源的夜光遥感数据
• GEE数据集：CHIRPS Pentad高分辨率的全球网格降雨数据集
• GEE数据集：将全国水电站分布及其装机容量导出为CSV表格
• GEE数据集：TerraClimate爱达荷大学全球陆地表面的每月气候和气候水平衡数据集
• GEE数据集：ERA5 每日汇总 - 由 ECMWF / Copernicus Climate Change Service制作的最新气候再分析数据集

（持续更新中……）

---

1、数据集介绍

TerraClimate 是全球陆地表面的月度气候和气候水平衡数据集。它使用气候辅助插值，将 WorldClim 数据集的高空间分辨率气候法线与来自CRU Ts4.0和 日本 55 年再分析 (JRA55)的较粗空间分辨率但随时间变化的数据 相结合。从概念上讲，该程序将来自 CRU Ts4.0/JRA55 的插值时变异常应用于 WorldClim 的高空间分辨率气候学，以创建涵盖更广泛时间记录的高空间分辨率数据集。

时间信息继承自 CRU Ts4.0，用于大多数全球陆地表面的温度、降水和蒸汽压。但是，JRA55 数据用于 CRU 数据中气候站贡献为零的区域（包括整个南极洲，以及非洲的部分地区、南美洲和分散的岛屿）。对于温度、蒸气压和降水等主要气候变量，爱达荷大学提供了有关有助于 TerraClimate 使用的 CRU Ts4.0 数据的站点数量（0 到 8 个）的附加数据。JRA55 专门用于太阳辐射和风速。

TerraClimate 还使用水平衡模型生成月度地表水平衡数据集，该模型包含参考蒸发量、降水量、温度和插值的植物可提取土壤水分容量。修改后的 Thornthwaite-Mather 气候水平衡模型和可提取土壤蓄水能力数据用于 Wang-Erlandsson 等人的 0.5° 网格。（2016 年）。

数据限制：

1. 数据的长期趋势继承自父数据集。TerraClimate 不应直接用于趋势的独立评估。

2. TerraClimate 无法捕捉比父数据集更精细的时间变化，因此无法捕捉地形降水比和反演的变化。

3. 水平衡模型非常简单，没有考虑植被类型的异质性或它们对环境条件变化的生理反应。

4. 在数据稀疏地区（例如南极洲）的有限验证。

2、数据集波段

* 估计的最小值或最大值

3、GEE中加载

（1）JavaScript代码

var dataset = ee.ImageCollection('IDAHO_EPSCOR/TERRACLIMATE')
                  .filter(ee.Filter.date('2017-07-01', '2017-08-01'));
var maximumTemperature = dataset.select('pr');
var maximumTemperatureVis = {
  min: 0,
  max: 500.0,
  palette: [
    '#ffffcc','#a1dab4','#41b6c4','#225ea8'
  ],
};
Map.setCenter(71.72, 52.48, 3);
Map.addLayer(maximumTemperature, maximumTemperatureVis, 'precipitaton');

（2）python代码

dataset = ee.ImageCollection('IDAHO_EPSCOR/TERRACLIMATE') \
                  .filter(ee.Filter.date('2017-07-01', '2017-08-01'))
maximumTemperature = dataset.select('pr')
maximumTemperatureVis = {
  'min': 0,
  'max': 500.0,
  'palette': [
    '#ffffcc','#a1dab4','#41b6c4','#225ea8'
  ],
}
Map.setCenter(71.72, 52.48, 3)
Map.addLayer(maximumTemperature, maximumTemperatureVis, 'precipitaton')

（3）可视化结果展示

4、数据集引用

•  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