مجموعه داده TerraClimate یکی از مهم‌ترین و پرکاربردترین منابع اطلاعاتی در حوزه مطالعات اقلیمی، هیدرولوژی و مدل‌سازی‌های محیطی است. دسترسی به داده‌های دقیق و پیوسته اقلیمی با تفکیک مکانی و زمانی بالا، همواره یکی از چالش‌های اصلی پژوهشگران علوم زمین، کشاورزی و محیط‌زیست بوده است. در این مقاله، به‌طور جامع به بررسی معماری، مشخصات فنی، متغیرها و کاربردهای مجموعه داده TerraClimate می‌پردازیم تا راهنمای کاملی برای استفاده از آن در پروژه‌های علمی و پژوهشی شما باشد.
تاریخچه و هدف توسعه مجموعه داده TerraClimate
با گسترش مطالعات مرتبط با تغییرات جهانی و بوم‌شناسی، نیاز به داده‌هایی که بتوانند شرایط اقلیمی را در مقیاسی نزدیک به محیط زیست واقعی ارگانیسم‌ها توصیف کنند، بیش از پیش احساس می‌شد. بسیاری از مجموعه داده‌های پیشین یا دارای تفکیک مکانی پایینی بودند (بزرگتر از ۵۰ کیلومتر) و یا فاقد سری زمانی طولانی‌مدت برای تحلیل‌های پویا بودند.
برای حل این چالش، پژوهشگرانی به نام‌های جان آباتزوگلو (John T. Abatzoglou) و همکارانش در سال ۲۰۱۸، مجموعه داده TerraClimate را توسعه دادند. هدف اصلی از توسعه این پایگاه داده، ایجاد یک محصول اقلیمی با وضوح مکانی بسیار بالا (حدود ۴ کیلومتر) و به‌صورت ماهانه بود که تمامی خشکی‌های کره زمین را پوشش دهد و متغیرهای لازم برای محاسبه تبخیر و تعرق مرجع و مدل‌سازی بیلان آب را فراهم سازد.
روش تولید داده‌ها و منابع مورد استفاده
TerraClimate از یک رویکرد هوشمندانه به نام درون‌یابی به کمک اقلیم (Climatically Aided Interpolation – CAI) برای تولید داده‌های خود استفاده می‌کند. این روش، داده‌های اقلیمی با تفکیک مکانی بالا اما فاقد سری زمانی را با داده‌های دارای سری زمانی طولانی اما تفکیک مکانی پایین، ادغام می‌کند.
برای تولید این مجموعه داده، از سه منبع معتبر بین‌المللی استفاده شده است:
- WorldClim (نسخه‌های 1.4 و 2.0): برای استخراج نرمال‌های اقلیمی (Climatological Normals) با وضوح مکانی بسیار بالا (۱/۲۴ درجه) استفاده شده است.
- CRU Ts4.0: داده‌های مربوط به ناهنجاری‌های زمانی (Temporal anomalies) متغیرهایی نظیر دما، بارش و فشار بخار از این پایگاه متعلق به دانشگاه بریتانیا با وضوح ۰.۵ درجه استخراج شده است.
- بازتحلیل ۵۵ ساله ژاپن (JRA-55): برای مناطقی که ایستگاه‌های هواشناسی در داده‌های CRU وجود نداشته‌اند (مانند قطب جنوب، بخش‌هایی از آفریقا و جزایر پراکنده) و همچنین برای استخراج انحصاری متغیرهای تابش خورشیدی و سرعت باد، از داده‌های JRA-55 با وضوح ۱.۲۵ درجه استفاده شده است. علاوه بر این، برای مدل‌سازی بیلان آب خاک، از داده‌های ظرفیت نگهداری آب خاک استخراج‌شده توسط Wang-Erlandsson و همکاران (۲۰۱۶) بهره گرفته شده است.
مشخصات فنی مجموعه داده TerraClimate
بر اساس مستندات فراداده (Metadata)، مشخصات فنی این مجموعه داده به شرح زیر است:
- پوشش زمانی: از اول ژانویه ۱۹۵۸ تا دسامبر ۲۰۲۴ (این بازه به‌صورت دوره‌ای به‌روزرسانی می‌شود).
- تفکیک زمانی: ماهانه.
- تفکیک مکانی: ۱/۲۴ درجه قوسی یا حدود ۴۶۳۸.۳ متر (تقریباً ۴ کیلومتر).
- پوشش مکانی: پوشش جهانی در تمامی سطوح خشکی کره زمین (محدوده مختصات ۹۰- تا ۹۰+ درجه عرض جغرافیایی و ۱۸۰- تا ۱۸۰+ درجه طول جغرافیایی).
- قالب داده‌ها: فایل‌های NetCDF مطابق با استانداردهای ابرداده اقلیمی.
- مجوز انتشار: مالکیت عمومی تحت لیسانس CC0.
معرفی متغیرهای TerraClimate (همراه با واحد و کاربرد)
این مجموعه داده ۱۴ باند (متغیر) مختلف را ارائه می‌دهد که شامل پارامترهای اقلیمی پایه و همچنین متغیرهای مشتق‌شده از مدل بیلان آب (Water Balance Model) است:
- بارش تجمعی (pr): واحد: میلی‌متر (mm).
- حداکثر دما (tmmx): واحد: درجه سانتی‌گراد (°C). کاربرد در سنجش گرمایش جهانی و مدل‌های تبخیر.
- حداقل دما (tmmn): واحد: درجه سانتی‌گراد (°C). کاربرد در مطالعات سرمازدگی و اکولوژی.
- تبخیر و تعرق واقعی (aet): واحد: میلی‌متر (mm). محاسبه‌شده با استفاده از مدل یک‌بعدی بیلان آب خاک؛ نشان‌دهنده میزان آب مصرفی توسط گیاهان.
- تبخیر و تعرق مرجع (pet): واحد: میلی‌متر (mm). برآورد شده با روش استاندارد ASCE Penman-Montieth، مهم برای نیازسنجی آبیاری کشاورزی.
- کمبود آب اقلیمی (def): واحد: میلی‌متر (mm). نشان‌دهنده تفاوت بین تبخیر و تعرق مرجع و تبخیر و تعرق واقعی؛ شاخصی قدرتمند برای پایش خشکسالی.
- شاخص شدت خشکسالی پالمر (pdsi): بدون واحد (بازه مقیاس‌دار). یکی از معروف‌ترین شاخص‌های هواشناسی برای ارزیابی خشکسالی.
- رطوبت خاک (soil): واحد: میلی‌متر (mm). به‌دست‌آمده از مدل بیلان آب خاک در انتهای هر ماه.
- رواناب (ro): واحد: میلی‌متر (mm). میزان آب مازاد بر نفوذ و تبخیر؛ حیاتی برای مطالعات حوضه‌های آبریز و منابع آب.
- معادل آب برف (swe): واحد: میلی‌متر (mm). حجم آب موجود در پوشش برفی، محاسبه‌شده در مدل بیلان آب.
- تابش موج کوتاه سطحی (srad): واحد: وات بر متر مربع (W/m^2). انرژی دریافتی از خورشید.
- سرعت باد در ارتفاع ۱۰ متری (vs): واحد: متر بر ثانیه (m/s).
- فشار بخار آب (vap): واحد: کیلوپاسکال (kPa). نماینده رطوبت مطلق هوا.
- کمبود فشار بخار (vpd): واحد: کیلوپاسکال (kPa). شاخصی کلیدی برای بررسی استرس آبی گیاهان.
مزایا، محدودیت‌ها و ملاحظات استفاده از داده‌ها
مزایای کلیدی
- کاهش خطای مطلق: به دلیل استفاده از روش تصحیح سوگیری بر پایه WorldClim، خطای مطلق میانگین (MAE) در این داده‌ها نسبت به داده‌های با وضوح پایین مانند CRU به‌طور قابل‌توجهی کاهش یافته است.
- پوشش متغیرهای بیلان آب: برخلاف بسیاری از محصولات که تنها دما و بارش را ارائه می‌دهند، TerraClimate با ترکیب یک مدل یک‌بعدی بیلان آب مبتنی بر روش Thornthwaite-Mather، پارامترهای ارزشمندی مانند رواناب، رطوبت خاک و کمبود آب اقلیمی را تولید کرده است.
- دقت بالا در الگوهای مکانی: این پایگاه، الگوهای مکانی متغیرهای تبخیر و تعرق و رواناب را با دقت بالایی (ضریب همبستگی بالا با ایستگاه‌های واقعی) شبیه‌سازی می‌کند.
محدودیت‌ها و ملاحظات
برای استفاده اصولی از این داده‌ها، باید به هشدارهای سازندگان آن توجه کرد:
- عدم کارایی برای استخراج روند مستقل: روندهای بلندمدت در این مجموعه از پایگاه‌های والد (CRU و JRA-55) به ارث رسیده‌اند. بنابراین نباید از این مجموعه به‌طور مستقیم و مستقل برای اثبات وجود یک روند تغییر اقلیم استفاده کرد.
- ناتوانی در ثبت تنوع خرد اقلیمی: TerraClimate نمی‌تواند تغییرات زمانی را در مقیاس‌های ریزتر از پایگاه‌های والد خود ثبت کند. در نتیجه، پدیده‌هایی نظیر وارونگی دمایی (Inversions) یا نسبت‌های بارش کوهستانی (Orographic precipitation) ممکن است به‌دقت منعکس نشوند.
- سادگی مدل بیلان آب: مدل بیلان آب استفاده‌شده بسیار ساده است و ناهمگنی انواع پوشش گیاهی و پاسخ فیزیولوژیک آن‌ها به تغییرات محیطی را در نظر نمی‌گیرد (فرض بر وجود یک پوشش گیاهی مرجع یکسان است).
- عدم قطعیت در مناطق خاص: اعتبارسنجی مدل در مناطقی با داده‌های ایستگاهی پراکنده و مناطق پوشیده از یخچال‌های طبیعی (مانند قطب جنوب و گرینلند) محدود است و مقادیر متغیرهایی مانند کمبود فشار بخار در این نواحی ممکن است غیرواقعی باشد. همچنین به دلیل فقدان بارش در برخی پیکسل‌های بیابان صحرا، رویکرد ضربی ناهنجاری‌ها موجب تولید مقادیر صفر در داده‌ها شده است که نیازمند توجه کاربر است.
مهم‌ترین کاربردهای TerraClimate در پژوهش‌های علمی
وضوح بالای مکانی و تنوع متغیرها سبب شده تا این مجموعه داده در طیف وسیعی از تحقیقات بین‌المللی استفاده شود:
- هیدرولوژی و منابع آب: برآورد رواناب حوضه‌های آبریز و بررسی نوسانات بین‌سالانه منابع آب شیرین.
- بوم‌شناسی (اکولوژی) و جنگل‌داری: مدل‌سازی توزیع گونه‌های گیاهی، ارزیابی ساختار تاج پوشش جنگل‌ها و مطالعه مرگ‌ومیر درختان ناشی از استرس خشکسالی.
- مدیریت بحران و آتش‌سوزی: پیش‌بینی الگوهای آتش‌سوزی در اراضی طبیعی با استفاده از داده‌های کمبود آب اقلیمی (Deficit) و تبخیر و تعرق.
- کشاورزی و امنیت غذایی: بررسی روند تولید جهانی محصولات کشاورزی تحت تأثیر نوسانات اقلیمی.
نحوه دسترسی، دانلود و استفاده از داده‌ها
پژوهشگران می‌توانند از دو طریق اصلی و معتبر به این داده‌ها دسترسی پیدا کنند:
- پلتفرم سامانه گوگل ارث انجین (Google Earth Engine – GEE): ابرداده‌های TerraClimate به‌صورت کامل در کاتالوگ GEE در دسترس هستند و کاربران می‌توانند به‌صورت رایگان برای مقاصد آموزشی و پژوهشی، از طریق محیط Code Editor (با زبان JavaScript) و یا محیط Colab (با زبان Python و کتابخانه Geemap) بدون نیاز به دانلود فایل‌های حجیم، پردازش‌های خود را در مقیاس پتابایت روی ابررایانه‌های گوگل انجام دهند.
- پایگاه شبکه دانش شمال غرب (Northwest Knowledge Network): دانشگاه آیداهو این داده‌ها را به‌صورت فایل‌های سالانه و تفکیک‌شده برای هر متغیر با فرمت NetCDF برای دانلود مستقیم قرار داده است.
سخن پایانی
مجموعه داده TerraClimate با ادغام هوشمندانه وضوح مکانی بالای WorldClim و دقت زمانی CRU و JRA-55، تحولی چشمگیر در دسترسی به داده‌های یکپارچه اقلیمی و بیلان آب در سطح جهانی ایجاد کرده است. شناخت دقیق متغیرها، درک مدل‌های به کار رفته در پس‌زمینه و آگاهی از محدودیت‌های ذاتی این محصول، کلید انجام پژوهش‌های معتبر و استخراج نتایج علمی دقیق است.
نویسنده این مقاله تجربه عملی و پژوهشی گسترده‌ای در کار با داده‌های TerraClimate در محیط‌های برنامه‌نویسی نظیر Google Earth Engine دارد. بنابراین، پژوهشگران، دانشجویان و علاقه‌مندان در صورت نیاز به دریافت داده‌ها برای محدوده مطالعاتی خود، مشاوره، راهنمایی در پردازش و تحلیل داده‌های زمانی-مکانی، یا یافتن پاسخ برای پرسش‌های تخصصی خود، می‌توانند به‌راحتی از طریق صفحه «تماس با من» با نویسنده در ارتباط باشند.