GEE中下载年总蒸发的栅格数据

1、主要信息

1）数据提供者和数据集名称：University of California Merced、IDAHO_EPSCOR/TERRACLIMATE

2）可用时间：1958年01月01日–2022年12月01日

3）空间分辨率：4638.3米

4）所含主要波段：如下表

名字	单位	最小值	最大值	描述
aet	mm	0	3140	实际蒸散量，使用一维土壤水分平衡模型推导
def	mm	0	4548	气候缺水，使用一维土壤水分平衡模型推导
pdsi		-4317	3418	帕尔默干旱严重程度指数
pet	mm	0	4548	参考蒸散 （ASCE Penman-Montieth）
pr	mm	0	7245	降水累积
ro	mm	0	12560	径流，使用一维土壤水分平衡模型推导
soil	mm	0	8882	土壤湿度，使用一维土壤水分平衡模型推导
srad	W/米^2	0	5477	向下表面短波辐射
swe	mm	0	32767	使用一维土壤水分平衡模型推导的雪水当量
tmmn	℃	-770	387	最低温度
tmmx	℃	-670	576	最高温度
vap	千帕	0	14749	蒸气压
vpd	千帕	0	1113	蒸气压不足
vs	米/秒	0	2923	10米处的风速

2、数据集的使用

使用此数据集下载一个区域（以江西省赣州市赣县为例）1985年的年总蒸发的栅格影像。代码如下：

// 定义数据集
var dataset = ee.ImageCollection("IDAHO_EPSCOR/TERRACLIMATE")
    // 根据指定的区域范围进行筛选
    .filterBounds(region)
    // 选择潜在蒸散发（PET）数据
    .select('pet')
    // 筛选出指定时间范围内的数据
    .filterDate("1985-01-01", "1985-12-31");

// 计算每月潜在蒸散发的总和
var yearly = dataset.filter(ee.Filter.calendarRange(1, 1, 'month'))
    // 对每月数据进行求和
    .reduce(ee.Reducer.sum())
    // 将结果转换为双精度浮点数
    .toDouble()
    // 裁剪结果，限制范围为指定的 region 区域
    .clip(region);

// 循环计算剩余11个月的潜在蒸散发，并累加到 yearly 变量中
for (var i = 2; i < 12; i++) {
    var months = dataset.filter(ee.Filter.calendarRange(i, i, 'month'))
        .reduce(ee.Reducer.sum());
    yearly = yearly.add(months);
}

// 打印出计算后的结果
print(yearly);

// 打印循环结束后的 i 的值，应该是 12
print(i);

// 将地图视图聚焦到指定的 region 区域，缩放级别为 9
Map.centerObject(region, 9);

// 在地图上添加名为 'roi' 的感兴趣区域图层
Map.addLayer(region, {}, 'roi');

// 在地图上添加名为 'yearly' 的 yearly 变量图层，并使用黑白色调进行可视化
Map.addLayer(yearly, {
    min: 0,
    max: 20000,
    palette: ['black', 'white']
}, 'yearly');

// 导出 yearly 变量的图像数据到 Google Drive 中
Export.image.toDrive({
    image: yearly,
    description: 'yearlys',
    folder: 'LYM',
    fileNamePrefix: 'evaporation_2020',
    region: region,
    maxPixels: 1e13,
    crs: 'EPSG:4326'
});

结果如图：