El conjunto de datos MACAv2-METDATA es una colección de 20 modelos climáticos globales que abarcan el territorio continental de EE.UU. El método de análogos construidos adaptativos multivariados (MACA) es un método de reducción estadística que utiliza un conjunto de datos de entrenamiento (es decir, un conjunto de datos de observación meteorológica) para quitar las tendencias históricas y hacer coincidir los patrones espaciales en el resultado del modelo climático.
El método MACA se usó para reducir la escala de la salida del modelo de 20 modelos climáticos globales (MCG) del Proyecto de intercomparación de modelos acoplados 5 (CMIP5) para las forzantes históricas del MCG (1950-2005) y los futuros escenarios de las vías de concentración representativas (RCP) RCP 4.5 y RCP 8.5 (2006-2100) desde la resolución nativa de los MCG hasta 4 km.
Humedad relativa diaria máxima cerca de la superficie, no presente en los modelos CCSM4 o NorESM1-M
rhsmin
%
1*
100*
metros
Humedad relativa diaria mínima cerca de la superficie, no presente en los modelos CCSM4 o NorESM1-M
huss
Fracción de masa
0*
0.05*
metros
Humedad específica diaria promedio cerca de la superficie
pr
mm
0*
1609.77*
metros
Cantidad promedio de precipitación diaria en la superficie
rsds
W/m²
9.06*
455.61*
metros
Promedio diario de radiación de onda corta descendente en la superficie
uas
m/s
-29.74*
25.96*
metros
Promedio diario del componente hacia el este del viento cerca de la superficie
vas
m/s
-29.26*
33.06*
metros
Componente promedio diario hacia el norte del viento cerca de la superficie
* Valor mínimo o máximo estimado
Propiedades de imágenes
Propiedades de la imagen
Nombre
Tipo
Descripción
situación
STRING
Nombre del escenario CMIP5, uno de "rcp85", "rcp45" o "historical"
modelo
STRING
Nombre del modelo CMIP5, p. ej., "inmcm4"
ensamble
STRING
Puede ser "r1i1p1" o "r6i1p1".
Condiciones de Uso
Condiciones de Uso
Los conjuntos de datos de MACA se crearon con fondos del Gobierno de EE.UU. y son de dominio público en ese país.
Para mayor claridad, a menos que se indique lo contrario, los conjuntos de datos de MACA están disponibles con una dedicación universal Creative Commons CC0 1.0.
En resumen, John Abatzoglou renuncia a todos los derechos de la obra en todo el mundo en virtud de la legislación de derechos de autor, incluidos todos los derechos conexos y afines, en la medida en que lo permita la ley. Puedes copiar, modificar, distribuir y ejecutar el trabajo, incluso con fines comerciales, sin pedir permiso. John Abatzoglou no ofrece garantías sobre la obra y renuncia a la responsabilidad por todos los usos de la obra, en la mayor medida permitida por la ley aplicable. Los usuarios deben citar correctamente la fuente utilizada en la creación de los informes y las publicaciones que resulten del uso de este conjunto de datos, y anotar la fecha en la que se adquirieron los datos. Para obtener más información, consulta la página Referencias y licencia de MACA.
Citas
Citas:
Abatzoglou J.T. y Brown T.J., A comparison of statistical downscaling
methods suited for wildfire applications, International Journal
of Climatology(2012) doi:10.1002/joc.2312.
El conjunto de datos MACAv2-METDATA es una colección de 20 modelos climáticos globales que abarcan el territorio continental de EE.UU. El método de análogos construidos adaptativos multivariados (MACA) es un método de reducción estadística que utiliza un conjunto de datos de entrenamiento (es decir, un conjunto de datos de observación meteorológica) para quitar las tendencias históricas y hacer coincidir los patrones espaciales en el resultado del modelo climático. El…
[null,null,[],[[["\u003cp\u003eMACAv2-METDATA offers downscaled climate data from 20 global climate models for the conterminous US, spanning from 1950 to 2100.\u003c/p\u003e\n"],["\u003cp\u003eIt utilizes the MACA method to enhance the accuracy and spatial patterns of climate model output.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset includes daily maximum/minimum temperature, humidity, precipitation, radiation, and wind data at a 4km resolution.\u003c/p\u003e\n"],["\u003cp\u003eData is available for historical periods (1950-2005) and future RCP 4.5 and RCP 8.5 scenarios (2006-2100).\u003c/p\u003e\n"],["\u003cp\u003eMACAv2-METDATA is publicly available and can be accessed and analyzed using Google Earth Engine.\u003c/p\u003e\n"]]],[],null,["# MACAv2-METDATA: University of Idaho, Multivariate Adaptive Constructed Analogs Applied to Global Climate Models\n\nDataset Availability\n: 1900-01-01T00:00:00Z--2100-12-31T00:00:00Z\n\nDataset Provider\n:\n\n\n [University of California Merced](http://www.climatologylab.org/maca.html)\n\nCadence\n: 1 Day\n\nTags\n:\n[climate](/earth-engine/datasets/tags/climate) [conus](/earth-engine/datasets/tags/conus) [geophysical](/earth-engine/datasets/tags/geophysical) [idaho](/earth-engine/datasets/tags/idaho) [maca](/earth-engine/datasets/tags/maca) [monthly](/earth-engine/datasets/tags/monthly) \n\n#### Description\n\nThe MACAv2-METDATA dataset is a collection of 20 global\nclimate models covering the conterminous USA. The Multivariate Adaptive\nConstructed Analogs (MACA) method is a statistical downscaling\nmethod which utilizes a training dataset (i.e. a meteorological\nobservation dataset) to remove historical biases and match spatial\npatterns in climate model output.\n\nThe MACA method was used to downscale the model output from 20\nglobal climate models (GCMs) of the Coupled Model Inter-Comparison\nProject 5 (CMIP5) for the historical GCM forcings (1950-2005) and\nthe future Representative Concentration Pathways (RCPs) RCP 4.5\nand RCP 8.5 scenarios (2006-2100) from the native resolution of\nthe GCMS to 4km.\n\nThe full list of models can be found at:\n\u003chttps://climate.northwestknowledge.net/MACA/GCMs.php\u003e\n\n### Bands\n\n\n**Pixel Size**\n\n4638.3 meters\n\n**Bands**\n\n| Name | Units | Min | Max | Pixel Size | Description |\n|----------|---------------|----------|-----------|------------|----------------------------------------------------------------------------------------|\n| `tasmax` | K | 222.4\\* | 334.92\\* | meters | Maximum daily temperature near surface |\n| `tasmin` | K | 215.33\\* | 315.61\\* | meters | Minimum daily temperature near surface |\n| `rhsmax` | % | 1\\* | 100\\* | meters | Maximum daily relative humidity near surface, not present in models CCSM4 or NorESM1-M |\n| `rhsmin` | % | 1\\* | 100\\* | meters | Minimum daily relative humidity near surface, not present in models CCSM4 or NorESM1-M |\n| `huss` | Mass fraction | 0\\* | 0.05\\* | meters | Average daily specific humidity near surface |\n| `pr` | mm | 0\\* | 1609.77\\* | meters | Average daily precipitation amount at surface |\n| `rsds` | W/m\\^2 | 9.06\\* | 455.61\\* | meters | Average daily downward shortwave radiation at surface |\n| `uas` | m/s | -29.74\\* | 25.96\\* | meters | Average daily eastward component of wind near surface |\n| `vas` | m/s | -29.26\\* | 33.06\\* | meters | Average daily northward component of wind near surface |\n\n\\* estimated min or max value\n\n### Image Properties\n\n**Image Properties**\n\n| Name | Type | Description |\n|----------|--------|----------------------------------------------------------------------|\n| scenario | STRING | Name of the CMIP5 scenario, one of 'rcp85', 'rcp45', or 'historical' |\n| model | STRING | Name of the CMIP5 model, eg 'inmcm4' |\n| ensemble | STRING | Either 'r1i1p1' or 'r6i1p1' |\n\n### Terms of Use\n\n**Terms of Use**\n\nThe MACA datasets were created with funding from the\nUS government and are in the public domain in the United States.\nFor further clarity, unless otherwise noted, the MACA datasets\nare made available with a Creative Commons CC0 1.0 Universal dedication.\nIn short, John Abatzoglou waives all rights to the work worldwide\nunder copyright law, including all related and neighboring rights,\nto the extent allowed by law. You can copy, modify, distribute,\nand perform the work, even for commercial purposes, all without\nasking permission. John Abatzoglou makes no warranties about the\nwork, and disclaims liability for all uses of the work, to the\nfullest extent permitted by applicable law. Users should properly\ncite the source used in the creation of any reports and publications\nresulting from the use of this dataset and note the date when the\ndata was acquired. For more information refer to the [MACA References\nand License](https://climate.northwestknowledge.net/MACA/MACAreferences.php)\npage.\n\n### Citations\n\nCitations:\n\n- Abatzoglou J.T. and Brown T.J., A comparison of statistical downscaling\n methods suited for wildfire applications, International Journal\n of Climatology(2012) [doi:10.1002/joc.2312](https://doi.org/10.1002/joc.2312).\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/MACAv2_METDATA')\n .filter(ee.Filter.date('2018-08-01', '2018-08-15'));\nvar maximumTemperature = dataset.select('tasmax');\nvar maximumTemperatureVis = {\n min: 290.0,\n max: 314.0,\n palette: ['d8d8d8', '4addff', '5affa3', 'f2ff89', 'ff725c'],\n};\nMap.setCenter(-84.37, 33.5, 5);\nMap.addLayer(maximumTemperature, maximumTemperatureVis, 'Maximum Temperature');\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/IDAHO_EPSCOR/IDAHO_EPSCOR_MACAv2_METDATA) \n[MACAv2-METDATA: University of Idaho, Multivariate Adaptive Constructed Analogs Applied to Global Climate Models](/earth-engine/datasets/catalog/IDAHO_EPSCOR_MACAv2_METDATA) \nThe MACAv2-METDATA dataset is a collection of 20 global climate models covering the conterminous USA. The Multivariate Adaptive Constructed Analogs (MACA) method is a statistical downscaling method which utilizes a training dataset (i.e. a meteorological observation dataset) to remove historical biases and match spatial patterns in climate model output. The ... \nIDAHO_EPSCOR/MACAv2_METDATA, climate,conus,geophysical,idaho,maca,monthly \n1900-01-01T00:00:00Z/2100-12-31T00:00:00Z \n24.9 -124.9 49.6 -67 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [](https://doi.org/http://www.climatologylab.org/maca.html)\n- [](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/IDAHO_EPSCOR_MACAv2_METDATA)"]]
