L'ensemble de données MACAv2-METDATA est une collection de 20 modèles climatiques mondiaux couvrant les États-Unis contigus. La méthode MACA (Multivariate Adaptive Constructed Analogs) est une méthode de réduction d'échelle statistique qui utilise un ensemble de données d'entraînement (c'est-à-dire un ensemble de données d'observations météorologiques) pour supprimer les biais historiques et faire correspondre les modèles spatiaux dans les résultats des modèles climatiques.
La méthode MACA a été utilisée pour réduire la résolution de la sortie du modèle à partir de 20 modèles climatiques mondiaux (GCM) du projet CMIP5 (Coupled Model Inter-Comparison Project 5) pour les forçages GCM historiques (1950-2005) et les futurs scénarios RCP (Representative Concentration Pathways) RCP 4.5 et RCP 8.5 (2006-2100) de la résolution native des GCM à 4 km.
Température maximale quotidienne près de la surface
tasmin
K
215,33*
315.61*
mètres
Température quotidienne minimale près de la surface
rhsmax
%
1*
100*
mètres
Humidité relative maximale quotidienne près de la surface, non présente dans les modèles CCSM4 ou NorESM1-M
rhsmin
%
1*
100*
mètres
Humidité relative quotidienne minimale près de la surface, non présente dans les modèles CCSM4 ou NorESM1-M
huss
Fraction massique
0*
0,05*
mètres
Humidité spécifique quotidienne moyenne près de la surface
pr
mm
0*
1609.77*
mètres
Quantité moyenne de précipitations quotidiennes en surface
rsds
W/m^2
9.06*
455,61*
mètres
Rayonnement à ondes courtes descendant quotidien moyen à la surface
uas
m/s
-29,74*
25,96*
mètres
Composante est moyenne quotidienne du vent près de la surface
vas
m/s
-29,26*
33.06*
mètres
Composante moyenne quotidienne du vent vers le nord près de la surface
* valeur minimale ou maximale estimée
Propriétés des images
Propriétés de l'image
Nom
Type
Description
scénario
STRING
Nom du scénario CMIP5, qui peut être "rcp85", "rcp45" ou "historical".
modèle
STRING
Nom du modèle CMIP5, par exemple "inmcm4"
ensemble
STRING
'r1i1p1' ou 'r6i1p1'
Conditions d'utilisation
Conditions d'utilisation
Les ensembles de données MACA ont été créés avec le financement du gouvernement américain et appartiennent au domaine public aux États-Unis.
Pour plus de clarté, sauf indication contraire, les ensembles de données MACA sont mis à disposition avec une licence Creative Commons CC0 1.0 Universal.
En bref, John Abatzoglou renonce à tous les droits sur l'œuvre dans le monde entier en vertu de la loi sur les droits d'auteur, y compris tous les droits voisins et connexes, dans la mesure autorisée par la loi. Vous pouvez copier, modifier, distribuer et exécuter l'œuvre, même à des fins commerciales, sans avoir à demander l'autorisation. John Abatzoglou ne donne aucune garantie concernant l'œuvre et décline toute responsabilité pour toutes les utilisations de l'œuvre, dans toute la mesure autorisée par la loi applicable. Les utilisateurs doivent citer correctement la source utilisée pour créer des rapports et des publications à partir de cet ensemble de données, et indiquer la date à laquelle les données ont été acquises. Pour en savoir plus, consultez la page Références et licence MACA.
Citations
Citations :
Abatzoglou J.T. et Brown T.J., A comparison of statistical downscaling
methods suited for wildfire applications, International Journal
of Climatology(2012) doi:10.1002/joc.2312.
L'ensemble de données MACAv2-METDATA est une collection de 20 modèles climatiques mondiaux couvrant les États-Unis contigus. La méthode MACA (Multivariate Adaptive Constructed Analogs) est une méthode de réduction d'échelle statistique qui utilise un ensemble de données d'entraînement (c'est-à-dire un ensemble de données d'observations météorologiques) pour supprimer les biais historiques et faire correspondre les modèles spatiaux dans les résultats des modèles climatiques. Le…
[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)"]]
