Tập dữ liệu MACAv2-METDATA là một tập hợp gồm 20 mô hình khí hậu toàn cầu bao phủ phần lục địa Hoa Kỳ. Phương pháp Tương tự được xây dựng thích ứng đa biến (MACA) là một phương pháp giảm quy mô thống kê, sử dụng tập dữ liệu huấn luyện (tức là tập dữ liệu quan sát khí tượng) để loại bỏ các sai lệch trong quá khứ và so khớp các mẫu không gian trong đầu ra của mô hình khí hậu.
Phương pháp MACA được dùng để giảm quy mô đầu ra của mô hình từ 20 mô hình khí hậu toàn cầu (GCM) của Dự án so sánh mô hình kết hợp 5 (CMIP5) cho các lực lượng GCM trong quá khứ (1950-2005) và các kịch bản Đường dẫn nồng độ đại diện (RCP) trong tương lai RCP 4.5 và RCP 8.5 (2006-2100) từ độ phân giải gốc của GCMS xuống 4 km.
Độ ẩm tương đối tối đa hằng ngày gần bề mặt, không có trong các mô hình CCSM4 hoặc NorESM1-M
rhsmin
%
1*
100*
mét
Độ ẩm tương đối tối thiểu hằng ngày gần bề mặt, không có trong các mô hình CCSM4 hoặc NorESM1-M
huss
Tỷ lệ khối lượng
0*
0,05*
mét
Độ ẩm riêng trung bình hằng ngày gần bề mặt
pr
mm
0*
1609,77*
mét
Lượng mưa trung bình hằng ngày trên bề mặt
rsds
W/m^2
9,06*
455,61*
mét
Bức xạ sóng ngắn trung bình hằng ngày hướng xuống bề mặt
uas
mét/giây
-29,74*
25,96*
mét
Thành phần gió trung bình hằng ngày theo hướng đông gần bề mặt
vas
mét/giây
-29,26*
33,06*
mét
Thành phần gió trung bình hằng ngày theo hướng bắc gần bề mặt
* giá trị tối thiểu hoặc tối đa ước tính
Thuộc tính hình ảnh
Thuộc tính hình ảnh
Tên
Loại
Mô tả
tình huống
STRING
Tên của kịch bản CMIP5, một trong các kịch bản "rcp85", "rcp45" hoặc "historical"
kiểu máy
STRING
Tên của mô hình CMIP5, ví dụ: "inmcm4"
ensemble
STRING
"r1i1p1" hoặc "r6i1p1"
Điều khoản sử dụng
Điều khoản sử dụng
Các tập dữ liệu MACA được tạo ra nhờ nguồn tài trợ của chính phủ Hoa Kỳ và thuộc phạm vi công cộng ở Hoa Kỳ.
Để rõ ràng hơn, trừ phi có ghi chú khác, các tập dữ liệu MACA được cung cấp theo giấy phép Creative Commons CC0 1.0 Universal.
Tóm lại, John Abatzoglou từ bỏ mọi quyền đối với tác phẩm trên toàn thế giới theo luật bản quyền, bao gồm cả mọi quyền liên quan và quyền lân cận, trong phạm vi được luật pháp cho phép. Bạn có thể sao chép, sửa đổi, phân phối và thực hiện công việc, ngay cả cho mục đích thương mại, mà không cần xin phép. John Abatzoglou không đảm bảo về tác phẩm và từ chối trách nhiệm pháp lý đối với mọi mục đích sử dụng tác phẩm trong phạm vi tối đa mà luật hiện hành cho phép. Người dùng phải trích dẫn nguồn được sử dụng trong quá trình tạo mọi báo cáo và ấn phẩm phát sinh từ việc sử dụng tập dữ liệu này, đồng thời ghi chú ngày thu thập dữ liệu. Để biết thêm thông tin, hãy tham khảo trang Tài liệu tham khảo và giấy phép MACA.
Trích dẫn
Trích dẫn:
Abatzoglou J.T. và Brown T.J., So sánh các phương pháp giảm tỷ lệ thống kê phù hợp cho các ứng dụng cháy rừng, Tạp chí Khí hậu học quốc tế(2012) doi:10.1002/joc.2312.
Tập dữ liệu MACAv2-METDATA là một tập hợp gồm 20 mô hình khí hậu toàn cầu bao phủ phần lục địa Hoa Kỳ. Phương pháp Tương tự được xây dựng thích ứng đa biến (MACA) là một phương pháp giảm tỷ lệ thống kê, sử dụng một tập dữ liệu huấn luyện (tức là một tập dữ liệu quan sát khí tượng) để loại bỏ các sai lệch trong quá khứ và so khớp các mẫu không gian trong đầu ra của mô hình khí hậu. …
IDAHO_EPSCOR/MACAv2_METDATA, khí hậu,conus,địa vật lý,idaho,maca,hàng tháng
[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)"]]
