مجموعه داده MACAv2-METDATA مجموعه ای از 20 مدل آب و هوای جهانی است که ایالات متحده را پوشش می دهد. روش آنالوگ های ساخته شده تطبیقی چند متغیره (MACA) یک روش کاهش مقیاس آماری است که از یک مجموعه داده آموزشی (یعنی مجموعه داده مشاهدات هواشناسی) برای حذف سوگیری های تاریخی و مطابقت با الگوهای فضایی در خروجی مدل آب و هوا استفاده می کند.
روش MACA برای کاهش مقیاس خروجی مدل از 20 مدل آب و هوای جهانی (GCMs) پروژه جفت مدل بین مقایسه ای 5 (CMIP5) برای اجبارهای GCM تاریخی (1950-2005) و مسیرهای تمرکز نماینده آینده (RCPs) RCP 4.5 (2006) RCP 4.5 (2006) و RCP 4.5 (2006) وضوح اصلی GCMS تا 4 کیلومتر.
میانگین ماهانه میانگین رطوبت ویژه روزانه نزدیک سطح
pr
میلی متر
0*
3691.91*
متر
مقدار کل بارندگی ماهانه در سطح
rsds
W/m^2
15.84*
419*
متر
میانگین ماهانه میانگین تابش موج کوتاه رو به پایین روزانه در سطح
was
ام‌اس
0.23*
14.16*
متر
میانگین ماهانه میانگین سرعت باد نزدیک به سطح
* حداقل یا حداکثر مقدار تخمینی
ویژگی های تصویر
ویژگی های تصویر
نام
تایپ کنید
توضیحات
سناریو
STRING
نام سناریوی CMIP5، یکی از «rcp85»، «rcp45» یا «تاریخی»
مدل
STRING
نام مدل CMIP5، به عنوان مثال "inmcm4"
گروه
STRING
"r1i1p1" یا "r6i1p1"
ماه
دوبل
شاخص ماه در سال، یعنی 1-12
شرایط استفاده
شرایط استفاده
مجموعه داده های MACA با بودجه دولت ایالات متحده ایجاد شده اند و در مالکیت عمومی در ایالات متحده هستند. برای وضوح بیشتر، مگر اینکه به طور دیگری ذکر شده باشد، مجموعه داده های MACA با اختصاصی Creative Commons CC0 1.0 Universal در دسترس هستند. به طور خلاصه، جان آباتزوگلو از کلیه حقوق اثر در سراسر جهان تحت قانون کپی رایت، از جمله کلیه حقوق مرتبط و همسایه، تا حد مجاز توسط قانون چشم پوشی می کند. شما می توانید بدون درخواست اجازه، کار را حتی برای مقاصد تجاری کپی، تغییر دهید، توزیع کنید و انجام دهید. جان آباتزوگلو هیچ ضمانتی در مورد این اثر قائل نیست، و مسئولیتی در قبال استفاده از اثر، تا حدی که قانون قابل اجرا مجاز می‌داند، سلب مسئولیت می‌کند. کاربران باید منبع مورد استفاده در ایجاد گزارش ها و انتشارات ناشی از استفاده از این مجموعه داده را به درستی ذکر کنند و تاریخ دریافت داده ها را یادداشت کنند. برای اطلاعات بیشتر به صفحه مراجع و مجوز MACA مراجعه کنید.
نقل قول ها
نقل قول ها:
Abatzoglou JT و Brown TJ، مقایسه روش‌های کاهش مقیاس آماری مناسب برای کاربردهای آتش‌سوزی، مجله بین‌المللی اقلیم شناسی (2012) doi:10.1002/joc.2312 .
مجموعه داده MACAv2-METDATA مجموعه ای از 20 مدل آب و هوای جهانی است که ایالات متحده را پوشش می دهد. روش آنالوگ های ساخته شده تطبیقی چند متغیره (MACA) یک روش کاهش مقیاس آماری است که از یک مجموعه داده آموزشی (یعنی مجموعه داده مشاهدات هواشناسی) برای حذف سوگیری های تاریخی و مطابقت با الگوهای فضایی در خروجی مدل آب و هوا استفاده می کند. …
IDAHO_EPSCOR/MACAv2_METDATA_MONTHLY، آب و هوا، مخروط، ژئوفیزیک، آیداهو، ماکا، ماهانه
[null,null,[],[[["\u003cp\u003eThe MACAv2-METDATA dataset provides monthly summaries of climate data for the conterminous US, downscaled to a 4km resolution.\u003c/p\u003e\n"],["\u003cp\u003eIt includes data from 20 global climate models, covering historical periods (1950-2005) and future scenarios (RCP 4.5 and RCP 8.5) up to the year 2100.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset utilizes the Multivariate Adaptive Constructed Analogs (MACA) method to reduce biases and improve spatial patterns in climate model outputs.\u003c/p\u003e\n"],["\u003cp\u003eKey variables include maximum/minimum temperature, specific humidity, precipitation, shortwave radiation, and wind speed.\u003c/p\u003e\n"],["\u003cp\u003eThe data is freely available for research, education, and nonprofit use under a Creative Commons CC0 1.0 Universal dedication.\u003c/p\u003e\n"]]],[],null,["# MACAv2-METDATA Monthly Summaries: University of Idaho, Multivariate Adaptive Constructed Analogs Applied to Global Climate Models\n\nDataset Availability\n: 1900-01-01T00:00:00Z--2099-12-31T00:00:00Z\n\nDataset Provider\n:\n\n\n [University of California Merced](http://www.climatologylab.org/maca.html)\n\nCadence\n: 1 Month\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\nThis version contains monthly summaries.\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 | 251.95\\* | 330.64\\* | meters | Monthly average of maximum daily temperature near surface |\n| `tasmin` | K | 239.47\\* | 316.2\\* | meters | Monthly average of minimum daily temperature near surface |\n| `huss` | Mass fraction | 0\\* | 0.03\\* | meters | Monthly average of mean daily specific humidity near surface |\n| `pr` | mm | 0\\* | 3691.91\\* | meters | Total monthly precipitation amount at surface |\n| `rsds` | W/m\\^2 | 15.84\\* | 419\\* | meters | Monthly average of mean daily downward shortwave radiation at surface |\n| `was` | m/s | 0.23\\* | 14.16\\* | meters | Monthly average of mean daily near surface wind speed |\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| month | DOUBLE | The index of the month in the year, ie 1-12 |\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_MONTHLY')\n .filter(ee.Filter.date('2018-07-01', '2018-08-01'));\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(-115.356, 38.686, 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_MONTHLY) \n[MACAv2-METDATA Monthly Summaries: University of Idaho, Multivariate Adaptive Constructed Analogs Applied to Global Climate Models](/earth-engine/datasets/catalog/IDAHO_EPSCOR_MACAv2_METDATA_MONTHLY) \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_MONTHLY, climate,conus,geophysical,idaho,maca,monthly \n1900-01-01T00:00:00Z/2099-12-31T00:00:00Z \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_MONTHLY)"]]
