Il set di dati MACAv2-METDATA è una raccolta di 20 modelli
climatici globali che coprono gli Stati Uniti contigui. Il metodo Multivariate Adaptive
Constructed Analogs (MACA) è un metodo di downscaling statistico
che utilizza un set di dati di addestramento (ovvero un set di dati di osservazioni
meteorologiche) per rimuovere i bias storici e abbinare i pattern spaziali
nell'output del modello climatico.
Il metodo MACA è stato utilizzato per ridurre la scala dell'output del modello da 20 modelli climatici globali (GCM) del Coupled Model Inter-Comparison Project 5 (CMIP5) per i forzanti GCM storici (1950-2005) e gli scenari futuri dei Representative Concentration Pathways (RCP) RCP 4.5 e RCP 8.5 (2006-2100) dalla risoluzione nativa dei GCM a 4 km.
Media mensile della temperatura massima giornaliera vicino alla superficie
tasmin
K
239,47*
316,2*
metri
Media mensile della temperatura minima giornaliera vicino alla superficie
huss
Frazione massica
0*
0,03*
metri
Media mensile dell'umidità specifica media giornaliera vicino alla superficie
pr
mm
0*
3691,91*
metri
Quantità totale di precipitazioni mensili in superficie
rsds
W/m^2
15,84*
419*
metri
Media mensile della radiazione solare a onde corte giornaliera media verso il basso sulla superficie
was
m/s
0,23*
14.16*
metri
Media mensile della velocità media giornaliera del vento vicino alla superficie
* valore minimo o massimo stimato
Proprietà immagini
Proprietà immagine
Nome
Tipo
Descrizione
scenario
STRING
Nome dello scenario CMIP5, uno tra "rcp85", "rcp45" o "historical"
modello
STRING
Nome del modello CMIP5, ad es. "inmcm4"
ensemble
STRING
"r1i1p1" o "r6i1p1"
mese
DOUBLE
L'indice del mese dell'anno, ovvero 1-12
Termini e condizioni d'uso
Termini e condizioni d'uso
I set di dati MACA sono stati creati con finanziamenti del governo degli Stati Uniti e sono di dominio pubblico negli Stati Uniti.
Per maggiore chiarezza, se non diversamente indicato, i set di dati MACA
sono resi disponibili con una licenza Creative Commons CC0 1.0 Universal.
In breve, John Abatzoglou rinuncia a tutti i diritti sull'opera a livello mondiale
ai sensi della legge sul copyright, inclusi tutti i diritti correlati e connessi,
nella misura consentita dalla legge. Puoi copiare, modificare, distribuire
e svolgere attività, persino per scopi commerciali, senza
chiedere l'autorizzazione. John Abatzoglou non fornisce alcuna garanzia in merito all'opera e declina ogni responsabilità per tutti gli utilizzi dell'opera, nella misura massima consentita dalla legge vigente. Gli utenti devono citare correttamente
la fonte utilizzata per la creazione di report e pubblicazioni
risultanti dall'utilizzo di questo set di dati e annotare la data in cui
sono stati acquisiti i dati. Per ulteriori informazioni, consulta la pagina Riferimenti e licenza MACA.
Citazioni
Citazioni:
Abatzoglou J.T. e Brown T.J., A comparison of statistical downscaling
methods suited for wildfire applications, International Journal
of Climatology(2012) doi:10.1002/joc.2312.
Il set di dati MACAv2-METDATA è una raccolta di 20 modelli climatici globali che coprono gli Stati Uniti contigui. Il metodo Multivariate Adaptive Constructed Analogs (MACA) è un metodo di downscaling statistico che utilizza un set di dati di addestramento (ovvero un set di dati di osservazione meteorologica) per rimuovere i bias storici e abbinare i pattern spaziali nell'output del modello climatico. Il/La/L'…
[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)"]]
