Der Datensatz „MACAv2-METDATA“ umfasst 20 globale Klimamodelle für die kontinentalen USA. Die MACA-Methode (Multivariate Adaptive Constructed Analogs) ist eine statistische Downscaling-Methode, bei der ein Trainings-Dataset (d.h. ein meteorologisches Beobachtungs-Dataset) verwendet wird, um historische Verzerrungen zu entfernen und räumliche Muster in der Ausgabe von Klimamodellen abzugleichen.
Die MACA-Methode wurde verwendet, um die Modellausgabe von 20 globalen Klimamodellen (GCMs) des Coupled Model Inter-Comparison Project 5 (CMIP5) für die historischen GCM-Forcings (1950–2005) und die zukünftigen Representative Concentration Pathways (RCPs) RCP 4.5 und RCP 8.5 (2006–2100) von der nativen Auflösung der GCMs auf 4 km herunterzuskalieren.
Diese Version enthält monatliche Zusammenfassungen.
Monatlicher Durchschnitt der maximalen täglichen Temperatur in Bodennähe
tasmin
K
239,47*
316.2*
Meter
Monatlicher Durchschnitt der täglichen Mindesttemperatur in Bodennähe
huss
Massenanteil
0*
0,03*
Meter
Monatlicher Durchschnitt der mittleren täglichen spezifischen Luftfeuchtigkeit in Bodennähe
pr
mm
0*
3691,91*
Meter
Gesamte monatliche Niederschlagsmenge an der Oberfläche
rsds
W/m^2
15,84*
419*
Meter
Monatlicher Durchschnitt der mittleren täglichen kurzwelligen Strahlung an der Erdoberfläche
was
m/s
0,23*
14.16*
Meter
Monatlicher Durchschnitt der mittleren täglichen Windgeschwindigkeit in Bodennähe
* geschätzter Mindest- oder Höchstwert
Bildattribute
Bildattribute
Name
Typ
Beschreibung
scenario
STRING
Name des CMIP5-Szenarios, entweder „rcp85“, „rcp45“ oder „historical“
Modell
STRING
Name des CMIP5-Modells, z. B. „inmcm4“
Ensemble
STRING
Entweder „r1i1p1“ oder „r6i1p1“
Monat
DOUBLE
Der Index des Monats im Jahr, d. h. 1–12
Nutzungsbedingungen
Nutzungsbedingungen
Die MACA-Datasets wurden mit Mitteln der US-Regierung erstellt und sind in den USA gemeinfrei.
Zur weiteren Klarstellung: Sofern nicht anders angegeben, werden die MACA-Datasets mit einer Creative Commons CC0 1.0 Universal-Widmung zur Verfügung gestellt.
Kurz gesagt verzichtet John Abatzoglou weltweit auf alle Rechte an dem Werk, die durch das Urheberrecht geschützt sind, einschließlich aller damit verbundenen und benachbarten Rechte, soweit dies gesetzlich zulässig ist. Dieses Werk darf ohne Genehmigung auch für kommerzielle Zwecke kopiert, bearbeitet, verbreitet und aufgeführt werden. John Abatzoglou übernimmt keine Gewährleistung für die Arbeit und schließt die Haftung für alle Verwendungen der Arbeit im größtmöglichen Umfang aus, der nach anwendbarem Recht zulässig ist. Nutzer sollten die Quelle, die bei der Erstellung von Berichten und Publikationen verwendet wurde, die aus der Nutzung dieses Datasets resultieren, ordnungsgemäß angeben und das Datum der Datenerhebung vermerken. Weitere Informationen finden Sie auf der Seite MACA References and License (MACA-Referenzen und ‑Lizenz).
Zitate
Quellenangaben:
Abatzoglou J.T. und Brown T.J., A comparison of statistical downscaling
methods suited for wildfire applications, International Journal
of Climatology(2012) doi:10.1002/joc.2312.
Das Dataset MACAv2-METDATA ist eine Sammlung von 20 globalen Klimamodellen, die die kontinentalen USA abdecken. Die MACA-Methode (Multivariate Adaptive Constructed Analogs) ist eine statistische Downscaling-Methode, bei der ein Trainings-Dataset (d.h. ein meteorologisches Beobachtungs-Dataset) verwendet wird, um historische Verzerrungen zu entfernen und räumliche Muster in der Ausgabe des Klimamodells abzugleichen. Die …
[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)"]]
