Cet ensemble de données contient des prévisions météorologiques (fcst) de données à haute fréquence temporelle (htf). Utilisez les propriétés "creation_time" et "forecast_time" pour sélectionner les données qui vous intéressent.
Le système GEOS-CF (Goddard Earth Observing System Composition Forecast) est un système de prédiction des constituants mondiaux à haute résolution (0,25°) du Global Modeling and Assimilation Office(GMAO) de la NASA.
GEOS-CF offre un nouvel outil pour la recherche sur la chimie atmosphérique, dans le but de compléter la large gamme d'observations spatiales et in situ de la NASA.
GEOS-CF s'appuie sur le système de modélisation météorologique et des aérosols GEOS en introduisant le module de chimie GEOS-Chem pour fournir des prévisions rétrospectives et à cinq jours des constituants atmosphériques, y compris l'ozone (O3), le monoxyde de carbone (CO), le dioxyde d'azote (NO2), le dioxyde de soufre (SO2) et les particules fines (PM2.5). Le module de chimie intégré à GEOS-CF est identique au modèle GEOS-Chem hors connexion et bénéficie facilement des innovations fournies par la communauté GEOS-Chem.
L'évaluation de GEOS-CF par rapport aux observations par satellite, par ozonesonde et en surface pour les années 2018 à 2019 montre des concentrations simulées réalistes d'O3, de NO2 et de CO, avec des biais moyens normalisés de -0,1 à 0,3, des erreurs quadratiques moyennes normalisées entre 0,1 et 0,4, et des corrélations entre 0,3 et 0,8. Les comparaisons avec les observations en surface mettent en évidence la bonne représentation des polluants atmosphériques dans de nombreuses régions du monde et à toutes les saisons, mais aussi les limites actuelles, comme un biais élevé global pour le SO2 et une surestimation de l'O3 estival dans le sud-est des États-Unis.
GEOS-CF v1.0 surestime généralement les aérosols de 20 à 50 % en raison de problèmes connus dans GEOS-Chem v12.0.1 qui ont été résolus dans les versions ultérieures. Les prévisions à cinq jours ont des scores de compétence comparables à ceux de la prévision rétrospective à un jour. Les compétences du modèle peuvent être considérablement améliorées en appliquant une correction du biais à la sortie du modèle de surface à l'aide d'une approche de machine learning.
Bracelets
Taille des pixels 27750 mètres
Bandes de fréquences
Nom
Unités
Taille des pixels
Description
CO
Fraction molaire
mètres
Rapport de mélange volumique de monoxyde de carbone (CO, MW = 28,00 g mol-1) dans l'air sec
NO2
Fraction molaire
mètres
Rapport de mélange volumique de dioxyde d'azote (NO2, MW = 46,00 g mol-1) dans l'air sec
O3
Fraction molaire
mètres
Rapport de mélange volumique de l'ozone (O3, MW = 48,00 g mol-1) dans l'air sec
PM25_RH35_GCC
ug m-3
mètres
Particules en suspension dont le diamètre est inférieur à 2,5 µm, HR 35
PM25_RH35_GOCART
kg/m^3
mètres
Total des PM2.5 reconstituées à 35 % d'humidité relative
Q
Fraction massique
mètres
Humidité spécifique
RH
mètres
Humidité relative après humidification
SLP
Pa
mètres
Pression au niveau de la mer
SO2
Fraction molaire
mètres
Rapport de mélange volumique du dioxyde de soufre (SO2, MW = 64,00 g mol-1) dans l'air sec
T
K
mètres
Température de l'air
U
m/s
mètres
Vent d'est
V
m/s
mètres
Vent du nord
Propriétés des images
Propriétés de l'image
Nom
Type
Description
creation_time
DOUBLE
Date et heure de création
forecast_time
DOUBLE
Heure de la prévision
Conditions d'utilisation
Conditions d'utilisation
Sauf indication contraire, toutes les données produites par la NASA peuvent être utilisées à n'importe quelle fin sans autorisation préalable. Pour en savoir plus et connaître les exceptions, consultez la page NASA Data & Information Policy.
Citations
Citations :
Keller, C. A., Knowland, K. E., Duncan, B. N., Liu, J., Anderson, D. C.,
Das, S., ... & Pawson, S. (2021). Description du système de modélisation des prévisions de composition NASA GEOS GEOS-CF v1. 0. Journal of Advances in Modeling
Earth Systems, 13(4), e2020MS002413.
doi:10.1029/2020MS002413
Cet ensemble de données contient des prévisions météorologiques (fcst) de données à haute fréquence temporelle (htf). Utilisez les propriétés "creation_time" et "forecast_time" pour sélectionner les données qui vous intéressent. Le système GEOS-CF (Goddard Earth Observing System Composition Forecast) est un système de prédiction des constituants à haute résolution (0,25°) de l'ensemble du globe, développé par le GMAO(Global Modeling and Assimilation Office) de la NASA. GEOS-CF propose une nouvelle …
[null,null,[],[[["\u003cp\u003eThe NASA GEOS-CF v1 dataset provides high-resolution (0.25°) global meteorological forecasts, including atmospheric constituents like ozone, carbon monoxide, and particulate matter.\u003c/p\u003e\n"],["\u003cp\u003eIt offers a 5-day forecast and hindcast data, created by the Global Modeling and Assimilation Office (GMAO).\u003c/p\u003e\n"],["\u003cp\u003eUsers can select specific data using the 'creation_time' and 'forecast_time' properties.\u003c/p\u003e\n"],["\u003cp\u003eThe dataset is available from October 1, 2022, to December 11, 2024, and is accessible through Google Earth Engine.\u003c/p\u003e\n"],["\u003cp\u003eThough generally accurate, the dataset may overestimate aerosols and has some limitations in predicting specific constituents like SO2 and summertime O3 in certain regions.\u003c/p\u003e\n"]]],["The NASA GEOS-CF dataset, provided by NASA/GMAO, offers high-resolution meteorological forecasts from October 1, 2022, to February 21, 2025. This includes data on atmospheric constituents like ozone, carbon monoxide, nitrogen dioxide, sulfur dioxide, and particulate matter (PM2.5). The system uses the GEOS-Chem module to generate 5-day forecasts. Data can be selected using 'creation_time' and 'forecast_time' properties and accessed via Google Earth Engine with specified image properties, bands and code examples.\n"],null,["Dataset Availability\n: 2022-10-01T00:00:00Z--2025-08-31T12:00:00Z\n\nDataset Provider\n:\n\n\n [NASA / GMAO](https://gmao.gsfc.nasa.gov/weather_prediction/GEOS-CF/)\n\nTags\n:\n[atmosphere](/earth-engine/datasets/tags/atmosphere) [composition](/earth-engine/datasets/tags/composition) [forecast](/earth-engine/datasets/tags/forecast) [geos](/earth-engine/datasets/tags/geos) [gmao](/earth-engine/datasets/tags/gmao) [nasa](/earth-engine/datasets/tags/nasa) \n\nDescription \nThis dataset contains meteorological forecast (fcst) of high-temporal\nfrequency data (htf). Use the 'creation_time' and 'forecast_time' properties\nto select data of interest.\nThe Goddard Earth Observing System Composition Forecast (GEOS-CF) system is\na high-resolution (0.25°) global constituent prediction system from\nNASA's [Global Modeling and Assimilation Office(GMAO)](https://gmao.gsfc.nasa.gov/).\n\nGEOS-CF offers a new tool for atmospheric chemistry research, with the goal\nto supplement NASA's broad range of space-based and in-situ observations.\nGEOS-CF expands on the GEOS weather and aerosol modeling system by\nintroducing the [GEOS-Chem](http://wiki.seas.harvard.edu/geos-chem/)\nchemistry module to provide hindcasts and 5-days forecasts of atmospheric\nconstituents including ozone (O3), carbon monoxide (CO), nitrogen dioxide\n(NO2), sulfur dioxide (SO2), and fine particulate matter (PM2.5). The\nchemistry module integrated in GEOS-CF is identical to the offline GEOS-Chem\nmodel and readily benefits from the innovations provided by the GEOS-Chem\ncommunity.\n\nEvaluation of GEOS-CF against satellite, ozonesonde, and surface\nobservations for years 2018--2019 shows realistic simulated\nconcentrations of O3, NO2, and CO, with normalized mean biases of −0.1\nto 0.3, normalized root mean square errors between 0.1--0.4, and\ncorrelations between 0.3--0.8. Comparisons against surface observations\nhighlight the successful representation of air pollutants in many regions of\nthe world and during all seasons, yet also highlight current limitations,\nsuch as a global high bias in SO2 and an overprediction of summertime O3\nover the Southeast United States.\n\nGEOS-CF v1.0 generally overestimates aerosols by 20%--50% due to known\nissues in GEOS-Chem v12.0.1 that have been addressed in later versions. The\n5-days forecasts have skill scores comparable to the 1-day hindcast. Model\nskills can be improved significantly by applying a bias-correction to the\nsurface model output using a machine-learning approach.\n\nBands\n\n\n**Pixel Size**\n\n27750 meters\n\n**Bands**\n\n| Name | Units | Pixel Size | Description |\n|--------------------|---------------|------------|------------------------------------------------------------------------|\n| `CO` | Mol fraction | meters | Carbon monoxide (CO, MW = 28.00 g mol-1) volume mixing ratio dry air |\n| `NO2` | Mol fraction | meters | Nitrogen dioxide (NO2, MW = 46.00 g mol-1) volume mixing ratio dry air |\n| `O3` | Mol fraction | meters | Ozone (O3, MW = 48.00 g mol-1) volume mixing ratio dry air |\n| `PM25_RH35_GCC` | ug m-3 | meters | Particulate matter with diameter below 2.5 um RH 35 |\n| `PM25_RH35_GOCART` | kg/m\\^3 | meters | Total reconstructed PM2.5 RH 35 |\n| `Q` | Mass fraction | meters | Specific humidity |\n| `RH` | | meters | Relative humidity after moist |\n| `SLP` | Pa | meters | Sea level pressure |\n| `SO2` | Mol fraction | meters | Sulfur dioxide (SO2, MW = 64.00 g mol-1) volume mixing ratio dry air |\n| `T` | K | meters | Air temperature |\n| `U` | m/s | meters | Eastward wind |\n| `V` | m/s | meters | Northward wind |\n\nImage Properties\n\n**Image Properties**\n\n| Name | Type | Description |\n|---------------|--------|------------------|\n| creation_time | DOUBLE | Time of creation |\n| forecast_time | DOUBLE | Forecast time |\n\nTerms of Use\n\n**Terms of Use**\n\nUnless otherwise noted, all NASA-produced data may be used for any purpose\nwithout prior permission. For more information and exceptions visit the\n[NASA Data \\& Information Policy page](https://earthdata.nasa.gov/collaborate/open-data-services-and-software/data-information-policy).\n\nCitations \nCitations:\n\n- Keller, C. A., Knowland, K. E., Duncan, B. N., Liu, J., Anderson, D. C.,\n Das, S., ... \\& Pawson, S. (2021). Description of the NASA GEOS composition\n forecast modeling system GEOS-CF v1. 0. Journal of Advances in Modeling\n Earth Systems, 13(4), e2020MS002413.\n [doi:10.1029/2020MS002413](https://doi.org/10.1029/2020MS002413)\n\nDOIs\n\n- \u003chttps://doi.org/10.1029/2020MS002413\u003e\n\nExplore with Earth Engine **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\nCode Editor (JavaScript) \n\n```javascript\nvar imageVisParamNO2 = {\n 'bands': ['NO2'],\n 'min': 6.96e-11,\n 'max': 4.42e-8,\n};\n\nvar imageVisParamT = {\n 'bands': ['T'],\n 'min': 220,\n 'max': 320,\n 'palette': ['d7191c', 'fdae61', 'ffffbf', 'abd9e9', '2c7bb6'],\n};\n\nvar geosCf = ee.ImageCollection('NASA/GEOS-CF/v1/fcst/htf');\n\nMap.setCenter(100, 20, 3);\n\nvar weeklyT =\n geosCf.select('T').filterDate('2022-11-01', '2022-11-08').median();\nMap.addLayer(weeklyT, imageVisParamT, 'Weekly T', false, 1);\n\nvar NO2 = ee.Image('NASA/GEOS-CF/v1/fcst/htf/20221215_12z-20221216_1200z');\nMap.addLayer(NO2, imageVisParamNO2, 'NO2', true, 1);\n```\n[Open in Code Editor](https://code.earthengine.google.com/?scriptPath=Examples:Datasets/NASA/NASA_GEOS-CF_v1_fcst_htf) \n[GEOS-CF fcst htf v1: Goddard Earth Observing System Composition Forecast](/earth-engine/datasets/catalog/NASA_GEOS-CF_v1_fcst_htf) \nThis dataset contains meteorological forecast (fcst) of high-temporal frequency data (htf). Use the 'creation_time' and 'forecast_time' properties to select data of interest. The Goddard Earth Observing System Composition Forecast (GEOS-CF) system is a high-resolution (0.25°) global constituent prediction system from NASA's Global Modeling and Assimilation Office(GMAO). GEOS-CF offers a new ... \nNASA/GEOS-CF/v1/fcst/htf, atmosphere,composition,forecast,geos,gmao,nasa \n2022-10-01T00:00:00Z/2025-08-31T12:00:00Z \n-90 -180 90 180 \nGoogle Earth Engine \nhttps://developers.google.com/earth-engine/datasets\n\n- [https://doi.org/10.1029/2020MS002413](https://doi.org/https://gmao.gsfc.nasa.gov/weather_prediction/GEOS-CF/)\n- [https://doi.org/10.1029/2020MS002413](https://doi.org/https://developers.google.com/earth-engine/datasets/catalog/NASA_GEOS-CF_v1_fcst_htf)"]]
