- Dataset-Verfügbarkeit
- 2015-07-01T00:00:00Z–2025-09-01T12:00:00Z
- Dataset-Anbieter
- NOAA/NCEP/EMC
- Intervall
- 6 Stunden
- Tags
Beschreibung
Das Global Forecast System (GFS) ist ein Wettervorhersagemodell, das von den National Centers for Environmental Prediction (NCEP) erstellt wird. Das GFS-Dataset besteht aus ausgewählten Modellausgaben (siehe unten) als gerasterte Vorhersagevariablen. Die 384-Stunden-Prognosen mit 1-stündigen (bis zu 120 Stunden) und 3-stündigen (nach 120 Stunden) Prognoseintervallen werden mit einer zeitlichen Auflösung von 6 Stunden erstellt (d.h. viermal täglich aktualisiert). Verwenden Sie die Eigenschaften „creation_time“ und „forecast_time“, um die gewünschten Daten auszuwählen.
Das GFS ist ein gekoppeltes Modell, das aus einem Atmosphärenmodell, einem Ozeanmodell, einem Land-/Bodenmodell und einem Meereismodell besteht, die zusammen ein genaues Bild der Wetterbedingungen liefern. Dieses Modell kann sich ändern. Weitere Informationen finden Sie im Verlauf der letzten Änderungen am globalen Vorhersage-/Analysesystem und in der Dokumentation. Es kann zu erheblichen Schwankungen von Stunde zu Stunde und von Tag zu Tag kommen, die vor der Analyse eine Rauschunterdrückung erfordern.
Die verfügbaren Prognosestunden und ‑intervalle haben sich im Laufe der Zeit geändert:
- 01.04.2015 bis 09.07.2017: 36-Stunden-Vorhersagen, ohne Stunde 0, in 3-Stunden-Intervallen.
- 09.07.2017 bis 11.06.2021: 384-Stunden-Vorhersagen in 1-Stunden-Intervallen von Stunde 0 bis 120, in 3-Stunden-Intervallen von Stunde 120 bis 240 und in 12-Stunden-Intervallen von Stunde 240 bis 384.
- Ab dem 12.06.2021: 384-Stunden-Vorhersagen in 1-Stunden-Intervallen von Stunde 0 bis 120 und in 3-Stunden-Intervallen von Stunde 120 bis 384.
Einige Bänder sind erst ab dem 15.01.2025 verfügbar, wie in den Bandbeschreibungen angegeben.
Bänder
Pixelgröße
27.830 Meter
Bänder
| Name | Einheiten | Min. | Max. | Pixelgröße | Beschreibung |
|---|---|---|---|---|---|
temperature_2m_above_ground |
°C | –69,18* | 52,25* | Meter | Temperatur 2 m über dem Boden |
specific_humidity_2m_above_ground |
Massenanteil | 0* | 0,03* | Meter | Spezifische Luftfeuchtigkeit 2 m über dem Boden |
dew_point_temperature_2m_above_ground |
°C | –81,05* | 29,05* | Meter | Taupunkttemperatur 2 m über dem Boden (ab 15.01.2025 verfügbar) |
relative_humidity_2m_above_ground |
% | 1* | 100,05* | Meter | Relative Luftfeuchtigkeit 2 m über dem Boden |
maximum_temperature_2m_above_ground |
°C | –60,73* | 59,28* | Meter | Maximale Temperatur 2 Meter über dem Boden (verfügbar ab 15.01.2025, aber nur für Assets mit forecast_hours > 0) |
minimum_temperature_2m_above_ground |
°C | –63,78* | 59,39* | Meter | Mindesttemperatur 2 Meter über dem Boden (verfügbar ab 15.01.2025, aber nur für Assets mit forecast_hours > 0) |
u_component_of_wind_10m_above_ground |
m/s | –60,73* | 59,28* | Meter | U-Komponente des Windes 10 m über dem Boden |
v_component_of_wind_10m_above_ground |
m/s | –63,78* | 59,39* | Meter | V-Komponente des Windes 10 m über dem Boden |
total_precipitation_surface |
kg/m² | 0* | 626,75* | Meter | Kumulative Niederschlagsmenge an der Oberfläche für die letzten 1 bis 6 Stunden, abhängig vom Wert der Eigenschaft „forecast_hours“ gemäß der Formel ((F – 1) % 6) + 1 (und nur für Assets mit „forecast_hours“ > 0). Um die Gesamtniederschlagsmenge für Stunde X zu berechnen, sollte eine doppelte Zählung vermieden werden, indem nur die Werte für forecast_hours summiert werden, die Vielfache von 6 plus einem beliebigen Rest sind, um X zu erreichen. Das bedeutet auch, dass man, um die Niederschlagsmenge für Stunde X zu ermitteln, den Wert für die vorherige Stunde subtrahieren muss, es sei denn, X ist die erste Stunde in einem 6‑Stunden-Zeitraum. |
precipitable_water_entire_atmosphere |
kg/m² | 0* | 100* | Meter | Niederschlagsmenge für die gesamte Atmosphäre |
u_component_of_wind_planetary_boundary_layer |
m/s | –66,8* | 62.18* | Meter | U-Komponente der planetaren Grenzschicht des Windes (ab 15.01.2025 verfügbar) |
v_component_of_wind_planetary_boundary_layer |
m/s | –63,08* | 57,6* | Meter | V-Komponente der planetaren Grenzschicht des Windes (ab 15.01.2025 verfügbar) |
gust |
m/s | 0* | 57,41* | Meter | Windgeschwindigkeit (Böe) (ab 15.01.2025 verfügbar) |
precipitation_rate |
kg/m²/s | 0* | 0,032* | Meter | Niederschlagsrate (ab 15.01.2025 verfügbar) |
haines_index |
2* | 6* | Meter | Haines-Index (ab 15.01.2025 verfügbar) |
|
ventilation_rate |
m²/s | 0* | 234.000* | Meter | Lüftungsrate (ab 15.01.2025 verfügbar) |
total_cloud_cover_entire_atmosphere |
% | 0* | 100* | Meter | Gesamtbewölkung für die gesamte Atmosphäre (bisher nur für Assets mit forecast_hours > 0, aber ab dem 15.01.2025 auch für Assets mit forecast_hours == 0 verfügbar) |
downward_shortwave_radiation_flux |
W/m^2 | 0* | 1230* | Meter | Abwärts gerichteter kurzwelliger Strahlungsfluss (nur für Assets mit „forecast_hours“ > 0) |
downward_longwave_radiation_flux |
W/m^2 | 0* | 100* | Meter | Abwärts gerichteter langwelliger Strahlungsfluss (ab 15.01.2025 verfügbar, aber nur für Assets mit forecast_hours > 0) |
upward_shortwave_radiation_flux |
W/m^2 | 0* | 1230* | Meter | Aufwärts gerichteter kurzwelliger Strahlungsfluss (ab 15.01.2025 verfügbar, aber nur für Assets mit forecast_hours > 0) |
upward_longwave_radiation_flux |
W/m^2 | 0* | 100* | Meter | Aufwärts gerichteter langwelliger Strahlungsfluss (ab 15.01.2025 verfügbar, aber nur für Assets mit forecast_hours > 0) |
planetary_boundary_layer_height |
m | 7,77* | 6312,67* | Meter | Höhe der planetaren Grenzschicht (ab 15.01.2025 verfügbar) |
Bildattribute
Bildattribute
| Name | Typ | Beschreibung |
|---|---|---|
| creation_time | DOUBLE | Erstellungszeit |
| forecast_hours | DOUBLE | Prognosestunden |
| forecast_time | DOUBLE | Prognosezeit |
Nutzungsbedingungen
Nutzungsbedingungen
NOAA-Daten, -Informationen und -Produkte unterliegen unabhängig von der Art der Bereitstellung keinem Urheberrecht und es gibt keine Einschränkungen für die spätere Nutzung durch die Öffentlichkeit. Sobald sie erlangt wurden, können sie für jeden rechtmäßigen Zweck verwendet werden. Die oben genannten Daten sind gemeinfrei und werden ohne Einschränkung der Nutzung und Verteilung bereitgestellt.
Zitate
Alpert, J., 2006 Sub-Grid Scale Mountain Blocking at NCEP, 20th Conf. WAF/16 Conf. NWP P2.4.
Alpert, J. C. S-Y. Hong und Y-J. Kim: 1996, Sensitivity of cyclogenesis to lower troposphere enhancement of gravity wave drag using the EMC MRF", Proc. 11 Conf. On NWP, Norfolk, 322-323.
Alpert,J,, M. Kanamitsu, P. M. Caplan, J. G. Sela, G. H. White, and E. Kalnay, 1988: Mountain induced gravity wave drag parameterization in the NMC medium-range forecast model. Pre-prints, Eighth Conf. on Numerical Weather Prediction, Baltimore, MD, Amer. Meteor. Soc., 726-733.
Buehner, M., J. Morneau und C. Charette, 2013: Four-dimensional ensemble-variational data assimilation for global deterministic weather prediction. Nonlinear Processes Geophys., 20, 669–682.
Chun, H.-Y. und J.-J. Baik, 1998: Momentum Flux by Thermally Induced Internal Gravity Waves and Its Approximation for Large-Scale Models. J. Atmos. Sci., 55, 3299–3310.
Chun, H.-Y., Song, I.-S., Baik, J.-J. und Y.-J. Kim. 2004: Impact of a Convectively Forced Gravity Wave Drag Parameterization in NCAR CCM3. J. Climate, 17, 3530–3547.
Chun, H.-Y., Song, M.-D., Kim, J.-W. und J.-J. Baik, 2001: Effects of Gravity Wave Drag Induced by Cumulus Convection on the Atmospheric General Circulation. J. Atmos. Sci., 58, 302–319.
Clough, S.A., M.W. Shephard, E.J. Mlawer, J.S. Delamere, M.J. Iacono, K.Cady-Pereira, S. Boukabara und P.D. Brown, 2005: Atmospheric radiative transfer modeling: A summary of the AER codes, J. Quant. Spectrosc. Radiat. Transfer, 91, 233-244. doi:10.1016/j.jqsrt.2004.05.058
Ebert, E.E., and J.A. Curry, 1992: A parameterization of ice cloud optical properties for climate models. J. Geophys. Gel., 97, 3831–3836.
Fu, Q., 1996: An Accurate Parameterization of the Solar Radiative Properties of Cirrus Clouds for Climate Models. J. Climate, 9, 2058–2082.
Han, J. und H.-L. Pan, 2006: Sensitivity of hurricane intensity forecast to convective momentum transport parameterization. Mon. Wea. Umsatz, 134, 664–674.
Han, J. und H.-L. Pan, 2011: Revision of convection and vertical diffusion schemes in the NCEP global forecast system. Weather and Forecasting, 26, 520–533.
Han, J., M. Witek, J. Teixeira, R. Sun, H.-L. Pan, J. K. Fletcher und C. S. Bretherton, 2016: Implementation in the NCEP GFS of a hybrid eddy-diffusivity mass-flux (EDMF) boundary layer parameterization with dissipative heating and modified stable boundary layer mixing. Weather and Forecasting, 31, 341–352.
Hou, Y., S. Moorthi und K. Campana, 2002: Parameterization of Solar Radiation Transfer in the NCEP Models, NCEP Office Note #441, S. 46. Hier verfügbar
Hu, Y.X. und K. Stamnes, 1993: An accurate parameterization of the radiative properties of water clouds suitable for use in climate models. J. Climate, 6, 728–74.
Iacono, M.J., E.J. Mlawer, S.A. Clough und J.-J. Morcrette, 2000: Impact of an improved longwave radiation model, RRTM, on the energy budget and thermodynamic properties of the NCAR community climate model, CCM3, J. Geophys. Gel., 105(D11), 14.873–14.890.2.
Johansson, Ake, 2008: Convectively Forced Gravity Wave Drag in the NCEP Global Weather and Climate Forecast Systems, SAIC/Environmental Modelling Center internal report.
Juang, H-M, et al. 2014:Regional Spectral Model Workshop in Memory of John Roads and Masao Kanamitsu, BAMS, A. Erreicht. Soc, ES61-ES65.
Kim, Y.-J. und A. Arakawa (1995), Improvement of orographic gravity wave parameterization using a mesoscale gravity-wave model, J. Atmos. Sci.,52, 875-1902.
Kleist, D. T., 2012: An evaluation of hybrid variational-ensemble data assimilation for the NCEP GFS , Ph.D. Thesis, Dept. of Atmospheric and Oceanic Science, University of Maryland-College Park, 149 pp.
Lott, F. und M. J. Miller: 1997, „A new subgrid-scale orographic drag parameterization: Its formulation and testing“, QJRMS, 123, S. 101–127.
Mlawer, E.J., S.J. Taubman, P.D. Brown, M.J. Iacono und S.A. Clough, 1997: Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave. J. Geophys. Gel., 102, 16663–16682.
Sela, J., 2009: Die Implementierung der Sigma-Druck-Hybridkoordinate im GFS. NCEP Office Note #461, S. 25.
Sela, J., 2010: Die Ableitung von semi-Lagrangeschen Modellgleichungen für die hybride Koordinaten des Sigma-Drucks für das GFS. NCEP Office Note #462, S. 31.
Yang, F., 2009: On the Negative Water Vapor in the NCEP GFS: Sources and Solution. 23. Konferenz zu Wetteranalyse und ‑vorhersage/19. Konferenz zu numerischer Wettervorhersage, 1.–5. Juni 2009, Omaha, NE.
Yang, F., K. Mitchell, Y. Hou, Y. Dai, X. Zeng, Z. Wang und X. Liang, 2008: Dependence of land surface albedo on solar zenith angle: observations and model parameterizations. Journal of Applied Meteorology and Climatology, Nr. 11, Bd. 47, S. 2963–2982.
DOIs
Earth Engine nutzen
Code-Editor (JavaScript)
var dataset = ee.ImageCollection('NOAA/GFS0P25') .filter(ee.Filter.date('2018-03-01', '2018-03-02')); var temperatureAboveGround = dataset.select('temperature_2m_above_ground'); var visParams = { min: -40.0, max: 35.0, palette: ['blue', 'purple', 'cyan', 'green', 'yellow', 'red'], }; Map.setCenter(71.72, 52.48, 3.0); Map.addLayer(temperatureAboveGround, visParams, 'Temperature Above Ground');