GFS: Global Forecast System 384-Hour Predicted Atmosphere Data

NOAA/GFS0P25
در دسترس بودن مجموعه داده‌ها
2015-07-01T00:00:00Z–2025-10-17T18:00:00Z
ارائه دهنده مجموعه داده
قطعه کد موتور زمین
ee.ImageCollection("NOAA/GFS0P25")
کادانس
۶ ساعت
برچسب‌ها
آب و هوا، شار ابر ، پیش‌بینی، ژئوفیزیک ، رطوبت، ncep، noaa، بارش، تابش ، دما، بخار، آب و هوا ، باد، emc
جی اف اس

توضیحات

سیستم پیش‌بینی جهانی (GFS) یک مدل پیش‌بینی آب و هوا است که توسط مراکز ملی پیش‌بینی محیطی (NCEP) تولید شده است. مجموعه داده‌های GFS شامل خروجی‌های مدل منتخب (که در زیر توضیح داده شده‌اند) به عنوان متغیرهای پیش‌بینی شبکه‌بندی شده است. پیش‌بینی‌های ۳۸۴ ساعته، با فواصل پیش‌بینی ۱ ساعته (تا ۱۲۰ ساعت) و ۳ ساعته (بعد از ۱۲۰ ساعت)، با وضوح زمانی ۶ ساعته انجام می‌شوند (یعنی چهار بار در روز به‌روزرسانی می‌شوند). از ویژگی‌های 'creation_time' و 'forecast_time' برای انتخاب داده‌های مورد علاقه استفاده کنید.

GFS یک مدل جفت‌شده است که از یک مدل جو، یک مدل اقیانوس، یک مدل زمین/خاک و یک مدل یخ دریا تشکیل شده است که با هم کار می‌کنند تا تصویر دقیقی از شرایط آب و هوایی ارائه دهند. توجه داشته باشید که این مدل ممکن است تغییر کند؛ برای اطلاعات بیشتر به تاریخچه تغییرات اخیر در سیستم پیش‌بینی/تحلیل جهانی و مستندات مراجعه کنید. ممکن است نوسانات قابل توجهی ساعت به ساعت و روز به روز وجود داشته باشد که نیاز به اعمال تکنیک‌های کاهش نویز بر روی باندها قبل از تجزیه و تحلیل دارد.

توجه داشته باشید که ساعات و فواصل پیش‌بینی موجود با گذشت زمان تغییر کرده‌اند:

  • از تاریخ ۲۰۱۵/۰۴/۰۱ تا ۲۰۱۷/۰۷/۰۹: پیش‌بینی‌های ۳۶ ساعته، به استثنای ساعت صفر، در فواصل ۳ ساعته.
  • از تاریخ ۲۰۱۷/۰۷/۰۹ تا ۲۰۲۱/۰۶/۱۱: پیش‌بینی‌های ۳۸۴ ساعته، در فواصل ۱ ساعته از ساعت ۰ تا ۱۲۰، در فواصل ۳ ساعته از ساعت ۱۲۰ تا ۲۴۰، و در فواصل ۱۲ ساعته از ساعت ۲۴۰ تا ۳۸۴.
  • از تاریخ 2021/06/12: پیش‌بینی‌های 384 ساعته، در فواصل 1 ساعته از ساعت 0 تا 120 و در فواصل 3 ساعته از ساعت 120 تا 384.

همانطور که در توضیحات بندها ذکر شده است، برخی از بندها فقط از تاریخ 2025/01/15 در دسترس هستند.

باندها

اندازه پیکسل
۲۷۸۳۰ متر

باندها

نام واحدها حداقل مکس اندازه پیکسل توضیحات
temperature_2m_above_ground درجه سانتیگراد -۶۹.۱۸* ۵۲.۲۵* متر

دما ۲ متر بالاتر از سطح زمین

specific_humidity_2m_above_ground کسر جرمی 0* 0.03* متر

رطوبت ویژه ۲ متر بالاتر از سطح زمین

dew_point_temperature_2m_above_ground درجه سانتیگراد -۸۱.۰۵* ۲۹.۰۵* متر

دمای نقطه شبنم ۲ متر بالاتر از سطح زمین (از تاریخ ۲۰۲۵/۰۱/۱۵ در دسترس است)

relative_humidity_2m_above_ground % ۱* ۱۰۰.۰۵* متر

رطوبت نسبی ۲ متر بالاتر از سطح زمین

maximum_temperature_2m_above_ground درجه سانتیگراد -60.73* ۵۹.۲۸* متر

حداکثر دما ۲ متر بالاتر از سطح زمین (از تاریخ ۲۰۲۵/۰۱/۱۵ در دسترس است، اما فقط برای دارایی‌هایی با forecast_hours > ۰)

minimum_temperature_2m_above_ground درجه سانتیگراد -۶۳.۷۸* ۵۹.۳۹* متر

حداقل دما ۲ متر بالاتر از سطح زمین (از تاریخ ۲۰۲۵/۰۱/۱۵ در دسترس است، اما فقط برای دارایی‌هایی با forecast_hours > ۰)

u_component_of_wind_10m_above_ground ام‌اس -60.73* ۵۹.۲۸* متر

مولفه U باد در ارتفاع ۱۰ متری از سطح زمین

v_component_of_wind_10m_above_ground ام‌اس -۶۳.۷۸* ۵۹.۳۹* متر

مولفه V باد در ارتفاع ۱۰ متری از سطح زمین

total_precipitation_surface کیلوگرم بر متر مربع 0* ۶۲۶.۷۵* متر

بارش تجمعی در سطح زمین برای ۱ تا ۶ ساعت گذشته، بسته به مقدار ویژگی "forecast_hours" طبق فرمول ((F - ۱) % ۶) + ۱ (و فقط برای دارایی‌هایی با forecast_hours > ۰).

در نتیجه، برای محاسبه کل بارش در ساعت X، باید از شمارش مجدد اجتناب کرد و فقط مقادیر مربوط به forecast_hours را که مضربی از ۶ هستند به علاوه هر باقیمانده‌ای که به X برسد، جمع کرد. همچنین به این معنی است که برای تعیین بارش فقط برای ساعت X، باید مقدار ساعت قبل را کم کرد، مگر اینکه X اولین ساعت در یک بازه ۶ ساعته باشد.

precipitable_water_entire_atmosphere کیلوگرم بر متر مربع 0* ۱۰۰* متر

آب قابل بارش برای کل جو

u_component_of_wind_planetary_boundary_layer ام‌اس -66.8* ۶۲.۱۸* متر

مؤلفه U لایه مرزی سیاره‌ای باد (از تاریخ 2025/01/15 در دسترس است)

v_component_of_wind_planetary_boundary_layer ام‌اس -۶۳.۰۸* ۵۷.۶* متر

مؤلفه V لایه مرزی سیاره‌ای باد (از تاریخ 2025/01/15 در دسترس است)

gust ام‌اس 0* ۵۷.۴۱* متر

سرعت باد (تندباد) (از تاریخ 2025/01/15 در دسترس است)

precipitation_rate کیلوگرم بر متر مربع بر ثانیه 0* ۰.۰۳۲* متر

نرخ بارش (از تاریخ 2025/01/15 در دسترس است)

haines_index ۲* ۶* متر

شاخص هینز (از تاریخ 2025/01/15 در دسترس است)

ventilation_rate متر مربع بر ثانیه 0* ۲۳۴۰۰۰* متر

نرخ تهویه (از تاریخ 2025/01/15 در دسترس است)

total_cloud_cover_entire_atmosphere % 0* ۱۰۰* متر

پوشش ابری کل برای کل جو (قبلاً فقط برای داده‌هایی با forecast_hours > 0، اما از تاریخ 2025/01/15 برای داده‌هایی با forecast_hours == 0 نیز در دسترس است)

downward_shortwave_radiation_flux وات بر متر مربع 0* ۱۲۳۰* متر

شار تابش موج کوتاه رو به پایین (فقط برای دارایی‌هایی با ساعات پیش‌بینی > 0)

downward_longwave_radiation_flux وات بر متر مربع 0* ۱۰۰* متر

شار تابش موج بلند رو به پایین (از تاریخ 2025/01/15 در دسترس است، اما فقط برای دارایی‌هایی با پیش‌بینی ساعت > 0)

upward_shortwave_radiation_flux وات بر متر مربع 0* ۱۲۳۰* متر

شار تابش موج کوتاه رو به بالا (از تاریخ 2025/01/15 در دسترس است، اما فقط برای دارایی‌هایی با forecast_hours > 0)

upward_longwave_radiation_flux وات بر متر مربع 0* ۱۰۰* متر

شار تابش موج بلند رو به بالا (از تاریخ 2025/01/15 در دسترس است، اما فقط برای دارایی‌هایی با پیش‌بینی ساعت > 0)

planetary_boundary_layer_height متر ۷.۷۷* ۶۳۱۲.۶۷* متر

ارتفاع لایه مرزی سیاره‌ای (از تاریخ 2025/01/15 در دسترس است)

* حداقل یا حداکثر مقدار تخمینی

ویژگی‌های تصویر

ویژگی‌های تصویر

نام نوع توضیحات
زمان_ایجاد دو برابر

زمان خلقت

ساعات پیش‌بینی‌شده دو برابر

ساعات پیش‌بینی

زمان پیش‌بینی دو برابر

زمان پیش‌بینی

شرایط استفاده

شرایط استفاده

داده‌ها، اطلاعات و محصولات NOAA، صرف نظر از روش ارائه، مشمول حق چاپ نیستند و هیچ محدودیتی در استفاده بعدی آنها توسط عموم وجود ندارد. پس از دریافت، می‌توان از آنها به هر نحو قانونی استفاده کرد. داده‌های فوق در مالکیت عمومی قرار دارند و بدون محدودیت در استفاده و توزیع ارائه می‌شوند.

نقل قول‌ها

نقل قول ها:
  • آلپرت، جی.، ۲۰۰۶ بلوکینگ کوهستانی در مقیاس زیرشبکه‌ای در NCEP، بیستمین کنفرانس WAF/16 کنفرانس NWP صفحه ۲.۴.

  • آلپرت، جی سی، اس وای. هونگ و وای جی. کیم: ۱۹۹۶، حساسیت سیکلوژنز به افزایش پسای موج گرانشی در تروپوسفر پایینی با استفاده از EMC MRF"، مجموعه مقالات ۱۱ کنفرانس در مورد NWP، نورفولک، ۳۲۲-۳۲۳.

  • آلپرت، جی،، ام. کانامیتسو، پی. ام. کاپلان، جی. جی. سلا، جی. اچ. وایت، و ای. کالنای، ۱۹۸۸: پارامترسازی کشش موج گرانشی ناشی از کوهستان در مدل پیش‌بینی میان‌برد NMC. پیش‌چاپ‌ها، هشتمین کنفرانس پیش‌بینی عددی آب و هوا، بالتیمور، مریلند، انجمن شهاب‌سنگ آمریکا، ۷۲۶-۷۳۳.

  • بوئنر، م.، ج. مورنو، و س. شارت، ۲۰۱۳: ادغام داده‌های چهاربعدی-تغییری گروهی برای پیش‌بینی قطعی آب و هوای جهانی. فرآیندهای غیرخطی ژئوفیزیک، ۲۰، ۶۶۹-۶۸۲.

  • چون، اچ.-وای.، و جی.-جی. بایک، ۱۹۹۸: شار تکانه توسط امواج گرانشی داخلی القا شده توسط حرارت و تقریب آن برای مدل‌های بزرگ‌مقیاس. مجله علوم اتمسفر، ۵۵، ۳۲۹۹-۳۳۱۰.

  • چون، اچ.-وای.، سونگ، آی.-اس.، بایک، جی.-جی. و وای.-جی. کیم. ۲۰۰۴: پارامترسازی تأثیر پسای موج گرانشی همرفتی اجباری در NCAR CCM3. مجله آب و هوا، ۱۷، ۳۵۳۰-۳۵۴۷.

  • چون، اچ.-وای.، سونگ، ام.-دی.، کیم، جی.-دبلیو.، و جی.-جی. بایک، ۲۰۰۱: اثرات کشش موج گرانشی ناشی از همرفت کومولوس بر گردش عمومی جو. مجله علوم اتمسفر، ۵۸، ۳۰۲-۳۱۹.

  • Clough، SA، MW Shephard، EJ Mlawer، JS Delamere، MJ Iacono، K.Cady-Pereira، S. Boukabara، و PD Brown، 2005: مدل‌سازی انتقال تابشی جوی: خلاصه‌ای از کدهای AER، J. Quant. Spectrosc. Radiat. Transfer، 91، 233-244. doi:10.1016/j.jqsrt.2004.05.058

  • ابرت، ای.ای. و جی.ای. کوری، ۱۹۹۲: پارامترسازی خواص نوری ابر یخی برای مدل‌های اقلیمی. مجله ژئوفیزیک، ۹۷، ۳۸۳۱-۳۸۳۶.

  • فو، کیو.، ۱۹۹۶: پارامترسازی دقیق خواص تابش خورشیدی ابرهای سیروس برای مدل‌های اقلیمی. مجله اقلیم، ۹، ۲۰۵۸-۲۰۸۲.

  • هان، جی.، و اچ.-ال. پن، ۲۰۰۶: حساسیت پیش‌بینی شدت طوفان به پارامترسازی انتقال تکانه همرفتی. دوشنبه، وی. ریویو، ۱۳۴، ۶۶۴-۶۷۴.

  • هان، جی.، و اچ.-ال. پن، ۲۰۱۱: بازنگری طرح‌های همرفت و انتشار عمودی در سیستم پیش‌بینی جهانی NCEP. آب و هوا و پیش‌بینی، ۲۶، ۵۲۰-۵۳۳.

  • هان، جی.، ام. ویتک، جی. تیکسیرا، آر. سان، اچ.-ال. پن، جی. کی. فلچر، و سی. اس. برترتون، ۲۰۱۶: پیاده‌سازی پارامترسازی لایه مرزی ترکیبی جریان-جرم گردابی-نفوذی (EDMF) با گرمایش اتلافی و اختلاط لایه مرزی پایدار اصلاح‌شده در NCEP GFS. Weather and Forecasting، ۳۱، ۳۴۱-۳۵۲.

  • هو، وای.، اس. مورتی و کی. کامپانا، ۲۰۰۲: پارامترسازی انتقال تابش خورشیدی در مدل‌های NCEP، یادداشت دفتر NCEP شماره ۴۴۱، صفحات ۴۶. اینجا موجود است

  • هو، وای ایکس، و کی. استامنس، ۱۹۹۳: پارامترسازی دقیق خواص تابشی ابرهای آبی مناسب برای استفاده در مدل‌های اقلیمی. مجله اقلیم، ۶، ۷۲۸-۷۴.

  • ایاکونو، ام‌جی، ای‌جی ملاور، اس‌ای کلاف، و جی.-جی. مورکرت، ۲۰۰۰: تأثیر یک مدل بهبود یافته تابش موج بلند، RRTM، بر بودجه انرژی و خواص ترمودینامیکی مدل اقلیمی جامعه NCAR، CCM3، مجله ژئوفیزیک، 105(D11)، 14873-14890.2.

  • یوهانسون، آکه، ۲۰۰۸: پسای موج گرانشی اجباری همرفتی در سیستم‌های پیش‌بینی آب و هوای جهانی و اقلیم NCEP، گزارش داخلی SAIC/مرکز مدل‌سازی محیطی.

  • جوانگ، اچ ام، و همکاران. 2014: کارگاه مدل طیفی منطقه ای به یاد جان رودز و ماسائو کانامیتسو، BAMS، A. Met. Soc، ES61-ES65.

  • کیم، وای.-جی.، و ای. آراکاوا (1995)، بهبود پارامترسازی موج گرانشی کوه‌نوردی با استفاده از یک مدل موج گرانشی میان‌مقیاس، مجله علمی اتمسفر، 52، 875-1902.

  • کلایست، دی‌تی، ۲۰۱۲: ارزیابی تلفیق داده‌های ترکیبی تغییرات-مجموعه‌ای برای NCEP GFS، پایان‌نامه دکتری، دانشکده علوم جوی و اقیانوسی، دانشگاه مریلند-کالج پارک، ۱۴۹ صفحه.

  • لات، اف و ام‌جی میلر: ۱۹۹۷، «پارامترگذاری جدید درگ کوه‌شناسی در مقیاس زیرشبکه: فرمول‌بندی و آزمایش آن»، QJRMS، ۱۲۳، صفحات ۱۰۱-۱۲۷.

  • Mlawer، EJ، SJ Taubman، PD Brown، MJ Iacono، و SA Clough، 1997: انتقال تابشی برای جوهای ناهمگن: RRTM، یک مدل همبسته-k معتبر برای موج بلند. J. Geophys. Res.، 102، 16663-16682.

  • سلا، جی.، ۲۰۰۹: پیاده‌سازی مختصات ترکیبی سیگما-فشار در GFS. یادداشت دفتر NCEP شماره ۴۶۱، صفحات ۲۵.

  • سلا، جی.، ۲۰۱۰: استخراج معادلات مدل نیمه لاگرانژی مختصات هیبریدی سیگمافشار برای GFS. یادداشت دفتر NCEP شماره ۴۶۲، صفحات ۳۱.

  • یانگ، ف.، ۲۰۰۹: بخار آب منفی در سامانه اطلاعات جغرافیایی NCEP: منابع و راه‌حل. بیست و سومین کنفرانس تحلیل و پیش‌بینی آب و هوا/نوزدهمین کنفرانس پیش‌بینی عددی آب و هوا، ۱-۵ ژوئن ۲۰۰۹، اوماها، نبراسکا.

  • یانگ، اف.، کی. میچل، وای. هو، وای. دای، ایکس. زنگ، زد. وانگ، و ایکس. لیانگ، ۲۰۰۸: وابستگی آلبدوی سطح زمین به زاویه اوج خورشیدی: مشاهدات و پارامترهای مدل. مجله هواشناسی و اقلیم‌شناسی کاربردی. شماره ۱۱، جلد ۴۷، ۲۹۶۳-۲۹۸۲.

DOI ها

با موتور زمین کاوش کنید

ویرایشگر کد (جاوااسکریپت)

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');
باز کردن در ویرایشگر کد