- Dostępność zbioru danych
- 2015-07-01T00:00:00Z–2025-09-01T12:00:00Z
- Dostawca zbioru danych
- NOAA/NCEP/EMC
- Cykl
- 6 godzin
- Tagi
Opis
Globalny System Prognozowania (GFS) to model prognozy pogody opracowany przez Narodowe Centrum Prognoz Środowiskowych (NCEP). Zbiór danych GFS zawiera wybrane dane wyjściowe modelu (opisane poniżej) w postaci zmiennych prognozy siatkowej. Prognozy 384-godzinne z 1-godzinnymi (do 120 godzin) i 3-godzinnymi (po 120 godzinach) interwałami prognozowania są tworzone w 6-godzinnej rozdzielczości czasowej (czyli aktualizowane 4 razy dziennie). Użyj właściwości „creation_time” i „forecast_time”, aby wybrać interesujące Cię dane.
GFS to model sprzężony, który składa się z modelu atmosfery, modelu oceanu, modelu lądu/gleby i modelu lodu morskiego. Wszystkie te modele współpracują ze sobą, aby zapewnić dokładny obraz warunków pogodowych. Pamiętaj, że ten model może się zmienić. Więcej informacji znajdziesz w historii ostatnich modyfikacji globalnego systemu prognozowania i analiz oraz w dokumentacji. Mogą występować znaczne wahania z godziny na godzinę i z dnia na dzień, które wymagają zastosowania technik redukcji szumu w przypadku pasm przed analizą.
Pamiętaj, że dostępne godziny i interwały prognozy zmieniały się z czasem:
- Od 1 kwietnia 2015 r. do 9 lipca 2017 r.: prognozy 36-godzinne, z wyłączeniem godziny 0, w 3-godzinnych odstępach.
- Od 9 lipca 2017 r. do 11 czerwca 2021 r.: prognozy 384-godzinne w odstępach 1-godzinnych od 0 do 120 godziny, w odstępach 3-godzinnych od 120 do 240 godziny i w odstępach 12-godzinnych od 240 do 384 godziny.
- Od 12 czerwca 2021 r.: prognozy 384-godzinne w odstępach 1-godzinnych od godziny 0 do 120 i w odstępach 3-godzinnych od godziny 120 do 384.
Niektóre pasma są dostępne dopiero od 15 stycznia 2025 r., jak podano w opisach pasm.
Pasma
Rozmiar piksela
27830 m
Pasma
| Nazwa | Jednostki | Min. | Maks. | Rozmiar piksela | Opis |
|---|---|---|---|---|---|
temperature_2m_above_ground |
°C | -69.18* | 52,25* | metry | Temperatura 2 m nad ziemią |
specific_humidity_2m_above_ground |
Ułamek masowy | 0* | 0,03* | metry | Wilgotność właściwa 2 m nad ziemią |
dew_point_temperature_2m_above_ground |
°C | -81,05* | 29,05* | metry | Temperatura punktu rosy 2 m nad ziemią (dostępna od 15 stycznia 2025 r.) |
relative_humidity_2m_above_ground |
% | 1* | 100,05* | metry | Wilgotność względna 2 m nad ziemią |
maximum_temperature_2m_above_ground |
°C | -60,73* | 59,28* | metry | Maksymalna temperatura 2 m nad ziemią (dostępna od 15 stycznia 2025 r., ale tylko w przypadku zasobów z wartością forecast_hours > 0) |
minimum_temperature_2m_above_ground |
°C | -63.78* | 59,39* | metry | Minimalna temperatura 2 m nad ziemią (dostępna od 15 stycznia 2025 r., ale tylko w przypadku komponentów z wartością forecast_hours > 0) |
u_component_of_wind_10m_above_ground |
m/s | -60,73* | 59,28* | metry | Składowa U wiatru 10 m nad ziemią |
v_component_of_wind_10m_above_ground |
m/s | -63.78* | 59,39* | metry | Składowa V wiatru 10 m nad ziemią |
total_precipitation_surface |
kg/m^2 | 0* | 626,75* | metry | Skumulowane opady na powierzchni w ciągu ostatnich 1–6 godzin, w zależności od wartości właściwości „forecast_hours” zgodnie ze wzorem ((F – 1) % 6) + 1 (tylko w przypadku komponentów, dla których forecast_hours > 0). W związku z tym, aby obliczyć całkowite opady w godzinie X, należy unikać podwójnego zliczania, sumując tylko wartości dla forecast_hours, które są wielokrotnościami liczby 6, oraz wszelkie pozostałe wartości, aby uzyskać X. Oznacza to również, że aby określić opady tylko w godzinie X, należy odjąć wartość z poprzedniej godziny, chyba że X jest pierwszą godziną w 6-godzinnym przedziale. |
precipitable_water_entire_atmosphere |
kg/m^2 | 0* | 100* | metry | Woda opadowa w całej atmosferze |
u_component_of_wind_planetary_boundary_layer |
m/s | -66,8* | 62,18* | metry | Składowa U wiatru w warstwie granicznej atmosfery (dostępna od 15 stycznia 2025 r.) |
v_component_of_wind_planetary_boundary_layer |
m/s | -63,08* | 57,6* | metry | Składowa V wiatru w warstwie granicznej atmosfery (dostępna od 15 stycznia 2025 r.) |
gust |
m/s | 0* | 57,41* | metry | Prędkość wiatru (porywy) (dostępne od 15 stycznia 2025 r.) |
precipitation_rate |
kg/m^2/s | 0* | 0,032* | metry | Wskaźnik opadów (dostępny od 15 stycznia 2025 r.) |
haines_index |
2* | 6* | metry | Indeks Hainesa (dostępny od 15 stycznia 2025 r.) |
|
ventilation_rate |
m^2/s | 0* | 234000* | metry | Współczynnik wentylacji (dostępny od 15 stycznia 2025 r.) |
total_cloud_cover_entire_atmosphere |
% | 0* | 100* | metry | Całkowite zachmurzenie całej atmosfery (wcześniej tylko w przypadku zasobów z wartością forecast_hours > 0, ale od 15 stycznia 2025 r. dostępne też dla zasobów z wartością forecast_hours == 0) |
downward_shortwave_radiation_flux |
W/m^2 | 0* | 1230* | metry | Strumień promieniowania krótkofalowego w dół (tylko w przypadku komponentów z wartością forecast_hours > 0) |
downward_longwave_radiation_flux |
W/m^2 | 0* | 100* | metry | Strumień promieniowania długofalowego w dół (dostępny od 15 stycznia 2025 r., ale tylko w przypadku komponentów z wartością forecast_hours > 0) |
upward_shortwave_radiation_flux |
W/m^2 | 0* | 1230* | metry | Strumień promieniowania krótkofalowego w górę (dostępny od 15 stycznia 2025 r., ale tylko w przypadku zasobów z wartością forecast_hours > 0) |
upward_longwave_radiation_flux |
W/m^2 | 0* | 100* | metry | Strumień promieniowania długofalowego w górę (dostępny od 15 stycznia 2025 r., ale tylko w przypadku zasobów z wartością forecast_hours > 0) |
planetary_boundary_layer_height |
m | 7,77* | 6312,67* | metry | Wysokość planetarnej warstwy granicznej (dostępna od 15 stycznia 2025 r.) |
Właściwości obrazu
Właściwości obrazu
| Nazwa | Typ | Opis |
|---|---|---|
| creation_time | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Czas utworzenia |
| forecast_hours | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Godziny prognozy |
| forecast_time | LICZBA ZMIENNOPRZECINKOWA O PODWÓJNEJ PRECYZJI | Czas prognozy |
Warunki korzystania z usługi
Warunki korzystania z usługi
Dane, informacje i produkty NOAA, niezależnie od metody dostawy, nie podlegają ochronie prawem autorskim i nie podlegają ograniczeniom w zakresie ich późniejszego wykorzystania przez społeczeństwo. Po uzyskaniu dostępu do tych informacji można je wykorzystywać w dowolny zgodny z prawem sposób. Powyższe dane są dostępne publicznie i udostępniane bez ograniczeń dotyczących ich wykorzystania i dystrybucji.
Cytaty
Alpert, J., 2006 Sub-Grid Scale Mountain Blocking at NCEP, 20th Conf. WAF/16 Conf. NWP P2.4.
Alpert, J. C., S-Y. Hong i 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 i C. Charette, 2013: Four-dimensional ensemble-variational data assimilation for global deterministic weather prediction. Nonlinear Processes Geophys., 20, 669-682.
Chun, H.-Y., and 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. i 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., and 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 i 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. Res., 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. i H.-L. Pan, 2006: Sensitivity of hurricane intensity forecast to convective momentum transport parameterization. Pon. Wea. Rev., 134, 664–674.
Han, J. i 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, i 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 i K. Campana, 2002: Parameterization of Solar Radiation Transfer in the NCEP Models, NCEP Office Note #441, pp46. Dostępne tutaj
Hu, Y.X., and 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 i 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. Res., 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. Met. Soc, ES61-ES65.
Kim, Y.-J., and 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. i 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 i S.A. Clough, 1997: Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave. J. Geophys. Res., 102, 16663-16682.
Sela, J., 2009: wdrożenie w GFS hybrydowego układu współrzędnych sigma-ciśnienie. NCEP Office Note #461, s. 25.
Sela, J., 2010: wyprowadzenie równań modelu półlagranżowskiego z hybrydowym układem współrzędnych sigmapressure na potrzeby GFS. NCEP Office Note #462 pp31.
Yang, F., 2009: On the Negative Water Vapor in the NCEP GFS: Sources and Solution. 23rd Conference on Weather Analysis and Forecasting/19th Conference on Numerical Weather Prediction, 1–5 czerwca 2009 r., Omaha, NE.
Yang, F., K. Mitchell, Y. Hou, Y. Dai, X. Zeng, Z. Wang i X. Liang, 2008: Dependence of land surface albedo on solar zenith angle: observations and model parameterizations. Journal of Applied Meteorology and Climatology.No.11, Vol 47, 2963-2982.
DOI
Odkrywanie za pomocą Earth Engine
Edytor kodu (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');