FLDAS: Famine Early Warning Systems Network (FEWS NET) Land Data Assimilation System

Verfügbarkeit des Datasets

1982-01-01T00:00:00Z–2026-06-01T00:00:00Z

Ersteller des Datasets

NASA GES DISC am NASA Goddard Space Flight Center

Earth Engine-Snippet

ee.ImageCollection("NASA/FLDAS/NOAH01/C/GL/M/V001")

Intervall

1 Monat

Tags

climate cryosphere evapotranspiration humidity ldas monthly nasa precipitation runoff snow soil soil-moisture soil-temperature temperature water-vapor wind

hungersnot

fldas

Beschreibung

Das FLDAS-Dataset (McNally et al., 2017) wurde entwickelt, um die Bewertung der Ernährungssicherheit in datenarmen Entwicklungsländern zu unterstützen. Es enthält Informationen zu vielen klimabezogenen Variablen, darunter Feuchtigkeitsgehalt, Luftfeuchtigkeit, Evapotranspiration, durchschnittliche Bodentemperatur, Gesamtniederschlagsrate usw.

Es gibt mehrere verschiedene FLDAS-Datasets. Dieses verwendet das Oberflächenmodell Noah Version 3.6.1 mit CHIRPS-6-Stundenniederschlag, das mit dem NASA Land Surface Data Toolkit herunterskaliert wurde. Dieses Toolkit ist Teil des Land Information System -Frameworks. Eine zeitliche Desaggregation ist erforderlich, damit die täglichen Niederschlagsdaten sowohl für Energie- als auch für Wasserbilanzberechnungen verwendet werden können.

Für die Forcing-Daten verwendet diese Simulation eine Kombination aus der neuen Version der Modern-Era Retrospective analysis for Research and Applications Version 2 (MERRA-2) und den Daten der Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS), einem quasi-globalen Niederschlags-Dataset, das für die saisonale Dürreüberwachung und Trendanalyse entwickelt wurde (Funk et al., 2015).

Dokumentation:

• Readme-Datei

• Anleitung

• GES DISC Hydrology-Dokumentation

Bänder

Bänder

Pixelgröße: 11.132 Meter (alle Bänder)

Name	Einheiten	Pixelgröße	Beschreibung
Evap_tavg	kg/m²/s	11.132 Meter	Evapotranspiration
LWdown_f_tavg	W/m²	11.132 Meter	Abwärts gerichteter langwelliger Strahlungsfluss
Lwnet_tavg	W/m²	11.132 Meter	Netto-Strahlungsfluss im langwelligen Bereich
Psurf_f_tavg	Pa	11.132 Meter	Oberflächendruck
Qair_f_tavg	Massenanteil	11.132 Meter	Spezifische Luftfeuchtigkeit
Qg_tavg	W/m²	11.132 Meter	Bodenwärmestrom
Qh_tavg	W/m²	11.132 Meter	Nettofluss der fühlbaren Wärme
Qle_tavg	W/m²	11.132 Meter	Nettofluss der latenten Wärme
Qs_tavg	kg/m²/s	11.132 Meter	Oberflächenabfluss bei Sturm
Qsb_tavg	kg/m²/s	11.132 Meter	Grundwasserabfluss
RadT_tavg	K	11.132 Meter	Strahlungstemperatur der Oberfläche
Rainf_f_tavg	kg/m²/s	11.132 Meter	Gesamtniederschlagsrate
SnowCover_inst		11.132 Meter	Anteil der Schneedecke
SnowDepth_inst	m	11.132 Meter	Schneehöhe
Snowf_tavg	kg/m²/s	11.132 Meter	Schneefallrate
SoilMoi00_10cm_tavg	Volumenanteil	11.132 Meter	Bodenfeuchte (0–10 cm unter der Oberfläche)
SoilMoi10_40cm_tavg	Volumenanteil	11.132 Meter	Bodenfeuchte (10–40 cm unter der Oberfläche)
SoilMoi100_200cm_tavg	Volumenanteil	11.132 Meter	Bodenfeuchte (100–200 cm unter der Oberfläche)
SoilMoi40_100cm_tavg	Volumenanteil	11.132 Meter	Bodenfeuchte (40–100 cm unter der Oberfläche)
SoilTemp00_10cm_tavg	K	11.132 Meter	Bodentemperatur (0–10 cm unter der Oberfläche)
SoilTemp10_40cm_tavg	K	11.132 Meter	Bodentemperatur (10–40 cm unter der Oberfläche)
SoilTemp100_200cm_tavg	K	11.132 Meter	Bodentemperatur (100–200 cm unter der Oberfläche)
SoilTemp40_100cm_tavg	K	11.132 Meter	Bodentemperatur (40–100 cm unter der Oberfläche)
SWdown_f_tavg	W/m²	11.132 Meter	Abwärts gerichtete kurzwellige Strahlung an der Oberfläche
SWE_inst	kg/m²	11.132 Meter	Schneewasseräquivalent
Swnet_tavg	W/m²	11.132 Meter	Netto-Strahlungsfluss im kurzwelligen Bereich
Tair_f_tavg	K	11.132 Meter	Lufttemperatur in Bodennähe
Wind_f_tavg	m/s	11.132 Meter	Windgeschwindigkeit in Bodennähe

Nutzungsbedingungen

Nutzungsbedingungen

Die Verteilung von Daten aus dem Goddard Earth Sciences Data and Information Services Center (GES DISC) wird vom Science Mission Directorate (SMD) der NASA finanziert. Gemäß der NASA Earth Science Data and Information Policy, sind Daten aus dem GES DISC-Archiv für die Nutzercommunity kostenlos verfügbar. Weitere Informationen finden Sie auf der Seite GES DISC Data Policy page.

Zitationen

Quellenangaben:

• Wenn Sie diese Daten in Ihrer Forschung oder in Anwendungen verwenden, geben Sie in Ihren Veröffentlichungen eine Quelle an, die dem folgenden Beispiel ähnelt: Amy McNally NASA/GSFC/HSL (2018), FLDAS Noah Land Surface Model L4 Global Monthly 0.1 x 0.1 degree (MERRA-2 and CHIRPS), Greenbelt, MD, USA, Goddard Earth Sciences Data and Information Services Center (GES DISC), abgerufen am: [Datum des Datenzugriffs], doi:10.5067/5NHC22T9375G

• McNally, A., Arsenault, K., Kumar, S., Shukla, S., Peterson, P., Wang, S., Funk, C., Peters-Lidard, C.D., &Verdin, J. Tel. (2017). Ein Landdaten-Assimilationssystem für Anwendungen zur Ernährungssicherheit und sicheren Wasserversorgung in Subsahara-Afrika. Scientific Data, 4, 170012.

Die Earth Engine nutzen

Wichtig: Die Earth Engine ist eine Plattform für die wissenschaftliche Analyse und Visualisierung von Geo-Datasets im Petabyte-Bereich, sowohl für die Öffentlichkeit als auch für Unternehmen und Behörden. Die Earth Engine kann kostenlos für Forschungs-, Bildungs- und gemeinnützige Zwecke verwendet werden. Registrieren Sie sich für den Zugriff auf die Earth Engine, um loszulegen.

Code-Editor (JavaScript)

var dataset=ee.ImageCollection('NASA/FLDAS/NOAH01/C/GL/M/V001')
              .filter(ee.Filter.date('2018-11-01', '2018-12-01'));
var layer = dataset.select('Evap_tavg');

var band_viz = {
  min: 0.0,
  max: 0.00005,
  opacity: 1.0,
  palette: ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red']
};

Map.setCenter(30.0, 30.0, 2);
Map.addLayer(layer, band_viz, 'Average Evapotranspiration');

Python einrichten

Weitere Informationen zur Python API und zur Verwendung von geemap für die interaktive Entwicklung finden Sie auf der Seite Python-Umgebung.

import ee
import geemap.core as geemap

Colab (Python)

dataset = ee.ImageCollection('NASA/FLDAS/NOAH01/C/GL/M/V001').filter(
    ee.Filter.date('2018-11-01', '2018-12-01')
)

layer = dataset.select('Evap_tavg')

band_viz = {
    'min': 0.0,
    'max': 0.00005,
    'opacity': 1.0,
    'palette': ['black', 'blue', 'purple', 'cyan', 'green', 'yellow', 'red'],
}

m = geemap.Map()
m.set_center(30.0, 30.0, 2)
m.add_layer(layer, band_viz, 'Average Evapotranspiration')
m

Open in Code Editor

FLDAS: Famine Early Warning Systems Network (FEWS NET) Land Data Assimilation System

Das FLDAS-Dataset (McNally et al., 2017) wurde entwickelt, um die Bewertung der Ernährungssicherheit in datenarmen Entwicklungsländern zu unterstützen. Es enthält Informationen zu vielen klimabezogenen Variablen, darunter Feuchtigkeitsgehalt, Luftfeuchtigkeit, Evapotranspiration, durchschnittliche Bodentemperatur, Gesamtniederschlagsrate usw. Es gibt mehrere verschiedene FLDAS-Datasets. Dieses verwendet das Oberflächenmodell Noah Version …

NASA/FLDAS/NOAH01/C/GL/M/V001, climate,cryosphere,evapotranspiration,humidity,ldas,monthly,nasa,precipitation,runoff,snow,soil,soil-moisture,soil-temperature,temperature,water-vapor,wind

1982-01-01T00:00:00Z/2026-06-01T00:00:00Z

-60 -180 90 180

Google Earth Engine

https://developers.google.com/earth-engine/datasets