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

NASA/FLDAS/NOAH01/C/GL/M/V001
Disponibilidad del conjunto de datos
1982-01-01T00:00:00Z–2026-09-01T00:00:00Z
Proveedor del conjunto de datos
Fragmento de Earth Engine
ee.ImageCollection("NASA/FLDAS/NOAH01/C/GL/M/V001")
Cadencia
1 mes
Etiquetas
climate cryosphere evapotranspiration humidity ldas monthly nasa precipitation runoff snow soil soil-moisture soil-temperature temperature water-vapor weather-and-climate wind
hambruna
fldas

Descripción

El conjunto de datos de FLDAS (McNally et al. 2017) se diseñó para ayudar con las evaluaciones de seguridad alimentaria en entornos de países en desarrollo con pocos datos. Incluye información sobre muchas variables relacionadas con el clima, como el contenido de humedad, la humedad, la evapotranspiración, la temperatura promedio del suelo, la tasa de precipitación total, etcétera.

Existen varios conjuntos de datos de FLDAS diferentes.Este usa el modelo de superficie de Noah versión 3.6.1 con precipitaciones por hora de CHIRPS-6 que se redujeron con el Kit de herramientas de datos de superficie terrestre de la NASA, que forma parte del framework del sistema de información terrestre. Se requiere una desagregación temporal para que las entradas de lluvia diarias se puedan usar en los cálculos de balance de energía y agua.

Para los datos de forzamiento, esta simulación usa una combinación de la nueva versión de los datos de Modern-Era Retrospective analysis for Research and Applications versión 2 (MERRA-2) y Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS), un conjunto de datos de precipitaciones casi global diseñado para la supervisión de sequías estacionales y el análisis de tendencias (Funk et al., 2015).

Documentación:

Bandas

Bandas

Tamaño de píxel: 11,132 metros (todas las bandas)

Nombre Unidades Tamaño de los píxeles Descripción
Evap_tavg kg/m²/s 11,132 metros

Evapotranspiración

LWdown_f_tavg W/m² 11,132 metros

Flujo de radiación de onda larga hacia abajo

Lwnet_tavg W/m² 11,132 metros

Flujo neto de radiación de onda larga

Psurf_f_tavg Pa 11,132 metros

Presión en la superficie

Qair_f_tavg Fracción de masa 11,132 metros

Humedad específica

Qg_tavg W/m² 11,132 metros

Flujo de calor del suelo

Qh_tavg W/m² 11,132 metros

Flujo neto de calor sensible

Qle_tavg W/m² 11,132 metros

Flujo neto de calor latente

Qs_tavg kg/m²/s 11,132 metros

Escorrentía superficial de tormentas

Qsb_tavg kg/m²/s 11,132 metros

Escorrentía de flujo base y agua subterránea

RadT_tavg K 11,132 metros

Temperatura radiativa de la superficie

Rainf_f_tavg kg/m²/s 11,132 metros

Tasa de precipitación total

SnowCover_inst 11,132 metros

Fracción de la cubierta de nieve

SnowDepth_inst m 11,132 metros

Profundidad de la nieve

Snowf_tavg kg/m²/s 11,132 metros

Tasa de nevadas

SoilMoi00_10cm_tavg Fracción de volumen 11,132 metros

Humedad del suelo (de 0 a 10 cm bajo tierra)

SoilMoi10_40cm_tavg Fracción de volumen 11,132 metros

Humedad del suelo (de 10 a 40 cm bajo tierra)

SoilMoi100_200cm_tavg Fracción de volumen 11,132 metros

Humedad del suelo (de 100 a 200 cm bajo tierra)

SoilMoi40_100cm_tavg Fracción de volumen 11,132 metros

Humedad del suelo (de 40 a 100 cm bajo tierra)

SoilTemp00_10cm_tavg K 11,132 metros

Temperatura del suelo (de 0 a 10 cm bajo tierra)

SoilTemp10_40cm_tavg K 11,132 metros

Temperatura del suelo (de 10 a 40 cm bajo tierra)

SoilTemp100_200cm_tavg K 11,132 metros

Temperatura del suelo (de 100 a 200 cm bajo tierra)

SoilTemp40_100cm_tavg K 11,132 metros

Temperatura del suelo (de 40 a 100 cm bajo tierra)

SWdown_f_tavg W/m² 11,132 metros

Radiación de onda corta descendente en la superficie

SWE_inst kg/m² 11,132 metros

Equivalente de agua de nieve

Swnet_tavg W/m² 11,132 metros

Flujo neto de radiación de onda corta

Tair_f_tavg K 11,132 metros

Temperatura del aire cerca de la superficie

Wind_f_tavg m/s 11,132 metros

Velocidad del viento cerca de la superficie

Condiciones de Uso

Condiciones de Uso

La distribución de datos del Centro de Servicios de Información y Datos de Ciencias de la Tierra de Goddard (GES DISC) está financiada por la Dirección de Misiones Científicas (SMD) de la NASA. De acuerdo con la Política de Información y Datos de Ciencias de la Tierra de la NASA, los datos del archivo de GES DISC están disponibles sin costo para la comunidad de usuarios. Para obtener más información, visita la página de la política de datos de GES DISC.

Citas

Citas:
  • Si usas estos datos en tu investigación o aplicaciones, incluye una referencia en tus publicaciones similar al siguiente ejemplo: 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), consultado el: [Data Access Date], doi:10.5067/5NHC22T9375G

  • McNally, A., Arsenault, K., Kumar, S., Shukla, S., Peterson, P., Wang, S., Funk, C., Peters-Lidard, C.D., y Verdin, J. P. (2017). A land data assimilation system for sub-Saharan Africa food and water security applications. Scientific Data, 4, 170012.

Explora con Earth Engine

Editor de código (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');

Configuración de Python

Consulta la página Entorno de Python para obtener información sobre la API de Python y el uso de geemap para el desarrollo interactivo.

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
Abrir en el editor de código