GFS: Global Forecast System 384-Hour Predicted Atmosphere Data

NOAA/GFS0P25
Disponibilité de l'ensemble de données
2015-07-01T00:00:00Z–2026-10-12T12:00:00Z
Producteur d'ensemble de données
Aperçu de Google Earth Engine
ee.ImageCollection("NOAA/GFS0P25")
Fréquence de mise à jour
6 heures
Tags
climat nuage flux prévision géophysique humidité ncep noaa précipitations rayonnement température vapeur météo vent
emc
gfs

Description

Le Global Forecast System (GFS) est un modèle de prévision météorologique produit par les National Centers for Environmental Prediction (NCEP). L'ensemble de données GFS se compose de sorties de modèle sélectionnées (décrites ci-dessous) sous forme de variables de prévision quadrillées. Les prévisions sur 384 heures, avec des intervalles de prévision d'une heure (jusqu'à 120 heures) et de trois heures (après 120 heures), sont effectuées avec une résolution temporelle de six heures (c'est-à-dire qu'elles sont mises à jour quatre fois par jour). Utilisez les propriétés "creation_time" et "forecast_time" pour sélectionner les données qui vous intéressent.

Le GFS est un modèle couplé, composé d'un modèle d'atmosphère, d'un modèle d'océan, d'un modèle de terre/sol et d'un modèle de banquise qui fonctionnent ensemble pour fournir une image précise des conditions météorologiques. Notez que ce modèle peut changer. Pour en savoir plus, consultez l'historique des modifications récentes apportées au système de prévision/d'analyse mondial et la documentation. Il peut y avoir d'importantes fluctuations d'une heure à l'autre et d'un jour à l'autre, qui nécessitent l'application de techniques de réduction du bruit aux bandes avant l'analyse.

Notez que les heures et les intervalles de prévision disponibles ont changé au fil du temps :

  • Du 01/04/2015 au 09/07/2017 : prévisions sur 36 heures, heure 0 exclue, à intervalles de 3 heures.
  • Du 09/07/2017 au 11/06/2021 : prévisions sur 384 heures, à intervalles d'une heure de 0 à 120 heures, à intervalles de trois heures de 120 à 240 heures et à intervalles de 12 heures de 240 à 384 heures.
  • À partir du 12/06/2021 : prévisions sur 384 heures, à intervalles d'une heure pour les heures 0 à 120 et à intervalles de trois heures pour les heures 120 à 384.

Certaines bandes ne seront disponibles qu'à partir du 15/01/2025, comme indiqué dans leur description.

Bandes

Bandes de fréquences

Taille des pixels : 27 830 mètres (toutes les bandes)

Nom Unités Marie Max Taille des pixels Description
temperature_2m_above_ground °C -69,18* 52,25* 27 830 mètres

Température à 2 m au-dessus du sol
specific_humidity_2m_above_ground Fraction massique 0* 0,03* 27 830 mètres

Humidité spécifique à 2 mètres au-dessus du sol
dew_point_temperature_2m_above_ground °C -81,05* 29,05* 27 830 mètres

Température du point de rosée à 2 m au-dessus du sol (disponible à partir du 15/01/2025)
relative_humidity_2m_above_ground % 1* 100,05* 27 830 mètres

Humidité relative à 2 mètres au-dessus du sol
maximum_temperature_2m_above_ground °C -60,73* 59,28* 27 830 mètres

Température maximale à 2 m au-dessus du sol (disponible à partir du 15/01/2025, mais uniquement pour les assets avec forecast_hours > 0)
minimum_temperature_2m_above_ground °C -63,78* 59,39* 27 830 mètres

Température minimale à 2 m au-dessus du sol (disponible à partir du 15/01/2025, mais uniquement pour les éléments avec forecast_hours > 0)
u_component_of_wind_10m_above_ground m/s -60,73* 59,28* 27 830 mètres

Composante U du vent à 10 mètres au-dessus du sol
v_component_of_wind_10m_above_ground m/s -63,78* 59,39* 27 830 mètres

Composante V du vent à 10 m au-dessus du sol
total_precipitation_surface kg/m^2 0* 626,75* 27 830 mètres

Précipitations cumulées à la surface au cours des 1 à 6 heures précédentes, en fonction de la valeur de la propriété "forecast_hours" selon la formule ((F - 1) % 6) + 1 (et uniquement pour les éléments avec forecast_hours > 0).

Par conséquent, pour calculer les précipitations totales pour l'heure X, il faut éviter le double comptage en n'additionnant que les valeurs des forecast_hours qui sont des multiples de 6 plus tout reste pour atteindre X. Cela signifie également que pour déterminer les précipitations pour l'heure X, il faut soustraire la valeur de l'heure précédente, sauf si X est la première heure d'une période de six heures.
precipitable_water_entire_atmosphere kg/m^2 0* 100* 27 830 mètres

Eau précipitable pour l'ensemble de l'atmosphère
u_component_of_wind_planetary_boundary_layer m/s -66,8* 62,18* 27 830 mètres

Composante U de la couche limite planétaire du vent (disponible à partir du 15/01/2025)
v_component_of_wind_planetary_boundary_layer m/s -63,08* 57,6* 27 830 mètres

Composante V du vent dans la couche limite planétaire (disponible à partir du 15/01/2025)
gust m/s 0* 57,41* 27 830 mètres

Vitesse du vent (rafale) (disponible à partir du 15/01/2025)
precipitation_rate kg/m^2/s 0* 0,032* 27 830 mètres

Taux de précipitations (disponible à partir du 15/01/2025)
haines_index 2* 6* 27 830 mètres

Indice Haines (disponible à partir du 15/01/2025)
ventilation_rate m^2/s 0* 234 000* 27 830 mètres

Fréquence de ventilation (disponible à partir du 15/01/2025)
total_cloud_cover_entire_atmosphere % 0* 100* 27 830 mètres

Couverture nuageuse totale pour l'ensemble de l'atmosphère (auparavant uniquement pour les éléments avec forecast_hours > 0, mais disponible pour ceux avec forecast_hours == 0 à partir du 15/01/2025)
downward_shortwave_radiation_flux W/m^2 0* 1230* 27 830 mètres

Flux de rayonnement descendant à ondes courtes (uniquement pour les éléments avec forecast_hours > 0)
downward_longwave_radiation_flux W/m^2 0* 100* 27 830 mètres

Flux de rayonnement descendant à ondes longues (disponible à partir du 15/01/2025, mais uniquement pour les éléments avec forecast_hours > 0)
upward_shortwave_radiation_flux W/m^2 0* 1230* 27 830 mètres

Flux de rayonnement ascendant à ondes courtes (disponible à partir du 15/01/2025, mais uniquement pour les éléments avec forecast_hours > 0)
upward_longwave_radiation_flux W/m^2 0* 100* 27 830 mètres

Flux de rayonnement ascendant à ondes longues (disponible à partir du 15/01/2025, mais uniquement pour les éléments avec forecast_hours > 0)
planetary_boundary_layer_height m 7,77* 6312.67* 27 830 mètres

Hauteur de la couche limite planétaire (disponible à partir du 15/01/2025)
* valeur minimale ou maximale estimée

Propriétés des images

Propriétés des images

Nom Type Description
creation_time DOUBLE

Date et heure de création
forecast_hours DOUBLE

Heures de prévision
forecast_time DOUBLE

Heure de la prévision

Conditions d'utilisation

Conditions d'utilisation

Les données, informations et produits de la NOAA, quelle que soit la méthode de diffusion, ne sont pas soumis au droit d'auteur et peuvent être utilisés par le public sans restrictions. Ils peuvent être utilisés à toute fin légale. Les données ci-dessus appartiennent au domaine public et peuvent être utilisées ou diffusées sans aucune restriction.

Citations

Citations :

  • Alpert, J., 2006 Sub-Grid Scale Mountain Blocking at NCEP, 20th Conf. WAF/16 Conf. NWP P2.4.

  • Alpert, J. C., S-Y. Hong et 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 et C. Charette, 2013 : Assimilation de données variationnelles d'ensemble quadridimensionnelles pour la prévision météorologique déterministe mondiale. Nonlinear Processes Geophys., 20, 669-682.

  • Chun, H.-Y. et 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. et Y.-J. Kim. 2004 : Impact d'une paramétrisation de la traînée des ondes de gravité forcées par convection dans NCAR CCM3. J. Climate, 17, 3530-3547.

  • Chun, H.-Y., Song, M.-D., Kim, J.-W. et 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 et P.D. Brown, 2005 : Atmospheric radiative transfer modeling: A summary of the AER codes, J. Quant. Spectrosc. Radiat. Transfert, 91, 233-244. doi:10.1016/j.jqsrt.2004.05.058

  • Ebert, E.E., et 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. et H.-L. Pan, 2006 : sensibilité des prévisions d'intensité des ouragans à la paramétrisation du transport de quantité de mouvement convectif. Météo du lundi Rev., 134, 664-674.

  • Han, J. et H.-L. Pan, 2011 : révision des schémas de convection et de diffusion verticale dans le système de prévision global du NCEP. Weather and Forecasting, 26, 520-533.

  • Han, J., M. Witek, J. Teixeira, R. Sun, H.-L. Pan, J. K. Fletcher et C. S. Bretherton, 2016 : Implémentation dans le GFS du NCEP d'une paramétrisation de la couche limite hybride de flux de masse à diffusion turbulente (EDMF) avec chauffage dissipatif et mélange modifié de la couche limite stable. Weather and Forecasting, 31, 341-352.

  • Hou, Y., S. Moorthi et K. Campana, 2002 : Parameterization of Solar Radiation Transfer in the NCEP Models, NCEP Office Note #441, p. 46. Disponible ici

  • 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 et 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, rapport interne du SAIC/Environmental Modelling Center.

  • 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. et 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 : Évaluation de l'assimilation hybride de données d'ensemble variationnel pour le GFS du NCEP , thèse de doctorat, Dept. of Atmospheric and Oceanic Science, University of Maryland-College Park, 149 p.

  • Lott, F et M. J. Miller : 1997, "A new subgrid-scale orographic drag parameterization: Its formulation and testing", QJRMS, 123, pp101-127.

  • Mlawer, E.J., S.J. Taubman, P.D. Brown, M.J. Iacono et S.A. Clough, 1997 : Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave. J. Geophys. Rés., 102, 16663-16682.

  • Sela, J., 2009 : Implémentation de la coordonnée hybride sigma-pression dans le GFS. NCEP Office Note #461, p. 25.

  • Sela, J., 2010 : Dérivation des équations du modèle semi-lagrangien à coordonnées hybrides sigma-pression pour le GFS. NCEP Office Note #462, p. 31.

  • 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 June 2009, Omaha, NE.

  • Yang, F., K. Mitchell, Y. Hou, Y. Dai, X. Zeng, Z. Wang et 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

Explorer avec Earth Engine

Éditeur de code (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');

Configuration de Python

Consultez la page Environnement Python pour en savoir plus sur l'API Python et l'utilisation de geemap pour le développement interactif.

import ee
import geemap.core as geemap

Colab (Python)

dataset = ee.ImageCollection('NOAA/GFS0P25').filter(
    ee.Filter.date('2018-03-01', '2018-03-02')
)

temperature_above_ground = dataset.select('temperature_2m_above_ground')

vis_params = {
    'min': -40.0,
    'max': 35.0,
    'palette': ['blue', 'purple', 'cyan', 'green', 'yellow', 'red'],
}

m = geemap.Map()
m.set_center(71.72, 52.48, 3.0)
m.add_layer(temperature_above_ground, vis_params, 'Temperature Above Ground')
m
Ouvrir dans l'éditeur de code
Le Global Forecast System (GFS) est un modèle de prévision météorologique produit par le National Centers for Environmental Prediction (NCEP). L'ensemble de données GFS se compose de sorties de modèle sélectionnées (décrites ci-dessous) sous forme de variables de prévision maillées. Les prévisions sur 384 heures, avec des intervalles de prévision d'une heure (jusqu'à 120 heures) et de trois heures (après 120 heures), sont…
NOAA/GFS0P25, climat,nuage,flux,prévisions,géophysique,humidité,ncep,noaa,précipitations,rayonnement,température,vapeur,météo,vent
2015-07-01T00:00:00Z/2026-10-12T12:00:00Z
-90 -180 90 180
Google Earth Engine