GFS: Global Forecast System 384-Hour Predicted Atmosphere Data

NOAA/GFS0P25
دردسترس بودن مجموعه داده
2015-07-01T00:00:00Z–2026-10-07T18:00:00Z
تولیدکننده مجموعه داده
گزیده Earth Engine
ee.ImageCollection("NOAA/GFS0P25")
توالی
‫۶ ساعت
برچسب‌ها
اقلیم ابر شار پیش‌بینی ژئوفیزیک رطوبت ncep noaa بارندگی تابش دما بخار آب‌وهوا باد
emc
gfs

شرح

«سیستم پیش‌بینی جهانی» (GFS) مدل پیش‌بینی آب‌وهوایی است که توسط «مرکز ملی پیش‌بینی محیطی» (NCEP) تولید می‌شود. مجموعه داده GFS شامل برگزیده‌ای از بروندادهای مدل (توضیح داده‌شده در زیر) به‌عنوان متغیرهای پیش‌بینی شبکه‌ای است. پیش‌بینی‌های ۳۸۴ ساعته، با فواصل پیش‌بینی ۱ ساعته (تا ۱۲۰ ساعت) و ۳ ساعته (پس‌از ۱۲۰ ساعت)، با تفکیک زمانی ۶ ساعته (یعنی چهار بار در روز به‌روزرسانی می‌شود) انجام می‌شود. از ویژگی‌های «creation_time» و «forecast_time» برای انتخاب داده‌های موردنظر استفاده کنید.

‫GFS یک مدل جفت‌شده است که از مدل جوی، مدل اقیانوسی، مدل زمین/خاک، و مدل یخ دریا تشکیل شده است و این مدل‌ها با هم کار می‌کنند تا تصویری دقیق از شرایط آب‌وهوایی ارائه دهند. توجه داشته باشید که این مدل ممکن است تغییر کند؛ برای اطلاعات بیشتر، سابقه تغییرات اخیر در سیستم پیش‌بینی/تجزیه‌وتحلیل جهانی و اسناد را ببینید. ممکن است نوسانات قابل‌توجهی در ساعت به ساعت و روز به روز وجود داشته باشد که نیاز به استفاده از تکنیک‌های کاهش نوفه در باندها قبل‌از تجزیه‌وتحلیل دارد.

توجه داشته باشید که ساعات و فاصله‌های پیش‌بینی دردسترس درطول زمان تغییر کرده است:

  • از ۲۰۱۵/۰۴/۰۱ تا ۲۰۱۷/۰۷/۰۹: پیش‌بینی‌های ۳۶ ساعته، به‌جز ساعت ۰، در فاصله‌های ۳ ساعته.
  • از 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 ۲۰۲۱/۰۶/۱۲: پیش‌بینی‌های ۳۸۴ ساعته، با فواصل ۱ ساعته از ساعت ۰ تا ۱۲۰ و فواصل ۳ ساعته از ساعت ۱۲۰ تا ۳۸۴.

برخی‌از دسته‌ها فقط از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس هستند، همان‌طور که در توضیحات دسته ذکر شده است.

باند

باند

اندازه پیکسل: ۲۷۸۳۰ متر (همه باندها)

نام واحدها دقیقه Max اندازه پیکسل شرح
temperature_2m_above_ground ‎°C ‫-۶۹.۱۸* ‫۵۲٫۲۵* ۲۷۸۳۰ متر

دما در ارتفاع ۲ متری از سطح زمین
specific_humidity_2m_above_ground کسر جرمی ‫*۰ ۰٫۰۳* ۲۷۸۳۰ متر

رطوبت ویژه در ارتفاع ۲ متری از زمین
dew_point_temperature_2m_above_ground ‎°C ‫-۸۱٫۰۵* ۲۹.۰۵* ۲۷۸۳۰ متر

دمای نقطه شبنم در ارتفاع ۲ متری از زمین (از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است)
relative_humidity_2m_above_ground ٪ ‫۱* ‫*۱۰۰.۰۵ ۲۷۸۳۰ متر

رطوبت نسبی در ارتفاع ۲ متری از زمین
maximum_temperature_2m_above_ground ‎°C ‫-۶۰.۷۳* ۵۹.۲۸* ۲۷۸۳۰ متر

حداکثر دما در ارتفاع ۲ متری از زمین (از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است، اما فقط برای دارایی‌هایی با forecast_hours > 0)
minimum_temperature_2m_above_ground ‎°C ‫-۶۳٫۷۸* ۵۹.۳۹* ۲۷۸۳۰ متر

حداقل دما در ۲ متری سطح زمین (از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است، اما فقط برای دارایی‌هایی با forecast_hours > 0)
u_component_of_wind_10m_above_ground متر/ثانیه ‫-۶۰.۷۳* ۵۹.۲۸* ۲۷۸۳۰ متر

مؤلفه U باد در ارتفاع ۱۰ متری از زمین
v_component_of_wind_10m_above_ground متر/ثانیه ‫-۶۳٫۷۸* ۵۹.۳۹* ۲۷۸۳۰ متر

مؤلفه V باد در ارتفاع ۱۰ متری از زمین
total_precipitation_surface کیلوگرم/مترمربع ‫*۰ ۶۲۶.۷۵* ۲۷۸۳۰ متر

بارش تجمعی در سطح برای ۱ تا ۶ ساعت گذشته، بسته به مقدار دارایی «forecast_hours» طبق فرمول ((F - 1) % 6) + 1 (و فقط برای دارایی‌های با forecast_hours > 0).

درنتیجه، برای محاسبه مجموع بارش در ساعت X، باید از شمارش مضاعف اجتناب شود و فقط مقادیر مربوط به forecast_hours که مضرب ۶ هستند به‌علاوه هر باقیمانده‌ای که به X برسد جمع شود. این همچنین به این معنی است که برای تعیین میزان بارش فقط در ساعت X، باید مقدار ساعت قبلی را کم کنید، مگر اینکه X اولین ساعت در یک بازه ۶ ساعته باشد.
precipitable_water_entire_atmosphere کیلوگرم/مترمربع ‫*۰ ‫۱۰۰* ۲۷۸۳۰ متر

آب قابل‌بارش برای کل اتمسفر
u_component_of_wind_planetary_boundary_layer متر/ثانیه ‫-۶۶٫۸* ۶۲.۱۸* ۲۷۸۳۰ متر

مؤلفه U لایه مرزی سیاره‌ای باد (از ۲۰۱۵/۰۱/۱۵ دردسترس است)
v_component_of_wind_planetary_boundary_layer متر/ثانیه ‫-۶۳٫۰۸* ‫۵۷٫۶* ۲۷۸۳۰ متر

مؤلفه V لایه مرزی سیاره‌ای باد (از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است)
gust متر/ثانیه ‫*۰ ۵۷.۴۱* ۲۷۸۳۰ متر

سرعت باد (تندباد) (از ۱۵/۰۱/۲۰۲۵ دردسترس است)
precipitation_rate کیلوگرم/مترمربع/ثانیه ‫*۰ ۰٫۰۳۲* ۲۷۸۳۰ متر

نرخ بارش (از ۱۵ ژانویه ۲۰۲۵ دردسترس است)
haines_index ‫*۲ ‫*۶ ۲۷۸۳۰ متر

شاخص Haines (از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است)
ventilation_rate m^2/s ‫*۰ ۲۳۴۰۰۰* ۲۷۸۳۰ متر

نرخ تهویه (از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است)
total_cloud_cover_entire_atmosphere ٪ ‫*۰ ‫۱۰۰* ۲۷۸۳۰ متر

پوشش ابر کل اتمسفر (قبلاً فقط برای دارایی‌های با forecast_hours > 0، اما برای دارایی‌های با forecast_hours == 0 از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است)
downward_shortwave_radiation_flux وات بر متر مربع ‫*۰ ۱۲۳۰* ۲۷۸۳۰ متر

شار تابش موج کوتاه رو به پایین (فقط برای دارایی‌هایی با forecast_hours > 0)
downward_longwave_radiation_flux وات بر متر مربع ‫*۰ ‫۱۰۰* ۲۷۸۳۰ متر

شار تابش موج بلند رو به پایین (از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است، اما فقط برای دارایی‌هایی با forecast_hours > 0)
upward_shortwave_radiation_flux وات بر متر مربع ‫*۰ ۱۲۳۰* ۲۷۸۳۰ متر

شار تابش موج کوتاه رو به بالا (از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است، اما فقط برای دارایی‌هایی با forecast_hours > 0)
upward_longwave_radiation_flux وات بر متر مربع ‫*۰ ‫۱۰۰* ۲۷۸۳۰ متر

شار تابش موج بلند رو به بالا (از ۱۵ ژانویه ۲۰۲۵ دردسترس است، اما فقط برای دارایی‌هایی با forecast_hours > 0)
planetary_boundary_layer_height پشت ۷.۷۷* ۶۳۱۲.۶۷* ۲۷۸۳۰ متر

ارتفاع لایه مرزی سیاره‌ای (از تاریخ ۲۰۲۵/۰۱/۱۵ دردسترس است)
* مقدار تخمینی حداقل یا حداکثر

دارایی‌های تصویر

مشخصات تصویر

نام نوع شرح
creation_time دونفره

زمان ایجاد
forecast_hours دونفره

ساعات پیش‌بینی
forecast_time دونفره

زمان پیش‌بینی

شرایط استفاده

شرایط خدمات

داده‌ها، اطلاعات، و محصولات NOAA، صرف‌نظر از روش ارائه، مشمول حق نشر نیستند و هیچ محدودیتی برای استفاده بعدی آن‌ها توسط عموم وجود ندارد. پس‌از دریافت، می‌توان از آن‌ها برای هرگونه استفاده قانونی استفاده کرد. داده‌های فوق در مالکیت عمومی است و بدون محدودیت در استفاده و توزیع ارائه می‌شود.

نقل‌قول‌ها

نقل‌قول‌ها:

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

  • Alpert, J. پ.، S-Y. Hong و Y-J. ‫Kim: 1996، «حساسیت سیکلون‌زایی به افزایش تروپوسفر پایین کشش موج گرانشی بااستفاده از EMC MRF»، Proc. 11 Conf. On NWP، نورفولک، ۳۲۲-۳۲۳.

  • Alpert,J,, M. Kanamitsu, P. M. Caplan, J. چ. سلا، جی. ح. سفید، و E. Kalnay،‏ ۱۹۸۸: پارامتری‌سازی پساگرایی موج گرانشی القاشده توسط کوه در مدل پیش‌بینی میان‌مدت NMC. نسخه‌های پیش‌چاپ، هشتمین کنفرانس پیش‌بینی عددی آب‌وهوا، بالتیمور، مریلند، امریکا شهاب‌سنگ. Soc., ۷۲۶-۷۳۳.

  • Buehner, M., د. مورنو، و سی. Charette،‏ ۲۰۱۳: همسان‌سازی داده‌های چهاربعدی گروهی-تغییرپذیر برای پیش‌بینی آب‌وهوای قطعی جهانی. Nonlinear Processes Geophys., ‫۲۰، ۶۶۹-۶۸۲.

  • Chun, H.-Y., and J.-J. Baik،‏ ۱۹۹۸: شار مومنتوم ناشی از امواج گرانشی داخلی القاشده حرارتی و تقریب آن برای مدل‌های بزرگ‌مقیاس. د. ‫Atmos. Sci., ‫۵۵، ۳۲۹۹-۳۳۱۰.

  • Chun, H.-Y., Song, I.-S., Baik, J.-J. and Y.-J. کیم. ‫۲۰۰۴: تأثیر پارامترسازی پساگرایی موج گرانشی با نیروی همرفت در NCAR CCM3. د. 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. د. ‫Atmos. Sci., ‫۵۸، ۳۰۲-۳۱۹.

  • Clough, S.A., M.W. Shephard, E.J. Mlawer, J.S. Delamere, M.J. Iacono, K.Cady-Pereira, S. Boukabara, and 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. د. Geophys. Res., ‫۹۷، ۳۸۳۱-۳۸۳۶.

  • Fu, Q., ‫۱۹۹۶: پارامتری‌سازی دقیق خواص تابشی خورشیدی ابرهای سیروس برای مدل‌های آب‌وهوایی. د. Climate, 9, 2058-2082.

  • Han, J., and H.-L. Pan،‏ ۲۰۰۶: حساسیت پیش‌بینی شدت طوفان به پارامترسازی انتقال تکانه همرفتی. دوشنبه. هوا. کشیش، ‫۱۳۴، ۶۶۴-۶۷۴.

  • Han, J., and H.-L. Pan،‏ ۲۰۱۱: اصلاح طرح‌های همرفت و پخش عمودی در سیستم پیش‌بینی جهانی NCEP. Weather and Forecasting, 26, 520-533.

  • Han, J., M. Witek, J. Teixeira, R. یکشنبه، H.-L. پان، ج. ک. فلچر، و سی. S. Bretherton،‏ ۲۰۱۶: پیاده‌سازی در NCEP GFS از پارامترسازی لایه مرزی جریان جرم با قابلیت مختلط گردابی-پخش (EDMF) با گرمایش اتلافی و اختلاط لایه مرزی پایدار اصلاح‌شده. Weather and Forecasting, 31, 341-352.

  • Hou, Y., S. Moorthi و K. Campana, 2002: Parameterization of Solar Radiation Transfer in the NCEP Models, NCEP Office Note #441, pp46. در اینجا دردسترس است

  • Hu, Y.X., and K. Stamnes،‏ ۱۹۹۳: پارامتری‌سازی دقیق خواص تابشی ابرهای آب مناسب برای استفاده در مدل‌های آب‌وهوایی. د. Climate, 6, 728-74.

  • Iacono, M.J., E.J. Mlawer،‏ S.A. Clough، و J.-J. Morcrette،‏ ۲۰۰۰: تأثیر مدل بهبودیافته تابش موج بلند، RRTM، بر تراز انرژی و ویژگی‌های ترمودینامیکی مدل آب‌وهوای انجمن NCAR،‏ 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. متوجه شدم. Soc, ES61-ES65.

  • Kim, Y.-J., and A. Arakawa (1995)، بهبود پارامترسازی موج گرانشی کوهستانی بااستفاده از مدل موج گرانشی میان‌مقیاس، J. ‫Atmos. Sci.,52, 875-1902.

  • Kleist, D. T.، ‫۲۰۱۲: ارزیابی داده‌های ترکیبی تغییرپذیر-مجموعه همانندسازی برای NCEP GFS، رساله دکتری، گروه علوم جوی و اقیانوسی، دانشگاه مریلند-کالج پارک، ۱۴۹ صفحه.

  • لوت، اف و ام. د. 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، و S.A. Clough،‏ 1997: انتقال تابشی برای اتمسفرهای ناهمگن: RRTM، مدل k همبسته معتبر برای موج بلند. د. Geophys. Res., ‫۱۰۲، ۱۶۶۶۳-۱۶۶۸۲.

  • Sela, J., ‫۲۰۰۹: پیاده‌سازی مختصات ترکیبی سیگما-فشار در GFS. NCEP Office Note #461, pp25.

  • Sela, J., ‫۲۰۱۰: استخراج معادلات مدل مختصات ترکیبی فشار سیگما نیمه‌لاگرانژی برای GFS. NCEP Office Note #462 pp31.

  • یانگ، اف.، ‫۲۰۰۹: درباره بخار آب منفی در NCEP GFS: منابع و راه‌حل. ‫23rd Conference on Weather Analysis and Forecasting/19th Conference on Numerical Weather Prediction, 1-5 June 2009, Omaha, NE.

  • یانگ، اف.، ک. Mitchell, Y. Hou, Y. Dai, X. Zeng, Z. وانگ، و 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.

شناسه‌های دیجیتال شیء

کاوش با Earth Engine

ویرایشگر کد (جاوا اسکریپت)

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');

راه‌اندازی Python

برای اطلاعات درباره Python API و استفاده از geemap برای توسعه تعاملی، صفحه محیط Python را ببینید.

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
باز کردن در «ویرایشگر کد»
«سیستم پیش‌بینی جهانی» (GFS) مدل پیش‌بینی آب‌وهوایی است که توسط «مرکز ملی پیش‌بینی‌های محیطی» (NCEP) تولید می‌شود. مجموعه داده GFS شامل بروندادهای مدل انتخابی (توضیح داده‌شده در زیر) به‌عنوان متغیرهای پیش‌بینی شبکه‌ای است. پیش‌بینی‌های ۳۸۴ ساعته، با فواصل پیش‌بینی ۱ ساعته (تا ۱۲۰ ساعت) و ۳ ساعته (پس‌از ۱۲۰ ساعت)، …
‫NOAA/GFS0P25, اقلیم،ابر،شار،پیش‌بینی،ژئوفیزیک،رطوبت،ncep،‏noaa،بارش،تابش،دما،بخار،آب‌وهوا،باد
2015-07-01T00:00:00Z/2026-10-07T18:00:00Z
-90 -180 90 180
Google Earth Engine