GFS: Global Forecast System 384-Hour Predicted Atmosphere Data

एनओएए/जीएफ़एस0पी25
डेटासेट की उपलब्धता
2015-07-01T00:00:00Z–2026-10-15T18:00:00Z
डेटासेट प्रोड्यूसर
Earth Engine का स्निपेट
ee.ImageCollection("NOAA/GFS0P25")
डेटासेट अपडेट होने की फ़्रीक्वेंसी
6 घंटे
टैग
climate cloud flux forecast geophysical humidity ncep noaa precipitation radiation temperature vapor weather weather-and-climate wind
emc
gfs

ब्यौरा

ग्लोबल फ़ोरकास्ट सिस्टम (जीएफ़एस), मौसम का पूर्वानुमान लगाने वाला एक मॉडल है. इसे नैशनल सेंटर फ़ॉर एनवायरमेंटल प्रेडिक्शन (एनसीईपी) ने तैयार किया है. जीएफ़एस डेटासेट में, चुने गए मॉडल आउटपुट (नीचे दिए गए) शामिल होते हैं. इन्हें ग्रिड वाले पूर्वानुमान वैरिएबल के तौर पर दिखाया जाता है. 384 घंटों के पूर्वानुमान, 1 घंटे (120 घंटों तक) और 3 घंटे (120 घंटों के बाद) के पूर्वानुमान के अंतराल के साथ, 6 घंटे के टेंपोरल रिज़ॉल्यूशन पर बनाए जाते हैं. इसका मतलब है कि इन्हें रोज़ाना चार बार अपडेट किया जाता है. अपनी ज़रूरत के हिसाब से डेटा चुनने के लिए, 'creation_time' और 'forecast_time' प्रॉपर्टी का इस्तेमाल करें.

जीएफ़एस एक कपल्ड मॉडल है. इसमें वायुमंडल, महासागर, ज़मीन/मिट्टी, और समुद्री बर्फ़ का मॉडल शामिल है. ये सभी मॉडल मिलकर काम करते हैं, ताकि मौसम की सटीक जानकारी दी जा सके. ध्यान दें कि इस मॉडल में बदलाव हो सकता है. ज़्यादा जानकारी के लिए, ग्लोबल फ़ोरकास्ट/विश्लेषण सिस्टम में हाल ही में किए गए बदलावों का इतिहास और दस्तावेज़ देखें. इसमें हर घंटे और हर दिन काफ़ी उतार-चढ़ाव हो सकता है. इसलिए, विश्लेषण करने से पहले, बैंड पर नॉइज़ कम करने की तकनीक लागू करना ज़रूरी है.

ध्यान दें कि पूर्वानुमान के लिए उपलब्ध घंटे और इंटरवल, समय के साथ बदल गए हैं:

  • 01/04/2015 से 09/07/2017 तक: 36 घंटे के अनुमान, जिसमें 0 घंटे को छोड़कर, हर तीन घंटे के अंतराल पर अनुमान शामिल हैं.
  • 9 जुलाई, 2017 से 11 जून, 2021 तक: 384 घंटों का पूर्वानुमान. इसमें 0 से 120 घंटों के लिए हर घंटे, 120 से 240 घंटों के लिए हर तीन घंटे, और 240 से 384 घंटों के लिए हर 12 घंटे के अंतराल पर पूर्वानुमान दिया जाता था.
  • 12/06/2021 से: 384 घंटे के अनुमान, 0 से 120 घंटे के बीच हर घंटे के अंतराल पर और 120 से 384 घंटे के बीच हर तीन घंटे के अंतराल पर.

कुछ बैंड 15 जनवरी, 2025 से ही उपलब्ध होंगे. इसकी जानकारी बैंड के ब्यौरे में दी गई है.

बैंड

बैंड

पिक्सल का साइज़: 27,830 मीटर (सभी बैंड)

नाम इकाई कम से कम ज़्यादा से ज़्यादा पिक्सल साइज़ ब्यौरा
temperature_2m_above_ground °C -69.18* 52.25* 27,830 मीटर

ज़मीन से दो मीटर ऊपर का तापमान

specific_humidity_2m_above_ground मास फ़्रैक्शन 0* 0.03* 27,830 मीटर

ज़मीन से दो मीटर ऊपर स्पेसिफ़िक ह्यूमिडिटी

dew_point_temperature_2m_above_ground °C -81.05* 29.05* 27,830 मीटर

ज़मीन से दो मीटर ऊपर ओस बनने के लिए ज़रूरी तापमान (यह 15 जनवरी, 2025 से उपलब्ध होगा)

relative_humidity_2m_above_ground % 1* 100.05* 27,830 मीटर

ज़मीन से दो मीटर ऊपर रिलेटिव ह्यूमिडिटी

maximum_temperature_2m_above_ground °C -60.73* 59.28* 27,830 मीटर

ज़मीन से दो मीटर ऊपर का ज़्यादा से ज़्यादा तापमान (यह 15/01/2025 से उपलब्ध है, लेकिन सिर्फ़ उन ऐसेट के लिए जिनके लिए forecast_hours > 0 है)

minimum_temperature_2m_above_ground °C -63.78* 59.39* 27,830 मीटर

ज़मीन से दो मीटर ऊपर का कम से कम तापमान (यह 15/01/2025 से उपलब्ध है, लेकिन सिर्फ़ उन ऐसेट के लिए जिनके लिए forecast_hours > 0 है)

u_component_of_wind_10m_above_ground मी॰/से॰ -60.73* 59.28* 27,830 मीटर

ज़मीन से 10 मीटर ऊपर हवा का U कॉम्पोनेंट

v_component_of_wind_10m_above_ground मी॰/से॰ -63.78* 59.39* 27,830 मीटर

ज़मीन से 10 मीटर ऊपर हवा का V कॉम्पोनेंट

total_precipitation_surface कि°ग्रा°/मी°^2 0* 626.75* 27,830 मीटर

पिछले 1 से 6 घंटों के दौरान, सतह पर हुई कुल बारिश. यह "forecast_hours" प्रॉपर्टी की वैल्यू पर निर्भर करती है. इसके लिए, ((F - 1) % 6) + 1 फ़ॉर्मूला इस्तेमाल किया जाता है. यह सिर्फ़ उन ऐसेट के लिए होता है जिनके लिए forecast_hours > 0 हो.

इसलिए, X घंटे के हिसाब से कुल बारिश का हिसाब लगाने के लिए, दोहराव से बचना चाहिए. इसके लिए, सिर्फ़ उन forecast_hours की वैल्यू को जोड़ें जो 6 के गुणज हैं. साथ ही, X तक पहुंचने के लिए किसी भी शेष को जोड़ें. इसका मतलब यह भी है कि सिर्फ़ X घंटे के लिए बारिश की मात्रा का पता लगाने के लिए, पिछले घंटे की वैल्यू को घटाना होगा. हालांकि, ऐसा तब नहीं करना होगा, जब X, छह घंटे की विंडो में पहला घंटा हो.

precipitable_water_entire_atmosphere कि°ग्रा°/मी°^2 0* 100* 27,830 मीटर

पूरे वायुमंडल में मौजूद पानी की भाप

u_component_of_wind_planetary_boundary_layer मी॰/से॰ -66.8* 62.18* 27,830 मीटर

वायुमंडल की सबसे निचली परत में हवा का U कॉम्पोनेंट (यह 15 जनवरी, 2025 से उपलब्ध है)

v_component_of_wind_planetary_boundary_layer मी॰/से॰ -63.08* 57.6* 27,830 मीटर

वायुमंडल की सबसे निचली परत में हवा का V कॉम्पोनेंट (यह 15/01/2025 से उपलब्ध है)

gust मी॰/से॰ 0* 57.41* 27,830 मीटर

हवा की रफ़्तार (झोंका) (15/01/2025 से उपलब्ध है)

precipitation_rate कि॰ग्रा॰/मी॰^2/से॰ 0* 0.032* 27,830 मीटर

बारिश की दर (15/01/2025 से उपलब्ध है)

haines_index 2* 6* 27,830 मीटर

हैंस इंडेक्स (15/01/2025 से उपलब्ध)

ventilation_rate मी॰^2/से॰ 0* 234000* 27,830 मीटर

वेंटिलेशन रेट (15/01/2025 से उपलब्ध)

total_cloud_cover_entire_atmosphere % 0* 100* 27,830 मीटर

पूरे वायुमंडल के लिए कुल क्लाउड कवर (पहले सिर्फ़ forecast_hours > 0 वाली ऐसेट के लिए, लेकिन 15/01/2025 से forecast_hours == 0 वाली ऐसेट के लिए उपलब्ध)

downward_shortwave_radiation_flux वॉट/मी°^2 0* 1230* 27,830 मीटर

नीचे की ओर शॉर्टवेव रेडिएशन फ़्लक्स (सिर्फ़ उन ऐसेट के लिए जिनमें forecast_hours > 0 है)

downward_longwave_radiation_flux वॉट/मी°^2 0* 100* 27,830 मीटर

डाउनवर्ड लॉन्गवेव रेडिएशन फ़्लक्स (यह 15 जनवरी, 2025 से उपलब्ध है, लेकिन सिर्फ़ उन ऐसेट के लिए जिनके लिए forecast_hours > 0 है)

upward_shortwave_radiation_flux वॉट/मी°^2 0* 1230* 27,830 मीटर

ऊपर की ओर जाने वाला शॉर्टवेव रेडिएशन फ़्लक्स (यह 15 जनवरी, 2025 से उपलब्ध होगा. हालांकि, यह सिर्फ़ उन ऐसेट के लिए उपलब्ध होगा जिनके लिए forecast_hours > 0 है)

upward_longwave_radiation_flux वॉट/मी°^2 0* 100* 27,830 मीटर

अपवर्ड लॉन्गवेव रेडिएशन फ़्लक्स (यह 15 जनवरी, 2025 से उपलब्ध होगा, लेकिन सिर्फ़ उन ऐसेट के लिए जिनके लिए forecast_hours > 0 है)

planetary_boundary_layer_height m 7.77* 6312.67* 27,830 मीटर

वायुमंडल की सबसे निचली परत की ऊंचाई (यह डेटा 15 जनवरी, 2025 से उपलब्ध होगा)

* अनुमानित न्यूनतम या अधिकतम वैल्यू

इमेज प्रॉपर्टी

इमेज प्रॉपर्टी

नाम टाइप ब्यौरा
creation_time DOUBLE

बनाए जाने का समय

forecast_hours DOUBLE

अनुमानित घंटे

forecast_time DOUBLE

पूर्वानुमान का समय

इस्तेमाल की शर्तें

इस्तेमाल की शर्तें

एनओएए के डेटा, जानकारी, और प्रॉडक्ट पर कॉपीराइट लागू नहीं होता. फिर चाहे, इन्हें किसी भी तरीके से डिलीवर किया जाए. साथ ही, आम लोगों के इन्हें इस्तेमाल करने पर कोई पाबंदी नहीं होती. डेटा मिलने के बाद, इसका इस्तेमाल किसी भी कानूनी काम के लिए किया जा सकता है. ऊपर दिया गया डेटा, सभी के लिए उपलब्ध है. इसे इस्तेमाल और डिस्ट्रिब्यूट करने पर कोई पाबंदी नहीं है.

उद्धरण

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

  • Alpert, J. सी॰, एस-वाई. Hong and Y-J. किम: 1996, ईएमसी एमआरएफ़ का इस्तेमाल करके, ग्रेविटी वेव ड्रैग के निचले ट्रोपोस्फ़ीयर को बेहतर बनाने के लिए, साइक्लोजेनेसिस की संवेदनशीलता", Proc. 11 Conf. On NWP, नॉर्फ़क, 322-323.

  • Alpert,J,, M. कानामित्सु, पी॰ एम॰ कैपलान, जे॰ जी॰ Sela, G. एच॰ व्हाइट, और ई. 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., जे॰ Morneau, and C. Charette, 2013: Four-dimensional ensemble-variational data assimilation for global deterministic weather prediction. Nonlinear Processes Geophys., 20, 669-682.

  • चुन, एच.-वाई., और जे.-जे. Baik, 1998: Momentum Flux by Thermally Induced Internal Gravity Waves and Its Approximation for Large-Scale Models. जे॰ Atmos. Sci., 55, 3299-3310.

  • चुन, एच॰-वाई॰, सॉन्ग, आई.-एस., Baik, J.-J. and Y.-J. किम. 2004: Impact of a Convectively Forced Gravity Wave Drag Parameterization in NCAR CCM3. जे॰ Climate, 17, 3530-3547.

  • चुन, एच॰-वाई॰, मिंग-डोंग सॉन्ग, किम, जे॰-डब्ल्यू॰, और जे॰-जे॰ Baik, 2001: Effects of Gravity Wave Drag Induced by Cumulus Convection on the Atmospheric General Circulation. जे॰ Atmos. Sci., 58, 302-319.

  • शेपर्ड ए॰ क्लफ़, एम॰डब्ल्यू॰ शेफ़र्ड, ई॰जे॰ म्लावर, जे॰एस॰ डेलामेयर, एम॰जे॰ इयाकोनो, के॰केडी-परेरा, एस॰ Boukabara, and P.D. Brown, 2005: Atmospheric radiative transfer modeling: A summary of the AER codes, J. Quant. Spectrosc. रेडिएट. Transfer, 91, 233-244. doi:10.1016/j.jqsrt.2004.05.058

  • एबर्ट, ई॰ई॰, और जे॰ए॰ करी, 1992: क्लाइमेट मॉडल के लिए, आइस क्लाउड की ऑप्टिकल प्रॉपर्टी का पैरामीटराइज़ेशन. जे॰ Geophys. Res., 97, 3831-3836.

  • क्यू॰ फ़ू, 1996: An Accurate Parameterization of the Solar Radiative Properties of Cirrus Clouds for Climate Models. जे॰ Climate, 9, 2058-2082.

  • Han, J., and H.-L. पैन, 2006: तूफ़ान की तीव्रता के पूर्वानुमान की संवेदनशीलता संवहन गति के परिवहन पैरामीटर के लिए. सोम. मौसम रेव., 134, 664-674.

  • Han, J., and H.-L. पैन, 2011: एनसीईपी के ग्लोबल फ़ोरकास्ट सिस्टम में, कन्वेक्शन और वर्टिकल डिफ़्यूज़न स्कीम में बदलाव. Weather and Forecasting, 26, 520-533.

  • हान, जे., एम॰ जे॰ विटेक Teixeira, R. Sun, H.-L. पैन, जे. के॰ Fletcher, and C. एस॰ 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.

  • यिंग हू, एस॰ मूर्ति और के॰ कैंपना, 2002: NCEP मॉडल में सौर विकिरण ट्रांसफ़र का पैरामीटर तय करना, NCEP Office Note #441, pp46. यहां उपलब्ध है

  • Hu, Y.X., and K. Stamnes, 1993: An accurate parameterization of the radiative properties of water clouds suitable for use in climate models. जे॰ Climate, 6, 728-74.

  • माइकल जे॰ इयाकोनो, ई॰जे॰ म्लॉवर, एस॰ए॰ क्लफ़, और जे॰-जे॰ 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.

  • जुआंग, एच-एम, वगैरह. 2014:जॉन रोड्स और मसाओ कानामित्सु की याद में रीजनल स्पेक्ट्रल मॉडल वर्कशॉप, बीएएमएस, ए. Met. Soc, ES61-ES65.

  • Kim, Y.-J., and A. अराकावा (1995), मेसोस्केल ग्रेविटी-वेव मॉडल का इस्तेमाल करके, ओरोग्राफ़िक ग्रेविटी वेव पैरामीटर को बेहतर बनाना, J. Atmos. Sci.,52, 875-1902.

  • डैनियल क्लाइस, टी॰, 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.

  • लॉट, एफ और एम. जे॰ मिलर: 1997, "A new subgrid-scale orographic drag parameterization: Its formulation and testing", QJRMS, 123, pp101-127.

  • एम॰जे॰ लॉवर, एस॰जे॰ टॉबमैन, पी॰डी॰ ब्राउन, एम॰जे॰ इयाकोनो, और एस॰ए॰ क्लफ़, 1997: Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated-k model for the longwave. जे॰ Geophys. Res., 102, 16663-16682.

  • सेला, जे., 2009: जीएफ़एस में सिग्मा-प्रेशर हाइब्रिड कोऑर्डिनेट को लागू किया गया. एनसीईपी ऑफ़िस नोट #461, pp25.

  • Sela, J., 2010: GFS के लिए, सिग्माप्रेशर हाइब्रिड कोऑर्डिनेट सेमी-लैग्रेंजियन मॉडल के समीकरणों का पता लगाया गया. एनसीईपी ऑफ़िस नोट #462 pp31.

  • फ़ेंग यांग, 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.

  • यांग, एफ॰, के॰ Mitchell, Y. यूहुई होउ, दाई, एक्स. Zeng, Z. वांग, और ज़ियाओहुआ चाई. 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.

डीओआई

Earth Engine की मदद से एक्सप्लोर करें

कोड एडिटर (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');

Python सेटअप

Python API के बारे में जानकारी पाने और इंटरैक्टिव डेवलपमेंट के लिए geemap का इस्तेमाल करने के लिए, Python एनवायरमेंट पेज देखें.

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
कोड एडिटर में खोलें