Python批量下载ERA5数据

news2024/11/26 4:28:13

1. ERA5数据简介

ERA5是第五代ECMWF大气再分析全球气候数据(ECMWF)，该数据集的第一部分现在可以公开使用(1979年到3个月内)。ERA5数据提供每小时的大气、陆地和海洋气候变量的估计值，地球数据精确到了30km网格，包括了137层的大气数据。
网址：ERA-5

2. 下载数据的准备工作

(1) 注册CDS账号

可使用邮箱直接注册，注册网址如下：https://cds.climate.copernicus.eu/user/register?destination=%2F%23!%2Fhome
注册完后查看自己的邮箱，会给个链接设置密码。

(2) 获取API key

注册完成后，进行登录，点击右上角的用户，查看用户信息，找到下图框出的API key：

(3) 创建".cdsapirc"文件

在路径 “C:\Users\用户名” 底下创建 “.cdsapirc” 文件（打开文本文档，输入下面内容后，另存为，选择文件类型-”所有文件“，文件名： “.cdsapirc”），在 “.cdsapirc” 文件输入的内容如下：

url: https://cds.climate.copernicus.eu/api/v2
key: UID:API Key

其中UID替换为上图红框给出的UID的数字，API key也替换为红框框住部分的数字。

(4) 安装cdsapi第三方库

pip install cdsapi

在这里插入图片描述

3. 批量下载

以下载ERA5-Land hourly data from 1950 to present中的数据举例：

选择自己需要的数据、年份、月份、天、时间、以及空间位置

在这里插入图片描述

然后下滑到最后，点击“Show API request” 选项，得到下面所示的图，其中“Terms of use”是一些条例，得先点击同意，才能下载。
将上述代码复制到一个.py文件下，然后Python运行，即可下载再分析数据。

4. 批量下载数据

例如，要下载 “ERA5 hourly data on single levels from 1979 to present” 数据集中1979年到2020年每个月的全球2 m温度再分析数据，并保存为nc文件。

import cdsapi
import calendar

c = cdsapi.Client()  # 创建用户

# 数据信息字典
dic = {
    'product_type': 'reanalysis',  # 产品类型
    'format': 'netcdf',  # 数据格式
    'variable': '2m_temperature',  # 变量名称
    'year': '',  # 年，设为空
    'month': '',  # 月，设为空
    'day': [],  # 日，设为空
    'time': [  # 小时
        '00:00', '01:00', '02:00', '03:00', '04:00', '05:00',
        '06:00', '07:00', '08:00', '09:00', '10:00', '11:00',
        '12:00', '13:00', '14:00', '15:00', '16:00', '17:00',
        '18:00', '19:00', '20:00', '21:00', '22:00', '23:00'
    ]
}

# 通过循环批量下载1979年到2020年所有月份数据
for y in range(1979, 2021):  # 遍历年
    for m in range(1, 13):  # 遍历月
        day_num = calendar.monthrange(y, m)[1]  # 根据年月，获取当月日数
        # 将年、月、日更新至字典中
        dic['year'] = str(y)
        dic['month'] = str(m).zfill(2)
        dic['day'] = [str(d).zfill(2) for d in range(1, day_num + 1)]
        filename = 'E:\\Data\\ERA5\\1979-2020\\2m_temperature\\' 
        			+ str(y) + str(m).zfill(2) + '.nc'  # 文件存储路径
        c.retrieve('reanalysis-era5-single-levels', dic, filename)  # 下载数据