GEE数据集:ERA5 每日汇总 - 由 ECMWF / Copernicus Climate Change Service制作的最新气候再分析数据集
GEE水生态环境数据集:
- 开源数据:主要的开源的夜光遥感数据
- GEE数据集:CHIRPS Pentad高分辨率的全球网格降雨数据集
- GEE数据集:将全国水电站分布及其装机容量导出为CSV表格
- GEE数据集:TerraClimate爱达荷大学全球陆地表面的每月气候和气候水平衡数据集
- GEE数据集:ERA5 每日汇总 - 由 ECMWF / Copernicus Climate Change Service制作的最新气候再分析数据集
(持续更新中……)
1、数据集介绍
ERA5 Daily Aggregates - Latest Climate Reanalysis Produced by ECMWF / Copernicus Climate Change Service
ERA5 每日汇总 - 由 ECMWF / Copernicus Climate Change Service制作的最新气候再分析
ERA5 是对全球气候的第五代 ECMWF 大气再分析。再分析将模型数据与来自世界各地的观察结果结合成一个全球完整且一致的数据集。ERA5 取代了其前身 ERA-Interim 再分析。
ERA5 DAILY 每天提供七个 ERA5 气候再分析参数的汇总值:2m 气温、2m 露点温度、总降水量、平均海平面压力、地表压力、10m 风的 u 分量和 10m 的风分量。此外,根据每小时 2m 气温数据计算了每天 2m 处的最低和最高气温。每日总降水量值以每日总和的形式给出。所有其他参数均以每日平均值的形式提供。
ERA5 数据可从 1979 年实时获取到三个月。更多信息和更多 ERA5 大气参数可以在 哥白尼气候数据存储中找到。
提供者说明:每日汇总是根据每个参数的 ERA5 小时值计算的。
相关介绍:
- ERA5是气象海洋最常用的一个再分析产品,是ECMWF对全球气候的第五代大气再分析。目前ECMWF的数值预报结果公认的世界领先,很大程度是因为其先进的资料同化系统。再分析资料是使用资料同化的方法,将模型数据与来自世界各地的观测数据与结合起来,形成一个全球完整的、一致的数据集。
- 目前,ERA5数据集由ERA5,ERA5.1和ERA5-Land组成。ERA5替代了ERA-Interim再分析数据。
- ERA5是综合的再分析资料,时间跨度从1979年(很快将追溯到1950年)到近实时,它在上层大气和近地表尽可能的同化了很多的观测数据。ERA5大气模型与陆地表面模型和波浪模型相耦合。
- ERA5支持扩展(初步版本):目前可获取从1950年-1978年的数据,与ERA5分离开(1979年至今)。尽快在很多方面数据集的质量是相当满意的,但它表现出受热带气旋的影响,有时影响非常剧烈。针对这方面的问题,当前发布的支持扩展只是初步版本,直到ERA51950至近实时的版本更新发布。
- ERA5.1:是针对2000年-2006年,ERA5的重新运行版本,为了改善ERA5在这段时间内对流层下界冷偏差明显。ERA5在大部分对流层的特性与ERA5.1相似。
- ERA5-Land:是陆地表面数据集,时间跨度从1981年(很快会追溯到1950年)至今(缺少近2个月),提供了更高分辨率(9km)和由通过温度梯度校正的ERA5大气参数驱动,但没有额外的数据同化。
- ERA5-Land是通过ECMWF ERA5再分析模型生产的再分析数据集。该模型通过物理法则将来自世界各地的观测数据结合到一个全球完整且一致的数据集中。该数据集包括了自1981年以来,表征温度、湖泊、积雪、土壤水分、辐射和热量、蒸散和径流、风速、气压、降水量及植被的50种指标的月动态数据,空间分辨率为0.1°×0.1°(约9×9 km2网格),可以准确地描述过去的气候状况。
- 通常,获取ERA5数据集通过CDS方式。完整的数据集在ECMWF磁带存档(MARS),但是一部分在特定的经度和纬度地区数据子集(所有的ERA5-Land数据)已修改并放到CDS盘中,通过CDS获取数据比MARS快,所以在条件允许的情况下最后使用CSD盘获取数据。
2、数据集波段
名称 | 单位 | 最小值 | 最大值 | 描述 |
---|---|---|---|---|
mean_2m_air_temperature
|
ķ | 223.6* | 304* |
2m高处平均气温(日平均值) |
minimum_2m_air_temperature
|
ķ | 220.7* | 300.8* |
2m高处最低气温(每日最低) |
maximum_2m_air_temperature
|
ķ | 225.8* | 310.2* |
2m高处的最高气温(每日最高) |
dewpoint_2m_temperature
|
ķ | 219.3* | 297.8* |
2m高度露点温度(日平均值) |
total_precipitation
|
米 | 0* | 0.02* |
总降水量(每日总和) |
surface_pressure
|
帕 | 65639* | 102595* |
表面压力(日平均) |
mean_sea_level_pressure
|
帕 | 97657.4* | 103861* |
平均海平面压力(日平均) |
u_component_of_wind_10m
|
米秒-1 | -11.4* | 11.4* |
10m 风的 u 分量(日平均值) |
v_component_of_wind_10m
|
米秒-1 | -10.1* | 10.1* |
10m 风的 v 分量(日平均值) |
3、GEE数据加载与使用
(1)JavaScript代码
// Example script to load and visualize ERA5 climate reanalysis parameters in
// Google Earth Engine// Daily mean 2m air temperature
var era5_2mt = ee.ImageCollection('ECMWF/ERA5/DAILY').select('mean_2m_air_temperature').filter(ee.Filter.date('2019-07-01', '2019-07-31'));
print(era5_2mt);// Daily total precipitation sums
var era5_tp = ee.ImageCollection('ECMWF/ERA5/DAILY').select('total_precipitation').filter(ee.Filter.date('2019-07-01', '2019-07-31'));// Daily mean 2m dewpoint temperature
var era5_2d = ee.ImageCollection('ECMWF/ERA5/DAILY').select('dewpoint_2m_temperature').filter(ee.Filter.date('2019-07-01', '2019-07-31'));// Daily mean sea-level pressure
var era5_mslp = ee.ImageCollection('ECMWF/ERA5/DAILY').select('mean_sea_level_pressure').filter(ee.Filter.date('2019-07-01', '2019-07-31'));// Daily mean surface pressure
var era5_sp = ee.ImageCollection('ECMWF/ERA5/DAILY').select('surface_pressure').filter(ee.Filter.date('2019-07-01', '2019-07-31'));// Daily mean 10m u-component of wind
var era5_u_wind_10m = ee.ImageCollection('ECMWF/ERA5/DAILY').select('u_component_of_wind_10m').filter(ee.Filter.date('2019-07-01', '2019-07-31'));// Convert pressure levels from Pa to hPa - Example for surface pressure
var era5_sp = era5_sp.map(function(image) {return image.divide(100).set('system:time_start', image.get('system:time_start'));
});// Visualization palette for total precipitation
var visTp = {min: 0,max: 0.1,palette: ['#FFFFFF', '#00FFFF', '#0080FF', '#DA00FF', '#FFA400', '#FF0000']
};// Visualization palette for temperature (mean, min and max) and 2m dewpoint
// temperature
var vis2mt = {min: 250,max: 320,palette: ['#000080', '#0000D9', '#4000FF', '#8000FF', '#0080FF', '#00FFFF', '#00FF80','#80FF00', '#DAFF00', '#FFFF00', '#FFF500', '#FFDA00', '#FFB000', '#FFA400','#FF4F00', '#FF2500', '#FF0A00', '#FF00FF']
};// Visualization palette for u- and v-component of 10m wind
var visWind = {min: 0,max: 30,palette: ['#FFFFFF', '#FFFF71', '#DEFF00', '#9EFF00', '#77B038', '#007E55', '#005F51','#004B51', '#013A7B', '#023AAD']
};// Visualization palette for pressure (surface pressure, mean sea level
// pressure) - adjust min and max values for mslp to min:990 and max:1050
var visPressure = {min: 500,max: 1150,palette: ['#01FFFF', '#058BFF', '#0600FF', '#DF00FF', '#FF00FF', '#FF8C00', '#FF8C00']
};// Add layer to map
Map.addLayer(era5_tp.filter(ee.Filter.date('2019-07-15')), visTp,'Daily total precipitation sums');
Map.addLayer(era5_2d.filter(ee.Filter.date('2019-07-15')), vis2mt,'Daily mean 2m dewpoint temperature');
Map.addLayer(era5_2mt.filter(ee.Filter.date('2019-07-15')), vis2mt,'Daily mean 2m air temperature');
Map.addLayer(era5_u_wind_10m.filter(ee.Filter.date('2019-07-15')), visWind,'Daily mean 10m u-component of wind');
Map.addLayer(era5_sp.filter(ee.Filter.date('2019-07-15')), visPressure,'Daily mean surface pressure');Map.setCenter(21.2, 22.2, 2);
(2)python代码
# 在GEE中加载 ERA5 气候再分析数据实例# Daily mean 2m air temperature //7月份地表2m处的日均气温
era5_2mt = ee.ImageCollection('ECMWF/ERA5/DAILY') \.select('mean_2m_air_temperature') \.filter(ee.Filter.date('2019-07-01', '2019-07-31'))
# print(era5_2mt)# Daily total precipitation sums //7月降水量总计
era5_tp = ee.ImageCollection('ECMWF/ERA5/DAILY') \.select('total_precipitation') \.filter(ee.Filter.date('2019-07-01', '2019-07-31'))# Daily mean 2m dewpoint temperature //7月份地表2m处的平均日露点温度
era5_2d = ee.ImageCollection('ECMWF/ERA5/DAILY') \.select('dewpoint_2m_temperature') \.filter(ee.Filter.date('2019-07-01', '2019-07-31'))# Daily mean sea-level pressure //7月份日均海平面气压
era5_mslp = ee.ImageCollection('ECMWF/ERA5/DAILY') \.select('mean_sea_level_pressure') \.filter(ee.Filter.date('2019-07-01', '2019-07-31'))# Daily mean surface pressure //7月份地表平均气压
era5_sp = ee.ImageCollection('ECMWF/ERA5/DAILY') \.select('surface_pressure') \.filter(ee.Filter.date('2019-07-01', '2019-07-31'))# Daily mean 10m u-component of wind //7月份地表10m处风的u组分
era5_u_wind_10m = ee.ImageCollection('ECMWF/ERA5/DAILY') \.select('u_component_of_wind_10m') \.filter(ee.Filter.date('2019-07-01', '2019-07-31'))# Convert pressure levels from Pa to hPa - Example for surface pressure
# 将气压单位由Pa转换为hPa
def func_xtx(image):return image.divide(100).set('system:time_start', image.get('system:time_start'))era5_sp = era5_sp.map(func_xtx)# Visualization palette for total precipitation
# 降水量可视化设置
visTp = {'min': 0,'max': 0.1,'palette': ['#FFFFFF', '#00FFFF', '#0080FF', '#DA00FF', '#FFA400', '#FF0000']
}# Visualization palette for temperature (mean, min and max) and 2m dewpoint
# temperature
vis2mt = {'min': 250,'max': 320,'palette': ['#000080', '#0000D9', '#4000FF', '#8000FF', '#0080FF', '#00FFFF', '#00FF80','#80FF00', '#DAFF00', '#FFFF00', '#FFF500', '#FFDA00', '#FFB000', '#FFA400','#FF4F00', '#FF2500', '#FF0A00', '#FF00FF']
}# Visualization palette for u- and v-component of 10m wind
visWind = {'min': 0,'max': 30,'palette': ['#FFFFFF', '#FFFF71', '#DEFF00', '#9EFF00', '#77B038', '#007E55', '#005F51','#004B51', '#013A7B', '#023AAD']
}# Visualization palette for pressure (surface pressure, mean sea level
# pressure) - adjust min and max values for mslp to min:990 and max:1050
visPressure = {'min': 500,'max': 1150,'palette': ['#01FFFF', '#058BFF', '#0600FF', '#DF00FF', '#FF00FF', '#FF8C00', '#FF8C00']
}# Add layer to map
Map.addLayer(era5_tp.filter(ee.Filter.date('2019-07-15')), visTp,'Daily total precipitation sums')
Map.addLayer(era5_2d.filter(ee.Filter.date('2019-07-15')), vis2mt,'Daily mean 2m dewpoint temperature')
Map.addLayer(era5_2mt.filter(ee.Filter.date('2019-07-15')), vis2mt,'Daily mean 2m air temperature')
Map.addLayer(era5_u_wind_10m.filter(ee.Filter.date('2019-07-15')), visWind,'Daily mean 10m u-component of wind')
Map.addLayer(era5_sp.filter(ee.Filter.date('2019-07-15')), visPressure,'Daily mean surface pressure')Map.setCenter(21.2, 22.2, 2)
为了更加直观的观察数据分布,叠加世界行政区边界
# 加载行政区边界
countries_shp = '../data/countries.shp'
countries = geemap.shp_to_ee(countries_shp)Map.addLayer(ee.Image().paint(countries, 0, 1), {'palette':'darkblue'}, 'world countris')
(3)结果展示如下
截取局部区域(我国地区)
4、ERA5数据集引用
Copernicus Climate Change Service (C3S) (2017): ERA5: Fifth generation of ECMWF atmospheric reanalyses of the global climate. Copernicus Climate Change Service Climate Data Store (CDS), (date of access), https://cds.climate.copernicus.eu/cdsapp#!/home
参考:
- https://blog.csdn.net/wuwenhuanwu/article/details/114504373
- https://developers.google.com/earth-engine/datasets/catalog/ECMWF_ERA5_DAILY#description
GEE数据集:ERA5 每日汇总 - 由 ECMWF / Copernicus Climate Change Service制作的最新气候再分析数据集相关推荐
- GEE数据集:TerraClimate爱达荷大学全球陆地表面的每月气候和气候水平衡数据集
GEE水生态环境数据集: 开源数据:主要的开源的夜光遥感数据 GEE数据集:CHIRPS Pentad高分辨率的全球网格降雨数据集 GEE数据集:将全国水电站分布及其装机容量导出为CSV表格 GEE数 ...
- GEE开发之ERA5(气温、降水、压力、风速等)数据获取和分析
GEE开发之ERA5(气温.降水.压力.风速等)数据获取和分析 1.ERA5介绍 2.初始ERA5数据 2.1 DAILY代码 2.2 MONTHLY代码 3.遥感影像查看(DAILY之mean_2m ...
- WRF中使用ERA5再分析数据
本人在做一些实例时,需要用到最新的ERA5再分析数据集.我下载的是ERA5 hourly data on pressure levels form 1979 to present和ERA5 ho ...
- GEE在ERA5数据集中提取流域日均温度
GEE在ERA5数据集中提取流域日均温度 主要思路 代码 结果 致谢 主要思路 当我们要提取国外影像的长时间序列.或大尺度地理信息时,可以考虑利用GEE快速实现,免去数据下载和本地存储.运算的麻烦.本 ...
- 2017校招信息每日汇总(更新至8.4)
2017校招信息每日汇总(更新至8.4) 2016-07-25 18:24:05 校招攻略 [想获取内推方式请在APP客户端评论区留邮箱,我们会邮件联系你] U料内推群: 2017秋季校招内推2群 Q ...
- work信息每日汇总
2017校招信息每日汇总(更新至8.4) U料内推群: 2017秋季校招内推2群 QQ群:479240746 2017秋季校招内推3群 QQ群:156824553 百度2017(可内推) [招聘职位] ...
- access如何查询两张表的内容_Access使用技术2:使用交叉表查询向导进行每日汇总...
个人主页:http://office-access.cn 公众号:DataMapHuanyu Access使用技术2:使用交叉表查询向导进行每日汇总 Access交叉表查询可以合并每日的量,日汇总功能 ...
- sklearn数据集分割方法汇总
一.简介 在现实的机器学习任务中,我们往往是利用搜集到的尽可能多的样本集来输入算法进行训练,以尽可能高的精度为目标,但这里便出现一个问题,一是很多情况下我们不能说搜集到的样本集就能代表真实的全体,其分 ...
- ERA5再分析数据(一)
ERA5 数据集介绍 ERA5数据集大家庭 ERA5 ERA5.1 ERA5-Land ERA5数据集大家庭 ERA5 ERA5是一种综合性的再分析数据,ECMWF的Integrated Foreca ...
最新文章
- Pytorch | BERT模型实现,提供转换脚本【横扫NLP】
- 3.IT-解决方案-3-Backup-Sql
- python编程需要什么软件-python编程用哪个软件
- 史上最全的机器学习资料(上)
- 传递list对象作为参数_24.scala的隐式参数
- 实现机器学习的循序渐进指南II——决策树
- android studio刷rom,Android Studio 之 ROM【1】, Entity,Dao,Database
- mysql查询值替换_MySQL选择查询替换值
- JAVA Graphics2D种drawLine方法
- IT基础架构规划方案一(网络系统规划)
- 一次解锁三个BIG分析图制作思路,畅快!
- WIN10 宽带拨号自动连接设置
- Linux分卷压缩zip文件命令,linux下的几种分卷压缩命令
- 最小割的必须割边和可行割边
- Excel 根据序号分组
- python打字测试源码,在线打字
- 腾讯云.xb 数据库备份恢复
- 递推与递归 (区别)
- sentence Bert解读及代码示例
- CSDN1024勋章获得方法
热门文章
- android wait和sleep区别,Android Sleep和Wait区别
- [转载] 图像处理入门教程
- 计算机专业英语听力答案,计算机专业英语答案.doc
- 湖南大学STC学习板导航键的使用
- 聊一聊基于激光雷达的车道线检测该怎么做
- 如何让win7系统发声 win7系统讲述人功能
- 别怕变老吉他谱(完美还原艾热个人直播版本)
- 细数Ubutu18.04上安装wine版微信(2.6.8)遇到的坑
- LOTO示波器 软件功能 井字测量光标的锁定功能用于跨屏幕测量
- 如何利用开源风控系统(星云)防止撞库?