探索Python融合地学：一文教会你下载ERA5-Land数据

原创已于 2025-11-08 20:18:38 修改 · 1.4k 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#python #数据库 #地理 #googlecloud

于 2025-11-03 23:55:13 首次发布

该文章已生成可运行项目，

再分析数据在气象学领域用的比较多，下载数据有的时候还挺头疼的。今天小编教你下载ERA5-Land数据的三种方式。话不多说，咱们学起来！

一、官网下载

贴出官网：https://cds.climate.copernicus.eu/datasets/reanalysis-era5-land?tab=download

相较于ERA5数据，Land数据空间分辨率提高了，为0.1°格网，时间分辨率同样是逐小时，可以说已经很方便大家开展各项研究了。

第一步：注册个人账号，在右上角的人像这里点击可以注册个人的账号，这里不多说。

第二步：点击“Download”，进入下载界面，在下载界面你可以看到很多气象变量，我们随便选择一种气象要素，比如风的U/V分量，支持多选。

第三步：选择研究时段，这里可以选择某年某个月的所有日期的数据。bug在于，它只能一个月一个月申请下载，如果你研究时间尺度很长，每一年得点12下，下载12份文件，再下载下一年的。所以，如果你是一个体验者，推荐用这种方法。如果你是一个研究者，想要快读完成数据下载，建议用后面小编罗列的代码方法。

第四步：确定研究区域，如果你的研究区域是全区，选择第一个即可，不用更改，但大多数人都是以小区域研究为主，所以可以选择“Sub-Region”，填写上经纬度的范围坐标。

第五步：确定数据格式，一般选择NetCDF4即NC文件。

第六步：确定提交申请，点击“Submit form”，再点击右上角的“Your Requests”，进去后可以看到你刚刚提交的申请链接，等读取后，点击下载即可。此过程需要一些时间，还望大家见谅。

以上是ERA5-Land数据的官网下载方式，ERA5系列数据采用这种方式也可以下载，而且也挺方便的，因为ERA5数据可以按照年份直接打包12个月的数据，不需要一个月一个月单独下载。

二、Python代码下载

如果你需要多年多月多小时的数据，那么我相信第二种方法会很适合你。

工具：配置Python环境，这里我用的是PyCharm。

第一步：一样的，先打开下载界面，找到“Terms of use”，点击“Accepted”，不然下载不了。

第二步：点击右上角头像，弹出窗口中有“Your profile”，点击进入

第三步：在界面中下滑，找到“API key”，找到ur1和key，点击右侧的“复制”符号。

第四步：选择C盘，点击用户→用户名，在里面新建一个txt文件，命名为“.cdsapirc”。将第三步复制的链接和密钥粘贴到文本里面，保存下来，这个文件非常有用。

第五步：进入编译器，搜索cdsapi包，安装最新版。

第六步：贴上代码，想要的拿去。

import cdsapi
import os
from pathlib import Path

# 创建保存目录
save_dir = Path(r"H:\Wind_U_V")
save_dir.mkdir(parents=True, exist_ok=True)

# ERA5-Land数据集名称
dataset = "reanalysis-era5-land"

# 初始化CDS API客户端
client = cdsapi.Client()

# 循环处理2023年每个月的数据
for month in range(1, 13):
    # 将月份格式化为两位数字符串
    month_str = f"{month:02d}"

    # 根据月份确定天数（考虑不同月份的天数差异）
    if month in [1, 3, 5, 7, 8, 10, 12]:
        days = [f"{day:02d}" for day in range(1, 32)]
    elif month in [4, 6, 9, 11]:
        days = [f"{day:02d}" for day in range(1, 31)]
    else:  # 2月（2023年不是闰年）
        days = [f"{day:02d}" for day in range(1, 29)]

    # 构建请求参数
    request = {
        "variable": [
            "10m_u_component_of_wind",
            "10m_v_component_of_wind"
        ],
        "year": "2023",
        "month": month_str,
        "day": days,
        "time": [
            "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"
        ],
        "data_format": "netcdf",
        "download_format": "unarchived",
        "area": [54, 72, 4, 137]
    }

    # 设置输出文件名
    output_filename = save_dir / f"ERA5_Land_wind_2023_{month_str}.nc"

    print(f"正在下载2023年{month_str}月的数据...")

    try:
        # 下载数据
        client.retrieve(dataset, request).download(output_filename)
        print(f"成功下载: {output_filename}")
    except Exception as e:
        print(f"下载2023年{month_str}月数据时出错: {e}")

print("所有月份数据下载完成！")

这段代码能够实现对单年逐月逐小时ERA5-Land双变量数据的下载。

运行后，控制台状态如下：

三、Google Earth Engine平台下载

官网贴上：https://earthengine.google.com/

第一步：在GEE平台上找到数据集，这里可以查看数据集的基本信息，调用代码，波段信息等。

我们的目标是下载1970-2025年逐小时的风速数据，所以需要先选择u、v两个波段，按照风速的公式计算，完成后再导出。

非常喜欢GEE，这样我们就不用下载两个变量了。

第二步，打开GEE的编译器，贴上代码，这里我是按照月度数据合成的。

代码如下：

// 导入ERA5 Land数据集
var dataset = ee.ImageCollection('ECMWF/ERA5_LAND/HOURLY');

// 设置时间范围（1970年到2025年）
var start_date = '1970-01-01';
var end_date = '2025-12-31';

// 选择u和v风速分量
var u_component = dataset.select('u_component_of_wind_10m');  // 10m u-component of wind
var v_component = dataset.select('v_component_of_wind_10m');  // 10m v-component of wind

// 计算风速（m/s）
// 使用 map() 遍历每个图像并对每个图像应用平方、相加、开方操作
var wind_speed = u_component.map(function(image) {
  var u_squared = image.pow(2);  // 计算u分量的平方
  var v_squared = v_component.filterDate(image.date()).first().pow(2);  // 同样计算v分量的平方
  return u_squared.add(v_squared).sqrt();  // 合并并计算风速
});

// 定义中国范围，坐标范围为：东经73.4°~135°，北纬18°~53°
var china_region = ee.Geometry.Polygon([
  [[73.4, 18], [135, 18], [135, 53], [73.4, 53]]
]);

// 计算1970年到2025年的逐月逐小时风速数据
var years = ee.List.sequence(1970, 2025);

// 按年和月合成风速数据
years.getInfo().forEach(function(year) {
  var start = ee.Date.fromYMD(year, 1, 1); // 当前年份的起始日期
  var end = ee.Date.fromYMD(year, 12, 31);  // 当前年份的结束日期
  
  // 按月份合成（逐月合成）
  for (var month = 1; month <= 12; month++) {
    var monthly_wind_speed = wind_speed
      .filterDate(start.advance(month-1, 'month'), start.advance(month, 'month')) // 过滤出每月的数据
      .mean() // 计算该月的风速均值
      .clip(china_region);  // 限定区域为中国

    // 导出每月的风速数据
    Export.image.toDrive({
      image: monthly_wind_speed,
      description: 'wind_speed_' + year + '_' + month,
      scale: 1000,  // 设置分辨率，ERA5 Land数据分辨率是31km，设置为1000m
      region: china_region,
      fileFormat: 'GeoTIFF',
      maxPixels: 1e8  // 限制最大像素数
    });
  }
});

// 计算逐小时风速数据并导出
var hourly_wind_speed = wind_speed
  .filterDate(start_date, end_date)
  .filterBounds(china_region)
  .map(function(image) {
    var hour = ee.Date(image.get('system:time_start')).get('hour'); // 获取时间中的小时
    return image.set('hour', hour); // 为每个影像添加小时标签
  });

// 导出逐小时数据（每小时导出为一个GeoTIFF文件）
hourly_wind_speed.evaluate(function(result) {
  result.features.forEach(function(feature) {
    var hour = feature.properties.hour;
    var image = ee.Image(feature.id);  // 获取对应的影像
    var file_name = 'wind_speed_' + ee.Date(feature.properties['system:time_start']).format('YYYYMMdd_HH').getInfo();

    // 导出每小时的风速数据
    Export.image.toDrive({
      image: image,
      description: file_name,
      scale: 1000,
      region: china_region,
      fileFormat: 'GeoTIFF',
      maxPixels: 1e8
    });
  });
});

综上，如果需要效率比较高的话，我推荐第二种方式，当然，如果你是GEE老用户，用第三种方式也行。祝大家下载数据愉快！

还有一点需要提醒，如果你是要做中国区域的分析，记得把下载出来的数据转成中国区域的时间再做分析哈，ERA5数据用的是UTC时间！！要加8小时才能变成中国时间！不然就是个big mistake！

今天的内容就分享到这里，希望对大家有帮助！

本文章已经生成可运行项目