ERA5 total precipitation的单位

E.die

已于 2022-05-21 20:09:13 修改

阅读量1.4w

点赞数 45

文章标签：其他

于 2021-07-16 11:30:22 首次发布

本文链接：https://blog.csdn.net/Heyyellman/article/details/118788291

版权

ERA5降雨数据的月均和小时均数据单位存在误解。月均数据的标注单位是m，但实际上代表每天的平均值，需乘以当月天数并转换为mm。小时均数据的单位也是m，意味着该小时的降雨总量。要将单位从m转换为mm，只需乘以1000。了解这些细节对于正确解读和使用数据至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ERA5 降雨数据包括月均数据和小时均数据，切记在使用任何数据前一定要查看清楚单位，确定实际单位，以及相关含义！！！！！

①月均数据

月均数据中降雨量的标注单位是 m，但实际的含义是 m (per day)，我也不知道为什么C3S偷懒不标注清楚 -_-||

整个月的降雨总量（mm）：total (mm per month) =1000* 这个月的月均降雨量*这个月的总天数

参考链接：A question about ERA5 monthly total precipitation on single levels unit - Copernicus User Support Forum - ECMWF Confluence Wiki

②小时均数据

小时均降雨量的标注单位是 m，但实际含义是 m（this hour）（即该小时的总降雨量）

把单位从（m）转换为（mm）如下：

该小时的降雨总量（mm）: total（mm this hour） = 1000*该小时均降雨量（m）

参考链接：

https://confluence.ecmwf.int/pages/viewpage.action?pageId=197702790

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

E.die

关注关注

45
点赞
踩
94

收藏

觉得还不错? 一键收藏
20
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【PyGIS】ERA5降雨蒸散发数据预处理

```On Earth, Be Water, By Coding```

10-27

2401

ERA5-LAND降雨蒸散发数据预处理

Google Earth Engine（GEE）——全球ECMWF/ERA5/DAILY（气温、降水）逐日数据下载（全球）

此星光明博客

01-30

477

ERA5是ECMWF对全球气候的第五代大气再分析。再分析将模型数据与来自世界各地的观测数据结合起来，形成一个全球完整的、一致的数据集。ERA5取代了其前身ERA-Interim再分析。 ERA5 DAILY提供每天7个ERA5气候再分析参数的汇总值：2米空气温度、2米露点温度、总降水量、平均海平面气压、表面气压、10米u风分量和10米v风分量。此外，根据每小时的2米空气温度数据，计算出2米处的每日最低和最高空气温度。每日总降水值以每日总和给出。所有其他参数都以日平均数提供。 ERA5的数据从1979年到

20 条评论您还未登录，请先登录后发表或查看评论

ERA5-hourly-total precipitation的单位换算问题：m转为mm

【更新于公众号 | 简谱学记】

07-08

5613

Conversion table for accumulated variables (total precipitation/fluxes)

ERA5 数据介绍

最新发布

m0_72141699的博客

03-20

1978

ERA5 是由欧洲中期天气预报中心（ECMWF）提供的第五代全球大气再分析数据集，广泛应用于气象、气候、环境等领域的研究。ERA5 数据库本身包含多个不同的产品和数据集，涵盖不同空间分辨率、时间尺度和物理变量。

ERA5降雨（Total Precipitation）全球逐小时数据下载

qq_41644037的博客

09-29

1160

数据量实在太多，ERA5全球数据需要一个月一个月逐个下载，所以也参考了网上的大佬们的代码，改编了一下，这里分享一下每个月下载的代码，因为传输过程随时可能中断，所以最好用个try反复一下，但本人的python 还没精进到那个地步，不会用-- 以后再说吧。不过前提是注册了账号，以及在 vim $HOME/.cdsapirc 目录里面有自己的账号和API，详细过程可以参照这位的过程。今年暴雨也挺多的，下了ERA5所有数据想进行分析极端暴雨，过程中遇到很多问题。保存后才能用批量下载的代码正常下载。

ERA5 Land 降雨（Total precipitation）和径流（Runoff）数据

qq_41644037的博客

09-27

1506

每日的00时是前一天的累积量，比如 2010年5月2日的TP_2010050200 是 2010年5月1日00时至23时的总累计量。所以当需要逐小时数据，需要把从每天的时次减去前一个时次，从01时开始，2010050100不用变，02时则需要将 2010050200-2010050100，03时则 2010050300 - 2010050200，依次类推至下一日的00时，2010050300-2010050223，然后 2010050301不变，循环如此。ERA5 逐小时数据遇到的问题。

如何利用ERA5逐小时降数据计算一天的降水数据，并且将单位转换成mm

weixin_44259522的博客

01-08

3294

方程的最后部分是将所有小时内的降水量加和，包括第二天的00:00 UTC时刻的降水量，然后将结果乘以1000，以得到降水总量的毫米单位。这个方程的目的是计算特定时间段（24小时）内的总降水量，考虑了每个小时内的降水以及第二天的00:00 UTC时刻的降水。这个方程用于计算在特定时间段内（通常是一天的小时内），所有小时内的降水总量。表示从第1小时到第23小时的每小时降水量的总和。表示在第二天的00:00 UTC时刻的降水量。表示每小时的降水量，单位是米。表示总降水量，单位是毫米。是将单位从米转换为毫米。

era5降水数据

m0_71308123的博客

04-29

475

链接:https://pan.baidu.com/s/1s97Ag7mnQIGQvicVt1zctw?不过这两个数据不太好获取，前者需要气象数据中心账号升级为科研工作者，需要项目说明；后者需要给数据作者发邮件获取。两个都利用全国降水站点数据进行了校正，在中国区是优于其他产品的。era5中的Total precipition和实况相差很大。如果没有实测降水，推荐CLDAS和CN5.1的降水作为替代。【超级会员V5】通过百度网盘分享的文件：00 - CN0…

ERA5月度降水量数据下载——GEE

南柯

10-08

716

【代码】ERA5月度降水量数据下载——GEE。

ERA5-Land hourly data数据直接计算出来数据量偏大，monthly单位等

lt20171011的博客

09-17

3221

ERA5-Land hourly data数据直接计算出来数据量偏大，，ERA5-Land monthly averaged的单位。ERA5-land的累积约定和ERA5的不一样，所以计算的时候要注意了。如果有关于ERA5数据的问题，可以去官方的相关论坛中寻求帮助。也可以自己直接去网页上找“Contact us”，然后点链接进去，申请一个账号，去提交问题。

Python预处理era5气象数据、遥感数据，时间单位分别为年月日数据汇总交集，最后单位为日

BBQpotato的博客

07-28

4406

最后是列标签为天数的臭氧数据，该数据有许多-9999和0 即未观测到的数据，需要做预处理，并且对应到某天。处理单位为年的数据和简单，因为相关表格都是2015年的数据，直接按照站点不同直接concat就可以了。单位为月的数据有前体物，列标签为 _月份 + 产生前体物的方式 + 产生的前体物。读取温度数据，因为最后的单位是每日，因此需要将年数据concat到日数据中。起初是剔除异常值就可以，后续发现剔除后数据太少，改为剔除数据的15%不足之处是没有写批量处理文件的代码，一共有8年的数据都是手动替换的。

Moisture_analysis:简单的水分分析基于可降水量和总降水量

03-09

水分分析 mositure_analysis.py中的程序包含三个部分：绘制可降水量概率分布图情节降水概率分布绘制PW与TP关系测试数据包含ERA5重新分析和GEFS输出。测试图存储在水分_analysis_fig.pdf中叶家成2021年3月8日，王卓博士指导

python处理era5,如何使用Python处理ERA5每小时的陆上数据？

weixin_31517893的博客

11-29

1196

I recently started to use ERA5 land-hourly data and python code.I will use data of 2 variables (total precipitation and 2 metre temperature) from an entire year (2017).Data downloaded are in GRIB or n...

ERA5数据下载及其预处理

weixin_53731307的博客

09-02

6067

（5）

【数据集】ERA5（欧洲中期天气预报中心）再分析数据介绍及下载

WW、forever的博客

11-02

1万+

简介EAR5数据集及下载步骤

【PyGIS】使用cdsapi下载ERA5和ERA5_land逐小时数据并读取

```On Earth, Be Water, By Coding```

07-03

1966

再分析将模型数据与来自世界各地的观测数据结合起来，使用物理定律形成一个全球完整和一致的数据集。这一原理被称为数据同化，其基础是数值天气预报中心所使用的方法，即每隔若干小时（欧洲中期天气预报中心为12小时），将先前的预报与最新的观测结果以最佳方式结合起来，以产生对大气状态的新的最佳估计，称为分析，根据分析，发布更新的、改进的预报。再分析以相同的方式工作，但分辨率降低，以允许提供跨越几十年的数据集。再分析没有发布及时预报的限制，因此有更多的时间来收集观测结果，并且在时间上进一步回溯时，允许摄取原始观测结果的改进

GEE开发之ERA5（气温、降水、压力、风速等）数据获取和分析

等待着冬天的风的博客

03-04

2万+

前言：ERA5主要提供DAILY和MONTHLY两大类别数据，其中主要包括气温、降水、压力、风速等。

ERA5气象数据：数据中相对湿度、边界层高度、温度、风向、地面气压等参数下载详细教程

热门推荐

qq_50769322的博客

09-05

4万+

ERA5数据中相对湿度、边界层高度、温度、风向、地面气压等参数下载详细教程

【创作赢红包】全球各地区每日降雨量数据批量下载方法与如何将多年的nc气象文件合并成一个文件

m0_50317149的博客

03-31

2239

最近一段时间我接触到了一些气象学方面的文件处理。nc文件处理气象学的各位都要用到，那么在此我将介绍一下如何使用python批量下载ERA5数据并将多年的nc文件合并成一个。

GEE ERA5降水

01-06

### 如何在 Google Earth Engine 中使用 ERA5 降水数据 #### 加载ERA5月度降水量数据集为了加载ERA5月度降水量数据，在Google Earth Engine中可以通过`ee.ImageCollection('ECMWF/ERA5/MONTHLY')`访问此图像集合。这允许用户选择特定的时间范围和地理边界来提取所需的数据。 ```javascript var era5Monthly = ee.ImageCollection('ECMWF/ERA5/MONTHLY'); ``` #### 定义研究区定义感兴趣的研究区域对于空间过滤至关重要。这里以德州市为例，创建一个几何对象表示该地区的位置[^1]。 ```javascript // 创建德州地区的多边形 var dezhouArea = ee.Geometry.Polygon( [[[116.2, 37.4], [116.2, 37.8], [116.9, 37.8], [116.9, 37.4]]], null, false); ``` #### 过滤时间和地理位置接下来应用时间过滤器以及空间过滤器缩小到指定时间段内（如2018年全年），并且只保留覆盖目标位置的数据条目。 ```javascript // 设置日期范围 var startDate = '2018-01-01'; var endDate = '2018-12-31'; // 应用时间和地点过滤条件 var filteredEra5 = era5Monthly.filterDate(startDate, endDate) .filterBounds(dezhouArea); ``` #### 提取总降水量属性 ERA5数据集中包含了多个气象参数；要专注于总降水量，则需特别指出这一项作为后续操作的对象。 ```javascript // 获取每个月的总降水量 var totalPrecipitation = filteredEra5.select('total_precipitation'); ``` #### 计算统计数据并导出结果最后一步是对选定区域内所有像元执行统计汇总运算，比如求均值或累加量，并准备下载这些经过处理后的数值至本地文件系统。 ```javascript // 对整个年度内的每月降水量求和 var annualTotalPptn = totalPrecipitation.sum(); // 将计算得到的结果转换成可被导出的形式 var exportImage = annualTotalPptn.clip(dezhouArea); // 导出为GeoTIFF格式的地图图层 Export.image.toDrive({ image: exportImage, description: 'Dezhou_Annual_Total_Precipitation_2018', scale: 10000, // 空间分辨率设置为10公里每像素 region: dezhouArea }); ```