由ERA5逐小时数据获取逐日数据——三种方法

        关于欧洲中心的ERA5数据，最令人想吐槽的就是官方未给出方便快捷的逐日数据下载，需要自己下载逐小时数据再进行处理，本篇文章共总结了3种方法，通过ERA5逐小时数据获取逐日数据：

一、官方提供的在线数据计算

网址：Copernicus Climate Data Store | Copernicus Climate Data Store

        该方法的优点是指向性强，但是如果要下载多年日平均数据，可能需要每一年每一个月手动下载，效率相对较低。

 [2021/09/09更新] 关于Python爬数据，最近在气象家园发现一个不错的贴子，可以参考：ERA5逐日资料下载方法-数据资料-气象家园_气象人自己的家园

二、获取ERA5逐小时数据后通过CDO计算

        首先下载好ERA5的逐小时数据（个人推荐用Python下载），然后用CDO处理（课题研究组服务器自带或自行下载Python-CDO包），代码举例如下：

Using the Climate Data Operators (CDO). These operators will process all variables on the file. For example:

       cdo daymean foo_hourly.nc  foo_daily_mean.nc
       cdo daymin  foo_hourly.nc  foo_daily_min.nc
       cdo daymax  foo_hourly.nc  foo_daily_max.nc
       cdo daysum  foo_hourly.nc  foo_daily_sum.nc
  

[附] Python下载ERA5数据的官方教学：

How to use the CDS API | Copernicus Climate Data Store

How to install and use CDS API on Windows - Copernicus Knowledge Base - ECMWF Confluence Wiki

三、获取ERA5逐小时数据后通过NCL计算

        首先下载好ERA5的逐小时数据，然后用NCL处理，代码举例如下：

begin

  f          = addfile("./sst.1979.nc", "r")
  sst_hourly = short2flt(f->sst)
  printVarSummary(sst_hourly)

  opt           = True
  opt@nval_crit = 8    ; require at least 8 values per day (user-defined)

  sst_daily = calculate_daily_values(sst_hourly, "avg", 0, opt)  ; use "avg" or "ave"
  printVarSummary(sst_daily)

end

        在利用NCL处理ERA5逐小时数据时，可以灵活应用delete命令删除变量释放内存，保证程序能够RUN下去；当然，即便如此，程序也可能会跑崩，实在不行只能转Python了，祝各位好运。

原创纯手打，转载请声明！！