Python批量下载ERA5数据

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

3. 数据下载

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

• 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

5. 可使用IDM加速下载

详情请参考：https://blog.csdn.net/qq_39373443/article/details/118086241