此页面由 Cloud Translation API 翻译。

ERA5 Daily Aggregates - Latest Climate Reanalysis Produced by ECMWF / Copernicus Climate Change Service

数据集可用时间: 1979-01-02T00:00:00Z–2020-07-09T00:00:00Z
数据集提供方: ECMWF / Copernicus Climate Change Service

频率: 1 天
标签: climate copernicus dewpoint ecmwf era5 precipitation pressure reanalysis surface temperature wind

说明

ERA5 是 ECMWF 对全球气候的第五代大气再分析数据。重新分析将模型数据与全球观测数据相结合，形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 针对七个 ERA5 气候再分析参数（2 米气温、2 米温度、总降水量、平均海平面气压、地面气压、10 米风速的 u 分量和 10 米风速的 v 分量）提供每天的汇总值。此外，我们还根据每小时的 2 米处气温数据计算了每日最低和最高气温。每日总降水量值以每日总和的形式给出。所有其他形参均以日平均值形式提供。

ERA5 数据的可用时间范围为 1979 年至今（实时数据延迟 3 个月）。如需了解详情和更多 ERA5 大气参数，请访问哥白尼气候数据存储区。

提供方备注：每日汇总值是根据每个形参的 ERA5 小时值计算得出的。

频段

像素大小
27,830 米

波段

名称	单位	最小值	最大值	像素尺寸	说明
`mean_2m_air_temperature`	K	223.6*	304*	米	2 米高度处的平均气温（日平均值）
`minimum_2m_air_temperature`	K	220.7*	300.8*	米	2 米高度处的最低气温（每日最低气温）
`maximum_2m_air_temperature`	K	225.8*	310.2*	米	2 米高度处的最高气温（每日最高气温）
`dewpoint_2m_temperature`	K	219.3*	297.8*	米	2 米高度处的温度（日平均值）
`total_precipitation`	米	0*	0.02*	米	总降水量（每日总和）
`surface_pressure`	Pa	65639*	102595*	米	地表气压（日平均值）
`mean_sea_level_pressure`	Pa	97657.4*	103861*	米	平均海平面气压（日平均值）
`u_component_of_wind_10m`	米/秒	-11.4*	11.4*	米	10 米风的 u 分量（日平均值）
`v_component_of_wind_10m`	米/秒	-10.1*	10.1*	米	10 米风的 v 分量（日平均值）

* 估算的最小值或最大值

图像属性

图像属性

名称	类型	说明
月	INT	数据对应的月份
年	INT	数据年份
天	INT	数据日期

使用条款

使用条款

请确认您会按照 Copernicus C3S/CAMS 许可协议中的规定使用 ERA5：

5.1.1 如果被许可人向公众传播或分发 Copernicus 产品，则应使用以下或任何类似通知告知接收者来源：“使用 Copernicus 气候变化服务信息生成（年份）”。
5.1.2 如果被许可方制作或参与制作包含改编或修改后的哥白尼产品的出版物或分发内容，则被许可方应提供以下或任何类似声明：“包含修改后的哥白尼气候变化服务信息（年份）”。
5.1.3 任何受第 5.1.1 条和第 5.1.2 条约束的此类发布或分发行为均应声明，对于可能涉及哥白尼大气监测服务信息或其中所含数据的任何使用行为，欧盟委员会和 ECMWF 均不负责。

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)，（访问日期），https://cds.climate.copernicus.eu/datasets/reanalysis-era5-single-levels?tab=overview

通过 Earth Engine 探索

代码编辑器 (JavaScript)

// 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: 0.0,
  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);

Python 设置

如需了解 Python API 和如何使用 geemap 进行交互式开发，请参阅 Python 环境页面。

import ee
import geemap.core as geemap

Colab (Python)

# Example script to load and visualize ERA5 climate reanalysis parameters in
# Google Earth Engine

# Daily mean 2m air temperature
era5_2mt = (
    ee.ImageCollection('ECMWF/ERA5/DAILY')
    .select('mean_2m_air_temperature')
    .filter(ee.Filter.date('2019-07-01', '2019-07-31'))
)
display(era5_2mt)

# Daily total precipitation sums
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
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
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
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
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
era5_sp = era5_sp.map(
    lambda image: image.divide(100).set(
        'system:time_start', image.get('system:time_start')
    )
)

# Visualization palette for total precipitation
vis_tp = {
    'min': 0.0,
    'max': 0.1,
    'palette': ['ffffff', '00ffff', '0080ff', 'da00ff', 'ffa400', 'ff0000'],
}

# Visualization palette for temperature (mean, min and max) and 2m dewpoint
# temperature
vis_2mt = {
    '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
vis_wind = {
    '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
vis_pressure = {
    'min': 500,
    'max': 1150,
    'palette': [
        '01ffff',
        '058bff',
        '0600ff',
        'df00ff',
        'ff00ff',
        'ff8c00',
        'ff8c00',
    ],
}


# Add layer to map
m = geemap.Map()
m.add_layer(
    era5_tp.filter(ee.Filter.date('2019-07-15')),
    vis_tp,
    'Daily total precipitation sums',
)
m.add_layer(
    era5_2d.filter(ee.Filter.date('2019-07-15')),
    vis_2mt,
    'Daily mean 2m dewpoint temperature',
)
m.add_layer(
    era5_2mt.filter(ee.Filter.date('2019-07-15')),
    vis_2mt,
    'Daily mean 2m air temperature',
)
m.add_layer(
    era5_u_wind_10m.filter(ee.Filter.date('2019-07-15')),
    vis_wind,
    'Daily mean 10m u-component of wind',
)
m.add_layer(
    era5_sp.filter(ee.Filter.date('2019-07-15')),
    vis_pressure,
    'Daily mean surface pressure',
)

m.set_center(21.2, 22.2, 2)
m

在代码编辑器中打开

ERA5 日汇总 - ECMWF / Copernicus Climate Change Service 生成的最新气候再分析数据

ERA5 是 ECMWF 对全球气候的第五代大气再分析。重新分析将模型数据与全球观测数据相结合，形成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 提供了 7 个 ERA5 气候再分析参数的每日汇总值：…

ECMWF/ERA5/DAILY, climate,copernicus,dewpoint,ecmwf,era5,precipitation,pressure,reanalysis,surface,temperature,wind

1979-01-02T00:00:00Z/2020-07-09T00:00:00Z

-90 -180 90 180

Google Earth Engine

https://developers.google.com/earth-engine/datasets