AI Earth首套气象数据集（ERA5-Land ）开放使用-阿里云开发者社区

AI Earth首套气象数据集（ERA5-Land ）开放使用

2023-02-10 1136

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 基于达摩院在深度学习、计算机视觉、地理空间分析等方向上的技术积累，结合阿里云强大算力支撑，提供多源遥感对地观测数据的云计算分析服务，用数据感知地球世界，让AI助力科学研究。

气象数据集（ERA5-Land）

ERA5-Land是气候再分析数据集，与ERA5相比，提供了更高分辨率的陆地气象要素长时序持续的观测值。ERA5-Land是ECMWF ERA5气候再分析数据的陆地部分反演生产的。生产时将气候模式数据与气象观测站的监测数据结合起来，利用物理学定律形成一套全球完整的、连续的数据集。

数据来源为 CDS（Copernicus Climate Data Store)，其数据已被重新格点化为0.1°×0.1°的常规经纬度格点数据。关于数据的具体描述，可查阅官方网站：https://cds.climate.copernicus.eu/cdsapp#!/home

1、数据介绍

AI Earth平台目前上线ERA5-Land的3类数据产品，分别是ERA5-Land hourly data、ERA5-Land monthly averaged data、ERA5-Land monthly averaged data by hour of day ，ERA5-land 数据产品覆盖全球陆地区域1950-2022年共50类气象要素（包括温度、降水、大气压、辐射、蒸散发等），空间分辨率为0.1° x 0.1° （～9 km），数据将持续进行更新。

2、数据检索

在数据产品列表下的气象数据中可以找到对应ERA5-Land 的3类数据产品。支持用户选择时间段进行数据检索。

640 (1).png

640 (2).png

3、开发者模式

可通过开发者模式调用ERA5-Land 的3类数据产品。如下为利用ERA5-Land monthly averaged data 数据进行平均气温的长时序气候态分析。

640 (3).png

上图为中国区域1991-2020年30年年均温空间分布

640 (4).png

上图为中国区域2022年年均温距平空间分布（Baseline 1991-2020年）

部分代码如下，仅供参考，欢迎登录平台体验。如有任何疑问，欢迎随时与AI Earth联系交流。

importaieaie.Authenticate()
aie.Initialize()
# 指定需要检索的区域region=aie.FeatureCollection('China_Province').geometry()
#1991-2020 共30年 逐月均温，并将 K 转为 °Cdataset=aie.ImageCollection('ERA5_LAND_MONTHLY').filterDate('1991-01-02', '2020-12-31')
print(dataset.size().getInfo())
# # size = dataset.size().getInfo()# size = 360# for i in range(size):#     id = dataset.toList(count=size).getInfo()[i]['id']#     print(id)Temp_Average_30y= (dataset.select(['temperature_2m']).reduce(aie.Reducer.mean())).subtract(aie.Image.constant(273.15)).clip(region)
# 计算2022年年均温Temp_2022=aie.ImageCollection('ERA5_LAND_MONTHLY').filterDate('2022-01-02', '2022-12-31').select(['temperature_2m'])
Temp_Average_2022=Temp_2022.reduce(aie.Reducer.mean()).subtract(aie.Image.constant(273.15)).clip(region)
Temp_Anomaly=Temp_Average_2022.subtract(Temp_Average_30y)
#可视化map=aie.Map(
center=region.getCenter(),
height=800,
zoom=3)
vis_temp= {
'min': -10,
'max': 20,
'palette': [
"#000080","#0000D9","#4000FF","#8000FF","#0080FF","#00FFFF",
"#00FF80","#80FF00","#DAFF00","#FFFF00","#FFF500","#FFDA00",
"#FFB000","#FFA400","#FF4F00","#FF2500","#FF0A00","#FF00FF",
    ]
}
vis_temp_anomaly= {
'min': -3,
'max': 3,
'palette': ['#0000D9','#ffffff','#FF0000']
}
map.addLayer(
Temp_Average_30y,
vis_temp,
'Temp_Average_30y(°C)',
bounds=dataset.getBounds()
)
map.addLayer(
Temp_Average_2022,
vis_temp,
'Temp_Average_2022(°C)',
bounds=dataset.getBounds()
)
map.addLayer(
Temp_Anomaly,
vis_temp_anomaly,
'Temp_Anomaly(°C)',
bounds=dataset.getBounds()
)
map##计算全国30年月度平均温#利用aie.Filter.calendarRange()函数筛选对应月份数据defget_month_data(mon,parameter):
dataset=aie.ImageCollection('ERA5_LAND_MONTHLY')\                  .filterDate('1991-01-02', '2020-12-31')\                  .filter(aie.Filter.calendarRange(mon, None,'month'))\                  .select([parameter])
returndatasetx_temp_series= []
y_temp_series= []
foriinrange(1,13):
temp_mean=get_month_data(i,'temperature_2m').reduce(aie.Reducer.mean()).subtract(aie.Image.constant(273.15)) 
temp_sta=temp_mean.reduceRegion(aie.Reducer.mean(), region, 10000)
x_temp_series.append(str(i).zfill(2) +'月')
y_temp_series.append(temp_sta.getInfo()['temperature_2m_mean'])
#绘制月度均温曲线图frombqplotimportpyplotaspltplt.figure(1, title='1991-2020年全国逐月均温统计')
plt.plot(x_temp_series, y_temp_series)
plt.show()

AI Earth首套气象数据集（ERA5-Land ）开放使用

AI Earth地球科学云平台

热门文章

最新文章

相关课程

相关电子书

相关实验场景