- Dostępność zbioru danych
- 1979-01-02T00:00:00Z–2020-07-09T00:00:00Z
- Dostawca zbioru danych
- ECMWF / Copernicus Climate Change Service
- Częstotliwość
- 1 dzień
- Tagi
Opis
ERA5 to reanaliza atmosferyczna globalnego klimatu piątej generacji opracowana przez ECMWF. Reanaliza łączy dane z modelu z obserwacjami z całego świata w kompletny i spójny zbiór danych o zasięgu globalnym. ERA5 zastępuje poprzednią wersję, czyli reanalizę ERA-Interim.
ERA5 DAILY zawiera zagregowane wartości dla każdego dnia dla 7 parametrów klimatycznych reanalizy ERA5: temperatura powietrza na wysokości 2 m, temperatura punktu rosy na wysokości 2 m, całkowite opady, średnie ciśnienie na poziomie morza, ciśnienie powierzchniowe, składowa u wiatru na wysokości 10 m i składowa v wiatru na wysokości 10 m. Na podstawie godzinowych danych o temperaturze powietrza na wysokości 2 m obliczono też dzienną minimalną i maksymalną temperaturę powietrza na tej wysokości. Dzienne wartości sumy opadów są podawane jako sumy dzienne. Wszystkie pozostałe parametry są podawane jako średnie dzienne.
Dane ERA5 są dostępne od 1979 roku do 3 miesięcy od czasu rzeczywistego. Więcej informacji i parametrów atmosferycznych ERA5 znajdziesz w Copernicus Climate Data Store.
Uwaga dostawcy: dzienne wartości zagregowane zostały obliczone na podstawie godzinowych wartości ERA5 każdego parametru.
Pasma
Pasma
Rozmiar piksela: 27 830 m (wszystkie pasma)
| Nazwa | Jednostki | Min. | Maks. | Rozmiar piksela | Opis |
|---|---|---|---|---|---|
mean_2m_air_temperature |
K | 223,6* | 304* | 27830 metrów | Średnia temperatura powietrza na wysokości 2 m (średnia dzienna) |
minimum_2m_air_temperature |
K | 220,7* | 300,8* | 27830 metrów | Minimalna temperatura powietrza na wysokości 2 m (minimum dzienne) |
maximum_2m_air_temperature |
K | 225,8* | 310,2* | 27830 metrów | Maksymalna temperatura powietrza na wysokości 2 m (maksymalna temperatura dzienna) |
dewpoint_2m_temperature |
K | 219,3* | 297,8* | 27830 metrów | Temperatura punktu rosy na wysokości 2 m (średnia dzienna) |
total_precipitation |
m | 0* | 0,02* | 27830 metrów | Łączne opady (sumy dzienne) |
surface_pressure |
Pa | 65639* | 102595* | 27830 metrów | Ciśnienie na powierzchni (średnia dzienna) |
mean_sea_level_pressure |
Pa | 97 657,4* | 103 861* | 27830 metrów | Średnie ciśnienie na poziomie morza (średnia dzienna) |
u_component_of_wind_10m |
m/s | –11,4* | 11.4* | 27830 metrów | Składowa U wiatru na wysokości 10 m (średnia dzienna) |
v_component_of_wind_10m |
m/s | –10,1* | 10,1* | 27830 metrów | Składowa V wiatru na wysokości 10 m (średnia dzienna) |
Właściwości obrazu
Właściwości obrazu
| Nazwa | Typ | Opis |
|---|---|---|
| miesiąc | PRZ | Miesiąc danych |
| rok | PRZ | Rok danych |
| dzień | PRZ | Dzień danych |
Warunki korzystania z usługi
Warunki korzystania z usługi
Potwierdź, że korzystasz z ERA5 zgodnie z umową licencyjną Copernicus C3S/CAMS:
- 5.1.1 W przypadku przekazywania lub rozpowszechniania przez licencjobiorcę produktów Copernicus wśród odbiorców licencjobiorca informuje odbiorców o źródle, używając następującego lub podobnego powiadomienia: „Wygenerowano na podstawie informacji z usługi Copernicus Climate Change Service (rok)”.
- 5.1.2 W przypadku publikacji lub dystrybucji zawierającej zmodyfikowane Produkty Copernicus lub Produkty Copernicus po adaptacji Licencjobiorca musi podać następujące lub podobne powiadomienie: „Zawiera zmodyfikowane informacje z usługi Copernicus w zakresie zmian klimatu (rok)”.
- 5.1.3 W przypadku publikacji lub rozpowszechniania, o którym mowa w punktach 5.1.1 i 5.1.2, należy podać informację, że ani Komisja Europejska, ani ECMWF nie ponoszą odpowiedzialności za sposób wykorzystania informacji lub danych z usługi Copernicus.
Cytaty
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), (data dostępu), https://cds.climate.copernicus.eu/datasets/reanalysis-era5-single-levels?tab=overview
Odkrywaj za pomocą Earth Engine
Edytor kodu (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);
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