- ความพร้อมของชุดข้อมูล
- 1979-01-02T00:00:00Z–2020-07-09T00:00:00Z
- ผู้ผลิตชุดข้อมูล
- ECMWF / Copernicus Climate Change Service
- ความถี่การบันทึก
- 1 วัน
- แท็ก
คำอธิบาย
ERA5 คือการวิเคราะห์สภาพอากาศซ้ำครั้งที่ 5 ของ ECMWF เกี่ยวกับสภาพภูมิอากาศทั่วโลก การวิเคราะห์สภาพอากาศซ้ำจะรวมข้อมูลแบบจำลองเข้ากับการสังเกตการณ์จากทั่วโลกเป็นชุดข้อมูลที่สมบูรณ์และสอดคล้องกันทั่วโลก ERA5 มาแทนที่การวิเคราะห์สภาพอากาศซ้ำ ERA-Interim ซึ่งเป็นรุ่นก่อนหน้า
ERA5 DAILY ให้ค่ารวมสำหรับแต่ละวันสำหรับพารามิเตอร์การวิเคราะห์สภาพอากาศซ้ำ 7 รายการของ ERA5 ได้แก่ อุณหภูมิอากาศที่ความสูง 2 ม. อุณหภูมิจุดน้ำค้างที่ความสูง 2 ม. ปริมาณน้ำฝนทั้งหมด ความกดอากาศระดับน้ำทะเลเฉลี่ย ความกดอากาศพื้นผิว ส่วนประกอบลมตามแนวแกน u ที่ความสูง 10 ม. และส่วนประกอบลมตามแนวแกน v ที่ความสูง 10 ม. นอกจากนี้ ระบบยังคำนวณอุณหภูมิอากาศต่ำสุดและสูงสุดรายวันที่ความสูง 2 ม. โดยอิงตามข้อมูลอุณหภูมิอากาศรายชั่วโมงที่ความสูง 2 ม. ค่าปริมาณน้ำฝนทั้งหมดรายวันจะแสดงเป็นผลรวมรายวัน ส่วนพารามิเตอร์อื่นๆ ทั้งหมดจะแสดงเป็นค่าเฉลี่ยรายวัน
ข้อมูล ERA5 มีให้ตั้งแต่ปี 1979 จนถึง 3 เดือนนับจากเวลาจริง ดูข้อมูลเพิ่มเติม และพารามิเตอร์สภาพอากาศเพิ่มเติมของ ERA5 ได้ที่ Copernicus Climate Data Store
หมายเหตุจากผู้ให้บริการ: ระบบคำนวณค่ารวมรายวันโดยอิงตามค่ารายชั่วโมงของพารามิเตอร์แต่ละรายการของ ERA5
ย่านความถี่
ย่านความถี่
ขนาดพิกเซล: 27,830 เมตร (ทุกย่านความถี่)
| ชื่อ | หน่วย | ต่ำสุด | สูงสุด | ขนาดพิกเซล | คำอธิบาย |
|---|---|---|---|---|---|
mean_2m_air_temperature |
K | 223.6* | 304* | 27,830 เมตร | อุณหภูมิอากาศเฉลี่ยที่ความสูง 2 ม. (ค่าเฉลี่ยรายวัน) |
minimum_2m_air_temperature |
K | 220.7* | 300.8* | 27,830 เมตร | อุณหภูมิอากาศต่ำสุดที่ความสูง 2 ม. (ค่าต่ำสุดรายวัน) |
maximum_2m_air_temperature |
K | 225.8* | 310.2* | 27,830 เมตร | อุณหภูมิอากาศสูงสุดที่ความสูง 2 ม. (ค่าสูงสุดรายวัน) |
dewpoint_2m_temperature |
K | 219.3* | 297.8* | 27,830 เมตร | อุณหภูมิจุดน้ำค้างที่ความสูง 2 ม. (ค่าเฉลี่ยรายวัน) |
total_precipitation |
ม. | 0* | 0.02* | 27,830 เมตร | ปริมาณน้ำฝนทั้งหมด (ผลรวมรายวัน) |
surface_pressure |
Pa | 65,639* | 102,595* | 27,830 เมตร | ความกดอากาศพื้นผิว (ค่าเฉลี่ยรายวัน) |
mean_sea_level_pressure |
Pa | 97,657.4* | 103,861* | 27,830 เมตร | ความกดอากาศระดับน้ำทะเลเฉลี่ย (ค่าเฉลี่ยรายวัน) |
u_component_of_wind_10m |
ม./วิ | -11.4* | 11.4* | 27,830 เมตร | ส่วนประกอบลมตามแนวแกน u ที่ความสูง 10 ม. (ค่าเฉลี่ยรายวัน) |
v_component_of_wind_10m |
ม./วิ | -10.1* | 10.1* | 27,830 เมตร | ส่วนประกอบลมตามแนวแกน v ที่ความสูง 10 ม. (ค่าเฉลี่ยรายวัน) |
พร็อพเพอร์ตี้รูปภาพ
พร็อพเพอร์ตี้รูปภาพ
| ชื่อ | ประเภท | คำอธิบาย |
|---|---|---|
| เดือน | INT | เดือนของข้อมูล |
| ปี | INT | ปีของข้อมูล |
| วัน | INT | วันของข้อมูล |
ข้อกำหนดในการใช้งาน
ข้อกำหนดในการใช้งาน
โปรดยอมรับการใช้ ERA5 ตามที่ระบุไว้ในข้อตกลงการอนุญาตให้ใช้สิทธิ C3S/CAMS ของ Copernicus
- 5.1.1 ในกรณีที่ผู้รับใบอนุญาตสื่อสารหรือเผยแพร่ผลิตภัณฑ์ของ Copernicus ต่อสาธารณะ ผู้รับใบอนุญาตจะต้องแจ้งให้ผู้รับทราบแหล่งที่มาโดยใช้ข้อความต่อไปนี้หรือข้อความที่คล้ายกัน "สร้างขึ้นโดยใช้ข้อมูลจากหน่วยบริการสังเกตการณ์ชั้นบรรยากาศโคเปอร์นิคัส (ปี)"
- 5.1.2 ในกรณีที่ผู้รับใบอนุญาตจัดทำหรือมีส่วนร่วมในการเผยแพร่หรือการเผยแพร่ที่มีผลิตภัณฑ์ของ Copernicus ที่ปรับเปลี่ยน ผู้รับใบอนุญาตจะต้องระบุข้อความต่อไปนี้หรือข้อความที่คล้ายกัน "มีข้อมูลจากหน่วยบริการสังเกตการณ์ชั้นบรรยากาศโคเปอร์นิคัส (ปี) ที่ปรับเปลี่ยน"
- 5.1.3 การเผยแพร่หรือการเผยแพร่ดังกล่าวที่ครอบคลุมโดยข้อ 5.1.1 และ 5.1.2 จะต้องระบุว่าทั้งคณะกรรมาธิการยุโรปและ ECMWF จะไม่รับผิดชอบต่อการใช้ข้อมูลที่จัดทำโดยหน่วยบริการสังเกตการณ์ชั้นบรรยากาศโคเปอร์นิคัสหรือข้อมูลที่มีอยู่ในนั้น
การอ้างอิง
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), (date of access), https://cds.climate.copernicus.eu/datasets/reanalysis-era5-single-levels?tab=overview
สำรวจด้วย Earth Engine
ตัวแก้ไขโค้ด (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