本頁面由 Cloud Translation API 翻譯而成。

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

資料集可用性: 1979-01-02T00:00:00Z–2020-07-09T00:00:00Z
資料集供應來源: ECMWF / Copernicus Climate Change Service

頻率: 1 天
標記: climate copernicus dewpoint ecmwf era5 precipitation pressure reanalysis surface temperature wind

說明

ERA5 是 ECMWF 第五代全球氣候大氣再分析資料。重新分析會將模型資料與全球各地的觀測結果合併，形成全球完整一致的資料集。ERA5 取代了前身 ERA-Interim 重新分析。

ERA5 DAILY 提供七項 ERA5 氣候再分析參數的每日匯總值：2 公尺氣溫、2 公尺露點溫度、總降水量、平均海平面氣壓、地表氣壓、10 公尺風速 u 分量和 10 公尺風速 v 分量。此外，我們也根據每小時的 2 公尺氣溫資料，計算出每日的最低和最高氣溫。每日總降水量值以每日總和表示。其餘參數則以每日平均值的形式提供。

ERA5 資料的適用時間範圍為 1979 年至今，但會延遲三個月。如要瞭解詳情及查看更多 ERA5 大氣參數，請前往 Copernicus Climate Data Store。

供應商注意事項：每日匯總資料是根據各項參數的 ERA5 每小時值計算得出。

頻帶

像素大小
27830 公尺

頻帶

名稱	單位	最小值	最大值	像素大小	說明
`mean_2m_air_temperature`	K	223.6*	304*	公尺	2 公尺高度的平均氣溫 (每日平均)
`minimum_2m_air_temperature`	K	220.7*	300.8*	公尺	2 公尺高度的最低氣溫 (每日最低)
`maximum_2m_air_temperature`	K	225.8*	310.2*	公尺	2 公尺高度的最高氣溫 (每日最高溫)
`dewpoint_2m_temperature`	K	219.3*	297.8*	公尺	2 公尺高度的露點溫度 (每日平均)
`total_precipitation`	公尺	0*	0.02*	公尺	總降水量 (每日總和)
`surface_pressure`	Pa	65639*	102595*	公尺	地表氣壓 (每日平均)
`mean_sea_level_pressure`	Pa	97657.4*	103861*	公尺	平均海平面氣壓 (每日平均)
`u_component_of_wind_10m`	公尺/秒	-11.4*	11.4*	公尺	10 公尺風速 u 分量 (日平均)
`v_component_of_wind_10m`	公尺/秒	-10.1*	10.1*	公尺	10 公尺風速的 v 分量 (每日平均)

* 預估最小或最大值

圖片屬性

圖片屬性

名稱	類型	說明
個月	INT	資料月份
年	INT	資料年份
天	INT	資料日期

使用條款

使用條款

請確認您瞭解 Copernicus C3S/CAMS 授權協議中關於使用 ERA5 的規定：

5.1.1 授權對象向大眾傳達或散布哥白尼產品時，應使用下列或類似的通知，告知接收者來源：「使用哥白尼氣候變化服務資訊 (年份) 生成」。
5.1.2 授權使用者製作或參與製作含有改編或修改哥白尼產品的出版品或發行品時，應提供下列或類似的通知：「含有修改過的哥白尼氣候變化服務資訊 (年份)」。
5.1.3 凡是第 5.1.1 和 5.1.2 條款涵蓋的發布或散布行為，都應註明歐盟執委會和 ECMWF 對於可能涉及哥白尼氣候變化服務資訊和其中資料的使用行為，概不負責。

引用內容

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

使用 Earth Engine 探索

程式碼編輯器 (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 設定

請參閱 Python 環境頁面，瞭解 Python API 和如何使用 geemap 進行互動式開發。

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

在程式碼編輯器中開啟

ERA5 每日彙整資料 - ECMWF / 哥白尼氣候變化服務製作的最新氣候重新分析資料

ERA5 是 ECMWF 第五代全球氣候大氣再分析資料集，重新分析會將模型資料與全球各地的觀測結果合併，形成全球完整一致的資料集。ERA5 取代了前身 ERA-Interim 重新分析資料。ERA5 DAILY 提供七個 ERA5 氣候再分析參數的每日匯總值：…

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