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

در دسترس بودن مجموعه داده

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

ارائه دهنده مجموعه داده

ECMWF / خدمات تغییر اقلیم کوپرنیک

قطعه موتور زمین

ee.ImageCollection("ECMWF/ERA5/DAILY")

آهنگ

1 روز

برچسب ها

آب و هوا کوپرنیک نقطه شبنم ecmwf era5 تحلیل مجدد فشار بارندگی دمای سطح باد

توضیحات

ERA5 نسل پنجم ECMWF تحلیل مجدد جوی آب و هوای جهانی است. تجزیه و تحلیل مجدد داده های مدل را با مشاهدات از سراسر جهان در یک مجموعه داده کامل و سازگار در سطح جهانی ترکیب می کند. ERA5 جایگزین سلف خود، ERA-Interim Reanalysis شد.

ERA5 DAILY مقادیر انباشته شده برای هر روز را برای هفت پارامتر تحلیل مجدد آب و هوا ERA5 ارائه می دهد: دمای هوا 2 متر، دمای نقطه شبنم 2 متر، بارندگی کل، فشار متوسط ​​سطح دریا، فشار سطح، 10 متر مولفه u باد و 10 متر مولفه باد باد. علاوه بر این، حداقل و حداکثر دمای روزانه هوا در 2 متر بر اساس داده های دمای هوای ساعتی 2 متر محاسبه شده است. مقادیر کل بارش روزانه به صورت مجموع روزانه داده می شود. تمام پارامترهای دیگر به عنوان میانگین روزانه ارائه شده است.

داده های ERA5 از سال 1979 تا سه ماه از زمان واقعی در دسترس است. اطلاعات بیشتر و پارامترهای جوی ERA5 بیشتری را می‌توانید در فروشگاه داده‌های آب و هوای کوپرنیک پیدا کنید.

توجه ارائه دهنده: کل روزانه بر اساس مقادیر ساعتی ERA5 هر پارامتر محاسبه شده است.

باندها

اندازه پیکسل
27830 متر

باندها

نام	واحدها	حداقل	حداکثر	اندازه پیکسل	توضیحات
mean_2m_air_temperature	ک	223.6*	304*	متر	میانگین دمای هوا در ارتفاع 2 متر (متوسط ​​روزانه)
minimum_2m_air_temperature	ک	220.7*	300.8*	متر	حداقل دمای هوا در ارتفاع 2 متر (حداقل روزانه)
maximum_2m_air_temperature	ک	225.8*	310.2*	متر	حداکثر دمای هوا در ارتفاع 2 متر (حداکثر روزانه)
dewpoint_2m_temperature	ک	219.3*	297.8*	متر	دمای نقطه شبنم در ارتفاع 2 متر (متوسط ​​روزانه)
total_precipitation	متر	0*	0.02*	متر	کل بارندگی (مجموع روزانه)
surface_pressure	پا	65639*	102595*	متر	فشار سطحی (متوسط ​​روزانه)
mean_sea_level_pressure	پا	97657.4*	103861*	متر	فشار متوسط ​​سطح دریا (متوسط ​​روزانه)
u_component_of_wind_10m	ام‌اس	-11.4*	11.4*	متر	مولفه 10 متری باد (متوسط ​​روزانه)
v_component_of_wind_10m	ام‌اس	-10.1*	10.1*	متر	مولفه 10 متری باد (متوسط ​​روزانه)

* حداقل یا حداکثر مقدار تخمینی

ویژگی های تصویر

ویژگی های تصویر

نام	تایپ کنید	توضیحات
ماه	INT	ماه داده ها
سال	INT	سال داده ها
روز	INT	روز داده ها

شرایط استفاده

شرایط استفاده

لطفاً استفاده از ERA5 را همانطور که در قرارداد مجوز Copernicus C3S/CAMS بیان شده است، تأیید کنید:

• 5.1.1 در مواردی که دارنده پروانه محصولات کوپرنیک را به عموم مردم ارسال می کند یا توزیع می کند، دارنده مجوز باید با استفاده از اطلاعیه زیر یا هر اخطار مشابه، دریافت کنندگان منبع را مطلع کند: "تولید شده با استفاده از اطلاعات خدمات تغییر آب و هوای کوپرنیک (سال)".
• 5.1.2 در صورتی که دارنده مجوز انتشار یا توزیع حاوی محصولات کوپرنیک اقتباس شده یا اصلاح شده را ایجاد می کند یا در آن مشارکت می کند، دارنده پروانه باید اخطار زیر یا هر گونه مشابهی را ارائه دهد: "حاوی اطلاعات تغییر آب و هوای کوپرنیک (سال)".
• 5.1.3 هر گونه انتشار یا توزیع تحت پوشش بندهای 5.1.1 و 5.1.2 باید بیان کند که نه کمیسیون اروپا و نه ECMWF در قبال هرگونه استفاده ای که ممکن است از اطلاعات یا داده های کوپرنیک موجود باشد، مسئول نیستند.

نقل قول ها

نقل قول ها:

• سرویس تغییرات آب و هوایی کوپرنیک (C3S) (2017): ERA5: نسل پنجم ECMWF تجزیه و تحلیل مجدد جوی آب و هوای جهانی. خدمات تغییر اقلیم کوپرنیک فروشگاه داده های آب و هوایی (CDS)، (تاریخ دسترسی)، https://cds.climate.copernicus.eu/datasets/reanalysis-era5-single-levels?tab=overview

با Earth Engine کاوش کنید

مهم: Earth Engine یک پلت فرم برای تجزیه و تحلیل علمی در مقیاس پتابایت و تجسم مجموعه داده های مکانی است، هم برای منافع عمومی و هم برای کاربران تجاری و دولتی. Earth Engine برای استفاده تحقیقاتی، آموزشی و غیرانتفاعی رایگان است. برای شروع، لطفاً برای دسترسی به Earth Engine ثبت نام کنید.

ویرایشگر کد (جاوا اسکریپت)

// 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);

راه اندازی پایتون

برای اطلاعات در مورد API پایتون و استفاده از geemap برای توسعه تعاملی به صفحه محیط پایتون مراجعه کنید.

import ee
import geemap.core as geemap

کولب (پایتون)

# 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

در ویرایشگر کد باز کنید

ERA5 Daily Aggregates - آخرین تجزیه و تحلیل مجدد آب و هوا تولید شده توسط ECMWF / خدمات تغییر اقلیم کوپرنیک

ERA5 نسل پنجم ECMWF تحلیل مجدد جوی آب و هوای جهانی است. تجزیه و تحلیل مجدد داده های مدل را با مشاهدات از سراسر جهان در یک مجموعه داده کامل و سازگار در سطح جهانی ترکیب می کند. ERA5 جایگزین سلف خود، ERA-Interim Reanalysis شد. ERA5 DAILY مقادیر انبوهی را برای هر روز برای هفت پارامتر تحلیل مجدد آب و هوا ERA5 ارائه می دهد: …

ECMWF/ERA5/DAILY، آب و هوا، کوپرنیک، نقطه شبنم، ecmwf، era5، بارش، فشار، تحلیل مجدد، سطح، دما، باد

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

-90 -180 90 180

موتور Google Earth

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