‫Google برای ترجمه محتوا به زبان ترجیحی شما از فناوری هوشواره استفاده می‌کند. ترجمه‌های هوشواره‌ای ممکن است اشتباه داشته باشند.

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

دردسترس بودن مجموعه داده: 1979-01-02T00:00:00Z–2020-07-09T00:00:00Z
تولیدکننده مجموعه داده: ECMWF / Copernicus Climate Change Service

توالی: ۱ روز
برچسب‌ها: climate copernicus dewpoint ecmwf era5 precipitation pressure reanalysis surface temperature weather-and-climate wind

شرح

ERA5 نسل پنجم بازتحلیل جوی ECMWF از اقلیم جهانی است. بازتحلیل، داده‌های مدل را با مشاهدات سراسر جهان ترکیب می‌کند و به یک مجموعه داده کامل و منسجم جهانی تبدیل می‌کند. ‫ERA5 جایگزین پیشینیان خود، تحلیل مجدد ERA-Interim، می‌شود.

ERA5 DAILY مقادیر انبوهشی را برای هر روز برای هفت پارامتر بازتحلیل اقلیمی ERA5 ارائه می‌دهد: دمای هوا در ۲ متری، دمای نقطه شبنم در ۲ متری، بارش کل، میانگین فشار سطح دریا، فشار سطح، مؤلفه u باد در ۱۰ متری، و مؤلفه v باد در ۱۰ متری. علاوه‌براین، حداقل و حداکثر دمای هوای روزانه در ارتفاع ۲ متری براساس داده‌های دمای هوای ساعتی در ارتفاع ۲ متری محاسبه شده است. مقادیر کل بارش روزانه به‌صورت مجموع روزانه ارائه می‌شود. همه پارامترهای دیگر به‌صورت میانگین روزانه ارائه می‌شوند.

داده‌های ERA5 از سال ۱۹۷۹ تا سه ماه قبل‌از زمان واقعی دردسترس است. اطلاعات بیشتر و پارامترهای جوی ERA5 بیشتر را می‌توانید در Copernicus Climate Data Store پیدا کنید.

یادداشت ارائه‌دهنده: مجموع روزانه براساس مقادیر ساعتی ERA5 هر پارامتر محاسبه شده است.

باند

باند

اندازه پیکسل: ۲۷۸۳۰ متر (همه باندها)

نام	واحدها	دقیقه	Max	اندازه پیکسل	شرح
`mean_2m_air_temperature`	K	‫۲۲۳.۶*	‫*۳۰۴	۲۷۸۳۰ متر	میانگین دمای هوا در ارتفاع ۲ متری (میانگین روزانه)
`minimum_2m_air_temperature`	K	‫۲۲۰٫۷*	۳۰۰.۸*	۲۷۸۳۰ متر	حداقل دمای هوا در ارتفاع ۲ متری (حداقل روزانه)
`maximum_2m_air_temperature`	K	‫۲۲۵٫۸*	‫۳۱۰٫۲*	‫۲۷۸۳۰ متر	حداکثر دمای هوا در ارتفاع ۲ متری (حداکثر روزانه)
`dewpoint_2m_temperature`	K	‫۲۱۹٫۳*	۲۹۷٫۸*	‫۲۷۸۳۰ متر	دمای نقطه شبنم در ارتفاع ۲ متری (میانگین روزانه)
`total_precipitation`	پشت	‫*۰	۰٫۰۲*	‫۲۷۸۳۰ متر	کل انباشت بارش (مجموع روزانه)
`surface_pressure`	Pa	65639*	102595*	۲۷۸۳۰ متر	فشار سطح (میانگین روزانه)
`mean_sea_level_pressure`	Pa	97657.4*	‫*103861	۲۷۸۳۰ متر	فشار میانگین سطح دریا (میانگین روزانه)
`u_component_of_wind_10m`	متر/ثانیه	‫-۱۱.۴*	‫۱۱.۴*	۲۷۸۳۰ متر	مؤلفه u باد ۱۰ متری (میانگین روزانه)
`v_component_of_wind_10m`	متر/ثانیه	‫-۱۰.۱*	‫۱۰٫۱*	۲۷۸۳۰ متر	مؤلفه v باد در ارتفاع ۱۰ متری (میانگین روزانه)

* حداقل یا حداکثر مقدار تخمینی

دارایی‌های تصویر

ویژگی‌های تصویر

نام	نوع	شرح
ماه	INT	ماه داده‌ها
سال	INT	سال داده‌ها
روز	INT	روز داده‌ها

شرایط استفاده

شرایط استفاده

لطفاً استفاده از ERA5 را همان‌طور که در قرارداد صدور پروانه Copernicus C3S/CAMS ذکر شده است تأیید کنید:

‫۵.۱.۱ در مواردی که «پروانه‌دار» «محصولات کوپرنیک» را به عموم اطلاع‌رسانی یا توزیع می‌کند، «پروانه‌دار» باید بااستفاده از اطلاعیه زیر یا هر اطلاعیه مشابه دیگری، گیرندگان را از منبع مطلع کند: «تولیدشده بااستفاده از اطلاعات «خدمات تغییرات آب‌وهوایی کوپرنیک» (سال)».
‫۵.۱.۲ در مواردی که «دارنده پروانه» اقدام به انتشار یا توزیع «محصولات کوپرنیک» اقتباس‌شده یا اصلاح‌شده می‌کند یا در آن مشارکت دارد، «دارنده پروانه» باید اعلان زیر یا هر اعلان مشابهی را ارائه دهد: «حاوی اطلاعات اصلاح‌شده سرویس تغییرات اقلیمی کوپرنیک (سال)».
‫۵.۱.۳ هرگونه انتشار یا توزیع تحت پوشش بندهای ۵.۱.۱ و ۵.۱.۲ باید بیان کند که نه کمیسیون اروپا و نه ECMWF مسئولیتی درقبال استفاده‌های احتمالی از اطلاعات «کوپرنیک» یا داده‌هایی که دربر دارد ندارند.

نقل‌قول‌ها

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

کاوش با Earth Engine

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);

راه‌اندازی Python

برای اطلاعات درباره Python API و استفاده از geemap برای توسعه تعاملی، به صفحه محیط Python مراجعه کنید.

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

باز کردن در «ویرایشگر کد»

مجموعه‌های روزانه ERA5 - جدیدترین بازتحلیل اقلیمی تولیدشده توسط ECMWF / سرویس تغییرات اقلیمی کوپرنیک

ERA5 نسل پنجم بازتحلیل جوی ECMWF از اقلیم جهانی است. «تحلیل مجدد» داده‌های مدل را با مشاهدات سراسر جهان ترکیب می‌کند و مجموعه داده‌ای کامل و یکپارچه در سطح جهانی ایجاد می‌کند. ‫ERA5 جایگزین پیشینی خود، یعنی تحلیل مجدد ERA-Interim، می‌شود. ERA5 DAILY مقادیر انبوهشی را برای هر روز برای هفت پارامتر بازتحلیل اقلیمی ERA5 ارائه می‌دهد: …

ECMWF/ERA5/DAILY, اقلیم،copernicus،نقطه شبنم،ecmwf،‏era5،بارش،فشار،بازتحلیل،سطح،دما،آب‌وهوا-و-اقلیم،باد

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

-90 -180 90 180

Google Earth Engine

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

ERA5 Daily Aggregates - Latest Climate Reanalysis Produced by ECMWF / Copernicus Climate Change Service با مجموعه‌ها، منظم بمانید ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.

شرح