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

در دسترس بودن مجموعه داده‌ها

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

تولیدکننده مجموعه داده

سرویس تغییرات اقلیمی ECMWF / کوپرنیک

قطعه کد موتور زمین

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

کادانس

۱ روز

برچسب‌ها

آب و هوا کوپرنیک نقطه شبنم ecmwf era5 بارش فشار بازتحلیل دمای سطح باد

توضیحات

ERA5 نسل پنجم بازتحلیل جوی ECMWF از آب و هوای جهانی است. بازتحلیل، داده‌های مدل را با مشاهدات از سراسر جهان در یک مجموعه داده کامل و سازگار در سطح جهانی ترکیب می‌کند. ERA5 جایگزین نسخه قبلی خود، بازتحلیل موقت ERA، شده است.

ERA5 DAILY مقادیر تجمیعی برای هر روز را برای هفت پارامتر بازتحلیل اقلیمی ERA5 ارائه می‌دهد: دمای هوای ۲ متری، دمای نقطه شبنم ۲ متری، کل بارش، میانگین فشار سطح دریا، فشار سطحی، مؤلفه u باد ۱۰ متری و مؤلفه v باد ۱۰ متری. علاوه بر این، حداقل و حداکثر دمای هوای روزانه در ۲ متری بر اساس داده‌های دمای هوای ساعتی ۲ متری محاسبه شده است. مقادیر کل بارش روزانه به صورت مجموع روزانه ارائه شده‌اند. سایر پارامترها به صورت میانگین روزانه ارائه شده‌اند.

داده‌های ERA5 از سال ۱۹۷۹ تا سه ماه آینده به صورت آنی در دسترس است. اطلاعات بیشتر و پارامترهای جوی ERA5 را می‌توانید در فروشگاه داده‌های اقلیمی کوپرنیک بیابید.

یادداشت ارائه دهنده: مجموع‌های روزانه بر اساس مقادیر ساعتی ERA5 هر پارامتر محاسبه شده‌اند.

باندها

اندازه پیکسل
۲۷۸۳۰ متر

باندها

نام	واحدها	حداقل	مکس	اندازه پیکسل	توضیحات
mean_2m_air_temperature	ک	۲۲۳.۶*	۳۰۴*	متر	میانگین دمای هوا در ارتفاع ۲ متری (میانگین روزانه)
minimum_2m_air_temperature	ک	۲۲۰.۷*	۳۰۰.۸*	متر	حداقل دمای هوا در ارتفاع ۲ متری (حداقل روزانه)
maximum_2m_air_temperature	ک	۲۲۵.۸*	۳۱۰.۲*	متر	حداکثر دمای هوا در ارتفاع ۲ متری (حداکثر روزانه)
dewpoint_2m_temperature	ک	۲۱۹.۳*	۲۹۷.۸*	متر	دمای نقطه شبنم در ارتفاع ۲ متری (میانگین روزانه)
total_precipitation	متر	0*	0.02*	متر	کل بارش (مبلغ روزانه)
surface_pressure	پا	۶۵۶۳۹*	۱۰۲۵۹۵*	متر	فشار سطح (میانگین روزانه)
mean_sea_level_pressure	پا	۹۷۶۵۷.۴*	۱۰۳۸۶۱*	متر	میانگین فشار سطح دریا (میانگین روزانه)
u_component_of_wind_10m	ام‌اس	-۱۱.۴*	۱۱.۴*	متر	مولفه u 10 متر از باد (میانگین روزانه)
v_component_of_wind_10m	ام‌اس	-۱۰.۱*	۱۰.۱*	متر	مولفه v 10 متری باد (میانگین روزانه)

* حداقل یا حداکثر مقدار تخمینی

ویژگی‌های تصویر

ویژگی‌های تصویر

نام	نوع	توضیحات
ماه	داخلی	ماه داده‌ها
سال	داخلی	سال داده‌ها
روز	داخلی	روز داده‌ها

شرایط استفاده

شرایط استفاده

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

• ۵.۱.۱ در مواردی که دارنده مجوز، محصولات کوپرنیک را به عموم مردم ارائه یا توزیع می‌کند، باید با استفاده از اطلاعیه زیر یا هرگونه اطلاعیه مشابه، منبع را به گیرندگان اطلاع دهد: «تولید شده با استفاده از اطلاعات خدمات تغییرات اقلیمی کوپرنیک (سال)».
• ۵.۱.۲ در مواردی که دارنده مجوز، انتشار یا توزیعی حاوی محصولات کوپرنیکِ اقتباس‌شده یا اصلاح‌شده را انجام می‌دهد یا در آن مشارکت می‌کند، باید اطلاعیه زیر یا هرگونه اطلاعیه مشابه را ارائه دهد: «حاوی اطلاعات اصلاح‌شده خدمات تغییرات اقلیمی کوپرنیک (سال)».
• ۵.۱.۳ هرگونه انتشار یا توزیعی که مشمول بندهای ۵.۱.۱ و ۵.۱.۲ باشد، باید تصریح کند که نه کمیسیون اروپا و نه ECMWF مسئولیتی در قبال هرگونه استفاده‌ای که ممکن است از اطلاعات یا داده‌های موجود در کوپرنیک انجام شود، ندارند.

نقل قول‌ها

نقل قول ها:

• سرویس تغییرات اقلیمی کوپرنیک (C3S) (2017): ERA5: نسل پنجم بازتحلیل‌های جوی ECMWF از اقلیم جهانی. فروشگاه داده‌های اقلیمی سرویس تغییرات اقلیمی کوپرنیک (CDS)، (تاریخ دسترسی)، https://cds.climate.copernicus.eu/datasets/reanalysis-era5-single-levels?tab=overview

با موتور زمین کاوش کنید

مهم: Earth Engine بستری برای تجزیه و تحلیل علمی در مقیاس پتابایت و تجسم مجموعه داده‌های مکانی است، هم برای منافع عمومی و هم برای کاربران تجاری و دولتی. استفاده از Earth Engine برای تحقیقات، آموزش و کاربردهای غیرانتفاعی رایگان است. برای شروع، لطفاً برای دسترسی به Earth Engine ثبت نام کنید.

ویرایشگر کد (جاوااسکریپت)

// 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);

تنظیمات پایتون

برای اطلاعات بیشتر 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

باز کردن در ویرایشگر کد

داده‌های روزانه ERA5 - آخرین بازتحلیل اقلیمی تولید شده توسط ECMWF / سرویس تغییرات اقلیمی کوپرنیک

ERA5 نسل پنجم بازتحلیل جوی ECMWF از آب و هوای جهانی است. بازتحلیل، داده‌های مدل را با مشاهدات از سراسر جهان در یک مجموعه داده کامل و سازگار جهانی ترکیب می‌کند. ERA5 جایگزین نسخه قبلی خود، بازتحلیل ERA-Interim، شده است. ERA5 DAILY مقادیر تجمیعی را برای هر روز برای هفت پارامتر بازتحلیل اقلیمی ERA5 ارائه می‌دهد: ...

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

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

۹۰- ۱۸۰ ۹۰ ۱۸۰

موتور گوگل ارث

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