做气象和环境数据分析的人,应该都绕不开“reanalysis-era5-pressure-levels”这个名字。它是欧洲中期天气预报中心(ECMWF)发布的ERA5再分析数据集中,专门提供气压层大气变量的一套数据。简单说,你要研究高空环流、温度平流、风场垂直结构,或者想画一张500 hPa位势高度场,拿这套数据基本就够了。
我第一次接触ERA5时,最直观的感受是:数据质量好、时间序列长、网格规整,而且下载流程高度自动化。只要你学会了通过Python调用CDS API(Climate Data Store API),就可以批量拉取几十年的小时级大气数据,不必再去翻各种格式混乱的观测站数据。这篇文章从数据原理讲到下载脚本,再到实际出图和常见坑位,把reanalysis-era5-pressure-levels整套玩法拆开给你看,适合刚入门的气象爱好者,也适合需要把数据接入业务流的工程开发。
1. 为什么先选reanalysis-era5-pressure-levels
1.1 再分析数据到底是什么,为什么比观测数据好用
先讲一个容易混淆的概念:文件名里的reanalysis,翻译成“再分析”而不是“分析”,这是个有历史渊源的词。传统的天气分析,是把台站、探空、雷达、卫星这些零零散散的观测资料,靠预报员手工或自动绘制成一张场。问题是观测站点分布极不均匀,海洋和极地几乎没什么数据,填出来的场自然有很多空洞。
ERA5的做法完全不一样。它用一套数值天气预报模式作为“动力骨架”,把所有历史观测数据同化进去,让模式预报不断用观测去修正,最终输出一套在规则网格上的完整大气状态估计。你可以把它理解为:模式负责补全空白区域,观测负责校准模式,两者反复迭代,最后得到一套比任何单一观测都更完整、更自洽的三维大气“最佳猜测”。由于这套数据是逐小时输出的,从1940年到现在,时间上几乎没有断档,所以非常适合作气候统计和事件回溯。
从实际体验来看,ERA5的优势还体现在数据一致性上。你用同一种方法处理2000年和2020年的数据,不会觉得变量定义变了、坐标系变了,这让批量分析省了很多心。对于常做业务的人来说,这种“几十年口径统一”本身就是巨大的效率。
1.2 气压层数据和单层数据怎么选
ERA5在CDS里被拆成好几个数据集,你看到 reanalysis-era5-pressure-levels 大概率会疑惑:它和 reanalysis-era5-single-levels 有什么区别?这里必须说清楚。
pressure-levels 提供的是三维大气在固定气压面上的物理量,比如1000 hPa、925 hPa、850 hPa、700 hPa、500 hPa、300 hPa、200 hPa、100 hPa这些高度上的温度、风、位势高度、比湿等。它描述的是“大气在垂直方向上的状态”,适合研究高空槽脊、急流、温度平流、水汽输送。
single-levels 则是地表或某一特定高度的量,比如2米气温、10米风、地表气压、总降水、地表短波辐射。它适合研究近地面要素,风资源分析、农业气象、降水统计通常用它。
日常使用中的选择逻辑很简单:只要你的物理量本身带有高度概念,或者你要分析大气的三维结构,就用pressure-levels。如果你只关心地表或近地面,用single-levels。有些工作两者都要,比如要算边界层高度、地转风、垂直风切变,你甚至需要把两个数据集的变量拼在一起。
另外要注意,pressure-levels里的“level”是标准气压面,不是海拔高度。1000 hPa大约对应近地面,500 hPa大约在5500米高度附近,那是中层大气的重要参考面。你要画天气图常说的“500百帕形势场”,就是从这个数据集里取位势高度。
1.3 这套数据核心的技术参数
再讲几个选数据时一定会遇到的参数,搞清楚它们,后面脚本怎么写就清楚了。
- 时间范围:ERA5从1940年1月至今。标题里的
reanalysis-era5-pressure-levels是1940年以后的版本,之前还有一个ERA5早期版本数据集,现在统一用1940之后即可。 - 空间分辨率:0.25°×0.25°经纬度网格。赤道上每个格点大约对应27公里左右,对区域气候和天气尺度分析足够用。
- 时间分辨率:1小时。气压层数据有逐小时输出,做日变化分析很方便。
- 气压层:从1000 hPa到1 hPa,共37层。业务上常用的主要是1000、925、850、700、500、300、200、100,研究臭氧或平流层时会用到更高的层。
- 变量:温度、水平风U/V、位势高度、比湿、相对湿度、垂直速度、气压、臭氧、云量等,具体变量名要去CDS的变量字典里查。
我建议在第一次下载之前,先想清楚“我需要哪些变量、哪些层、哪个区域、哪个时段”,然后在请求里显式裁剪。ERA5的全球逐小时数据非常大,如果你不裁剪就去下载,一个文件跑几百GB都有可能,浪费时间和硬盘。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 用Python下载ERA5气压层数据的准备工作
2.1 CDS账号注册与API Key配置
ERA5数据不能直接通过浏览器点击下载大文件,官方推荐方式是通过CDS API。第一步是注册CDS账号,地址是CDS官网,注册后在个人主页能看到两样东西:UID(一串数字)和API Key(一串长字符)。
这两样信息要写进一个名为 .cdsapirc 的配置文件。操作上,在用户根目录下新建一个隐藏文件:
bash复制cd ~
touch .cdsapirc
然后用文本编辑器写入以下内容:
code复制url: https://cds.climate.copernicus.eu/api
key: 你的UID:你的APIKey
注意这里key的格式是“UID:APIKey”,中间是英文冒号,不要反了。写完保存后,Python的 cdsapi 库读取请求时会自动找到这个文件。如果你
