ecmwf opendata下度ecmwf opendata Codo下載

ECMWF-Opendata

ecmwf-opendata是一個簡化ECMWF開放數據下載的軟件包。它使用ECMWF的MARS語言將基於請求的界面實現到數據集中，以選擇氣象場，類似於現有的ECMWF-API-CLIEN-CLIENT PYTHON軟件包。

可以在此處提供一系列使用該軟件包的Jupyter筆記本電腦。

安裝

可以從PYPI安裝ecmwf-opendata Python軟件包：

$ pip install ecmwf-opendata

用法

下面的示例將下載最新的“平均海平面壓力” （ msl ）的10天預測到一個名為data.grib2的本地文件：

 from ecmwf . opendata import Client

client = Client ()

client . retrieve (
    step = 240 ,
    type = "fc" ,
    param = "msl" ,
    target = "data.grib2" ,
)

❗注意：此軟件包專為想要下載整個數據集子集的用戶而設計。如果您打算下載每個數據文件的很大一部分，則下載整個文件並過濾您本地想要的數據可能更有效。有關更多信息，請參見文件命名約定的文檔。另外，您可以僅通過指定date ， time ， step ， stream和type來下載整個文件。請注意，一整天的所有數據都按726 GIB訂購。

選項

客戶端對象的構造函數採用以下選項：

 client = Client (
    source = "ecmwf" ,
    model = "ifs" ,
    resol = "0p25" ,
    preserve_request_order = False ,
    infer_stream_keyword = True ,
)

在哪裡：

source是要聯繫的服務器的名稱，要么是完全合格的URL。可能的值是ecmwf訪問ECMWF的服務器，或訪問Microsoft Azure上azure的數據。默認值為ecmwf 。
model是產生數據的模型的名稱。將ifs用於物理驅動的模型，並將aifs用於數據驅動的模型。請注意， aifs目前是實驗性的，僅產生一小部分字段。默認值為ifs 。
resol指定數據的分辨率。默認值為0.25度分辨率為0p25 ，並且是當前可用的唯一分辨率。
preserve_request_order 。如果將此標誌設置為True ，則庫將嘗試按請求指定的順序將檢索到的數據寫入目標文件。例如，如果請求指定param=[2t,msl]庫將確保字段2t首先在目標文件中，而使用param=[msl,2t] ，則首先將是字段msl 。這也可以跨不同關鍵字來工作： ...,levelist=[500,100],param=[z,t],... ...,param=[z,t],levelist=[500,100],...如果將標誌設置為False ，則庫將對請求進行排序，以最大程度地減少對服務器提出的HTTP請求的數量，從而更快地下載速度。默認值為False 。
infer_stream_keyword 。 stream關鍵字代表創建數據的ECMWF預測系統。正確設置它需要了解ECMWF如何運行其操作。如果將此佈爾設置為True ，則庫將嘗試根據請求的其餘部分來推斷stream關鍵字的正確值。如果模型為ifs則默認值為True 。

配x注意：建議不要在下載大量字段時不要將preserve_request_order標誌設置為True ，因為這會在服務器上增加額外的負載。

方法

Client.retrieve()

Client.retrieve()方法將請求作為輸入，並將從服務器檢索相應的數據並將其寫入用戶的目標文件中。

請求是用於選擇所需數據的關鍵字/值對的列表。可以指定給定關鍵字的值列表。

該請求可以指定為詞典：

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

request = {
    "time" : 0 ,
    "type" : "fc" ,
    "step" : 24 ,
    "param" : [ "2t" , "msl" ],
}

client . retrieve ( request , "data.grib2" )

# or:

client . retrieve (
    request = request ,
    target = "data.grib2" ,
)

或直接作為對retrieve()方法的參數：

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

client . retrieve (
    time = 0 ,
    type = "fc" ,
    step = 24 ,
    param = [ "2t" , "msl" ],
    target = "data.grib2" ,
)

date和time關鍵字用於選擇預測運行的日期和時間（請參見下面的日期和時間）。如果未指定date或兩個date和time ，則庫將查詢服務器以獲取最新匹配數據。下載預測的date和time由retrieve()方法返回。

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

result = client . retrieve (
    type = "fc" ,
    step = 24 ,
    param = [ "2t" , "msl" ],
    target = "data.grib2" ,
)

print ( result . datetime )

5月可以打印2022-01-23 00:00:00 。

Client.download()

Client.download()方法採用與Client.retrieve()方法相同的參數，但是將從服務器下載整個數據文件，忽略諸如param ， levelist或number的關鍵字。

下面的示例將從最新時間步驟24下載所有字段，忽略關鍵字param ：

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

client . download (
    param = "msl" ,
    type = "fc" ,
    step = 24 ,
    target = "data.grib2" ,
)

Client.latest()

Client.latest()方法採用與Client.retrieve()方法相同的參數，並返回最新匹配預測的日期，而無需下載數據：

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

print ( client . latest (
    type = "fc" ,
    step = 24 ,
    param = [ "2t" , "msl" ],
    target = "data.grib2" ,
))

5月可以打印2022-01-23 00:00:00 。

⏰注意：根據預測系統和指定的時間步長，數據在預測開始日期和時間之後的7到9小時之間可用。

請求關鍵字

受支持的關鍵字是：

type ：數據類型（強制性，默認為fc ）。
stream ：預測系統（如果明確的話，則可選，否則強制性）。請參閱上面的infer_stream_keyword 。
date ：預測開始的日期。
time ：預測開始的時間。
step ：幾個小時或fcmonth預測時間步驟，即季節性預測幾個月的時間步長（強制性，默認為0和1 ）。

（所有可選，沒有默認值）：

param ：氣象參數，例如風，壓力或濕度。
levtype ：在壓力級別上選擇單級參數和參數。
levelist ：相關時壓力水平的列表。
number ：相關時集合成員編號的列表。

第一個列表中的關鍵字用於識別要訪問哪個文件，而第二個列表則用於確定實際下載文件的哪些部分。某些HTTP服務器能夠返回文件的多個部分，而其他HTTP服務器只能從文件中返回單個部分。在後一種情況下，庫可能會對服務器執行許多HTTP請求。如果您想下載整個文件，則僅提供第一個列表中的關鍵字。

日期和時間

日期和時間參數是指預測的開始時間。所有日期和時間均以UTC表示。

有幾種方法可以指定請求中的日期和時間。

可以使用字符串，數字和python datetime.datetime或datetime.date對象指定日期：

...
    date = '20220125' ,
    time = 12 ,
...
    date = '2022-01-25' ,
    time = 12 ,
...
    date = '2022-01-25 12:00:00' ,
...
    date = 20220125 ,
    time = 12 ,
...
    date = datetime . datetime ( 2022 , 1 , 25 , 12 , 0 , 0 ),
...
    date = datetime . date ( 2022 , 1 , 25 ),
    time = 12 ,
...

日期也可以作為小於或等於零的數字給出。在這種情況下，它等效於當前UTC日期減去給定數量：

...
    date = 0 , # today
    date = - 1 , # yesterday
    date = - 2 , # the day before yesterday
...

關鍵字time可以作為字符串或整數或python datetime.time對像給出。下面的所有時間值都是等效的：

...
    time = 12 ,
...
    time = 1200 ,
...
    time = '12' ,
...
    time = '1200' ,
...
    time = datetime . time ( 12 ),
...

時間的有效值列表
0、6、12和18

如果未指定time ，則從日期開始提取時間。

...
   date = '2022-01-25 12:00:00' ,
...

等同於：

...
   date = '2022-01-25' ,
   time = 12 ,
...

如果指定了time關鍵字，則它將覆蓋請求中給出的任何時間。

...
   date = '2022-01-25 12:00:00' ,
   time = 18 ,
...

等同於：

...
   date = '2022-01-25' ,
   time = 18 ,
...

如前所述，如果未指定date或date和time ，則庫會查詢服務器以獲取最新匹配數據。下載預測的date和time由retrieve()方法返回：

沒有date關鍵字的示例：

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

result = client . retrieve (
    time = 12 ,
    type = "fc" ,
    param = "2t" ,
    step = "24" ,
    target = "data.grib2" ,
)

print ( result . datetime )

如果在2022-01-23上午奔跑，將打印2022-01-22 12:00:00 。

沒有date和time關鍵字的示例：

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

result = client . retrieve (
    type = "fc" ,
    param = "2t" ,
    step = "24" ,
    target = "data.grib2" ,
)

print ( result . datetime )

如果在2022-01-23上午跑步，將打印2022-01-23 00:00:00 。

流和類型

ECMWF運行多個預測系統：

HRES：高分辨率預測。
ENS：合奏預測。
海洋：遠程（季節性）預測。

這些預測中的每一個還會產生幾種類型的產品，這些產品用於使用關鍵字stream和type 。

type的有效值是：

HRES：

fc ：預測。

ENS：

cf ：控制預測。
pf ：擾動的預測。
em ：合奏的卑鄙。
es ：整體標準偏差。
ep ：概率。

stream的有效值是：

oper ：HRES的大氣場-00 UTC和12 UTC。
wave ：HRES的海浪場-00 UTC和12 UTC。
enfo ：ENS的大氣場。
waef ：ENS的海浪場。
scda ：HRES的大氣場-06 UTC和18 UTC。
scwv ：HRES的海浪場-06 UTC和18 UTC。

？注意：如果客戶端的標誌infer_stream_keyword設置為True ，則庫將從type和time中推斷出流。在這種情況下，您只需要指定stream=wave即可訪問海浪產品，並且在其他情況下不會為stream提供價值。

時間步驟

要選擇一個時間步，請使用step關鍵字：

...
   step = 24 ,
...
   step = [ 24 , 48 ],
...

預測系統	時間	時間步驟列表
HRES	00和12	0至144乘3、144至240 x 6
ens	00和12	0至144 x 3、144至360 x 6
HRES	06和18	0至90乘3
ens	06和18	0至144 x 3
概率 - 瞬時天氣事件	00和12	0至360乘12
概率 - 每日天氣事件	00和12	0-24至336-360乘12

？注意：未指定step將返回所有可用的時間步驟。

參數和級別

要選擇一個參數，請使用param關鍵字：

...
   param = "msl" ,
...
   param = [ "2t" , "msl" ]
...

對於壓力級別參數，請使用levelist關鍵字：

...
   param = "t" ,
   levelist = 850 ,
...
   param = [ "u" , "v" ],
   levelist = [ 1000 , 850 , 500 ],
...

？注意：不指定levelist將返回所有可用級別，而未指定param將返回所有可用參數。

壓力水平列表（HPA）
1000、925、850、700、500、300、250、200和50

以下是所有參數的列表：

壓力水平的大氣場

範圍	描述	單位
d	分歧	S ^-1
GH	地勢高度	GPM
問	具體的濕度	kg kg ^-1
r	相對濕度	％
t	溫度	k
你	U風的組成部分	MS ^-1
v	v風的組成部分	MS ^-1
vo	渦度（相對）	S ^-1

大氣場

範圍	描述	單位
10U	10米U風	MS ^-1
10V	10米V風	MS ^-1
2t	2米溫度	k
MSL	平均海平面壓力	PA
ro	徑流	m
Skt	皮膚溫度	k
sp	表面壓力	PA
英石	土壤溫度	k
STL1	土壤溫度水平1	k
TCWV	總柱垂直整合水蒸氣	kg m ^-2
TP	總降水	m

海浪田

範圍	描述	單位
MP2	平均零交叉波段	s
MWD	平均波動方向	程度是正確的
MWP	平均波週期	s
pp1d	峰值波週期	s
SWH	風波混合的高度和膨脹	m

集合平均值和標準偏差 - 壓力水平

範圍	描述	單位	水平
GH	地勢高度	GPM	300、500、1000
t	溫度	k	250、500、850
WS	風速	MS ^-1	250，850

合奏平均值和標準偏差 - 單級

範圍	描述	單位
MSL	平均海平面壓力	PA

瞬時天氣事件 - 大氣場-850 HPA

範圍	描述	單位
PTSA_GT_1P5STDEV	溫度標準化異常大於1.5標準偏差的概率	％
PTSA_GT_1STDEV	溫度標準化異常的概率大於1標準偏差	％
PTSA_GT_2STDEV	溫度標準化異常的概率大於2標準偏差	％
PTSA_LT_1P5STDEV	溫度標準化異常的概率小於-1.5標準偏差	％
PTSA_LT_1STDEV	溫度標準化異常的可能性小於-1標準偏差	％
PTSA_LT_2STDEV	溫度標準化異常的可能性小於-2標準偏差	％

每日天氣事件 - 大氣場 - 單層

範圍	描述	單位
10FGG10	10米的陣風至少10 m/s	％
10FGG15	10米的陣風至少15 m/s	％
10FGG25	10米的陣風至少25 m/s	％
TPG1	至少1毫米的總沉澱	％
TPG10	至少10毫米的總沉澱	％
TPG100	至少100毫米的總沉澱	％
TPG20	至少20毫米的總沉澱	％
TPG25	至少25毫米的總沉澱	％
TPG5	至少5毫米的總沉澱	％
TPG50	至少50毫米的總沉澱	％

瞬時天氣事件 - 海浪田

範圍	描述	單位
SWHG2	顯著的波高至少2 m	％
SWHG4	顯著的波高至少4 m	％
SWHG6	顯著的波高至少6 m	％
SWHG8	顯著的波高至少8 m	％

合奏數字

您可以選擇集合預測的各個成員使用關鍵字number 。

...
   stream = "enfo" ,
   step = 24 ,
   param = "msl" ,
   number = 1 ,
...
   stream = "enfo" ,
   step = 24 ,
   param = "msl" ,
   number = [ 1 , 10 , 20 ],
...

合奏數字列表
1至50

？注意：未指定number將返回所有合奏預測成員。

例子

從ECMWF的00UTC HRES預測下下載單個表面參數

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

client . retrieve (
    time = 0 ,
    stream = "oper" ,
    type = "fc" ,
    step = 24 ,
    param = "2t" ,
    target = "data.grib2" ,
)

從ECMWF的00UTC HRES預測下載熱帶旋風軌道

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

client . retrieve (
    time = 0 ,
    stream = "oper" ,
    type = "tf" ,
    step = 240 ,
    target = "data.bufr" ,
)

下載的數據在BUFR版本4中編碼
對於HRES的熱帶旋風軌道= 06，時間= 18使用：

...
   step = 90 ,
...

❗注意：熱帶氣旋軌道軌道產品僅在觀察到的熱帶氣旋或預測時可用。

從ECMWF的12UTC 00UTC ENS預測中下載單個表面參數

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

client . retrieve (
    time = 0 ,
    stream = "enfo" ,
    type = "pf" ,
    param = "msl" ,
    target = "data.grib2" ,
)

要下載單個合奏成員，請使用number關鍵字： number=1 。
所有奇數的集合成員均使用number=[num for num in range(1,51,2)] 。
要下載控製成員，請使用type="cf" 。

從ECMWF的00UTC ENS預測下載熱帶旋風軌道

熱帶氣旋軌道通過關鍵字type="tf"標識。

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

client . retrieve (
    time = 0 ,
    stream = "enfo" ,
    type = "tf" ,
    step = 240 ,
    target = "data.bufr" ,
)

下載的數據在BUFR版本4中編碼
對於ENS熱帶旋風在時間= 06和時間= 18替換step=240中，用step=144替換。

從ECMWF的00UTC ENS預測中下載所有參數的集合平均值和標準偏差

集合平均值和標準偏差由關鍵字type="em"標識：

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

client . retrieve (
    time = 0 ,
    stream = "enfo" ,
    type = "em" ,
    step = 24 ,
    target = "data.grib2" ,
)

和type="es" ：

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

client . retrieve (
    time = 0 ,
    stream = "enfo" ,
    type = "es" ,
    step = 24 ,
    target = "data.grib2" ,
)

下載合奏概率產品

集合概率產品由關鍵字type="ep"標識。概率產品僅適用於time=00 ， time=12 。

有兩種不同的產品。

概率 - 瞬時天氣事件 - 壓力水平

在12小時的預測步驟下，溫度標準化異常的可能性為850HPA。

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

client . retrieve (
    time = 0 ,
    stream = "enfo" ,
    type = "ep" ,
    step = [ i for i in range ( 12 , 361 , 12 )],
    levelist = 850 ,
    param = [
        "ptsa_gt_1stdev" ,
        "ptsa_gt_1p5stdev" ,
        "ptsa_gt_2stdev" ,
        "ptsa_lt_1stdev" ,
        "ptsa_lt_1p5stdev" ,
        "ptsa_lt_2stdev" ,
    ],
    target = "data.grib2" ,
)

概率 - 每日天氣事件 - 單層

步驟範圍為0-24至336-360乘12乘以12。這些在檢索請求中使用，例如： step=["0-24", "12-36", "24-48"] 。

 from ecmwf . opendata import Client

client = Client ( source = "ecmwf" )

steps = [ f" { 12 * i } - { 12 * i + 24 } " for i in range ( 29 )]

client . retrieve (
    time = 0 ,
    stream = "enfo" ,
    type = "ep" ,
    step = steps ,
    param = [ "tpg1" , "tpg5" , "10fgg10" ],
    target = "data.grib2" ,
)