在此处按照以下步骤使用哥白尼服务器

https://confluence.ecmwf.int/display/CKB/How+to+download+ERA5

该脚本仅下载两天（2017年1月1日和2日）的原始数据：

#!/usr/bin/env python
"""
Save as get-tp.py, then run "python get-tp.py".

Input file : None
Output file: tp_20170101-20170102.nc
"""
import cdsapi

c = cdsapi.Client()
r = c.retrieve(
    'reanalysis-era5-single-levels', {
            'variable'    : 'total_precipitation',
            'product_type': 'reanalysis',
            'year'        : '2017',
            'month'       : '01',
            'day'         : ['01', '02'],
            'time'        : [
                '00:00','01:00','02:00',
                '03:00','04:00','05:00',
                '06:00','07:00','08:00',
                '09:00','10:00','11:00',
                '12:00','13:00','14:00',
                '15:00','16:00','17:00',
                '18:00','19:00','20:00',
                '21:00','22:00','23:00'
            ],
            'format'      : 'netcdf'
    })
r.download('tp_20170101-20170102.nc')
## Add multiple days and multiple months to donload more data

下面的脚本将仅创建一天的netCDF文件

#!/usr/bin/env python
"""
Save as file calculate-daily-tp.py and run "python calculate-daily-tp.py".

Input file : tp_20170101-20170102.nc
Output file: daily-tp_20170101.nc
"""
import time, sys
from datetime import datetime, timedelta

from netCDF4 import Dataset, date2num, num2date
import numpy as np

day = 20170101
d = datetime.strptime(str(day), '%Y%m%d')
f_in = 'tp_%d-%s.nc' % (day, (d + timedelta(days = 1)).strftime('%Y%m%d'))
f_out = 'daily-tp_%d.nc' % day

time_needed = []
for i in range(1, 25):
    time_needed.append(d + timedelta(hours = i))

with Dataset(f_in) as ds_src:
    var_time = ds_src.variables['time']
    time_avail = num2date(var_time[:], var_time.units,
            calendar = var_time.calendar)

    indices = []
    for tm in time_needed:
        a = np.where(time_avail == tm)[0]
        if len(a) == 0:
            sys.stderr.write('Error: precipitation data is missing/incomplete - %s!\n'
                    % tm.strftime('%Y%m%d %H:%M:%S'))
            sys.exit(200)
        else:
            print('Found %s' % tm.strftime('%Y%m%d %H:%M:%S'))
            indices.append(a[0])

    var_tp = ds_src.variables['tp']
    tp_values_set = False
    for idx in indices:
        if not tp_values_set:
            data = var_tp[idx, :, :]
            tp_values_set = True
        else:
            data += var_tp[idx, :, :]

    with Dataset(f_out, mode = 'w', format = 'NETCDF3_64BIT_OFFSET') as ds_dest:
        # Dimensions
        for name in ['latitude', 'longitude']:
            dim_src = ds_src.dimensions[name]
            ds_dest.createDimension(name, dim_src.size)
            var_src = ds_src.variables[name]
            var_dest = ds_dest.createVariable(name, var_src.datatype, (name,))
            var_dest[:] = var_src[:]
            var_dest.setncattr('units', var_src.units)
            var_dest.setncattr('long_name', var_src.long_name)

        ds_dest.createDimension('time', None)
        var = ds_dest.createVariable('time', np.int32, ('time',))
        time_units = 'hours since 1900-01-01 00:00:00'
        time_cal = 'gregorian'
        var[:] = date2num([d], units = time_units, calendar = time_cal)
        var.setncattr('units', time_units)
        var.setncattr('long_name', 'time')
        var.setncattr('calendar', time_cal)

        # Variables
        var = ds_dest.createVariable(var_tp.name, np.double, var_tp.dimensions)
        var[0, :, :] = data
        var.setncattr('units', var_tp.units)
        var.setncattr('long_name', var_tp.long_name)

        # Attributes
        ds_dest.setncattr('Conventions', 'CF-1.6')
        ds_dest.setncattr('history', '%s %s'
                % (datetime.now().strftime('%Y-%m-%d %H:%M:%S'),
                ' '.join(time.tzname)))

        print('Done! Daily total precipitation saved in %s' % f_out)

我想要的是一个代码，它将与上述数据遵循相同的步骤，但是假设我有一个输入文件，其中包含一年的普通数据并将其转换为一年的每日数据。

结果应为全年的计算变量（例如降水等）的每日值。

示例：假设我每天有1mm / hr的全年降水量数据，那么全年会有2928个值。

我想要的是全年24mm /天，非ap年仅365个值。

示例输入数据集：数据子集可从此处下载（2017年1月1日至2日）https://www.dropbox.com/sh/0vdfn20p355st3i/AABKYO4do_raGHC34VnsXGPqa?dl=0。在此之后，只需使用第二个脚本来检查代码即可。 {全年的密码为> 10 GB ，因此无法上传

预先感谢

Answer 1

xarray resample只是适合您的工具。它将netCDF数据在一行中从一种时间分辨率（例如，每小时）转换为另一种（例如，每天）。使用您的样本数据文件，我们可以使用以下代码创建每日均值：

import xarray as xr

ds = xr.open_dataset('./tp_20170101-20170102.nc')
tp = ds['tp'] # dimensions [time: 48, latitude: 721, longitude: 1440]
tp_daily = tp.resample(time='D').mean(dim='time') # dimensions (time: 2, latitude: 721, longitude: 1440)

您将看到resample命令采用了时间代码，在本例中为'D'，它表示每天，然后我们指定要使用每小时数据计算每天的平均值与.mean(dim='time')的那天。

例如，如果您想计算每日最大值而不是每日平均值，则可以将.mean(dim='time')替换为.max(dim='time')。您还可以从每小时到每月（MS或每月开始），每年（AS或每年开始）等等。时间频率代码可以在Pandas docs中找到。

Answer 2

从命令行使用CDO的另一种快速方法是：

cdo daysum -shifttime,-1hour era5_hourly.nc era5_daily.nc

请注意，按照此处的此答案/讨论：Calculating ERA5 Daily Total Precipitation using CDO ERA5每小时数据在每小时窗口的末尾具有时间步长，因此您需要在计算总和之前先更改时间戳，但我不确定xarray解决方案是否能够解决这一问题。另外，要有毫米/天，我认为需要求和，而不是取平均值。

如何使用全年的每小时数据来计算每天的总降水量？

在此处按照以下步骤使用哥白尼服务器

我想要的是一个代码，它将与上述数据遵循相同的步骤，但是假设我有一个输入文件，其中包含一年的普通数据并将其转换为一年的每日数据。

2 个答案: