### 使用 Python 在 Windows 系统上下载 ERA5 数据 要在 Windows 系统上通过 Python 实现 ERA5 数据的下载，可以按照以下方法操作： #### 安装必要的库 首先需要安装 `cdsapi` 库来访问 Copernicus Climate Data Store (CDS) 的 API 接口。可以通过 Anaconda 提供的命令行工具完成此过程。 在 **Anaconda Powershell Prompt** 中输入以下命令以安装 `cdsapi`： ```bash pip install cdsapi ``` 如果遇到任何依赖项问题或者无法找到包的情况，可尝试更新 pip 或者切换镜像源后再执行上述命令[^4]。 #### 配置 CDS API 密钥 为了能够正常使用 CDS 平台的服务，必须先注册账户并获取个人专属密钥。登录至 [Copernicus Climate Data Store](https://cds.climate.copernicus.eu/) 后，在用户主页中找到自己的 API 密钥，并将其保存到本地配置文件中。 具体路径应为用户的主目录下的 `.cdsapirc` 文件，其内容格式如下所示： ```plaintext url: https://cds.climate.copernicus.eu/api/v2 key: your_api_key_here ``` 其中 `your_api_key_here` 替换为你实际获得的密钥字符串[^1]。 #### 编写 Python 脚本进行数据请求 下面是一个简单的例子展示如何编写脚本来定义所需参数并通过调用官方接口发起数据订单。 ```python import cdsapi c = cdsapi.Client() c.retrieve( 'reanalysis-era5-single-levels', { 'product_type': 'reanalysis', 'variable': [ '2m_temperature', 'surface_pressure' ], 'year': ['2020'], 'month': ['01'], 'day': ['01'], 'time': ['12:00'], 'format': 'netcdf' # 输出格式可以选择 netCDF ('netcdf') 或 GRIB ('grib') }, 'downloaded_data.nc' # 自定义输出文件名称 ) ``` 以上代码片段实现了针对单层变量（如地面温度、气压等）的选择性提取功能；对于多层大气物理量则需调整目标数据集名称以及相应选项列表[^2]。 #### 批量自动化流程设计思路 当面对大量历史时间段内的连续观测记录需求时，则可通过循环结构动态生成日期序列作为查询条件的一部分传入函数内部实现自动化的分批抓取作业。例如采用 pandas 库中的 date_range 方法构建完整的年份跨度范围等等[^3]。 --- ###