### 如何使用 Python 批量下载 ERA5 数据 要实现通过 Python 批量下载 ERA5 数据的功能，可以按照以下方法操作： #### 1. 准备工作 首先需要安装 `cdsapiclient` 库并完成 Climate Data Store (CDS) 的账户注册以及 API 密钥配置。具体步骤如下： - 登录 [Climate Data Store](https://cds.climate.copernicus.eu/) 官网创建账号。 - 获取个人专属的 API key，并将其保存至环境变量或直接嵌入脚本中。 #### 2. 编写代码逻辑 下面是一个完整的 Python 脚本示例用于批量下载 ERA5 日数据[^3]： ```python import cdsapi def download_era5_data(): # 初始化客户端对象 c = cdsapi.Client() # 设置目标区域和时间范围 area = [21, 110, 25, 117] # 自定义经纬度边界框 years = [str(year) for year in range(1980, 2006)] # 时间跨度 variable = 'total_precipitation' # 单一气象要素名称 output_path = './output/' # 输出目录需提前手动建立好 # 遍历每年的数据请求 for year in years: try: c.retrieve( 'reanalysis-era5-single-levels', { 'product_type': 'reanalysis', 'variable': variable, 'year': year, 'month': [ '01', '02', '03', '04', '05', '06', '07', '08', '09', '10', '11', '12' ], 'day': ['{:02d}'.format(day) for day in range(1, 32)], 'time': '00:00', 'format': 'netcdf', 'area': area }, f"{output_path}era5_{variable}_{year}.nc" ) print(f"Successfully downloaded {year}") except Exception as e: print(f"Error downloading {year}: {e}") if __name__ == "__main__": download_era5_data() ``` 此段程序实现了基于指定条件自动抓取多年份的日尺度再分析资料功能[^3]。 #### 注意事项 - **API Key**: 如果未设置全局可用的 `.cdsapirc` 文件，则应在实例化 Client 对象时显式传参 `key='your_api_key_here'`. - **存储路径**: 确保本地磁盘有足够的剩余空间容纳所有待处理的大规模科学计算文件集合. - 参数调整：依据实际需求灵活更改 dataset 类型、变量列表（如 surface pressure）、网格精度等选项[^1]. --- 相关问题