### 使用Python从Copernicus CDS API下载ERA5风速数据 为了实现这一目标，可以利用`cdsapi`库来访问COPERNICUS气候数据中心(CDS)，进而请求特定时间段内的ERA5风速数据。安装此API客户端可以通过pip完成[^2]。 #### 安装必要的软件包 首先确保已安装所需的Python库： ```bash pip install cdsapi pandas openpyxl ``` #### 编写脚本以调用API并处理数据 下面是一个完整的Python脚本实例，用于下载ERA5的地表风速(u10, v10代表10米高度处的东西向和南北向分量)并将这些数据存储到CSV文件或Excel工作簿中: ```python import cdsapi import pandas as pd def fetch_era5_wind_data(year='2023', month='07'): c = cdsapi.Client() # 调用CDS API 下载指定年份月份的数据 output_file = f'wind_{year}_{month}.nc' c.retrieve( 'reanalysis-era5-single-levels', { 'product_type': 'reanalysis', 'variable': [ '10m_u_component_of_wind', '10m_v_component_of_wind', ], 'year': year, 'month': month, 'day': ['01', '02'], # 只作为例子选择了两天；实际应用可以根据需求调整日期列表 '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' ], 'area': [-20, -80, 20, 80], # 设置感兴趣区域的纬度经度边界框 'format': 'netcdf' }, output_file) return output_file def convert_netcdf_to_table(input_nc, output_format="csv"): df = pd.read_csv(input_nc) if input_nc.endswith('.csv') else \ pd.read_excel(input_nc) if input_nc.endswith(('.xls', '.xlsx')) else \ pd.read_fwf(input_nc) if input_nc.endswith('.txt') else None if not isinstance(df, pd.DataFrame): import xarray as xr ds = xr.open_dataset(input_nc) # 将NetCDF中的变量转换成Pandas DataFrame df = ds.to_dataframe().reset_index() file_extension = ".csv" if output_format.lower() == "csv" else ".xlsx" filename = f"data_converted{file_extension}" if output_format.lower() == "csv": df.to_csv(filename, index=False) elif output_format.lower() == "excel": with pd.ExcelWriter(filename) as writer: df.to_excel(writer, sheet_name='Sheet1', index=False) if __name__ == "__main__": netcdf_path = fetch_era5_wind_data('2023', '07') convert_netcdf_to_table(netcdf_path, "excel") # 或者使用 "csv" ``` 这段代码定义了两个主要函数：一个是用来通过设置参数从CDS获取ERA5地表风速资料(`fetch_era5_wind_data`)；另一个则是负责把接收到的NetCDF格式的结果转化为更易于操作的形式如CSV或者Excel表格(`convert_netcdf_to_table`)。最后部分展示了如何组合这两个功能来执行整个流程。