🌤️ 公开气象数据下载资源库

中文 | English

一个收集整理各类公开气象数据下载网址的资源库，旨在为气象研究、数据分析和应用开发提供便捷的数据获取渠道。

---

📢 最新动态

2026-05-21 · 📝 新增 Planette ERA5 AWS S3 下载脚本用于下载 ERA5 日平均、周平均、月平均数据（era5_planette_downloader.py），支持多变量并发、单位转换、实时进度

2026-04-11 · 📝 新增 ERA5 AWS S3 多线程下载脚本使用教程（s3_downloader_multi.py）

2026-03-03 · 🎇 更新readme文档，优化显示

2025-12-09 · ✨ ECMWF 下载脚本升级 — 新增 IFS / EFS / AIFS / AIEFS 全系列数据支持

2025-12-05 · 🚀 ECMWF 下载脚本发布 — 支持 4 线程并行下载，大幅提升效率

---

🔧 项目进展

类别	状态
数值预报数据	✅
大模型预报数据	✅
再分析数据	✅
实时观测数据	🔜
卫星数据	🔜
雷达数据	🔜
气候数据	🔜
海洋气象数据	🔜
空气质量数据	🔜
开源代码与工具	🔜

---

📚 目录

数据类型	工具与社区
数值预报 · 大模型 · 再分析数据	贡献指南 · 许可证
实况观测 · 海洋气象 · 空气质量	开源工具
卫星数据 · 雷达数据	致谢

数值预报数据

实时预报数据

ECMWF · 欧洲中期天气预报中心

---

IFS · 确定性预报

🔗 ECMWF Open Data · 📅 最近 4 日

---

EFS · 集合预报

🔗 ECMWF Open Data · 📅 最近 4 日

---

IFS 数据格式说明

NCEP · 美国全球预报系统

---

GFS · 确定性预报

🔗 GFS_UCAR · 📅 最近 3 个月

---

GFS · 确定性预报

🔗 GFS_OpeNDAP · 📅 最近 10 日 · 📝 Python/xarray 示例

---

GFS · 确定性预报

🔗 GFS_OpeNDAP · 📅 最近 10 日 · 📝 Python/xarray 示例

---

GFS · 确定性预报

🔗 GFS_NOAA · 📅 最近 10 日

---

GFS · 确定性预报

🔗 GFS_OpeNDAP · 📅 最近 10 日 · 📝 Python/xarray 示例

---

GFS · 确定性预报

🔗 GFS_OpeNDAP · 📅 最近 10 日 · 📝 Python/xarray 示例

---

GEFS · 集合预报

🔗 GEFS_NOAA · 📅 最近 4 日

---

GEFS · 集合预报

🔗 GEFS_NOAA · 📅 最近 4 日

DWD · 德国天气局

---

ICON · 确定性预报

🔗 ICON Open Data · 📅 最近 4 个起报

JMA · 日本气象厅（无法直接下载，需要申请账号）

---

GSM · 确定性预报

🔗 JMA GSM · 📅 最近 5 日

历史预报数据

ECMWF · 欧洲中期天气预报中心

---

IFS (HRES ~ 地面) · 确定性预报

🔗 IFS_UCAR · 📅 2016 年 1 月 1 日至今

---

IFS · 确定性预报

🔗 🪜 ECMWF_GOOGLE · 📅 2023 年 7 月 12 日至今（有延迟）

---

IFS · 确定性预报

🔗 AWS-S3 · 📅 2023 年 3 月 18 日至今 · ⚠️ 需 awscli 或补全 URL

---

EFS · 集合预报

🔗 🪜 ECMWF_GOOGLE · 📅 2023 年 7 月 12 日至今（有延迟）

---

EFS · 集合预报

🔗 AWS-S3 · 📅 2023 年 3 月 18 日至今 · ⚠️ 需 awscli 或补全 URL

NCEP · 美国全球预报系统

---

GFS · 确定性预报

🔗 GFS_UCAR · 📅 2015 年 1 月 15 日至今（2026 年停更）

---

GFS · 确定性预报

🔗 AWS-S3 · 📅 2021 年 1 月 1 日至今 · 🔍 搜索 gfs

---

GFS · 确定性预报

🔗 🪜 GFS_GOOGLE · 📅 2021 年 1 月 1 日至今 · 🔍 搜索 gfs

---

GEFS · 集合预报

🔗 AWS-S3 · 📅 2017 年 1 月 1 日至今

---

GEFS · 集合预报

🔗 🪜 GFS_GOOGLE · 📅 2020 年 9 月 25 日至今

大模型预报数据

实时数据

ECMWF · 欧洲中期天气预报中心

---

AIFS · 确定性预报

🔗 ECMWF Open Data · 📅 最近 4 日

---

AIEFS · 集合预报

🔗 ECMWF Open Data · 📅 最近 4 日

NCEP · 美国全球预报系统

---

AIGFS · 确定性预报

🔗 AIGFS_NOAA · 📅 最近 2 日

---

AIGEFS · 集合预报

🔗 AIGEFS_NOAA · 📅 最近 2 日

AI 模型集合 · Aurora / FourCastNet / GraphCast / PANGU

---

Aurora · 微软 · 确定性预报

🔗 AWS-S3 · 📝 数据说明

---

FourCastNet · NVIDIA · 确定性预报

🔗 AWS-S3 · 📝 数据说明

---

GraphCast · Google / DeepMind · 确定性预报

🔗 AWS-S3 · 📝 数据说明

---

PANGU · 华为 · 确定性预报

🔗 AWS-S3 · 📝 数据说明

历史数据

ECMWF · 欧洲中期天气预报中心

---

AIFS · 确定性预报

🔗 AWS-S3 · 📅 2024 年 2 月 29 日至今 · ⚠️ 需 awscli 或补全 URL

---

AIEFS · 集合预报

🔗 AWS-S3 · ⚠️ 需 awscli 或补全 URL

AI 模型集合 · Aurora / FourCastNet / GraphCast / PANGU

---

Aurora · 微软 · 确定性预报

🔗 AWS-S3 · 📅 2025 年 1 月 23 日至今 · 📝 数据说明

---

FourCastNet · NVIDIA · 确定性预报

🔗 AWS-S3 · 📅 2020 年 9 月 30 日至今 · 📝 数据说明

---

GraphCast · Google / DeepMind · 确定性预报

🔗 AWS-S3 · 📅 2020 年 9 月 30 日至今 · 📝 数据说明

---

PANGU · 华为 · 确定性预报

🔗 AWS-S3 · 📅 2020 年 9 月 30 日至今 · 📝 数据说明

气候与再分析数据

再分析数据集

ERA5-land · ECMWF 地面再分析

无魔法情况下推荐通过AWS+IDM多线程下载，下载速度最快

---

ERA5-land (hourly)

🔗 ERA5-land

---

ERA5-land (hourly)

🔗 AWS-S3 · 📅 数据延迟3-4个月 · 📝 Python 多线程下载脚本

📖 s3_downloader_multi.py 使用教程

---

脚本简介

s3_downloader_multi.py 是一个针对 AWS S3 ERA5 数据的智能并发下载脚本，通过调用 IDM 或 XDM 实现多任务并行下载，支持断点续传、字节级校验和自动跳过已完成文件。

环境依赖

pip install requests beautifulsoup4 lxml

同时需要安装以下任意一款下载工具：

• IDM（Windows，推荐）：Internet Download Manager
• XDM（跨平台）：Xtreme Download Manager

配置下载工具路径

打开脚本，修改 Config 类中的路径：

class Config:
    DOWNLOAD_TOOL = "idm"   # 或 "xdm"
    IDM_PATH = r"D:\Program Files (x86)\Internet Download Manager\IDMan.exe"
    XDM_PATH_LINUX  = "/opt/xdman/xdman"
    XDM_PATH_WINDOWS = r"C:\Program Files\XDM\xdman.exe"

---

命令行模式（推荐）

python s3_downloader_multi.py -v <变量> -y <年份范围> -o <输出目录> [选项]

参数	说明	示例
-v	变量名，多个用逗号分隔	2t / 2t,10u,10v
-y	年份范围，单年或区间	2024 / 2020-2024
-m	月份，多个用逗号分隔（默认全年）	1,2,3
-o	本地输出目录	./era5_data
-t	下载工具，idm 或 xdm（默认 idm）	idm
-c	最大并发数（默认 6）	4
--dry-run	预览模式，不实际下载	—
--export	导出文件列表为 CSV/TXT	—
--delay	数据延迟月数（默认 5）	3

示例

# 预览 2024 年 2m 气温数据（不下载）
python s3_downloader_multi.py -v 2t -y 2024 -o ./era5_data --dry-run --export

# 下载 2023-2024 年 2m 气温 + 10m 风场，6 线程并发
python s3_downloader_multi.py -v 2t,10u,10v -y 2023-2024 -o ./era5_data -c 6

# 只下载 2024 年 6-8 月地面气压
python s3_downloader_multi.py -v sp -y 2024 -m 6,7,8 -o ./era5_data

---

代码调用模式

修改脚本顶部 Config 类中的 RUN_MODE 和 CODE_PARAMS，然后直接运行：

class Config:
    RUN_MODE = "code"   # 切换为代码模式
    CODE_PARAMS = {
        "variables":      ["2t", "10u"],   # 变量列表
        "start_year":     2023,
        "end_year":       2024,
        "months":         [6, 7, 8],       # None 表示全年
        "output_dir":     "./era5_data",
        "dry_run":        False,
        "export_preview": True,
        "preview_file":   "preview_list.csv",
    }

---

支持的变量（默认数据集 e5.oper.an.sfc，共 62 个）

变量代码	含义	单位	变量代码	含义	单位
2t	2米气温	K	2d	2米露点温度	K
10u	10米纬向风/10米U风分量	m s⁻¹	10v	10米经向风/10米V风分量	m s⁻¹
100u	100米纬向风/100米U风分量	m s⁻¹	100v	100米经向风/100米V风分量	m s⁻¹
u10n	10米中性纬向风	m s⁻¹	v10n	10米中性经向风	m s⁻¹
sp	地面气压/表面气压	Pa	msl	平均海平面气压	Pa
skt	表皮温度/地表表皮温度	K	sstk	海表表皮温度	K
sd	积雪深度/雪水当量	m	rsn	积雪密度	kg m⁻³
asn	积雪反照率	0~1	tsn	积雪层温度/雪层温度	K
cape	对流有效位能	J kg⁻¹	blh	边界层高度	m
tcc	总云量	0~1	lcc	低云量	0~1
mcc	中云量	0~1	hcc	高云量	0~1
tcw	大气柱总水含量	kg m⁻²	tcwv	大气柱总水汽含量	kg m⁻²
tciw	大气柱总冰水含量	kg m⁻²	tclw	大气柱总液态水含量	kg m⁻²
tco3	大气柱总臭氧含量	kg m⁻²	ci	海冰密集度/海冰浓度	0~1
stl1~stl4	土壤温度 1~4层	K	swvl1~swvl4	土壤体积含水量 1~4层	m³ m⁻³
istl1~istl4	冰层温度 1~4层	K	src	表皮层储水量/表层截留水量	m
alnid	近红外直接反照率	0~1	alnip	近红外漫射反照率	0~1
aluvd	紫外直接反照率	0~1	aluvp	紫外漫射反照率	0~1
fal	预报反照率	0~1	fsr	预报表面粗糙度	m
flsr	预报对数表面粗糙度	无量纲	chnk	Charnock系数	无量纲
lailv	低植被叶面积指数	m² m⁻²	laihv	高植被叶面积指数	m² m⁻²
tcrw	大气柱总雨水含量	kg m⁻²	tcsw	大气柱总雪水含量	kg m⁻²
ie	瞬时水汽通量/瞬时蒸发	kg m⁻² s⁻¹	ishf	瞬时表面感热通量	W m⁻²
iews	瞬时东西向表面应力	N m⁻²	inss	瞬时南北向表面应力	N m⁻²
lblt	湖底温度	K	ltlt	湖全层温度/湖混合层温度	K
licd	湖冰总深度/湖冰厚度	m	lict	湖冰表面温度	K
lshf	湖表总热通量	W m⁻²

---

1. 比例值 (0~1)：云量 (tcc 等)、反照率 (asn 等)、海冰浓度 (ci) 在 ERA5 原生数据中是 0 到 1 的小数，而不是百分比。若需百分比需乘以 100。
2. 水当量 (m)：积雪深度 (sd) 和表皮储水量 (src) 的单位 m 指的是米水当量 (m of water equivalent)，并非实际的物理几何深度。
3. 瞬时通量：由于该数据集是分析场 (analysis)，通量和应力变量（如 ie, ishf, iews）代表的是瞬时值，因此单位包含时间倒数（如 kg m⁻² s⁻¹, W m⁻², N m⁻²）。如果是预报场 (forecast)，则为累积量，单位会有所不同。
4. 柱含量 (kg m⁻²)：如 tcwv, tcrw 等，数值上等同于 毫米 (mm) 的液态水深度。

---

脚本默认下载 e5.oper.an.sfc（地面分析）数据集，可通过修改 DATASET_PREFIX 访问其他数据集（见下方）。完整变量说明可参考 ECMWF ERA5 参数表。

---

气压层分析 e5.oper.an.pl（共 16 个变量）

设置 DATASET_PREFIX = "e5.oper.an.pl" 访问。变量覆盖多个气压层（1–1000 hPa），包含风、温度、位势高度、湿度、云、臭氧等三维大气分析场。这是 ERA5 最核心的高空数据集之一，常用于天气分析、气候诊断和数值模式验证。

变量代码	含义	单位	变量代码	含义	单位
z	位势（地转高度）	m²/s²	t	温度	K
u	纬向风	m/s	v	经向风	m/s
w	垂直速度	Pa/s	q	比湿	kg/kg
r	相对湿度	%	d	散度	s⁻¹
vo	相对涡度	s⁻¹	pv	位涡	PVU
o3	臭氧质量混合比	kg/kg	cc	云量	(0–1)
clwc	云液态水含量	kg/kg	ciwc	云冰水含量	kg/kg
crwc	雨水含量	kg/kg	cswc	雪水含量	kg/kg

---

📂 其他数据集（修改 DATASET_PREFIX 访问）

---

垂直积分 e5.oper.an.vinteg（共 36 个变量）

大气柱垂直积分量，包含质量、能量、水汽的积分及通量。

基本积分量

变量代码	含义	单位	变量代码	含义	单位
vima	大气柱总质量	kg m⁻²	vit	大气柱温度积分	K kg m⁻²
vike	大气柱动能积分	J m⁻²	vithe	大气柱热能积分	J m⁻²
vipie	大气柱干静力能积分	J m⁻²	vipile	大气柱湿静力能积分	J m⁻²
vitoe	大气柱总能量积分	J m⁻²	viec	能量转换率积分	W m⁻²

水汽/质量/能量通量

变量代码	含义	单位	变量代码	含义	单位
vimae	纬向质量通量	kg m⁻¹ s⁻¹	viman	经向质量通量	kg m⁻¹ s⁻¹
viwve	纬向水汽通量	kg m⁻¹ s⁻¹	viwvn	经向水汽通量	kg m⁻¹ s⁻¹
vige	纬向位势通量	W m⁻¹	vign	经向位势通量	W m⁻¹
vikee	纬向动能通量	W m⁻¹	viken	经向动能通量	W m⁻¹
vithee	纬向热通量	W m⁻¹	vithen	经向热通量	W m⁻¹
vitoee	纬向总能量通量	W m⁻¹	vitoen	经向总能量通量	W m⁻¹
vioze	纬向臭氧通量	kg m⁻¹ s⁻¹	viozn	经向臭氧通量	kg m⁻¹ s⁻¹

云水通量

变量代码	含义	单位	变量代码	含义	单位
vilwe	纬向云液态水通量	kg m⁻¹ s⁻¹	vilwn	经向云液态水通量	kg m⁻¹ s⁻¹
viiwe	纬向云冰水通量	kg m⁻¹ s⁻¹	viiwn	经向云冰水通量	kg m⁻¹ s⁻¹

通量散度

变量代码	含义	单位	变量代码	含义	单位
vimad	质量通量散度	kg m⁻² s⁻¹	viked	动能通量散度	W m⁻²
vithed	热能通量散度	W m⁻²	viwvd	水汽通量散度	kg m⁻² s⁻¹
vigd	位势通量散度	W m⁻²	vitoed	总能量通量散度	W m⁻²
viozd	臭氧通量散度	kg m⁻² s⁻¹	vilwd	云液态水通量散度	kg m⁻² s⁻¹
viiwd	云冰水通量散度	kg m⁻² s⁻¹	vimat	垂直积分水汽平流倾向	kg m⁻² s⁻¹

---

地面预报累积量 e5.oper.fc.sfc.accumu（共 38 个变量）

预报模式输出的地面累积量，默认累积时段为 0–24h（或步长内累积）。

降水与蒸发

变量代码	含义	单位	变量代码	含义	单位
lsp	大尺度降水	m	cp	对流降水	m
sf	降雪量 (水当量)	m	csf	对流降雪量 (水当量)	m
lsf	大尺度降雪量 (水当量)	m	ro	径流总量	m
sro	地表径流	m	ssro	地下径流	m
es	蒸发量 (水当量)	m	pev	潜在蒸发量	m
lspf	大尺度降水比例	0~1	e	蒸发量	m

辐射（地面）

变量代码	含义	单位	变量代码	含义	单位
ssrd	地面向下太阳辐射	J m⁻²	strd	地面向下长波辐射	J m⁻²
ssr	地面净太阳辐射	J m⁻²	str	地面净长波辐射	J m⁻²
ssrc	地面净太阳辐射（晴空）	J m⁻²	strc	地面净长波辐射（晴空）	J m⁻²
ssrdc	地面向下太阳辐射（晴空）	J m⁻²	strdc	地面向下长波辐射（晴空）	J m⁻²
fdir	地面直接太阳辐射	J m⁻²	cdir	地面直接太阳辐射（晴空）	J m⁻²
uvb	地面紫外辐射	J m⁻²

辐射（大气顶）

变量代码	含义	单位	变量代码	含义	单位
tsr	大气顶净太阳辐射	J m⁻²	ttr	大气顶净长波辐射 (OLR)	J m⁻²
tsrc	大气顶净太阳辐射（晴空）	J m⁻²	ttrc	大气顶净长波辐射（晴空）	J m⁻²
tisr	大气顶入射太阳辐射	J m⁻²

热量与湍流

变量代码	含义	单位	变量代码	含义	单位
sshf	地面感热通量 (累积)	J m⁻²	slhf	地面潜热通量 (累积)	J m⁻²
bld	边界层耗散 (累积)	J m⁻²	gwd	重力波耗散 (累积)	J m⁻²
ewss	纬向湍流应力 (累积)	N m⁻² s	nsss	经向湍流应力 (累积)	N m⁻² s
lgws	纬向重力波应力 (累积)	N m⁻² s	mgws	经向重力波应力 (累积)	N m⁻² s
smlt	融雪量 (水当量)	m	vimd	垂直积分水汽散度	kg m⁻²

---

地面预报瞬时量 e5.oper.fc.sfc.instan（共 14 个变量）

预报模式输出的地面瞬时量，包含云底高度、阵风、降水率和波浪参数。

变量代码	含义	单位	变量代码	含义	单位
cbh	云底高度	m	zust	摩擦速度	m s⁻¹
i10fg	瞬时 10m 阵风	m s⁻¹	deg0l	零度层高度	m
crr	对流降水率	kg m⁻² s⁻¹	lsrr	大尺度降水率	kg m⁻² s⁻¹
csfr	对流降雪率	kg m⁻² s⁻¹	lssfr	大尺度降雪率	kg m⁻² s⁻¹
ilspf	瞬时大尺度降水比例	0~1	dctb	风浪和涌浪合成波向	°
tplb	合成波周期（一阶矩）	s	tplt	合成波周期（二阶矩）	s
dndzn	风浪波向	°	dndza	风浪波向（调整）	°

---

地面预报平均通量 e5.oper.fc.sfc.meanflux（共 39 个变量）

预报模式输出的地面时间平均通量，前缀 m = mean（平均），是累积量的时间平均版本。

降水与蒸发

变量代码	含义	单位	变量代码	含义	单位
mtpr	平均总降水率	kg m⁻² s⁻¹	mcpr	平均对流降水率	kg m⁻² s⁻¹
mlspr	平均大尺度降水率	kg m⁻² s⁻¹	mcsr	平均对流降雪率	kg m⁻² s⁻¹
mlssr	平均大尺度降雪率	kg m⁻² s⁻¹	msr	平均降雪率	kg m⁻² s⁻¹
mer	平均蒸发率	kg m⁻² s⁻¹	mper	平均潜在蒸发率	kg m⁻² s⁻¹
msror	平均地表径流率	kg m⁻² s⁻¹	mssror	平均地下径流率	kg m⁻² s⁻¹
mror	平均径流率	kg m⁻² s⁻¹	mlspf	平均大尺度降水比例	0~1
msmr	平均融雪率	kg m⁻² s⁻¹	mvimd	平均垂直积分水汽散度	kg m⁻² s⁻¹

辐射（地面）

变量代码	含义	单位	变量代码	含义	单位
msdwswrf	平均地面向下短波辐射	W m⁻²	msdwlwrf	平均地面向下长波辐射	W m⁻²
msnswrf	平均地面净短波辐射	W m⁻²	msnlwrf	平均地面净长波辐射	W m⁻²
msdwswrfcs	晴空平均地面向下短波	W m⁻²	msdwlwrfcs	晴空平均地面向下长波	W m⁻²
msnswrfcs	晴空平均地面净短波	W m⁻²	msnlwrfcs	晴空平均地面净长波	W m⁻²
msdrswrf	平均地面直接短波辐射	W m⁻²	msdrswrfcs	晴空平均地面直接短波	W m⁻²
msdwuvrf	平均地面向下 UV 辐射	W m⁻²

辐射（大气顶）

变量代码	含义	单位	变量代码	含义	单位
mtnswrf	平均大气顶净短波辐射	W m⁻²	mtnlwrf	平均大气顶净长波 (OLR)	W m⁻²
mtnswrfcs	晴空平均大气顶净短波	W m⁻²	mtnlwrfcs	晴空平均大气顶净长波	W m⁻²
mtdwswrf	平均大气顶向下短波	W m⁻²

热量与湍流

变量代码	含义	单位	变量代码	含义	单位
msshf	平均地面感热通量	W m⁻²	mslhf	平均地面潜热通量	W m⁻²
mbld	平均边界层耗散	W m⁻²	mgwd	平均重力波耗散	W m⁻²
metss	平均纬向湍流应力	N m⁻²	mntss	平均经向湍流应力	N m⁻²
megwss	平均纬向重力波应力	N m⁻²	mngwss	平均经向重力波应力	N m⁻²

---

地面预报极值 e5.oper.fc.sfc.minmax（共 5 个变量）

预报模式输出的地面极值量，包含最高/最低温度、最大阵风和极值降水率。

变量代码	含义	单位	变量代码	含义	单位
10fg	10m 风速阵风极值	m s⁻¹	mx2t	2m 最高温度	K
mn2t	2m 最低温度	K	mxtpr	最大总降水率	kg m⁻² s⁻¹
mntpr	最小总降水率	kg m⁻² s⁻¹

---

恒定不变量 e5.oper.invariant（共 14 个变量）

地理/地表特征常量，不随时间变化，仅含一个时间步。

变量代码	含义	单位	变量代码	含义	单位
z	地形位势 (除以9.8得高度)	m² s⁻²	lsm	陆海掩码	0~1
cl	湖泊覆盖度	0~1	dl	湖泊深度	m
cvl	低植被覆盖度	0~1	cvh	高植被覆盖度	0~1
tvl	低植被类型 (类别代码)	无量纲	tvh	高植被类型 (类别代码)	无量纲
slt	土壤类型 (类别代码)	无量纲	sdfor	滤波次网格地形标准差	m
sdor	地形标准差	m	isor	次网格地形各向异性	无量纲
anor	次网格地形走向角	rad	slor	次网格地形坡度	无量纲

---

注意事项

• 数据通常延迟约 3-5 个月，脚本会自动跳过未发布的月份
• 下载任务由 IDM/XDM 接管，脚本通过扫描本地文件大小判断完成状态
• 日志自动写入当前目录的 download_log.txt
• 已完整下载的文件（字节数 ≥ 预期 × 99%）会自动跳过，支持断点续传

---

ERA5-land (monthly)

🔗 ERA5-land (monthly)

---

ERA5-land (daily/7-day/monthly/3-month)

🔗 AWS-S3 · 📅 数据延迟3-4个月 · 数据为zarr格式 · 📝 Python 下载脚本

📖 era5_planette_downloader.py 使用教程

---

脚本简介

era5_planette_downloader.py 是一个针对 AWS S3 Planette ERA5 数据的下载脚本，支持多变量并发下载、自动单位转换、空间/时间裁剪，实时显示下载进度和速度。

环境依赖

pip install xarray icechunk s3fs numpy netcdf4 requests dask

基本用法

python era5_planette_downloader.py -v <变量> -f <频率> -o <输出路径> [选项]

参数	说明	示例
-v	变量名，支持多个	t2m / t2m pr slp
-f	时间频率	day / 7day / month / 3month
-g	网格分辨率（默认 0p25latx0p25lon）	0p25latx0p25lon
-t	时间范围 (YYYY-MM-DD)	2020-01-01 2024-12-31
-r	空间裁剪 (lon_min lon_max lat_min lat_max)	70 140 15 55
-o	输出文件或目录（目录对应多变量）	./t2m.nc / ./output/
--format	输出格式（默认 netcdf4）	netcdf4 / zarr
--auto-name	自动生成文件名	—
--concurrent	多变量并发下载	—
--workers	并发下载线程数（默认 4）	8
--no-convert	禁用单位转换	—
--no-resume	禁用断点续传	—
--no-compress	禁用压缩（加快写入）	—
--no-validate	跳过数据校验	—
--list-variables	列出 S3 可用变量	—
--list-tree	显示变量数据目录树	—

示例

# 查看可用变量
python era5_planette_downloader.py --list-variables

# 下载月平均 2m 气温 (2020-2024年)
python era5_planette_downloader.py -v t2m -f month -t 2020-01-01 2024-12-31 -o ./t2m_monthly.nc

# 下载并裁剪中国区域
python era5_planette_downloader.py -v t2m -f month -t 2020-01-01 2020-12-31 -r 70 140 15 55 -o ./t2m_china.nc

# 多变量并发下载 + 自动命名
python era5_planette_downloader.py -v t2m pr slp -f month -t 2020-01-01 2024-12-31 -o ./output/ --auto-name --concurrent

# 导出为 Zarr 格式
python era5_planette_downloader.py -v t2m -f day -o ./t2m.zarr --format zarr

支持的变量（共 64 个）

使用 --list-variables 可实时查看 S3 上的最新变量列表。以下为截至 2026 年 5 月的完整变量，按类别分组。脚本对部分常用变量内置了单位自动转换（见"转换"列），其余变量以原始单位输出。

地面变量

变量	含义	原始单位	转换说明 / 目标单位
t2m	2m 气温	K	→ °C (减去 273.15)
t2m_max	2m 最高气温	K	→ °C (减去 273.15)
t2m_min	2m 最低气温	K	→ °C (减去 273.15)
td2m	2m 露点温度	K	→ °C (减去 273.15)
ts	地表温度	K	→ °C (减去 273.15)
sst	海表温度	K	→ °C (减去 273.15)
ps	地面气压	Pa	→ hPa (除以 100)
slp	海平面气压	Pa	→ hPa (除以 100)
pr	降水率	kg m⁻² s⁻¹
tcwv	大气总可降水量	kg m⁻²
cape	对流有效位能	J kg⁻¹
olr	外逸长波辐射	W m⁻²	⚠️ 注意符号：ERA5原生ttr向下为正(负值)，OLR向上为正，通常需 OLR = -ttr
cdd	制冷度日	°C·day	基于阈值(如26°C)的累积量
hdd	采暖度日	°C·day	基于阈值(如18°C)的累积量
sic	海冰浓度	0~1

1. 外逸长波辐射 (olr)：ERA5 原生的 ttr (大气顶净长波辐射) 规定向下为正，因此地表向外太空散发的长波辐射在原生数据中是负值。物理学上的 OLR 定义为向上为正，因此通常需要 OLR = -ttr。
2. 降水率 (pr)：如果原始数据是 ERA5 的 tp (m)，转换为 mm/day 需要乘以 1000 * 24 = 24000（如果是小时累积则乘对应系数）。如果是瞬时通量 kg m⁻² s⁻¹，则乘以 86400。

风场（高度层）

变量	含义	原始单位	转换说明 / 目标单位
u10m	10m 纬向风	m s⁻¹
v10m	10m 经向风	m s⁻¹
u100m	100m 纬向风	m s⁻¹
v100m	100m 经向风	m s⁻¹
tau_x	纬向风应力	N m⁻²
tau_y	经向风应力	N m⁻²

风场（气压层）

变量	含义	原始单位	变量	含义	原始单位
u10	10hPa 纬向风	m s⁻¹	v10	10hPa 经向风	m s⁻¹
u50	50hPa 纬向风	m s⁻¹	v50	50hPa 经向风	m s⁻¹
u100	100hPa 纬向风	m s⁻¹	v100	100hPa 经向风	m s⁻¹
u200	200hPa 纬向风	m s⁻¹	v200	200hPa 经向风	m s⁻¹
u500	500hPa 纬向风	m s⁻¹	v500	500hPa 经向风	m s⁻¹
u700	700hPa 纬向风	m s⁻¹	v700	700hPa 经向风	m s⁻¹
u850	850hPa 纬向风	m s⁻¹	v850	850hPa 经向风	m s⁻¹

温度（气压层）

变量	含义	原始单位	变量	含义	原始单位
t10	10hPa 温度	K (→ °C)	t50	50hPa 温度	K (→ °C)
t100	100hPa 温度	K (→ °C)	t200	200hPa 温度	K (→ °C)
t500	500hPa 温度	K (→ °C)	t700	700hPa 温度	K (→ °C)
t850	850hPa 温度	K (→ °C)

位势高度与垂直速度（气压层）

变量	含义	原始单位	变量	含义	原始单位
z10	10hPa 位势高度	m² s⁻²	w10	10hPa 垂直速度	Pa s⁻¹
z50	50hPa 位势高度	m² s⁻²	w50	50hPa 垂直速度	Pa s⁻¹
z200	200hPa 位势高度	m² s⁻²	w200	200hPa 垂直速度	Pa s⁻¹
z300	300hPa 位势高度	m² s⁻²	w500	500hPa 垂直速度	Pa s⁻¹
z500	500hPa 位势高度	m² s⁻²	w850	850hPa 垂直速度	Pa s⁻¹
z700	700hPa 位势高度	m² s⁻²
z850	850hPa 位势高度	m² s⁻²

湿度（气压层）

变量	含义	原始单位	变量	含义	原始单位
q10	10hPa 比湿	kg kg⁻¹	q50	50hPa 比湿	kg kg⁻¹
q200	200hPa 比湿	kg kg⁻¹	q500	500hPa 比湿	kg kg⁻¹
q850	850hPa 比湿	kg kg⁻¹

土壤湿度

变量	含义	原始单位	转换说明
swv_1	土壤湿度第 1 层 (0–7cm)	m³ m⁻³	体积含水量 (0~1)
swv_2	土壤湿度第 2 层 (7–28cm)	m³ m⁻³	体积含水量 (0~1)
swv_3	土壤湿度第 3 层 (28–100cm)	m³ m⁻³	体积含水量 (0~1)
swv_4	土壤湿度第 4 层 (100–289cm)	m³ m⁻³	体积含水量 (0~1)

注意事项

• 数据为 Icechunk Zarr 格式，通过 Icechunk 库访问 S3，与直接下载 GRIB/NetCDF 文件方式不同
• 下载速度受网络延迟和 Icechunk 协议开销影响，数据量越大效率越高
• 输出为标准 NetCDF4 或 Zarr 格式，可用 xarray 直接打开

---

ERA5 (hourly/monthly)

🔗 🪜 ERA5_GOOGLE

ERA5-pressure · ECMWF 气压层再分析

无魔法情况下推荐通过AWS+IDM多线程下载，下载速度最快

---

ERA5-pressure (hourly)

🔗 ERA5-pressure

---

ERA5-pressure (hourly)

🔗 AWS-S3 · 📅 数据延迟3-4个月 · 📝 Python 多线程下载脚本（修改 DATASET_PREFIX 为 e5.oper.an.pl）

---

ERA5-pressure (monthly)

🔗 ERA5-pressure (monthly)

---

ERA5-pressure (daily/7-day/monthly/3-month)

🔗 AWS-S3 · 📅 数据延迟3-4个月 · 数据为zarr格式 · 📝 Python 下载脚本

---

ERA5 (hourly/monthly)

🔗 🪜 ERA5_GOOGLE

FNL · NCEP 最终分析

---

FNL

🔗 FNL_UCAR

---

FNL

🔗 FNL_UCAR

JRA-3Q · JMA 再分析

---

DIAS

🔗 JRA-3Q_DIAS · ⚠️ 需登录

---

UCAR (historical)

🔗 JRA-3Q_UCAR

---

UCAR (near-real)

🔗 JRA-3Q_UCAR · 🔄 近实时

---

UCAR (monthly)

🔗 JRA-3Q_UCAR

MERRA-2 · NASA 再分析

🔗 MERRA_GSFC · MERRA_FTP

气候数据集

CRU TS · 格点化观测

🔗 UEA

GPCC · 降水数据集

🔗 DWD

实况观测数据

地面观测

ASOS/AWOS · 全球机场观测

🔗 NOAA

SYNOP · 全球地面观测

🔗 OGIMET

MADIS · 北美多源数据

🔗 NOAA MADIS

高空观测

IGRA · 全球探空

🔗 NOAA IGRA

AMDAR · 全球航线观测

🔗 WMO AMDAR

自动气象站

MesoWest · 美国区域站网

🔗 MesoWest

Weather Underground · 全球个人站

🔗 WUnderground

卫星数据

地球同步卫星

Himawari-8/9 · JMA · 亚太

🔗 JAXA

GOES-16/18 · NOAA · 美洲

🔗 NOAA GOES

FY-4A/4B · CMA · 亚洲

🔗 NSMC

极轨卫星

Suomi NPP · NASA/NOAA

🔗 NASA LAADS

JPSS · NOAA

🔗 NOAA CLASS

Sentinel-3 · ESA

🔗 Copernicus

卫星降水产品

GPM IMERG · 全球降水

🔗 NASA GES DISC

CMORPH · 全球降水

🔗 CPC

雷达数据

天气雷达

NEXRAD · 美国天气雷达网

🔗 NOAA NCEI

OPERA · 欧洲雷达网

🔗 EUMETNET

海洋气象数据

海洋观测

Argo · 剖面浮标观测

🔗 Argo GDAC

TAO/TRITON · 锚定浮标阵列

🔗 PMEL

海洋模式

HYCOM · 美国海军海洋模式

🔗 HYCOM

CMEMS · 欧盟海洋监测预报

🔗 Copernicus Marine

空气质量数据

空气质量监测

AirNow · 美国空气质量

🔗 AirNow

OpenAQ · 全球空气质量

🔗 OpenAQ

空气质量模式

CAMS · ECMWF 全球空气质量预报

🔗 CAMS

开源代码与工具

数据下载与处理

Herbie · Python · GFS/HRRR 数据下载

🔗 GitHub

Siphon · Python · 远程数据访问

🔗 Unidata

cfgrib · Python · GRIB 文件处理

🔗 ECMWF

可视化与分析

MetPy · Python · 气象数据分析可视化

🔗 Unidata

Cartopy · Python · 地图制图

🔗 SciTools

贡献指南

我们欢迎并感谢所有形式的贡献！请参阅 CONTRIBUTING.md 了解详细指南。

参与方式

🐛 报告问题	📦 添加资源	📝 改进文档	💬 分享用例
通过 Issues 反馈	提交 Pull Request	帮助完善或翻译	在 Discussions 分享

提交规范

✓ 链接有效且可公开访问 · ✓ 清晰的数据描述 · ✓ 遵循现有分类格式 · ✓ 注明许可限制

许可证

⚠️ 本资源库中列出的数据源可能有各自的使用条款和许可协议，使用前请务必查阅并遵守相应数据提供方的规定。

致谢

感谢所有数据提供机构以及为本项目做出贡献的开发者们！

---

⚠️ 注意：数据链接和可用性可能会发生变化。如发现失效链接或有新资源推荐，请通过 Issues 告知我们。

⭐ 如果这个项目对您有帮助，请给我们一个星标！