批量下载ERA5数据(Python+IDM)
2026-01-28 04:32:41作者:戚魁泉Nursing
简介
本资源文件详细介绍了如何通过Python脚本结合Internet Download Manager(IDM)软件,实现对ERA5气候数据的批量下载。ERA5是第五代ECMWF大气再分析全球气候数据,提供了每小时的大气、陆地和海洋气候变量的估计值。通过本教程,您可以高效地下载ERA5数据,提高下载速度和效率。
准备工作
- 注册CDS帐号:在Climate Data Store(CDS)网站上注册帐号,获取API key。
- 配置并安装CDS API:在本地配置CDS API,安装cdsapi第三方库。
- 安装和配置IDM软件:安装Internet Download Manager(IDM),并进行相关配置。
批量下载步骤
- 下载单个数据:通过Python脚本创建下载任务,利用CDSAPI获取下载链接。
- 批量下载数据:通过循环批量下载ERA5数据,并使用IDM软件进行快速下载。
代码示例
以下是批量下载ERA5数据的Python代码示例:
import cdsapi
import calendar
from subprocess import call
def idmDownloader(task_url, folder_path, file_name):
""" IDM下载器 """
idm_engine = "C:\\Program Files (x86)\\Internet Download Manager\\IDMan.exe"
call([idm_engine, '/d', task_url, '/p', folder_path, '/f', file_name, '/a'])
call([idm_engine, '/s'])
if __name__ == '__main__':
c = cdsapi.Client()
dic = {
'product_type': 'reanalysis',
'format': 'netcdf',
'variable': '2m_temperature',
'year': '',
'month': '',
'day': [],
'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'
]
}
for y in range(1979, 2021):
for m in range(1, 13):
day_num = calendar.monthrange(y, m)[1]
dic['year'] = str(y)
dic['month'] = str(m).zfill(2)
dic['day'] = [str(d).zfill(2) for d in range(1, day_num + 1)]
r = c.retrieve('reanalysis-era5-single-levels', dic)
url = r.location
path = 'E:\\Data\\ERA5\\1979-2020\\2m_temperature'
filename = str(y) + str(m).zfill(2) + '.nc'
idmDownloader(url, path, filename)
注意事项
- 确保IDM软件已正确安装并配置。
- 不要更新IDM,否则可能会导致软件不可用。
- 本教程内容仅供学习参考,如有不足之处,敬请批评指正。
通过以上步骤,您可以轻松实现ERA5数据的批量下载,提高数据获取的效率。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
561
3.81 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
891
652
昇腾LLM分布式训练框架
Python
115
146
Ascend Extension for PyTorch
Python
373
436
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
348
196
React Native鸿蒙化仓库
JavaScript
308
359
Dora SSR 是一款跨平台的游戏引擎,提供前沿或是具有探索性的游戏开发功能。它内置了Web IDE,提供了可以轻轻松松通过浏览器访问的快捷游戏开发环境,特别适合于在新兴市场如国产游戏掌机和其它移动电子设备上直接进行游戏开发和编程学习。
C++
57
7
暂无简介
Dart
794
196
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
772