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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
CAP基于最终一致性的微服务分布式事务解决方案,也是一种采用 Outbox 模式的事件总线。C#00
热门内容推荐
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
651
4.22 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
484
590
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
388
278
🎉 (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
1.53 K
881
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
331
387
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++
936
848
暂无简介
Dart
896
214
昇腾LLM分布式训练框架
Python
141
167
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
194