1. 从零开始:认识ERA5风场数据与NC文件
如果你刚开始接触气象数据分析,看到“ERA5”、“NC文件”、“u/v分量”这些词可能会有点懵。别担心,这很正常,我刚开始处理这些数据的时候,也花了不少时间才理清头绪。简单来说,ERA5是欧洲中期天气预报中心(ECMWF)提供的一套全球气候再分析数据,你可以把它理解成一个超级详细的历史天气“回放录像带”,记录了从1940年到现在,全球每个角落、每个小时(甚至更高频次)的大气状态。我们今天要用的,就是它里面关于“风”的数据。
风的数据在ERA5里通常不是直接给你一个“风向”和“风速”,而是拆成了两个分量:u分量(东西方向的风,东风为正)和 v分量(南北方向的风,北风为正)。这就像描述一个物体的运动,我们不说它往“东北方向跑”,而是说它“向东跑了多少米,又向北跑了多少米”。这种表示方法在数学计算上特别方便。所有的这些数据,都被打包在一种叫做NetCDF(.nc)格式的文件里。你可以把.nc文件想象成一个多层的、自带说明书的“数据魔方”,里面不仅装着数字(比如风速值),还装着这些数字的坐标信息(比如在哪个经度、纬度、时间点),以及各种属性(比如单位是什么,数据怎么来的)。
所以,我们今天的任务,就是把这个“数据魔方”打开,从里面精准地挖出我们感兴趣的那一小块区域(比如你研究的某个城市、某个风电场),然后根据u和v这两个分量,算出实际的风向和风速,最后用Python画出一目了然的图。这个过程听起来复杂,但跟着步骤一步步来,你会发现其实很清晰。无论你是做气候研究、风能评估,还是单纯对气象数据可视化感兴趣,这套流程都能让你快速上手。
2. 环境准备与数据获取:搭建你的分析工具箱
工欲善其事,必先利其器。在开始写代码之前,我们需要先把Python环境和必要的“工具”准备好。我强烈建议你使用Anaconda来管理Python环境,它能帮你省去很多安装依赖包的麻烦。如果你还没有安装,可以去Anaconda官网下载一个,安装过程就像装普通软件一样简单。
打开你的终端(Windows叫命令提示符或PowerShell,Mac/Linux叫Terminal),我们创建一个专门用于这个项目的新环境。输入以下命令:
conda create -n era5_wind python=3.9
这里era5_wind是环境的名字,你可以随便取,python=3.9指定了Python版本,3.8或3.10也都可以。创建完成后,激活这个环境:
conda activate era5_wind
接下来,安装我们需要的核心库。你可以一次性用pip安装:
pip install netCDF4 xarray numpy matplotlib pandas scipy
我来简单解释一下这几个库是干嘛的:
- netCDF4 和 xarray:这是读取.nc文件的“主力军”。
netCDF4是基础库,能直接操作文件;xarray则更高级,它把数据组织成带标签的多维数组,用起来很像pandas的DataFrame,非常直观,我后面会主要用它。 - numpy:Python科学计算的基石,处理数组和矩阵运算离不开它。
- matplotlib:绘图神器,我们的可视化就靠它了。
- pandas:处理表格和时间序列数据非常方便,比如最后把结果导出成CSV。
- scipy:提供一些科学计算工具,我们可能会用到它的插值或优化函数。
环境搭好了,现在去拿数据。访问哥白尼气候数据存储(CDS) 的官网,注册一个账号(免费的)。找到ERA5的月平均单层数据产品。在下载界面,你需要勾选这些变量:10m u-component of wind(10米高u风分量)和 10m v-component of wind(10米高v风分量)。通常你也会把 10m wind speed(10米风速)一起下载下来,可以用来和后面自己计算的风速做交叉验证。然后选择你需要的时间和地理区域(可以是全球,也可以先选一个大范围,我们后面再用代码精确裁剪),数据格式就选NetCDF。提交请求后,CDS会处理你的订单,完成后就可以下载到一个.nc文件了。我这次演示用的就是2002年到2020年的全球10米风场月平均数据。
3. 庖丁解牛:读取与探索NC文件结构
数据下载好了,我们先用Python打开它,看看里面到底有什么。这一步就像拿到一个陌生的盒子,先看看说明书和内部结构。这里我主要展示用xarray来操作,因为它更符合我们思考数据的方式。
import xarray as xr
import numpy as np
# 打开下载的NC文件
file_path = "./download/era5_wind_monthly_2002_2020.nc"
ds = xr.open_dataset(file_path)
# 首先,看看这个数据集的整体信息
print(ds)
运行这段代码,你会看到类似下面的输出。它列出了数据集里所有的变量(Variables)、坐标(Coordinates)和属性(Attributes)。这是理解数据的第一步。
<xarray.Dataset>
Dimensions: (longitude: 1440, latitude: 721, time: 228)
Coordinates:
* longitude (longitude) float32 0.
310



被折叠的 条评论
为什么被折叠?



