探索Python融合地学：一文教会你下载ERA5-Land数据

Ne0inhk

16 Mar 2026 — 8 min read

再分析数据在气象学领域用的比较多，下载数据有的时候还挺头疼的。今天小编教你下载ERA5-Land数据的三种方式。话不多说，咱们学起来！

一、官网下载

贴出官网：https://cds.climate.copernicus.eu/datasets/reanalysis-era5-land?tab=download

相较于ERA5数据，Land数据空间分辨率提高了，为0.1°格网，时间分辨率同样是逐小时，可以说已经很方便大家开展各项研究了。

第一步：注册个人账号，在右上角的人像这里点击可以注册个人的账号，这里不多说。

第二步：点击“Download”，进入下载界面，在下载界面你可以看到很多气象变量，我们随便选择一种气象要素，比如风的U/V分量，支持多选。

第三步：选择研究时段，这里可以选择某年某个月的所有日期的数据。bug在于，它只能一个月一个月申请下载，如果你研究时间尺度很长，每一年得点12下，下载12份文件，再下载下一年的。所以，如果你是一个体验者，推荐用这种方法。如果你是一个研究者，想要快读完成数据下载，建议用后面小编罗列的代码方法。

第四步：确定研究区域，如果你的研究区域是全区，选择第一个即可，不用更改，但大多数人都是以小区域研究为主，所以可以选择“Sub-Region”，填写上经纬度的范围坐标。

第五步：确定数据格式，一般选择NetCDF4即NC文件。

第六步：确定提交申请，点击“Submit form”，再点击右上角的“Your Requests”，进去后可以看到你刚刚提交的申请链接，等读取后，点击下载即可。此过程需要一些时间，还望大家见谅。

以上是ERA5-Land数据的官网下载方式，ERA5系列数据采用这种方式也可以下载，而且也挺方便的，因为ERA5数据可以按照年份直接打包12个月的数据，不需要一个月一个月单独下载。

二、Python代码下载

如果你需要多年多月多小时的数据，那么我相信第二种方法会很适合你。

工具：配置Python环境，这里我用的是PyCharm。

第一步：一样的，先打开下载界面，找到“Terms of use”，点击“Accepted”，不然下载不了。

第二步：点击右上角头像，弹出窗口中有“Your profile”，点击进入

第三步：在界面中下滑，找到“API key”，找到ur1和key，点击右侧的“复制”符号。

第四步：选择C盘，点击用户→用户名，在里面新建一个txt文件，命名为“.cdsapirc”。将第三步复制的链接和密钥粘贴到文本里面，保存下来，这个文件非常有用。

第五步：进入编译器，搜索cdsapi包，安装最新版。

第六步：贴上代码，想要的拿去。

import cdsapi import os from pathlib import Path # 创建保存目录 save_dir = Path(r"H:\Wind_U_V") save_dir.mkdir(parents=True, exist_ok=True) # ERA5-Land数据集名称 dataset = "reanalysis-era5-land" # 初始化CDS API客户端 client = cdsapi.Client() # 循环处理2023年每个月的数据 for month in range(1, 13): # 将月份格式化为两位数字符串 month_str = f"{month:02d}" # 根据月份确定天数（考虑不同月份的天数差异） if month in [1, 3, 5, 7, 8, 10, 12]: days = [f"{day:02d}" for day in range(1, 32)] elif month in [4, 6, 9, 11]: days = [f"{day:02d}" for day in range(1, 31)] else: # 2月（2023年不是闰年） days = [f"{day:02d}" for day in range(1, 29)] # 构建请求参数 request = { "variable": [ "10m_u_component_of_wind", "10m_v_component_of_wind" ], "year": "2023", "month": month_str, "day": days, "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" ], "data_format": "netcdf", "download_format": "unarchived", "area": [54, 72, 4, 137] } # 设置输出文件名 output_filename = save_dir / f"ERA5_Land_wind_2023_{month_str}.nc" print(f"正在下载2023年{month_str}月的数据...") try: # 下载数据 client.retrieve(dataset, request).download(output_filename) print(f"成功下载: {output_filename}") except Exception as e: print(f"下载2023年{month_str}月数据时出错: {e}") print("所有月份数据下载完成！")

这段代码能够实现对单年逐月逐小时ERA5-Land双变量数据的下载。

运行后，控制台状态如下：

三、Google Earth Engine平台下载

官网贴上：https://earthengine.google.com/

第一步：在GEE平台上找到数据集，这里可以查看数据集的基本信息，调用代码，波段信息等。

我们的目标是下载1970-2025年逐小时的风速数据，所以需要先选择u、v两个波段，按照风速的公式计算，完成后再导出。

非常喜欢GEE，这样我们就不用下载两个变量了。

第二步，打开GEE的编译器，贴上代码，这里我是按照月度数据合成的。

代码如下：

// 导入ERA5 Land数据集 var dataset = ee.ImageCollection('ECMWF/ERA5_LAND/HOURLY'); // 设置时间范围（1970年到2025年） var start_date = '1970-01-01'; var end_date = '2025-12-31'; // 选择u和v风速分量 var u_component = dataset.select('u_component_of_wind_10m'); // 10m u-component of wind var v_component = dataset.select('v_component_of_wind_10m'); // 10m v-component of wind // 计算风速（m/s） // 使用 map() 遍历每个图像并对每个图像应用平方、相加、开方操作 var wind_speed = u_component.map(function(image) { var u_squared = image.pow(2); // 计算u分量的平方 var v_squared = v_component.filterDate(image.date()).first().pow(2); // 同样计算v分量的平方 return u_squared.add(v_squared).sqrt(); // 合并并计算风速 }); // 定义中国范围，坐标范围为：东经73.4°~135°，北纬18°~53° var china_region = ee.Geometry.Polygon([ [[73.4, 18], [135, 18], [135, 53], [73.4, 53]] ]); // 计算1970年到2025年的逐月逐小时风速数据 var years = ee.List.sequence(1970, 2025); // 按年和月合成风速数据 years.getInfo().forEach(function(year) { var start = ee.Date.fromYMD(year, 1, 1); // 当前年份的起始日期 var end = ee.Date.fromYMD(year, 12, 31); // 当前年份的结束日期 // 按月份合成（逐月合成） for (var month = 1; month <= 12; month++) { var monthly_wind_speed = wind_speed .filterDate(start.advance(month-1, 'month'), start.advance(month, 'month')) // 过滤出每月的数据 .mean() // 计算该月的风速均值 .clip(china_region); // 限定区域为中国 // 导出每月的风速数据 Export.image.toDrive({ image: monthly_wind_speed, description: 'wind_speed_' + year + '_' + month, scale: 1000, // 设置分辨率，ERA5 Land数据分辨率是31km，设置为1000m region: china_region, fileFormat: 'GeoTIFF', maxPixels: 1e8 // 限制最大像素数 }); } }); // 计算逐小时风速数据并导出 var hourly_wind_speed = wind_speed .filterDate(start_date, end_date) .filterBounds(china_region) .map(function(image) { var hour = ee.Date(image.get('system:time_start')).get('hour'); // 获取时间中的小时 return image.set('hour', hour); // 为每个影像添加小时标签 }); // 导出逐小时数据（每小时导出为一个GeoTIFF文件） hourly_wind_speed.evaluate(function(result) { result.features.forEach(function(feature) { var hour = feature.properties.hour; var image = ee.Image(feature.id); // 获取对应的影像 var file_name = 'wind_speed_' + ee.Date(feature.properties['system:time_start']).format('YYYYMMdd_HH').getInfo(); // 导出每小时的风速数据 Export.image.toDrive({ image: image, description: file_name, scale: 1000, region: china_region, fileFormat: 'GeoTIFF', maxPixels: 1e8 }); }); });

综上，如果需要效率比较高的话，我推荐第二种方式，当然，如果你是GEE老用户，用第三种方式也行。祝大家下载数据愉快！

还有一点需要提醒，如果你是要做中国区域的分析，记得把下载出来的数据转成中国区域的时间再做分析哈，ERA5数据用的是UTC时间！！要加8小时才能变成中国时间！不然就是个big mistake！

今天的内容就分享到这里，希望对大家有帮助！