（数据分享）2000--2019 年中国各省、市、区县分年、分月、逐日平均降水量数据及1979-2018（ERA5）数据
以下文章来源于地球很高级 ，作者clima
2000--2019平均降水量数据：
原始数据来源于国家气象科学数据共享服务平台-中国地面气候资料日值数据集（V3.0），原始数据是各个观测站点的日度数据，为了方便大家使用，我使用 Barnes 方法（先使用 IDW 法插值成格点数据（覆盖中国的 500x500 网格，每个网格的大小是 0.1231924经度 x 0.0994549纬度），再分区域平均）计算得到了2000 年～2019 年中国各省、各市、各县的分年、分月、逐日的平均气温数据。（数据打开建议用R语言或是Stata软件）
数据获取请转发文章至公众号或是朋友圈，截图微信公众号后台回复“平均降雨量”领取
数据来源于：RStata 公众号
领取ERA5全球陆面再分析数据和MSWEP多源融合降水数据
ERA5数据
全球大气再分析的研究始于1979年的FGGE项目，之后美国、ECMWF和日本等国家推出了NCEP/NCAR、MERRA-2 、CFSR（V2）、ERA-40、ERA-Interim、和JRA-55等多套再分析数据。ERA5是第五代大气再分析产品，除了水平和垂直分辨率的显著提高外，精度也相对于第四代的ERA-Interim再分析数据有提高，成为全球最好的适合于气候研究的全球大气再分析数据。
为帮助大家更好的使用数据，Ai尚研修特整理ERA5数据中陆面产品结果，包含地面降水、地面短波辐射、地面2m气温和地面风速（U10和V10）五个变量，时间序列为1979-2018，时间分辨率为1h，空间分辨率为0.25°，中国地区总容量为685GB。
MSWEP数据2017年美国普林斯顿大学 Beck团队集成了 CPC Unified、GPCC、CMORPH、 GSMaP-MVK、TMPA 3B42RT、ERA-Interim、JRA-55 等各类降水数据，通过与全球雨量站观测数据对比，确定每个栅格单元不同来源降水数据的权重，提出了一种基于权重集合的多源降水融合数据——MSWEP ( Multi-source weighted ensemble precipitation)。MSWEP时间和空间分辨率分别达到了3 h（1h）和0. 25˚（0. 1°），数据序列自1979年延展至今。
MSWEP 集成了雨量计、卫星和大气再分析等降水资料，相较于单一来源的 TMPA、GPM IMERG 和 ERA5融合降水产品，获取的降水信息更为全面、客观，同时满足高时空分辨率、长时间序列要求，数据自发布以来，就备受研究人员青睐。该数据在拉丁美洲、澳大利亚、印度、伊朗和中国等地区经过了大量的验证，具有可靠的精度。这样，在缺资料地区，该数据有显著优势。
由于数据政策问题，最新实时的数据已较难获取。为帮助大家更好的使用数据，Ai尚研修收集了V1.0版本MSWEP，时间序列为1979-2015，时间分辨率3h/1d，空间分辨率0.25˚，全球覆盖，经过数据压缩后，总容量为397GB。
数据领取方式此数据共享对象科研院所、高校有需求的科研学者，获取要求如下：
1、本次数据共享内容比较大，为了更快的获取资料，领取者需快递不低于2T空间的移动硬盘。
2、转发该文章至朋友圈设置公开或相关技术群，截图后台回复（单位、姓名及所在单位官网邮箱），获取具体数据获取地址！
注明：研究生获取需要请提供您导师姓名及导师网站公开邮箱，须由相应的导师进行领取。
注明：
1.本次数据只对科研院所及高校提供共享，如冒充领取者，经核实，所快递移动硬盘不负责发回。
2、获取方快递地址为所在单位地址，家庭住址不负责进行邮寄，我方快递地址核实后会进行回复。
备注：移动硬盘为易碎品，请妥善进行包装，回寄依然使用原包装，快递途中造成的损坏及回寄快递费用均为自负。
综述
ERA5再分析资料是欧洲中心（ECMWF）发布的最新的高分辨率再分析数据，现阶段提供1979至今的小时尺度的分辨率为30km的大气、海洋和陆地资料。ECMWF如此介绍该资料：
（https://www.ecmwf.int/en/forecasts/datasets/reanalysis-datasets/era5）
正文：如何利用最新的ERA5再分析资料开展WRF模拟？
那么，如果有小伙伴希望使用ERA5资料驱动WRF进行高分辨率模拟，如何实现呢？本文简单介绍如下：
需要说明的是，要驱动WRF模式需要地面及高层全部信息（包含温度、湿度、风场、地表气压、海平面气压、土壤温度湿度等），以一天8次数据为例，地面层文件约为400MB，而全气压层数据则约为3.5GB，1979-2020年总数据量约为70TB，如此海量数据，下载是个大任务啊。
1. ERA5下载
ERA5通过Climate Data Store (CDS) 下载，该网站提供网页和脚本（API）两种下载方式，具体下载步骤包括：
1.1 注册CDS账号：
网址为https://cds.climate.copernicus.eu/user/register，依照指示完成账号注册。
1.2 登录CDS网站，随意下载一个文件，接受licence从而获得下载权限。
1.3 设置cdsapi：
（1） 登录CDS账号，获取账号信息，并按照如下格式（图1）写入家目录$HOME/.cdsapirc文件
（2） 安装cdsapi：
1.4 下载surface变量，以2020年1月1日为例：
创建如下脚本（文件名随意，如surface.py）：
import cdsapi
c = cdsapi.Client()
c.retrieve('reanalysis-era5-single-levels',
{ 'product_type':'reanalysis',
'format':'grib',
'variable'[ '10m_u_component_of_wind','10m_v_component_of_wind','2m_dewpoint_temperature',
'2m_temperature','land_sea_mask','mean_sea_level_pressure',
'sea_ice_cover','sea_surface_temperature','skin_temperature',
'snow_depth','soil_temperature_level_1','soil_temperature_level_2', 'soil_temperature_level_3','soil_temperature_level_4','surface_pressure', 'volumetric_soil_water_layer_1','volumetric_soil_water_layer_2','volumetric_soil_water_layer_3', 'volumetric_soil_water_layer_4' ],
'date':'20200101/20200101',
'time':'00/to/21/by/3',},
'era5-20200101-surface.grib')
执行python surface.py即可完成surface变量的下载。
下载后使用cdo打印文件信息如下：
1.5 下载pressure变量：
创建pressure.py脚本，内容如下：
import cdsapi
c = cdsapi.Client()
c.retrieve(
'reanalysis-era5-pressure-levels',
{ 'product_type':'reanalysis',
'format':'grib',
'pressure_level':[
'1','2','3',
'5','7','10',
'20','30','50',
'70','100','125',
'150','175','200',
'225','250','300',
'350','400','450',
'500','550','600',
'650','700','750',
'775','800','825',
'850','875','900',
'925','950','975',
'1000'],
'date':'20200101/20200101',
'time':'00/to/21/by/3',
'variable':[ 'geopotential','relative_humidity',
'temperature','u_component_of_wind','v_component_of_wind' ]},
'era5-20200101-pressure.grib')
python pressure.py即可完成pressure变量的下载。
值得说明的是，该脚本中设定的为3小时间隔，即每日会下载8个文件，如果需要下载6小时间隔或者其他间隔，脚本的time处做相应修改即可。
2. WRF运行
WRF模式运行和使用ERA-interim资料并无区别，geogrid.exe不在赘述，在ungrib步骤中，Vtable使用Vtable.ERA-interim.pl即可。
从前文可以看到，下载的ERA5资料为0.25°分辨率，按照比例原则，WRF模式外层分辨率即可达到8km及以下。
WPS其他部分及WRF运行和其他资料一致，不在赘述了。
3. 批量下载GRIB文件
有小伙伴问，如果要进行一周或者一月的模拟，有办法批量下载资料么？答案是肯定的，通过bash脚本，可以完成指定时间段的资料下载，参考脚本（以下载2020年1月资料为例）如下：
创建bash脚本（file.sh）如下：
#!/bin/bash
for dd in `seq -w 1 31`
do
rm -f surface.py
cat > surface.py << EOF
import cdsapi
c = cdsapi.Client()
c.retrieve(
'reanalysis-era5-single-levels',
{ 'product_type':'reanalysis',
'format':'grib', 'variable'[ '10m_u_component_of_wind','10m_v_component_of_wind','2m_dewpoint_temperature', '2m_temperature','land_sea_mask','mean_sea_level_pressure', 'sea_ice_cover','sea_surface_temperature','skin_temperature', 'snow_depth','soil_temperature_level_1','soil_temperature_level_2', 'soil_temperature_level_3','soil_temperature_level_4','surface_pressure', 'volumetric_soil_water_layer_1','volumetric_soil_water_layer_2','volumetric_soil_water_layer_3', 'volumetric_soil_water_layer_4' ],
'date':'202001${dd}/202001${dd}',
'time':'00/to/21/by/3',},
'era5-202001${dd}-surface.grib')
EOF
python surface.py
rm -f pressure.py
cat > pressure.py << EOF
import cdsapi
c = cdsapi.Client()
c.retrieve(
'reanalysis-era5-pressure-levels',
{ 'product_type':'reanalysis',
'format':'grib',
'pressure_level':[
'1','2','3',
'5','7','10',
'20','30','50',
'70','100','125',
'150','175','200',
'225','250','300',
'350','400','450',
'500','550','600',
'650','700','750',
'775','800','825',
'850','875','900',
'925','950','975',
'1000' ],
'date':'202001${dd}/202001${dd}',
'time':'00/to/21/by/3',
'variable':[
'geopotential','relative_humidity',
'temperature','u_component_of_wind','v_component_of_wind' ] },
'era5-202001${dd}-pressure.grib')
EOF
python pressure.py
done
给予file.sh执行权限，然后运行即可。
4. 如果采用科学上网，下载速度可以提升N倍：）。
声明： 本号旨在传播、传递、交流，对相关文章内容观点保持中立态度。涉及内容如有侵权或其他问题，请与本号联系，第一时间做出撤回。
关于Ai尚研修