ERA5下载加速

引言

众所周知，ERA5小时尺度以及日尺度数据下载比较困难，一方面是由于数据中心在欧洲，传输速度慢。另一方面也是由于数据量庞大。

目前批量下载的代码有很多，但是存在以下问题：

• 速度慢，几十到几百kb
• 下载容易中断，生成无效文件
• 单一线程，提交任务然后等待，速度慢
• 中断下载后，重新提交很麻烦，先找到中断的位置

目前ECMWF数据进行了一些更新，界面更新。

image-20241018190725470

且新增了daily数据，和Google Earth Engine也一致了，变量更全。

借此机会讲述一下流程

预备工作

首先需要安装ECMWF提供的Python库

pip install cdsapi

接下来注册ECMWF账号，在这里注册Climate Data Store (copernicus.eu)

然后打开：

https://cds.climate.copernicus.eu/how-to-api

就能看到url和key

image-20241018194210936

配置文件，C:\Users\user_name\下应该是没有.cdsapi配置文件的，需要自己手动创一个：可以打开记事本，然后复制、粘贴、保存，文件名为.cdsapi，内容如下图注意保存类型选择所有文件

image-20241018194322681

代码

这里直接放代码，使用queue来多线程提速，同时处理4个任务

import cdsapi
import os
import calendar
import netCDF4 as nc
import threading
from queue import Queue
os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'
# 创建一个函数来构建下载请求
def download_era5_data(year, month, day, download_dir):
    dataset = "derived-era5-pressure-levels-daily-statistics"
    request = {
        "product_type": "reanalysis",
        "variable": ["geopotential"],
        "year": year,
        "month": [month],
        "day": [day],
        "pressure_level": [
            "300", "500", "700",
            "850"
        ],
        "daily_statistic": "daily_mean",
        "time_zone": "utc+00:00",
        "frequency": "6_hourly"
    }

    # 定义文件名格式为 年月日.nc，并设置下载路径
    filename = f"ERA5_{year}{month}{day}.nc"
    filepath = os.path.join(download_dir, filename)

    print(f"Checking if file {filename} exists and is complete...")
    # 检查文件是否已存在，且文件完整
    if os.path.exists(filepath):
        try:
            # 尝试打开文件以验证其完整性
            with nc.Dataset(filepath, 'r') as ds:
                print(f"File {filename} is complete and valid.")
        except OSError as e:
            # 如果文件不完整或损坏，删除并重新下载
            print(f"File {filename} is corrupted. Redownloading...")
            os.remove(filepath)
            download_file_from_era5(request, filepath)
    else:
        # 如果文件不存在，则直接下载
        print(f"File {filename} does not exist. Starting download...")
        download_file_from_era5(request, filepath)

# 创建一个函数来执行实际下载
def download_file_from_era5(request, filepath):
    print(f"Downloading data to {filepath}...")
    client = cdsapi.Client()
    client.retrieve("derived-era5-pressure-levels-daily-statistics", request).download(filepath)
    print(f"Download completed for {filepath}")

# 定义下载目录
download_dir = r"F:\ERA5\surface\geopotential"

print(f"Checking if download directory {download_dir} exists...")
# 检查目录是否存在，不存在则创建
if not os.path.exists(download_dir):
    print(f"Directory {download_dir} does not exist. Creating directory...")
    os.makedirs(download_dir)
else:
    print(f"Directory {download_dir} already exists.")

# 定义下载任务队列
queue = Queue()

# 创建一个下载工作线程类
class DownloadWorker(threading.Thread):
    def __init__(self, queue):
        threading.Thread.__init__(self)
        self.queue = queue

    def run(self):
        while True:
            year, month, day = self.queue.get()
            print(f"Worker {threading.current_thread().name} processing download for {year}-{month:02d}-{day:02d}...")
            try:
                # 将月份和日期格式化为两位数
                month_str = f"{month:02d}"
                day_str = f"{day:02d}"
                download_era5_data(str(year), month_str, day_str, download_dir)
            except Exception as e:
                print(f"Error downloading data for {year}-{month_str}-{day_str}: {e}")
            finally:
                print(f"Worker {threading.current_thread().name} finished processing download for {year}-{month:02d}-{day:02d}.")
                self.queue.task_done()

# 创建四个工作线程
print("Creating worker threads...")
for x in range(4):
    worker = DownloadWorker(queue)
    worker.daemon = True
    worker.start()
    print(f"Worker thread {worker.name} started.")

# 循环遍历2000到2023年，将任务加入队列
print("Adding download tasks to the queue...")
for year in range(2000, 2024):
    for month in range(1, 13):
        # 获取当前月份的最大天数
        _, max_day = calendar.monthrange(year, month)
        for day in range(1, max_day + 1):
            print(f"Adding task for {year}-{month:02d}-{day:02d} to the queue...")
            queue.put((year, month, day))

# 等待所有任务完成
print("Waiting for all tasks to complete...")
queue.join()
print("All download tasks completed.")

代码需要修改dataset和request

一般是先手动预选择需要下载的数据，然后复制API提供的内容并替换：

image-20241018194955738

然后替换路径即可

这里是每天下载一个文件，也可以按照你的需求更改循环代码

代码有几个优点，可以说得上是ERA5下载的终极版了：

• 中断下载可以反复运行，补充未下载的内容

• 可以按照循环内所有的文件，检测下载中断的文件，并重新下载

• 四线程提速

• 无需借助任何辅助下载软件

下载提速

一般来说下载速度还是比较快的，大多数在几M/s，偶尔也会几百k/s

这里采用气象家园-kermit 提供的方法。

找到下载的cdsapi库的安装目录，打开目录下的api.py，一般可以在conda环境中找到

搜索这段代码：

def _download(self, url, size, target): 

在这段代码中添加下面一行代码，然后保存

url=url.replace(".copernicus-climate.eu",".nuist.love")

这个url是他做的镜像网站，在一些情况下可以加速。

本文由mdnice多平台发布