3周前（本文原文发表时间为2023年3月24日，译者注），哥白尼 ERA5 计划发布了追溯至1940年的额外天气再分析信息。经过不间断的下载，Open-Meteo 历史天气 API 现在提供了超过80年的过去天气数据。
ERA5概览
ERA5 是一个备受推崇的天气再分析数据集，它利用来自气象站、飞机、浮标、雷达和卫星的各种观测数据，构建了一个全面的过去天气条件记录。通过使用数学模型来估算缺失数据，再分析数据集能够填补空白并为可能没有气象站的地点提供详细的历史天气信息，如农村地区或公海。
ERA5 包括广泛的天气变量范围，不仅仅是地表，还包括大气层面，并且通过哥白尼气候数据商店（CDS）向公众提供。然而，导航庞大的数据量可能令人望而却步，且获取个别地点的连续时间序列可能是个挑战。
幸运的是，Open-Meteo 简化了利用 ERA5 的过程。与其从 CDS 下载大量数据，用户可以获得自1940年以来包括温度、湿度、降水、风和太阳辐射在内的关键天气变量的连续时间序列，解析度为每小时。
尽管由于存储这么多数据需要巨大的存储空间，不是所有 ERA5 的天气变量都在 Open-Meteo 上可用。但是，可以根据请求添加重要变量。
与ERA5-Land结合
ERA5 采用的空间网格间距为25公里，这不足以代表如城市热岛、雷暴或局部风系等局部效应。这在沿海和山区地区尤其相关，应该小心行事。
虽然这种分辨率对于上层大气是足够的，但是近地面过程将受益于更高的分辨率，这将使得如近地面温度、湿度、土壤湿度和温度等局部效应的分辨率更好。
为了解决这个问题，提供了分辨率为10公里的 ERA5-Land 再分析数据集。它采用了改进的陆地和土壤模型，能够更好地表示近地面过程。
ERA5-Land
在 Open-Meteo，历史天气 API 无缝集成了 ERA5-Land，当为单一位置检索数据时，自动选择10公里分辨率的 ERA5-Land。
值得注意的是，ERA5-Land 只从1950年开始提供，而不是1940年。希望下一次 ERA5-Land 发布将包括剩下的10年。
一致性
确保再分析数据的一致性是一个关键方面。在处理80年的连续数据时，防止由不同测量传感器或数据组装方式的变化引起的统计错误可能具有挑战性。
德国柏林80年气温时间序列
气象站使用的传感器变化或增加更多的卫星观测可能会轻微改变测量值或分别显著增加可观测数据的数量，这可能意外地引入变化信号，可能被误解。尽管1940年至1970年间只有有限数量的气象站和没有卫星数据，但全球有许多气象站拥有远远超过1940年的原始过去天气记录。
尽管存在这些挑战，ERA5 努力尽可能保持一致性。其一致性的良好记录在文献中有证据，且正在进行的研究旨在评估数据质量。
下一步
要访问历史天气数据，您可以使用 Open-Meteo 历史天气 API，该 API 允许您以 JSON、CSV 或 XLSX 格式下载数据。
此外，常规天气预报 API 也提供了前几周和几个月的天气数据访问。例如，通过添加参数&past_days=90，您可以检索90天的过去数据和7天的预报。预报 API 使用分辨率高达1公里的天气模型，但无法保证一致性。天气模型每隔几个月更新一次，稍微提高准确性，但可能引入不同的行为。尽管如此，这些数据适合于训练机器学习模型以提高天气预报。
为了了解天气相关发展的最新进展，确保订阅我们的免费新闻通讯。
