当前位置：首页 > news >正文

CDS API 终极指南：Python 连接 Copernicus 气候数据宝库

news 2026/4/15 12:17:45

CDS API 终极指南：Python 连接 Copernicus 气候数据宝库

【免费下载链接】cdsapiPython API to access the Copernicus Climate Data Store (CDS)项目地址: https://gitcode.com/gh_mirrors/cd/cdsapi

想要获取全球气候数据却苦于复杂的接口和繁琐的流程？ECMWF 的 CDS API 为你提供了 Python 化的解决方案，让你能够轻松访问 Copernicus 气候数据存储库中的海量环境数据。本文将带你从零开始，掌握这一强大工具的核心用法和实战技巧。

为什么选择 CDS API？

Copernicus 气候数据存储库（CDS）汇集了欧洲中期天气预报中心（ECMWF）等机构提供的全球气候和环境数据，涵盖气象、海洋、大气成分、土地覆盖等多个领域。传统的数据获取方式往往需要手动操作网页界面，下载过程繁琐且难以自动化。

CDS API 的出现彻底改变了这一局面：

一键式数据检索：通过简单的 Python 代码即可获取复杂的气象数据
自动化处理：支持批量下载和定时任务，适合科研和生产环境
格式灵活：支持 GRIB、NetCDF、ZIP 等多种数据格式
完全免费：遵循 Apache 2.0 许可证，开源且免费使用

快速上手：5分钟配置环境

安装 CDS API 客户端

CDS API 的安装极其简单，只需一个 pip 命令：

pip install cdsapi

这个命令会自动安装所有依赖包，包括用于处理网络请求和文件下载的核心库。

获取并配置访问凭证

在使用 CDS API 之前，你需要获取个人访问令牌：

访问 CDS 门户网站并登录账户
在个人资料页面找到 API 密钥部分
复制你的个人访问令牌

接下来，创建配置文件~/.cdsapirc，内容如下：

url: https://cds.climate.copernicus.eu/api key: 12345:abcdef-1234-5678-90ab-cdef12345678

💡重要提示：请确保你已经同意了要下载数据集的条款和条件，否则 API 请求会失败。

实战演练：获取 ERA5 再分析数据

ERA5 是 ECMWF 最新的全球气候再分析数据集，提供了从 1950 年至今的高分辨率气象数据。让我们通过一个实际案例来体验 CDS API 的强大功能。

基础数据检索

以下代码展示了如何获取 2012 年 12 月 1 日 14:00 的 2米温度数据：

import cdsapi # 创建客户端实例 c = cdsapi.Client() # 检索 ERA5 单层数据 r = c.retrieve( "reanalysis-era5-single-levels", # 数据集名称 { "variable": "2t", # 2米温度变量 "product_type": "reanalysis", # 产品类型 "date": "2012-12-01", # 日期 "time": "14:00", # 时间 "format": "netcdf", # 输出格式 }, ) # 下载数据到本地文件 r.download("temperature_data.nc")

多变量批量下载

对于需要多个变量或时间段的复杂需求，CDS API 同样游刃有余：

import cdsapi cds = cdsapi.Client() # 检索 ERA5 压力层数据 cds.retrieve('reanalysis-era5-pressure-levels', { "variable": "temperature", # 温度变量 "pressure_level": "1000", # 1000 hPa 压力层 "product_type": "reanalysis", # 再分析产品 "date": "2017-12-01/2017-12-31", # 时间范围 "time": "12:00", # 指定时间 "format": "grib" # GRIB 格式输出 }, 'monthly_temperature.grib')

高级应用场景

冰川监测数据分析

CDS API 不仅提供气象数据，还包含专门的冰川数据集。这对于研究气候变化对冰川的影响至关重要：

import cdsapi c = cdsapi.Client() # 获取冰川高程变化数据 c.retrieve( 'insitu-glaciers-elevation-mass', { 'variable': 'elevation_change', 'format': 'tgz', # 压缩格式便于传输 }, 'glacier_elevation_change.tgz' )

Docker 容器化部署

对于需要在隔离环境中运行或需要快速部署的场景，CDS API 提供了 Docker 支持：

# 克隆项目仓库 git clone https://link.gitcode.com/i/6354d329c8a06aba3af199160c30e5e0 # 构建 Docker 镜像 docker build -t cdsapi ./cdsapi/docker/ # 准备请求配置文件 cat > request.json << EOF { "url": "https://cds.climate.copernicus.eu/api/v2", "uuid": "<your-user-id>", "key": "<your-api-key>", "variable": "reanalysis-era5-pressure-levels", "options": { "variable": "temperature", "pressure_level": "1000", "product_type": "reanalysis", "date": "2017-12-01/2017-12-31", "time": "12:00", "format": "grib" }, "filename":"temperature_data.grib" } EOF # 运行容器并下载数据 docker run -it --rm \ -v $(pwd)/request.json:/input/request.json \ -v $(pwd)/.:/output \ cdsapi

错误处理与最佳实践

智能重试机制

CDS API 内置了强大的错误处理功能。当网络连接不稳定或服务器暂时不可用时，API 会自动重试请求：

import cdsapi # 创建带重试配置的客户端 cds = cdsapi.Client( timeout=300, # 超时时间（秒） retry_max=5, # 最大重试次数 sleep_max=120 # 重试间隔最大值 ) # 即使遇到临时故障，API 也会自动重试 try: result = cds.retrieve('dataset-name', parameters, 'output.file') print("下载成功！") except Exception as e: print(f"下载失败: {e}")

性能优化建议

批量请求：对于大量数据，考虑分批下载以避免服务器压力
格式选择：根据后续处理需求选择合适的数据格式（NetCDF 适合科学计算，GRIB 适合气象应用）
缓存策略：对于不常更新的数据，建立本地缓存减少重复下载
异步处理：对于长时间运行的任务，考虑使用异步调用

测试与验证

在投入生产环境前，建议先运行简单的测试来验证配置：

# 测试脚本 test_cdsapi.py import cdsapi def test_connection(): """测试 CDS API 连接和基本功能""" try: c = cdsapi.Client() print("✅ CDS API 客户端创建成功") # 尝试一个小的测试请求 test_request = c.retrieve( 'reanalysis-era5-single-levels', { 'variable': '2t', 'product_type': 'reanalysis', 'date': '2023-01-01', 'time': '00:00', 'format': 'netcdf', 'area': [90, -180, -90, 180], # 全球范围 'grid': [1.0, 1.0], # 1度分辨率 } ) print("✅ API 请求发送成功") return True except Exception as e: print(f"❌ 测试失败: {e}") return False if __name__ == "__main__": test_connection()