目前ERA-5和ERA-5 Land仅提供逐月和逐小时资料，官网提供了日平均资料Daily statistics calculated from ERA5 data (copernicus.eu)，但是单次仅能下载一个月，鄙人找到了用Python可以下载多个月份的方法，具体如下：1、cdsapi库的安装。2、运行批量下载的Python程序。
1、cdsapi库的安装
Windows和Linux系统下可以在Python使用cdsapi库来实现批量下载，cdsapi库的安装可以移步官方教程How to install and use CDS API on Windows - Copernicus Knowledge Base - ECMWF Confluence Wiki，下面介绍如何在Windows下安装cdsapi库，有两种方法：(1)、使用Anaconda安装；或(2)、使用pip安装。
1)、使用Anaconda安装最为简便，只需要在Anaconda Prompt的命令行中依次输入：
conda config --add channels conda-forge
conda install cdsapi
然后修改.cdsapirc文件（该文件通常在C:\Users\Username folder\ 或 C:\用户\Windows用户名\ 或$HOME/.cdsapirc），将文件中的url和key替换成自己的，自己的url和key在此网站中：How to use the CDS API | Copernicus Climate Data Store，将右侧黑框中的url和key复制过来即可，注意需要先登录才会显示自己的url和key。
或2)、使用pip安装的话，输入
pip install cdsapi # for Python 2.7
pip3 install cdsapi # for Python 3
修改.cdsapirc文件的方法同1）中所述。
2、运行批量下载的Python程序
Python程序放在附件中，该程序修改自官网（Retrieve daily ERA5/ERA5-Land data using the CDS API - Copernicus User Support Forum - ECMWF Confluence Wiki），其中每个月存储为一个nc文件，有需要的同学可以自己修改程序。
1、cdsapi库的安装
Windows和Linux系统下可以在Python使用cdsapi库来实现批量下载，cdsapi库的安装可以移步官方教程How to install and use CDS API on Windows - Copernicus Knowledge Base - ECMWF Confluence Wiki，下面介绍如何在Windows下安装cdsapi库，有两种方法：(1)、使用Anaconda安装；或(2)、使用pip安装。
1)、使用Anaconda安装最为简便，只需要在Anaconda Prompt的命令行中依次输入：
conda config --add channels conda-forge
conda install cdsapi
然后修改.cdsapirc文件（该文件通常在C:\Users\Username folder\ 或 C:\用户\Windows用户名\ 或$HOME/.cdsapirc），将文件中的url和key替换成自己的，自己的url和key在此网站中：How to use the CDS API | Copernicus Climate Data Store，将右侧黑框中的url和key复制过来即可，注意需要先登录才会显示自己的url和key。
或2)、使用pip安装的话，输入
pip install cdsapi # for Python 2.7
pip3 install cdsapi # for Python 3
修改.cdsapirc文件的方法同1）中所述。
2、运行批量下载的Python程序
Python程序放在附件中，该程序修改自官网（Retrieve daily ERA5/ERA5-Land data using the CDS API - Copernicus User Support Forum - ECMWF Confluence Wiki），其中每个月存储为一个nc文件，有需要的同学可以自己修改程序。
# -*- coding: utf-8 -*- """ Created on Mon Sep 6 14:54:38 2021 @author: Dong """ import cdsapi import requests # CDS API script to use CDS service to retrieve daily ERA5* variables and iterate over # all months in the specified years. # Requires: # 1) the CDS API to be installed and working on your system # 2) You have agreed to the ERA5 Licence (via the CDS web page) # 3) Selection of required variable, daily statistic, etc # Output: # 1) separate netCDF file for chosen daily statistic/variable for each month c = cdsapi.Client(timeout=300) # Uncomment years as required years = [ '2010' # ,'1980', '1981', # '1982', '1983', '1984', # '1985', '1986', '1987', # '1988', '1989', '1990', # '1991', '1992', '1993', # '1994', '1995', '1996', # '1997', '1998', '1999', # '2000', '2001', '2002', # '2003', '2004', '2005', # '2006', '2007', '2008', # '2009', '2010', '2011', # '2012', '2013', '2014', # '2015', '2016', '2017', # '2018', '2019', '2020', # '2021' ] # Retrieve all months for a given year. months = [ # '07', '08' '01', '02', '03', '04', '05', '06', '07', '08', '09', '10', '11', '12' ] # For valid keywords, see Table 2 of: # https://datastore.copernicus-climate.eu/documents/app-c3s-daily-era5-statistics/C3S_Application-Documentation_ERA5-daily-statistics-v2.pdf # select your variable; name must be a valid ERA5 CDS API name. var = "total_cloud_cover" #fraction_of_cloud_cover / Mean surface direct short-wave radiation flux / surface_latent_heat_flux / surface_sensible_heat_flux #total_cloud_cover / total_precipitation / u_component_of_wind / v_component_of_wind # Select the required statistic, valid names given in link above stat = "daily_mean" # Loop over years and months for yr in years: for mn in months: result = c.service( "tool.toolbox.orchestrator.workflow", params={ "realm": "c3s", "project": "app-c3s-daily-era5-statistics", "version": "master", "kwargs": { "dataset": "reanalysis-era5-pressure-levels", "product_type": "reanalysis", "variable": var, "statistic": stat, "year": yr, "month": mn, "time_zone": "UTC+00:0", "frequency": "1-hourly", # # Users can change the output grid resolution and selected area # # "grid": "0.25/0.25", "area":{"lat": [10, 60], "lon": [70, 140]} }, "workflow_name": "application" }) # set name of output file for each month (statistic, variable, year, month file_name = "download_" + stat + "_" + var + "_" + yr + "_" + mn + ".nc" location=result[0]['location'] res = requests.get(location, stream = True) print("Writing data to " + file_name) with open(file_name,'wb') as fh: for r in res.iter_content(chunk_size = 1024): fh.write(r) fh.close()
程序中以"reanalysis-era5-single-levels"的"2m_temperature"为例，可以自己更改数据集和变量名等参数，这些参数的获取可以参考官网ERA-5和ERA-5 Land下载页面最下方提供的Show API request按钮或者参考Daily statistics calculated from ERA5 data (copernicus.eu)中的Source code。
