欢迎光临散文网 会员登陆 & 注册

盘古气象模型(ECMWF)官网获取方法与参数解释

2023-07-26 09:47 作者:爱吃包子的超  | 我要投稿

获取过程与参数解释

  1. 打开网址https://charts.ecmwf.int/products/pangu_medium-mslp-wind850?base_time=202307210000&projection=opencharts_south_east_asia_and_indonesia&valid_time=202307210600

  2. 以上网址是(PANGU机器学习模型):平均海平面压力和850百帕风速,其他的还有

  • 风力与气压

网址: https://charts.ecmwf.int/products/pangu_medium-mslp-wind850?base_time=202307251200&projection=opencharts_eastern_asia&valid_time=202307251800

参数名: pangu_medium-mslp-wind850

(PANGU machine learning model): Mean sea level pressure and 850 hPa wind speed

(PANGU机器学习模型):平均海平面气压和等压面为 850 百帕时,大气中风速的情况

平均海平面气压是一个重要的气象参数,通常被用于衡量大气压力的变化。850 百帕风速则可以反映出大气中低层的风速情况,对于研究大气环流和天气变化也非常重要。

  • 850hPa温度与气压

网址: https://charts.ecmwf.int/products/pangu_medium-z500-t850?base_time=202307251200&projection=opencharts_europe&valid_time=202307251800

参数名: pangu_medium-z500-t850

(PANGU machine learning model): 500 hPa geopotential height and 850 hPa temperature

(PANGU机器学习模型):500 百帕高空位势高度和等压面为 850 百帕时,大气中的温度

500 hPa 高度是指海平面上方500百帕压强面上的静力高度,它可以反映出大气环流中高空的情况。850 hPa 温度则是指海平面以上850百帕压强面上的温度,它可以反映出大气中低层的温度情况。

  • 200hPa风力与风向

参数名: pangu_medium-mslp-wind200

(PANGU machine learning model): Mean sea level pressure and 200 hPa wind

(PANGU机器学习模型):平均海平面气压和等压面为 200 百帕时,大气中风的情况

200 百帕风则可以反映出大气中高空的风向和风速情况,对于研究大气环流和天气变化非常重要。

  • 不同压力层下的温度与气压 (Level)

网址:https://charts.ecmwf.int/products/pangu_medium-t-z?base_time=202307251200&level=850&projection=opencharts_eastern_asia&valid_time=202308020600

参数名: pangu_medium-t-z

(PANGU machine learning model): Temperature and geopotential at various pressure levels

(PANGU机器学习模型):不同压力层的温度和位势高度。

在气象学和大气科学中,大气的垂直结构通常被描述为不同压力层的气象参数。温度是其中一个最基本的参数,通常在不同压力层测量,并用于描述大气中的垂直温度分布。位势高度是指在某个压力面上,空气质量单位的重力位势能,因此也被用来描述大气中垂直高度的分布。

通常,在天气预报和气象学研究中,温度和位势高度在多个压力层上都被测量和记录,以便更好地了解大气的结构和变化。一些常用的压力层包括 1000 百帕、850 百帕、700 百帕、500 百帕、300 百帕 和 200 百帕。

  • 温度与风向

网址: https://charts.ecmwf.int/products/pangu_medium-2t-wind?base_time=202307251200&projection=opencharts_eastern_asia&valid_time=202307251800

参数名: pangu_medium-2t-wind

(PANGU machine learning model): 2 m temperature and 10 m wind

(PANGU机器学习模型):2 米温度和10 米风

指的是地面或者近地表面 2 米处的温度。这个参数通常被用于天气预报和气象学研究中,因为它可以反映出地面的温度变化,对于预测气温和天气变化非常重要。

这个参数通常被用于描述地面风的情况,对于天气预报和气象学研究非常重要。10 米风可以受到地形、建筑物和植被等因素的影响,在不同的地方风速和风向也会有所不同。

  • 不同压力层下的风力风向与气压 (Level)

网址: https://charts.ecmwf.int/products/pangu_medium-uv-z?base_time=202307251200&level=1000&projection=opencharts_eastern_asia&valid_time=202307251800

参数名: pangu_medium-uv-z

(PANGU machine learning model): Wind and geopotential heights at various pressure levels

(PANGU机器学习模型):不同压力层的风和位势高度

大气的垂直结构通常被描述为不同压力层的气象参数。风是其中一个最基本的参数之一,通常在不同压力层测量,并用于描述大气中的垂直风速和风向分布。位势高度是指在某个压力面上,空气质量单位的重力位势能,因此也被用来描述大气中垂直高度的分布。

在天气预报和气象学研究中,通常在多个压力层上测量和记录风和位势高度,以便更好地了解大气的结构和变化。一些常用的压力层包括 1000 百帕、850 百帕、700 百帕、500 百帕、300 百帕 和 200 百帕。风和位势高度在不同的压力层上可以反映出大气中的垂直运动和风的变化,对于研究大气环流和天气变化非常重要。

  1. 打开后的样子

  1. 其中 Base time 是模型预测时间,就是模型计算时运行的时间,越靠近当前时间,越准确

  2. Valid time 是模型预测的用来验证的时间,就是预测未来的时间,用来展示预测结果

  3. Area 是模型预测的区域,有以下选项

  • Global 全球

    • opencharts_global: Global atmospheric and oceanic data covering the entire globe. 全球大气和海洋数据,覆盖整个地球。

    • opencharts_north_atlantic: Data for the North Atlantic region. 北大西洋地区的数据。

    • opencharts_north_pole: Data for the North Pole region. 北极地区的数据。

    • opencharts_south_pole: Data for the South Pole region. 南极地区的数据。

    • opencharts_south_atlantic_and_indian_ocean: Data for the South Atlantic and Indian Ocean regions. 南大西洋和印度洋地区的数据。

    • opencharts_equatorial_pacific: Data for the equatorial Pacific region. 赤道太平洋地区的数据。

    • opencharts_pacific: Data for the Pacific region. 太平洋地区的数据。

  • Europe 欧洲

    • opencharts_europe: Data for Europe. 欧洲地区的数据。

    • opencharts_central_europe: Data for Central Europe. 中欧地区的数据。

    • opencharts_north_west_europe: Data for North-western Europe. 西北欧地区的数据。

    • opencharts_north_east_europe: Data for North-eastern Europe. 东北欧地区的数据。

    • opencharts_south_west_europe: Data for South-western Europe. 西南欧地区的数据。

    • opencharts_south_east_europe: Data for South-eastern Europe. 东南欧地区的数据。

  • Africa 非洲

    • opencharts_northern_africa: Data for Northern Africa. 北非地区的数据。

    • opencharts_africa: Data for Africa. 非洲地区的数据。

    • opencharts_southern_africa: Data for Southern Africa. 南非地区的数据。

  • North America 北美洲

    • opencharts_north_america: Data for North America. 北美洲地区的数据。

    • opencharts_central_america: Data for Central America. 中美洲地区的数据。

    • opencharts_caribbean: Data for the Caribbean region. 加勒比地区的数据。

  • South America 南美洲

    • opencharts_south_america: Data for South America. 南美洲地区的数据。

  • Asia 亚洲

    • opencharts_eurasia: Data for Eurasia. 欧亚大陆地区的数据。

    • opencharts_southern_asia: Data for Southern Asia. 南亚地区的数据。

    • opencharts_western_asia: Data for Western Asia. 西亚地区的数据。

    • opencharts_eastern_asia: Data for Eastern Asia. 东亚地区的数据。

    • opencharts_south_east_asia_and_indonesia: Data for Southeast Asia and Indonesia. 东南亚和印尼地区的数据。

    • opencharts_middle_east_and_india: Data for the Middle East and India. 中东和印度地区的数据。

  • Australia and Oceania 澳大利亚和大洋洲

    • opencharts_australasia: Data for Australasia. 澳大拉西亚地区的数据。

  • Arctic 北极

    • opencharts_arctic: Data for the Arctic region. 北极地区的数据。

    • opencharts_north_pole: Data for the North Pole region. 北极地区的数据。

  • Antarctic 南极

    • opencharts_antarctic: Data for the Antarctic region. 南极地区的数据。

    • opencharts_south_pole: Data for the South Pole region. 南极地区的数据。

  • Oceanic 大洋洲

    • opencharts_west_tropic: Data for the Western Tropical Pacific region. 西太平洋热带地区的数据。

    • opencharts_east_tropic: Data for the Eastern Tropical Pacific region. 东太平洋热带地区的数据。

    • opencharts_equatorial_pacific: Data for the Equatorial Pacific region. 赤道太平洋地区的数据。

    • opencharts_pacific: Data for the Pacific region. 太平洋地区的数据。

    • opencharts_south_atlantic_and_indian_ocean: Data for the South Atlantic and Indian Ocean regions. 南大西洋和印度洋地区的数据。


盘古气象模型(ECMWF)官网获取方法与参数解释的评论 (共 条)

分享到微博请遵守国家法律