读者答疑 | 如何基于era5数据绘制环流图

用户11172986

发布于 2026-04-24 18:50:03

680

如何基于era5数据绘制环流图

项目概述

周五发了素材募集没几个响应呀，这期虽然没什么难度，对新手应该足够了。

对很多气象 Python 新手来说，“环流图”三个字往往意味着“一大堆黑框框命令 + 神秘莫测的 GrADS/NCL”。但其实，ERA5 已经把全球每一层、每一小时的气象场做成“云上好下载的 NetCDF”，而 Python 生态里又有 xarray、cartopy、metpy 等开箱即用的轮子。本教程想让你体会到三件事：

1.下载再分析资料可以像点外卖一样简单； 2.绘图可以像搭积木一样“加一行就多点东西”； 3.只要你掌握一个 ERA5 例子，换任何资料（MERRA-2、NCEP、CRA-40……）只需文件和变量名。 4.记得自己注册好EC账号

你说数错了？四天王里有五个人也很正常嘛

环境设置

安装依赖

!conda install -c conda-forge xarray netCDF4 cartopy cmocean metpy

数据下载

import cdsapi, datetime as dt  
c = cdsapi.Client()  
dates = [dt.date(2023,6,1)+dt.timedelta(h) for h in range(24)]  
c.retrieve(  
    'reanalysis-era5-pressure-levels',  
    {  
     'product_type':'reanalysis',  
     'variable':['geopotential','u_component_of_wind','v_component_of_wind'],  
     'pressure_level':'750',  
     'year':'2023',  
     'month':'06',  
     'day':['01','02'],  
     'time': [t.strftime('%H:%M') for t in dates],  
     'format':'netcdf',  
    }, 'ERA5_20230601-02_750hPa.nc')

数据读取

加载纬向风和经向风数据

import xarray as xr, cartopy.crs as ccrs, cartopy.feature as cfeature
import matplotlib.pyplot as plt, metpy.calc as mpcalc, numpy as np
from matplotlib.patches import Rectangle

# 1. 读数据
ds = xr.open_dataset("/home/mw/input/era58091/ERA5-2023-08_pl.nc")
h = ds['z'].metpy.sel(level=750).isel(time=0) / 9.80665   # 位势高度转位势米
u = ds['u'].metpy.sel(level=750).isel(time=0)
v = ds['v'].metpy.sel(level=750).isel(time=0)

# 2. 坐标
lon = h.longitude
lat = h.latitude

# 3. 画图
fig, ax = plt.subplots(figsize=(8, 6),dpi=200,
                       subplot_kw={'projection': ccrs.PlateCarree()})
ax.set_extent([100, 140, 15, 60], crs=ccrs.PlateCarree())

# 底图
ax.add_feature(cfeature.COASTLINE.with_scale('50m'))
ax.add_feature(cfeature.BORDERS.with_scale('50m'))
ax.add_feature(cfeature.LAKES.with_scale('50m'), alpha=0.5)

# 填色图 750hPa 位势高度（色标）
cs = ax.contourf(lon, lat, h, levels=10,
                 cmap='BrBG', transform=ccrs.PlateCarree())
ax.contour(lon, lat, h, levels=10,color='k',
                  transform=ccrs.PlateCarree())               
plt.colorbar(cs, shrink=0.5, label='Geopotential Height (gpm)')

# 风羽图（密度每10格画1个）
ax.barbs(lon.values[::10], lat.values[::10],
         u.values[::10,::10] ,v.values[::10,::10],
          transform=ccrs.PlateCarree())

ax.set_title('ERA5 750 hPa Height&Wind 2023-06-01 00UTC')
plt.show()

升级绘图

总结

小结（把大象装进冰箱的三步法）拿数据：用 CDS API 一句 retrieve，或者网页点点鼠标，就能把 500 hPa 高度、纬向风、经向风一键下载到本地；读数据：xarray.open_dataset() 直读 NetCDF 出图：plt.axes(projection=ccrs.PlateCarree()) 起画布，contourf/ barbs/ streamplot 三板斧，想画位势高度等高线就多一行，想画温度平流再多一行——万变不离其模板。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2025-07-20，如有侵权请联系 cloudcommunity@tencent.com 删除

数据