ERA5

Запрос данных ERA5 о концентрации льда за 00ч за период 1979-2018 гг.

import cdsapi

c = cdsapi.Client()

c.retrieve(
    'reanalysis-era5-single-levels',
    {
        'product_type':'reanalysis',
        'format':'netcdf',
        'variable':'sea_ice_cover',
        'year':[
            '1979','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'
        ],
        'month':[
            '01','02','03',
            '04','05','06',
            '07','08','09',
            '10','11','12'
        ],
        'day':[
            '01','02','03',
            '04','05','06',
            '07','08','09',
            '10','11','12',
            '13','14','15',
            '16','17','18',
            '19','20','21',
            '22','23','24',
            '25','26','27',
            '28','29','30',
            '31'
        ],
        'time':'00:00'
    },
    'download.nc')

Быстрая замена в 3D массиве по признаку

Дан трёхмерный массив z (time, lat, lon), в котором необходимо по условию cond заменить значения на undef.
Собственно решение с помощь numpy.where

import numpy as np

undef = -99
ishape = (3, 4, 5)
z = (np.arange(-30 ,30, 1)).reshape(ishape)   # 3D-array
print('Before', z)
tz0 = z.mean(axis=0)   # 2D-array
cond = (tz0 < -5.)
zz = np.where(~cond, z, undef)   # Тильда
print('After', zz)

P.S. Тильда (~) инверсирует логическую маску: превращает все True в False. И наоборот

Загрузка данных реанализов центра ECMWF. ECMWF batch mode

Задача: скачать данные реанализов европейского центра среднесрочных прогнозов (ECMWF)

Реанализы, подготовленные в европейском центре среднесрочных прогнозов, являются одними из самых широко используемых атмосферных реанализов. Такие реанализы как ERA40, ERA15, ERA Interim, ERAClim предоставляют доступ к большому числу параметров о состоянии атмосферы.

Центр ECMWF поддерживает скриптовую (в т.ч. и python) поддержку для загрузки данных реанализов. Ниже приведена инструкция для языка python.

Восток - дело тонкое. Реанализ JRA55 download

Задача: скачать данные японского реанализа JRA55.

Краткое описание JRA55 доступно в виде html и pdf файла.

Инструкция

1) Просто так скачать JRA55 нельзя - нужен доступ (application).

На официальном сайте JRA55 нужно пройти регистрацию. ВНИМАНИЕ! Регистрация занимает около трёх дней, так что блицкриг "зарегистрировался и скачал" не пройдёт.

Проходим по ссылке из меню сайта - APPLICATION - ACCEPT.

Дальше заполняем форму и ждём, пока на указанный адрес электронной почты вам не пришлют логин и пароль. Пароль можно (и даже нужно) будет поменять.