如何从ERA5再分析数据中提取移动船舶对应时空点的气象变量？

实现思路 #

针对船舶每个时间步的经纬度，通过xarray插值功能从ERA5网格数据中提取对应时刻、对应位置的气象变量（风速、风向等），最终和船舶实测数据合并输出。

具体修改步骤 #

1. 读取并预处理船舶位置数据 #

先加载船舶的时间、经纬度数据，统一时间格式为UTC（ERA5默认用UTC时间）：

import pandas as pd
# 读取船舶数据（根据实际文件格式调整，这里假设是CSV）
ship_df = pd.read_csv('ship_positions.csv', index_col='Date-Time', parse_dates=True)
# 转换为UTC时区（如果原始数据是本地时间，需替换为对应时区，比如'America/Sao_Paulo'）
ship_df.index = ship_df.index.tz_localize('UTC')

2. 正确读取ERA5数据并对齐时间 #

修正原代码的时间解码问题，确保ERA5时间轴和船舶时间一致：

import xarray as xr
# 读取ERA5数据，开启时间自动解码
era5_data = xr.open_dataset('C:/Users/William Jacondino/Desktop/Dados/ERA5/ERA5_2017.nc', decode_times=True)
# 为ERA5时间添加UTC时区标记，避免时区不匹配
era5_data = era5_data.assign_coords(time=era5_data.time.tz_localize('UTC'))
# 若ERA5经度是0-360格式，转换为船舶常用的-180-180格式
era5_data = era5_data.assign_coords(longitude=(era5_data.longitude + 180) % 360 - 180)

3. 按船舶轨迹插值提取气象变量 #

使用xarray的interp方法，对每个时间点的经纬度进行插值，提取目标变量：

# 指定需要提取的气象变量，比如u10（10米东向风速）、v10（10米北向风速）
target_vars = ['u10', 'v10']
# 按船舶的时间、纬度、经度进行线性插值（可选method='nearest'用最近邻插值）
era5_ship_data = era5_data[target_vars].interp(
    time=ship_df.index,
    latitude=ship_df['Latitude'],
    longitude=ship_df['Longitude'],
    method='linear'
)

4. 合并数据并保存结果 #

将提取的ERA5数据转为DataFrame，和船舶实测数据合并后保存：

# 转换为DataFrame格式
era5_ship_df = era5_ship_data.to_dataframe()
# 合并船舶实测数据（假设实测风字段为'WS_obs'、'WD_obs'）
final_result = pd.concat([ship_df, era5_ship_df], axis=1)
# 保存到指定目录
dir_out = 'your/output/path'
final_result.to_csv(f'{dir_out}/era5_ship_meteorology.csv')
print(f"\n! 已成功保存所有时序数据到输出目录!!\n{dir_out}")

关键注意点 #

• 确保ERA5数据的时间范围完全覆盖船舶数据的时间区间，否则插值结果会出现NaN。
• 若船舶数据时间间隔和ERA5不一致（比如ERA5是6小时一次，船舶是1小时一次），interp会自动完成时间维度的插值。
• 插值方法选择：线性插值适合风速、温度这类连续变量；最近邻插值适合像天气类型这类离散变量。

内容的提问来源于stack exchange，提问作者William Jacondino