本文介绍如何利用谷歌地球引擎（GEE）处理ERA5-陆地数据，提取指定区域长时间序列的逐月降水平均值，并绘制分布图。首先筛选所需年份数据，接着加载长时序数据，然后通过映射函数获取每月平均降水，最终将结果保存至谷歌云盘。ERA5-陆地是ECMWF的气候再分析数据集，提供高分辨率的陆地变量历史记录。 摘要由CSDN通过智能技术生成

如何利用降水数据绘制指定区域长时间序列的降水分布图和提取每个月的指定降水数据？

这里我们首先要做的就是选择指定的数据，进行指定年份数据的筛选，然后进行长时序数据加载，然后提取研究区内每个月指定的降水平均值，最后进行下载到谷歌云盘。其中影像集合中的每个影像都是利用map的函数来进行映射，最后来获取每个月的平均降水数据提取为矢量。

ERA5-陆地是一个再分析数据集，以比ERA5更高的分辨率提供了几十年来陆地变量演变的一致视图。ERA5-陆地是通过重放 ECMWF ERA5 气候再分析的陆地部分而生成的。再分析利用物理定律将模式数据与世界各地的观测数据相结合，形成一个全球完整一致的数据集。再分析产生的数据可以追溯到几十年前，准确描述过去的气候。该数据集包括 CDS 提供的所有 50 个变量。

该资产是 ECMWF ERA5 陆地小时资产的月度汇总，包括流动和非流动带。流量带是通过收集当月每天次日第一小时的数据，然后将其相加而形成的，而非流量带则是通过平均当月所有小时数据而形成的。流量带标有"_sum "标识符，这种方法与哥白尼气候数据存储库生成的月度数据不同，后者也对流量带进行平均。

在不需要分月字段的情况下，月度合计数据是预先计算好的，以方便许多需要方便快捷地获取数据的应用。

ERA5-陆地月度合计数据可从 1950 年至三个月的实时数据中获取。更多信息，请访问哥白尼气候数据商店。

total_precipitation_sum

Accumulated liquid and frozen water, including rain and snow, that falls to the Earth's surface. It is the sum of large-scale precipitation (that precipitation which is generated by large-scale weather patterns, such as troughs and cold fronts) and convective precipitation (generated by convection which occurs when air at lower levels in the atmosphere is warmer and less dense than the air above, so it rises). Precipitation variables do not include fog, dew or the precipitation that evaporates in the atmosphere before

如何利用降水数据绘制指定区域长时间序列的降水分布图和提取每个月的指定降水数据？这里我们首先要做的就是选择指定的数据，进行指定年份数据的筛选，然后进行长时序数据加载，然后提取研究区内每个月指定的降水平均值，最后进行下载到谷歌云盘。其中影像集合中的每个影像都是利用map的函数来进行映射，最后来获取每个月的平均降水数据。 var cloudShadowBitMask = (1 << 3); var cloudsBitMask = (1 << 5); var qa = image.select("pixel_qa"); var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0)