一、ERA5-Land
ERA5-Land是由欧洲中期天气预报中心（ECMWF）提供的高分辨率气候重分析数据集，相较于ERA5，ERA5-Land在空间分辨率上进行了提升，提供了更加精细的陆地气候变量数据。该数据集利用重分析技术，将全球观测数据与模型数据结合，基于物理定律生成全球一致的时空数据，涵盖了从1950年至今的多个气候变量。ERA5-Land数据的空间分辨率约为11132米，时空分辨率为月度平均，适用于大范围的气候分析和环境监测。
数据链接：https://cds.climate.copernicus.eu
二、气候变量
数据集包括50个气候变量，如2米气温、土壤温度、降水、风速、蒸发、土壤水分等，其中包含流量（累积）和非流量（平均）变量。
三、GEE代码
本次示例以某区域的月度和年度气温数据为例，大家只需更改研究区和波段参数即可。在气温数据中，我们将温度单位从开尔文转换为摄氏度，因此减去了273.15。若需要其他单位转换，可以调整该部分代码。
1. 合成并导出年度气温数据，并绘制年际变化折线图
var geometry = table;var dataset = ee.ImageCollection("ECMWF/ERA5_LAND/MONTHLY_AGGR");var yearlyTemperatures = [];var years = [];for (var i = 1950; i <= 1952; i++) {var data_collection = dataset.filterDate(i+'-01-01', i+'-12-31').select('temperature_2m');var YR_collection = data_collection.mean().subtract(273.15).clip(geometry);Export.image.toDrive({image: YR_collection,description: i + '_temperature',fileNamePrefix: i + '_temperature',scale: 11132,region: geometry,maxPixels: 1e13,crs: "EPSG:4326",folder: 'TemperatureData'});var meanTemp = YR_collection.reduceRegion({reducer: ee.Reducer.mean(),geometry: geometry,scale: 11132,maxPixels: 1e8});yearlyTemperatures.push(meanTemp.get('temperature_2m'));years.push(i);}var chart = ui.Chart.array.values({array: ee.Array(yearlyTemperatures),axis: 0,xLabels: years}).setChartType('LineChart').setOptions({title: 'Annual Average Temperature Change (°C)',hAxis: {title: 'Year'},vAxis: {title: 'Temperature (°C)'},lineWidth: 1,pointSize: 1,colors: ['black']});print(chart);
2. 合成并导出月度气温数据，并绘制月度变化折线图
var geometry = ee.FeatureCollection('users/yusuhenhao/beijing');Map.centerObject(geometry, 8);var dataset = ee.ImageCollection("ECMWF/ERA5_LAND/MONTHLY_AGGR").select('temperature_2m');var monthlyTemperature = [];for (var i = 2018; i <= 2023; i++) {for (var j = 1; j <= 12; j++) {var startDate = ee.Date.fromYMD(i, j, 1);var endDate = startDate.advance(1, 'month').advance(-1, 'day');var data_collection = dataset.filterDate(startDate, endDate).mean();var monthlyTemp = data_collection.subtract(273.15).clip(geometry).set({'year': i,'month': j,'system:time_start': startDate.millis()});var meanTemp = monthlyTemp.reduceRegion({reducer: ee.Reducer.mean(),geometry: geometry,scale: 11132,maxPixels: 1e13}).get('temperature_2m');var feature = ee.Feature(null, {'time': startDate.format('YYYY-MM'),'temperature_mean': meanTemp});monthlyTemperature.push(feature);Export.image.toDrive({image: monthlyTemp,description: i + '_' + j + '_temperature',fileNamePrefix: i + '_' + j + '_temperature',folder: 'TemperatureData',scale: 11132,region: geometry,crs: "EPSG:4326",maxPixels: 1e13});}}var chart = ui.Chart.feature.byFeature(ee.FeatureCollection(monthlyTemperature), 'time', 'temperature_mean').setChartType('LineChart').setOptions({title: 'Monthly Temperature (2018-2023)',hAxis: {title: 'Time',slantedText: true,slantedTextAngle: 45},vAxis: {title: 'Temperature (°C)'},lineWidth: 1,pointSize: 1,colors: ['black']});print(chart);
3. 绘制空间分布图
以1952年中国区域的气温为例，绘制空间分布图。此图基于Python代码，相关代码示例链接：Python | 绘制中国及四川省栅格数据空间分布图。
四、成为会员
