数据源与再分析
运梦气象 API 工程博客「数据源与再分析」专题，汇集ERA5、ERA5-Land、MERRA-2 与中国区域再分析等多源历史数据的选型、偏差订正与适用边界。覆盖 ERA5 历史再分析、德国气象局短期数值预报与光伏、风电功率预测的工程落地，服务新能源研发与算法团队。
气象大数据新能源资源年际变率与长期代表性评估
解读 Pryor 等 2018 年 Wind Energy Science 论文：风资源年际变率到底有多大，行业惯用的 6% 标准差是否高估，配合 Lee 等 27 种变率指标对比与长期代表性方法，并给出运梦气象 API 上 ERA5 多年回测的可运行示例。
气象大数据再分析数据的 CF 规范与 Python 工具链
一篇讲清 CF（Climate and Forecast）元数据规范如何用 standard_name、canonical units、坐标轴与时间编码给再分析数据立"语义合同"，并结合 xarray、cfgrib、netCDF4 工具链，帮风电光伏团队把 NetCDF / GRIB 字段稳稳落到功率预测管线。
气象大数据风光资源评估实战：ERA5 多年逐时数据做代表年与 P50/P90 发电量估计
用 ERA5 多年逐时数据做风光资源评估：长序列按年切片下载、风速廓线从 10m 外推到 100m 与轮毂高度、辐照换算发电量，以及代表年、年际变率与 P50/P90 的完整工程流程与可运行的运梦气象 API 下载示例。
气象大数据ERA5-Drought 全球干旱指数数据集解读 — ECMWF 官方综述
解读 ECMWF 团队发表于 Nature 旗下 Scientific Data（2025）的 ERA5-Drought：基于 ERA5 构建的 1940 年至今、0.25° 全球干旱指数数据集，含 SPI、SPEI 与确定性 / 集合概率版本，并说明其对风电光伏资源评估、功率预测与历史气象数据使用的意义。
气象大数据ERA5 历史气象数据下载完全指南 — 运梦气象 API 与 cdsapi 官方通道实战对比
从 ERA5 数据集结构、变量字段、时空分辨率讲起，给出运梦气象 API 与 ECMWF CDS cdsapi 两条下载通道的 Python 代码示例与排队/速率/合规对比，帮助新能源算法团队选择更高效的方案。
气象大数据集合再分析与不确定性：把误差量化进资源评估
解读 Hersbach 等 QJRMS 2020 ERA5 论文中的不确定性集合（EDA）：10 成员、约 62km、3 小时一档、普遍欠离散。讲清如何把随机误差量化进风电与光伏的资源评估与 P50/P90 决策。
气象大数据ERA5 与站点观测的偏差特征：用前必看的验证
汇总 Olauson 2018 风、Urraca 2018 辐照、Zhao 与 He 2022 气温三项核心验证，讲清 ERA5 相对站点观测的系统偏差量级、复杂地形与近海退化规律，以及在风电光伏功率预测中先订正再用的工程纪律。
气象大数据测风塔与再分析数据融合：MCP 长期订正实战
测风塔短期实测如何外推到代表性长期风况？本文讲解 MCP（测量-相关-预测）方法：以 ERA5 长序列再分析为参考源，把场站几个月的测风订正为多年代表水平，覆盖线性回归、方差比与矩阵法，并附运梦气象 API 取数示例。
气象大数据极端天气下的风光出力冲击与运行预案：ERA5 复盘 + 德国气象局预警实战
面向新能源算法与运营团队：用运梦气象 API 的 ERA5 历史数据复盘寒潮、台风、连续阴雨、无风小风四类极端事件对风光出力的冲击，用德国气象局预报提前预警，量化发电量与电网偏差并给出可落地的运行预案与 Python 示例。
气象大数据典型气象年（TMY）方法 — 从多年序列到一年代表
解读 NREL 的 TMY3 用户手册与 Finkelstein-Schafer 选月方法：典型气象年如何从多年观测中拼出 12 个最具代表性的月份、为何代表典型而非极端，以及如何用运梦气象 API 的 ERA5 长序列自行构建站址 TMY。
气象大数据ERA5-Land 估算作物参考蒸散精度评估：西西里 39 站验证论文解读
解读 Ippolito 等 2024 年发表于《Agricultural Water Management》的论文：用西西里 39 个地面站 2006–2015 年实测数据验证 ERA5-Land 参考蒸散 ETo，日尺度 RMSE 约 0.4–1.3 mm/d，并谈再分析数据在风光资源评估中的借鉴价值。
气象大数据MERRA-2 NASA 再分析全解读 — 运梦 `nasa` 数据源的原始论文
解读 Gelaro 等在 Journal of Climate 2017 发表的 MERRA-2 论文：NASA 第二代全球再分析的同化体系、时空规格与 ERA5 互补关系，以及在风电光伏资源评估中如何选用 nasa 数据源。
气象大数据用 ERA5 历史数据回测新能源功率预测模型：walk-forward 实战
把 ERA5 当作训练/检验底座，用 walk-forward 回测新能源功率预测模型，讲清 RMSE/MAE/MAPE/合格率口径、怎样避免数据泄漏，并衔接 ger 预报做在线评估，附运梦气象 API 可运行示例。
气象大数据电力现货市场的气象账本：用功率预测支撑报量报价与偏差考核
面向新能源现货交易者：拆解系统负荷、节点电价与场站出力背后的天气驱动，讲清报量报价与偏差考核如何与功率预测分布咬合，并用运梦气象 API 的 ERA5 历史规律加德国气象局短期预报，支撑报价决策与天气风险管理闭环。
气象大数据ERA5 vs MERRA-2 光伏出力系统偏差与长时储能误差传播解读
解读 Applied Energy 2023 年 Mathews 等人的研究：MERRA-2 全球高估光伏出力，会在低往返效率的长时储能链路中放大误差，扭曲充放电与总能量需求；ERA5 更好复现计量发电情景。文末给出运梦气象 API 的 ERA5 字段与 downloadSync 上手思路，帮助选对再分析数据源。
气象大数据WeatherBench 2 解读：AI 气象大模型的统一基准与公平裁判
为 WeatherBench 2（arXiv 2023，JAMES 2024）撰写的中文解读：它如何用 ERA5 真值、统一指标与持续排行榜，为 GraphCast、Pangu-Weather 等 AI 气象大模型与传统 NWP 建立公平基准，并落地风电光伏取数。
气象大数据两个细则准确率考核怎么过：ERA5回测+德国气象局预报降考核电量实战
面向新能源场站，逐条拆解国家两个细则功率预测准确率考核口径、短期与超短期合格率及分段罚款机制，并给出用 ERA5 历史回测做系统偏差订正、用德国气象局预报压低考核电量的可落地方法与运梦气象 API 调用示例。
气象大数据再分析数据用于风资源评估的不确定性：RSER 2022 权威综述解读
基于 Gualtieri 2022 发表于 RSER 的综述撰写的中文解读：系统验证全球 322 个异质站点，界定 ERA5 在海上与平坦内陆可靠、复杂地形受限，并给出风资源评估与运梦气象 API 上手口径。
气象大数据ERA5-Land 论文解读 — 陆面再分析金标准与新能源数据底座综述
解读 ECMWF 在 ESSD（2021）发表的 ERA5-Land 论文：它对 ERA5 做无耦合陆面重跑，分辨率提升至约 9km、覆盖 1950 年至今逐小时，土壤湿度、积雪、径流、蒸散等要素与站点观测吻合更好。本文梳理论文方法、关键结论及其对风电光伏资源评估与历史气象数据使用的意义。
气象大数据ERA5-Land 长时序光伏模拟是否下一跃迁？2020 论文解读
本文基于已核实事实解读 Ramírez Camargo 与 Schmidt 2020 年发表于 Elsevier 的论文：ERA5-Land 结合 PV_LIB 物理模型生成逐时光伏时序，用智利 57 座电站实测验证并与 MERRA-2 对比，剖析其对新能源建模的意义。
气象大数据全球海上风能资源新基准：ERA5 应用经典论文解读
解读里斯本大学 Soares 等人 2020 年发表于 Environmental Research Letters 的经典论文：如何用 ERA5 再分析在全球各国专属经济区刻画海上风功率密度的年度与季节分布，为海上风电选址与资源量化提供基准，并映射到运梦气象 API 的字段与上手路径。
气象大数据ERA5 全球再分析奠基论文解读：新能源数据的引用金标准
解读 Hersbach 等 QJRMS 2020 ERA5 奠基论文：31km、137 层、1979 年以来生产系统，并说明当前 CDS 已扩展到 1940 年至今。梳理 4D-Var、规范引用和风电光伏历史气象建模用法。
气象大数据ERA5 完全解读 — 地球 80 年高清气象日记与新能源金标准数据集
一篇读懂 ERA5 再分析数据集：它如何用数据同化把 1940 年至今的全球天气重建成"无缝地图"，0.25° 网格、逐小时、137 层垂直要素，以及在风电光伏资源评估、功率预测与长期气候分析中的实战字段选取。
气象大数据ERA5 能否替代观测驱动模型？北美 3138 流域 HESS 论文解读
解读 2020 年 HESS 顶刊高引论文（被引 535 次）：在北美 3,138 个流域上，将 ERA5 的降水与气温同地面观测及 ERA-Interim 对比并驱动水文模型，看 ERA5 能否替代观测，以及对风电光伏资源评估与功率预测的意义。
气象大数据四源气象数据交叉验证与场景选型：ERA5、DWD、卫星、地面实测实战
面向新能源算法与工程团队，系统对比 ERA5 再分析、德国气象局 DWD 数值预报、卫星反演与地面实测四类气象数据源的时空分辨率、时效与偏差，给出交叉验证方法与按风光场景组合选型策略，并附运梦气象 API 可运行示例。
气象大数据ERA5 太阳辐照精度评估解读 — Urraca 2018 Solar Energy 奠基综述
解读 Urraca 等 2018 年发表于 Solar Energy 的 ERA5 全球水平辐照（GHI）评估论文：用 BSRN 高质量站、欧洲地面站与卫星产品逐日验证 ERA5，证实其偏差较前代再分析明显降低、内陆可媲美卫星，并映射到风电光伏资源评估与功率预测的实战字段选取。
气象大数据ERA5 是风电建模新标杆吗？Olauson 2018 顶刊基准论文解读
结构化解读 Olauson 2018 年发表于 Renewable Energy 的 ERA5 风电建模基准论文：ERA5 对照 MERRA-2 全面胜出，MAE/RMSE 平均约低 20%，对海上与平坦地形尤为可靠，并附运梦气象 API 风资源字段上手指南。