批量下载历史预报数据

需求：批量下载某一次历史预报运行的结果数据，用于预报检验、模型评估等场景。

历史预报数据模型：archive_ifs（25km，360小时）
支持的历史预报数据源及要素：历史预报数据API
全部支持的逐日数据要素查看：逐日要素支持
以 Python 代码为例，分四步完成：

方式一：使用行政区划

适合按省/市/区县行政区划批量下载，adcode 可从平台提供的 CSV 文件中查询：省/直辖市使用 province.csv，地级市使用 city.csv，区县使用 district.csv。

第一步：获取区划 adcode 列表

import io
import time
import zipfile
import requests
import pandas as pd

API_KEY = "your_api_key"
BASE_URL = "https://api.mirror-earth.com"

# 下载区县表（也可替换为 province.csv / city.csv）
res = requests.get("https://open.mirror-earth.com/district.csv")
res.encoding = "utf-8"
df = pd.read_csv(io.StringIO(res.text))
adcodes = df["adcode"].astype(str).tolist()

print(f"共 {len(adcodes)} 个区县")

第二步：创建批量下载任务

headers = {
    "X-API-Key": API_KEY,
    "Content-Type": "application/json",
}

payload = {
    "domain": "archive_ifs",
    "hourly": ["temperature_2m", "precipitation"],
    "daily": [],
    "monthly": [],
    "time_range": {
        "type": "forecast",
        "start_hour": "2025-05-15T00:00",   # 起报时间（世界时）
        "forecast_hours": 48,               # 预报时效（小时数）
    },
    "area": {
        "type": "point",
        "adcodes": adcodes,
    },
    "timezone": "Asia/Shanghai",
    "area_average": False,
}

res = requests.post(f"{BASE_URL}/api/tasks/export", json=payload, headers=headers)
res.raise_for_status()
task_id = res.json()["data"]["task_id"]
print(f"任务已创建，task_id: {task_id}")

方式二：使用自定义点位

适合已有一批经纬度坐标的场景，id 和 name 为可选字段，用于结果关联和标识。

第一步：准备自定义点位列表

import time
import zipfile
import requests

API_KEY = "your_api_key"
BASE_URL = "https://api.mirror-earth.com"

locations = [
    {"id": "1", "name": "北京", "lon": 116.4, "lat": 39.9},
    {"id": "2", "name": "上海", "lon": 121.5, "lat": 31.2},
    {"id": "3", "name": "广州", "lon": 113.3, "lat": 23.1},
]

print(f"共 {len(locations)} 个自定义点位")

第二步：创建批量下载任务

headers = {
    "X-API-Key": API_KEY,
    "Content-Type": "application/json",
}

payload = {
    "domain": "archive_ifs",
    "hourly": ["temperature_2m", "precipitation"],
    "daily": [],
    "monthly": [],
    "time_range": {
        "type": "forecast",
        "start_hour": "2025-05-15T00:00",
        "forecast_hours": 48,
    },
    "area": {
        "type": "point",
        "locations": locations,
    },
    "timezone": "Asia/Shanghai",
    "area_average": False,
}

res = requests.post(f"{BASE_URL}/api/tasks/export", json=payload, headers=headers)
res.raise_for_status()
task_id = res.json()["data"]["task_id"]
print(f"任务已创建，task_id: {task_id}")

方式三：使用区域平均

将行政区划内所有格点的数值取空间平均，输出为一行一个区划的时序数据，适合区域级预报精度评估。仅支持以 adcodes 指定范围。

第一步：创建批量下载任务

import time
import zipfile
import requests

API_KEY = "your_api_key"
BASE_URL = "https://api.mirror-earth.com"

# 以各省为例（可从 province.csv 中获取全部 adcode）
adcodes = ["110000", "310000", "440000"]  # 北京、上海、广东

headers = {
    "X-API-Key": API_KEY,
    "Content-Type": "application/json",
}

payload = {
    "domain": "archive_ifs",
    "hourly": ["temperature_2m", "precipitation"],
    "daily": [],
    "monthly": [],
    "time_range": {
        "type": "forecast",
        "start_hour": "2025-05-15T00:00",
        "forecast_hours": 48,
    },
    "area": {
        "type": "point",
        "adcodes": adcodes,
    },
    "timezone": "Asia/Shanghai",
    "area_average": True,   # 开启区域平均
}

res = requests.post(f"{BASE_URL}/api/tasks/export", json=payload, headers=headers)
res.raise_for_status()
task_id = res.json()["data"]["task_id"]
print(f"任务已创建，task_id: {task_id}")

第三步：轮询等待任务完成

以上三种方式创建任务后，均使用相同方式轮询进度：

output_file = None

while True:
    res = requests.get(f"{BASE_URL}/api/tasks/{task_id}/status", headers=headers)
    res.raise_for_status()
    data = res.json()["data"]

    status = data["status"]
    progress = data.get("progress_percent", 0)
    print(f"任务状态：{status}，进度：{progress}%")

    if status == "completed":
        output_file = data["output_file"]
        break
    elif status in ("failed", "cancelled"):
        raise RuntimeError(f"任务异常，状态：{status}")

    time.sleep(10)

第四步：下载并解压任务结果

download_url = f"{BASE_URL}/user_downloads/{output_file}"
res = requests.get(download_url, headers=headers, stream=True)
res.raise_for_status()

zip_path = "archive_forecast_result.zip"
with open(zip_path, "wb") as f:
    for chunk in res.iter_content(chunk_size=8192):
        f.write(chunk)

with zipfile.ZipFile(zip_path, "r") as z:
    z.extractall("archive_forecast_result")

print("下载完成，数据已解压到 archive_forecast_result/")

切换其他历史预报模型

只需修改 domain 字段即可切换数据源，全部历史预报模型请查看 可用数据模型：