Das European Centre for Medium-Range Weather Forecasts - ECMWF (https://www.ecmwf.int/) bietet im ECMWF Open Data Bereich (https://www.ecmwf.int/en/forecasts/datasets/open-data) eine Vielzahl an meteorologischen Parametern als High-resolution products an. Die Vorhersagen liegen im Format GRIB2 (https://www.dwd.de/DE/leistungen/opendata/help/modelle/grib2_erlaeuterungen.pdf) vor und müssen für die Visualisierung mit Leaflet velocity (https://github.com/onaci/leaflet-velocity) in ein JSON-Format konvertiert werden.
Der folgende Workflow zeigt, wie diese Konvertierung unter Linux Ubuntu erfolgen kann
Die ecmwf.opendata Python3 library (https://pypi.org/project/ecmwf-opendata/) installieren wir mit pip3
pip3 install ecmwf-opendata
Weltweite Vorhersage-Daten für die Windkomponenten 10u und 10v (jeweils in 10 Metern Höhe) können wir dann im GRIB2 Format downloaden
Wir starten Python3
python3
Und downloaden die Daten
from ecmwf.opendata import Client
client = Client(
model="ifs",
resol="0p25"
)
# letzten oper (00:00, 12:00) oder scda (06:00, 18:00) stream downloaden
client.retrieve({
"type": "fc",
"step": 9,
"param": ["10u", "10v"]
}, "/tmp/wind-10u-10v.grib2")
Die Open Data Versionen der Vorhersagen sind eine Stunde nach dem “Real-time dissemination schedule” (https://confluence.ecmwf.int/display/DAC/Dissemination+schedule) verfügbar. Von der Prozessierung bis zur Veröffentlichung vergehen damit mindestens 7 Stunden. Wir setzen deshalb den step für die Vorhersage auf (mindestens) 9 und speichern das Ergebnis in /tmp/wind-10u-10v.grib2. Die steps können nach der “Open data Dokumentation” (https://www.ecmwf.int/en/forecasts/datasets/open-data) diese Werte annehmen:
In unserer Applikation werden wir nur die Windvorhersage für Europa visualisieren, deshalb clippen wir die GRIB2 Daten an der ungefähren Boundingbox von Europa, die wir dem “Corine Land Cover (CLC) 2018 Datensatz” (https://land.copernicus.eu/pan-european/corine-land-cover/clc2018?tab=metadata) von copernicus.eu (https://land.copernicus.eu/pan-european) entnehmen. Wir runden auf ganze Grad-Zahlen und erweitern den Ausschnitt im Süden um das ganze Mittelmeer abzudecken. Die Region ist damit über W=-31, E=45, S=26, N=72 definiert.
Zum Clippen verwenden wir das Climate Data Operators (CDO) comandline tool (https://code.mpimet.mpg.de/projects/cdo)
Wir installieren das Tool mit apt systemweit
sudo apt install cdo
Dann clippen wir die Daten an unserer Boundingbox
cdo -invertlat -sellonlatbox,-31,45,26,72 /tmp/wind-10u-10v.grib2 /tmp/wind-10u-10v-europe.grib2
Details zur Verwendung dieses Tools finden sich im “CDO Tutorial” (https://code.mpimet.mpg.de/projects/cdo/wiki/Tutorial)
Für die Konvertierung von GRIB2 nach JSON müssen wir zuerst grib2json (https://github.com/cambecc/grib2json) installieren.
wir benötigen auch Apache Maven (https://maven.apache.org/) für die Installation
sudo apt install maven
danach können wir grib2json (https://github.com/cambecc/grib2json.git) installieren. Wir clonen dazu das git-Repository in /usr/local/src, builden das Package mit Maven und entpacken grib2json
sudo bash
cd /usr/local/src
git clone https://github.com/cambecc/grib2json.git
cd grib2json/
mvn package
tar zvxf target/grib2json-0.8.0-SNAPSHOT.tar.gz
Damit können wir grib2json verwenden und testen den Aufruf mit
/usr/local/src/grib2json/grib2json-0.8.0-SNAPSHOT/bin/grib2json
Sollten wir eine Fehler /bin/java: not found bekommen, müssen wir die Umgebungsvariable JAVA_HOME noch setzen
java -version
# openjdk version "11.0.22" 2024-01-16
export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64/
echo $JAVA_HOME
Die Daten mit grib2json konvertieren
/usr/local/src/grib2json/grib2json-0.8.0-SNAPSHOT/bin/grib2json \
--names --data --compact --fp wind --fc 2 --fs 103 --fv 10.0 \
--output /tmp/wind-10u-10v-europe.json \
/tmp/wind-10u-10v-europe.grib2
less /tmp/wind-10u-10v-europe.json
Wir sehen einen Array bestehend aus zwei Objekten - ein Objekt für die U-component_of_wind und ein Objekt für die V-component_of_wind, jeweils in 10m Höhe. Aus diesen beiden Attributen kann Leaflet velocity später die Windrichtung und Windgeschwindigkeit berechnen. Jedes dieser Objekte besitzt ein header- und data-Attribut. Im header stehen die Metadaten zur Erstellung der Vorhersage, die geographische Region für die die Daten gelten soll und die Art der Wind-Komponente. Im data Attribut stehen die Werte als Array von West nach Ost und Nord nach Süd.
Der Prozess der Konvertierung wurde am Server der Geographie über ein crontab Script automatisiert. Die aktuelle Vorhersage zur Visualisierung mit Leaflet velocity findet sich unter https://geographie.uibk.ac.at/data/ecmwf/data/wind-10u-10v-europe.json
siehe Demo unter https://webmapping24s.github.io/forecast