0 说明

已有很多作者发布了有关下载怀俄明大学探空数据的博客，但使用python的较少。且近期发现网站上中国地区的站点都消失了。发邮件询问了一下，原来是中国提供的数据格式更改成了BURF，他们在一个新的网站上提供这些数据：http://weather.uwyo.edu/upperair/bufrraob.shtml。新的网站上可以看到中国地区的站点。

下面开始正题

1 下载Siphon

siphon是pyhton语言写的一个工具包，可以用来下载预报数据、再分析数据以及怀俄明的探空数据。我们在其基础上修改代码以适配新网站的格式。可以采用两种方式下载：

手动下载，然后手动添加到项目文件夹中
siphon下载地址：https://unidata.github.io/siphon/latest/examples/upperair/Wyoming_Request.html#sphx-glr-examples-upperair-wyoming-request-py
通过Pycharm等导入第三方包来下载，此方法更加便捷，推荐使用
具体直接搜索siphon即可下载

2 修改siphon中的数据网址

因为siphon包还未更新至新的数据网站，仍然访问的是旧网站，就会下载不到任何数据。所以需要修改其中的部分代码。

（1） 防止访问太过频繁而被网站封禁，添加多个IP地址和代理（可以跳过此步）
打开siphon中的http_util.py文件，找到create_session(self)函数修改为以下内容：

    def create_session(self):        """Create a new HTTP session with our user-agent set.        Returns        -------        session : requests.Session            The created session        See Also        --------        urlopen, set_session_options        """        my_headers = [            "Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36",            "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36",            "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0",            "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14",            "Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)",            'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11',            'Opera/9.25 (Windows NT 5.1; U; en)',            'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)',            'Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)',            'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12',            'Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9',            "Mozilla/5.0 (X11; Linux i686) AppleWebKit/535.7 (KHTML, like Gecko) Ubuntu/11.04 Chromium/16.0.912.77 Chrome/16.0.912.77 Safari/535.7",            "Mozilla/5.0 (X11; Ubuntu; Linux i686; rv:10.0) Gecko/20100101 Firefox/10.0 "            ]        proxy_list = [            'http://121.43.190.89:3128',            'http://221.224.136.211:35101',            'http://103.216.103.25:80',            'http://175.10.223.95:8060',            'http://121.43.190.89:3128',            'http://222.112.240.167:80'            'http://218.75.102.198:8000'            'http://23.254.161.181:80'        ]        # print(random.choice(proxy_list))        ret = requests.Session()        ret.headers['User-Agent'] = random.choice(my_headers)        ret.proxies.update({"http:":random.choice(proxy_list)})        # print(ret.headers['User-Agent'])        # print(ret.proxies)        for k, v in self.options.items():            setattr(ret, k, v)        return ret

（2） 修改下载的网址
找到函数__init__(self):，将其中的super语句修改为：

super(WyomingUpperAir, self).__init__('http://weather.uwyo.edu/cgi-bin/bufrraob.py')

找到函数_get_data_raw(self, time, site_id)，将其中的path修改为：

path = ('?src=bufr&datetime={time:%Y-%m-%d}%20{time:%H}:00:00&id={stid}&type=TEXT:LIST').format(time=time, stid=site_id)#某站点某天数据网址示例 'http://weather.uwyo.edu/cgi-bin/bufrraob.py?src=bufr&datetime=2021-01-01%2012:00:00&id=54511&type=TEXT:LIST'

（3） 修改数据提取代码
由于新网站结构格式与原网站不同，比如新网站不再有每个站点的经纬度信息等。所以我们需要修改代码以匹配新网站，从中提取出我们需要的信息。
找到函数_get_data(self, time, site_id)，将其修改为：

    def _get_data(self, time, site_id):        r"""Download and parse upper air observations from an online archive.        Parameters        ----------        time : datetime            The date and time of the desired observation.        site_id : str            The three letter ICAO identifier of the station for which data should be            downloaded.        Returns        -------            :class:`pandas.DataFrame` containing the data        """        # 天气数据爬虫文本提取        raw_data = self._get_data_raw(time, site_id)        soup = BeautifulSoup(raw_data, 'html.parser')        tabular_data = StringIO(soup.find_all('pre')[0].contents[0])        print(soup.find_all('pre')[0].contents[0])        col_names = ['pressure', 'height', 'temperature', 'dewpoint', 'direction', 'speed']        df = pd.read_fwf(tabular_data, skiprows=5, sep=' ',infer_nrows=1000 , usecols=[0, 1, 2, 3, 6, 7], names=col_names)        print(df)        df['u_wind'], df['v_wind'] = get_wind_components(df['speed'], np.deg2rad(df['direction']))        # Drop any rows with all NaN values for T, Td, winds        df = df.dropna(subset=('temperature', 'dewpoint', 'direction', 'speed',   'u_wind', 'v_wind'), how='all').reset_index(drop=True)        # Add unit dictionary        df.units = {'pressure': 'hPa',                    'height': 'meter',                    'temperature': 'degC',                    'dewpoint': 'degC',                    'direction': 'degrees',                    'speed': 'm/s',                    'u_wind': 'm/s',                    'v_wind': 'm/s',                    }      return df

3 批量下载数据

然后通过下面的代码就可以下载俄怀明的探空数据了：

import pandas as pdimport datetimeimport timeimport osfrom metpy.units import unitsfrom siphon.simplewebservice.wyoming import WyomingUpperAir# 新建文件夹函数，便于分站点存储数据def mkdir(path):    folder = os.path.exists(path)    if not folder:  # 判断是否存在文件夹如果不存在则创建为文件夹        os.makedirs(path)  # makedirs 创建文件时如果路径不存在会创建这个路径    else:        pass# 设置下载时段（这里是UTC时刻）start = datetime.datetime(2020, 1, 1, 0)end = datetime.datetime(2020, 1, 1, 0)datelist = []while start<=end:    datelist.append(start)    start+=datetime.timedelta(hours=12)datelist_s=[]# 选择下载站点（以上海宝山站为例）stationlist = ['57494']# 可通过外部文件批量导入站点编号# sta = pd.read_csv("station.csv",encoding = 'gb2312',dtype={"id": str})# stationlist = sta['id']nodata=[]data_missing=[]# 批量下载for station in stationlist:    datelist_s=datelist.copy()    for date in datelist_s:        try:            df = WyomingUpperAir.request_data(date, station)            mkdir('D:/RS_data/'+station)                df.to_csv('D:/RS_data/'+station+'/'+station+'_'+date.strftime('%Y%m%d%H')+'.csv',index=False)            print(station+date.strftime('%Y%m%d_%H')+'下载成功')        except Exception as e:            print('错误类型是',e.__class__.__name__)            print('错误明细是',e)            print(station+date.strftime('%Y%m%d_%H')+'下载失败,原因如下：')            if e.__class__.__name__=="IndexError":                #加入无数据队列                print(                    'No data available for {time:%Y-%m-%d %HZ} '                    'for station {stid}.'.format(time=date, stid=station))                nodata.append(station+'_'+date.strftime('%Y%m%d%H'))            elif e.__class__.__name__=="TypeError":                print('Error data type in web page')                nodata.append(station + '_' + date.strftime('%Y%m%d%H'))            elif e.__class__.__name__=="KeyError":                print('Missing data in web page')                data_missing.append(station + '_' + date.strftime('%Y%m%d%H'))                # 其他需要忽略下载的错误可以继续往下加            else:                #把下载失败日期加入到下载队列末端重新下载                datelist_s.append((date)) # 将无数据的站点及日期写入文件 print("无数据提供的站点及日期：") print(nodata) f = open("nodata_12.txt", "w") for line in nodata:     f.write(line + '\n') f.close()  # 将数据列缺失的站点及日期写入文件 print("数据列存在缺失的站点和日期：") print(data_missing) f = open("data_missing_12.txt", "w") for line in data_missing:     f.write(line + '\n') f.close()