文章

全球各国气象数据获取难易程度盘点

本文从地面观测、高空气象观测、雷达基数据、气象卫星、数值预报和再分析数据等维度，对比美国、欧洲、中国内地、日本、韩国、印度、俄罗斯等主要国家和地区的气象数据开放程度、历史回溯能力、批量下载便利性和工程化使用门槛。

发表于 更新于
Preview Image
作者 观天者
114 分钟阅读
全球各国气象数据获取难易程度盘点

气象数据看似是“公共基础设施”，但在不同国家，普通用户、科研人员和商业开发者真正能拿到的数据差异非常大。有些国家几乎把原始观测、雷达基数据、数值预报、卫星资料和历史资料都放在公开互联网；有些国家可以查看天气图、雷达图、预报图，但要想批量下载可计算的原始数据，会发现很难真正拿到可计算的数据；还有一些国家由于观测网络薄弱、财政能力不足或数据系统建设不足，本身就没有形成稳定的数据公开体系。

本文尝试从工程化使用角度，对全球主要国家气象数据获取难易程度做一次盘点。这里说的“获取难易程度”，不是简单看官方网站上有没有“数据开放”四个字，而是看一个开发者或研究者能否稳定、批量、可追溯地获得原始机器可读数据。

评价标准

本文主要看六类气象数据：

  1. 基本地面气象观测：自动站、国家站、机场站、SYNOP/METAR、小时或分钟级观测等。
  2. 高空气象观测：探空、风廓线、飞机报等。
  3. 天气雷达数据：雷达基数据、单站产品、全国拼图、降水估测产品等。
  4. 气象卫星数据：静止卫星、极轨卫星、云图、辐射亮温、反演产品等。
  5. 气象预报数据：全球模式、区域模式、集合预报、格点预报、短临预报等。
  6. 再分析数据：ERA5、MERRA-2、JRA-55、NCEP/NCAR、区域再分析等长期均一化历史资料。

判断难易程度时，主要考虑以下问题：

  • 是否可以在公开互联网直接查看和下载？
  • 是否支持历史数据回溯，而不只是实时图或最近几小时？
  • 是否提供机器可读、可计算的原始数据，例如 GRIB、BUFR、NetCDF、HDF5、CSV、JSON，而不是只提供 PNG/JPEG 渲染图？
  • 是否支持 API、对象存储、FTP/HTTPS 目录、批量下载等工程化访问方式？
  • 是否存在明显的注册、审批、收费、限流、限速、商业用途限制等障碍？
  • 数据说明、元数据、许可证和更新机制是否清楚？

需要说明的是：很多国家的气象数据都会通过 WMO 体系进行国际交换，全球数值预报中心也会吸收各国观测资料。但“在国际交换中被使用”和“普通公众可以从公开互联网批量下载完整原始资料”不是一回事。本文讨论的是后者。

总体结论

如果只给一个粗略排序，可以分成五档：

档位 国家或地区 综合判断
S：非常开放 美国、德国、加拿大、韩国、中国台湾、部分北欧/荷兰等欧洲国家 原始数据、历史数据、API/批量下载、机器可读格式较完整，适合工程化使用
A：比较开放 法国、英国、西班牙、中国香港、日本、欧盟体系下的多数成员国、ECMWF 实时开放数据 数据门户较成熟；ERA5 和 Copernicus/Sentinel 开放程度很高，但部分实时预报、历史归档、商业用途或特定产品仍存在注册、滚动归档、权限和交付服务限制
B：部分开放 澳大利亚、巴西、南非、土耳其、波兰 有公开数据和门户，但数据类型、历史深度、商业用途、雷达/模式原始数据开放程度不均衡
C：表面可见、深度获取困难 墨西哥、印尼、东南亚其他国家、印度、中国内地、俄罗斯等 可查看大量天气图、雷达图、预报图，也存在官方数据门户、共享目录、专题数据、卫星或再分析产品，但完整原始数据的公开可下载性差，批量化不方便，历史回溯困难，格式清洗成本、观测类资料缺测处理、许可、费用、配额或申请规则不够工程友好
D：数据基础薄弱或公开体系不稳定 伊朗、朝鲜、部分发展中国家、小国、低收入国家 观测网络、数据归档、网站/API、财政和技术能力不足，通常依赖 WMO 交换资料、区域中心、再分析资料或国际项目数据

这份排序不是对气象业务能力的排序。一个国家预报能力强，不等于它对公众开放的数据就多；一个国家数据开放好，也不代表所有高价值资料都无条件开放。这里比较的是“外部用户获取可计算数据的便利程度”。

一个关键差异：公共领域、开放许可与授权使用

比较气象数据开放程度时，除了看“能不能下载”，还要看数据的再使用规则是否清楚。大体可以分成三种模式：美国式公共领域数据、欧洲式开放许可数据，以及更偏授权使用的数据服务。

公共领域模式通常意味着基础资料可以被公众直接使用，限制较少；开放许可模式通常会保留署名、许可条款或服务条件，但会明确说明可再使用边界；授权使用模式则更依赖用户权限、用途限制、转让限制、配额或人工流程。后文各国小节会分别展开这些差异。

美国：开放程度最高的标杆之一

美国 NOAA/NWS/NCEI 的数据开放体系，是全球气象数据开放的标杆之一。它的强项不只是数据多，而是权利边界清楚：NWS 官方说明中明确写到，除非另有标注，NWS 网页上的信息属于公共领域，可以免费用于任何合法目的。对外部用户来说，这意味着很多基础气象资料不是“申请授权后才能用”的数据，而是可以直接进入科研、教学、商业产品和自动化工作流的公共资料。

NOAA 的 NCEI 提供大规模历史天气、气候、海洋、雷达、卫星和模式资料检索下载；NOAA Open Data Dissemination Program 又把大量数据同步到 AWS、Google Cloud、Azure 等云平台。NCEI 官方说明其数据访问覆盖气候、海洋、地球物理、雷达、卫星、模式等多类资料，并支持多种访问平台。12

美国卫星数据的开放程度也很高。GOES 系列静止气象卫星数据不仅能在 NOAA CLASS 等系统中检索，也通过 NODD/云平台直接分发。NCEI 的 NODD 页面明确写到，用户可以从 Amazon S3 下载 GOES-R 业务和准业务数据的完整历史记录；AWS Open Data Registry 也列出 GOES-16、GOES-17、GOES-18、GOES-19 数据集。更关键的是，NOAA Big Data Project FAQ 明确说明：NODD 数据对公众完全开放，下载不收取 egress charges，也就是说它不是“每天给你几十 GB 配额”的模式，而是更接近公共云桶直接取数。GOES-R 官方入门文档还给出 aws s3 ls ... --no-sign-request 这类免登录访问示例。3456

这点和很多国家的卫星数据服务差别很大。美国的优势不是“网页上能看云图”，而是能直接批量获取原始或近原始的 L1b/L2 级卫星产品；不是“申请订单后等系统打包”，而是可以把对象存储当作数据源接入程序。对 AI 训练、历史回放、灾害监测、云图产品反演、长期统计来说，这种开放方式非常接近现代气象数据基础设施的理想形态。当然，云端不限量并不代表没有任何工程成本：跨境网络、对象数量、并发控制、本地存储和后续计算仍然需要自己解决；但这属于工程能力问题，不是数据开放政策本身在卡人。

在雷达方面，美国 NEXRAD Level II 是全球开放程度最高、工程可用性最强的典型案例之一。它开放的不是普通网页雷达图，也不是已经渲染好的全国拼图，而是 WSR-88D/NEXRAD 网络的原始分辨率雷达基数据。NCEI 元数据明确说明，NEXRAD Level II 数据来自美国本土、阿拉斯加、夏威夷、美国属地和部分军事基地的高分辨率多普勒雷达网络，覆盖约 160 部雷达；NCEI 的 NEXRAD 产品说明也指出，Level II 文件通常包含 4、5、6 或 10 分钟的基数据，具体长度取决于体扫模式。78

这类 Level II 数据的关键价值在于：它保留的是雷达体扫中的多仰角、多径向、多变量基数据。也就是说，用户拿到的不是“某一张图”，而是一个雷达站在一个体扫周期内对不同仰角层扫描得到的原始资料。研究者和开发者可以从中提取低仰角反射率，也可以分析不同高度层的回波结构、径向速度、谱宽以及双偏振变量。这和只能在网页上看一张已经配色、投影、压缩后的雷达图，完全不是一个层级的开放。

更重要的是，美国把这类数据做成了面向公众的历史和近实时开放资料。AWS Open Data Registry 明确列出 NEXRAD 实时和历史数据；AWS 早期公开说明中也写到，NEXRAD Level II 的实时数据流和自 1991 年 6 月至今的完整历史归档可供任何人使用，且 Level II 是 NEXRAD 系统的原始分辨率基数据。NOAA NODD 数据集列表同时列出 NEXRAD Level 2 Real-Time and Archive Data，并提供 AWS、Google 等云端入口。9102

因此，美国雷达数据开放的标杆意义，不只是“雷达资料公开”，而是把多仰角体扫基数据直接开放给公众下载。这使得外部团队可以做降水估测、强对流识别、风暴结构分析、机器学习训练、历史个例复盘和长期气候统计。它仍然有解码、投影、质量控制和大规模计算门槛，但这些是数据工程问题，不是数据源头不开放的问题。

在预报数据方面，GFS、HRRR、NAM 等模式有多种公开下载渠道。NCEI 对 GFS 的说明中提到，NOAA Big Data Program 在 AWS Open Data Registry 中提供 0.25° 和 0.5° 分辨率的 GFS 分析与预报数据滚动窗口；NOAA READY 也提供 GFS、GDAS、HRRR 等归档数据访问。1112

再分析数据方面，美国生态也很完整。NCEP/NCAR Reanalysis、CFSR/CFSv2、MERRA-2 等资料长期被科研和工程项目使用，NOAA、NCAR、NASA 等机构提供了多种公开入口。这类资料不完全等同于“美国本国气象局数据”，但美国在全球再分析资料生产和分发中的地位非常强。

美国的优点很明确：原始数据多、历史数据深、格式标准、云端可用、机器友好。 它的问题主要不是“能不能拿”，而是“数据太多、格式太复杂、需要较强工程能力”。

综合评价：S 级，非常开放。

德国：欧洲开放气象数据的优秀样板

德国 DWD 是全球气象数据开放做得非常好的国家级气象机构之一。

DWD Open Data Server 官方说明，其开放服务器免费提供空间数据，范围包括模式预报、雷达数据、当前测量和观测、大量气候数据等。DWD 还说明，2017 年德国气象法修订后，DWD 获得法律授权，将天气和气候信息大部分免费提供。13

气候数据方面，DWD Climate Data Center 提供大量历史气候数据，CDC OpenData 支持直接下载。DWD 的“Climate data for direct download”页面说明，CDC-OpenData 提供大量历史和当前气象数据，包括气温、湿度、土壤温度、降水、气压、风、能见度、太阳辐射、日照、云量等，时间分辨率包括 10 分钟、小时、日、月、年和多年平均。1415

数值预报方面，DWD 的 ICON 系列模式数据以 GRIB 等格式开放，ICON-D2 等高分辨率区域模式也在开放服务器中提供。16

再分析数据方面，德国自身不是全球再分析资料的唯一核心入口，但它深度参与欧洲气象数据体系。对德国区域应用来说，DWD 的长期站点观测、气候栅格资料、雷达气候资料和欧洲层面的 ERA5/ERA5-Land 可以组合使用，工程可行性很高。

德国的特点是：政策明确、目录清楚、格式标准、无需复杂审批，非常适合开发者和科研用户。

综合评价：S 级，非常开放。

加拿大：API 和原始数据服务都比较成熟

加拿大 Meteorological Service of Canada（MSC）和 Environment and Climate Change Canada（ECCC）的开放数据体系也很成熟。

MSC GeoMet 平台通过 OGC API 等开放标准提供实时和归档天气、气候、水文数据；官方说明其支持用户快速访问数千个实时和归档数据集，并集成到移动应用、Web 地图、桌面软件和决策系统中。1718

MSC Datamart 是原始数据 HTTPS 服务器，面向具备气象和 IT 知识的专业用户，适合自动化访问原始天气、水文、气候和环境数据。17

历史资料方面，加拿大历史气候数据网站可搜索和下载加拿大过去的小时、日、月天气数据，并可访问历史雷达图像。19

再分析数据方面，加拿大区域研究常用 ERA5、ERA5-Land、MERRA-2、NARR 等国际资料；加拿大自身开放的观测和格点产品也有助于做本地校验。它的优势不是单一再分析数据源，而是开放观测、API 和标准化服务组合较完整。

加拿大的特点是：接口现代、标准化好，历史观测下载方便；雷达方面公开产品较多，但完整雷达基数据开放程度不能笼统判断，必须按具体产品核实。

综合评价：S 级，非常开放。

韩国：亚洲开放程度较高的代表

韩国 KMA 的 Open MET Data Portal 是亚洲国家中比较值得注意的开放数据体系。其英文介绍明确写到，用户可以在一个地方访问气象相关数据，下载 30 种以上天气数据，并可获取韩国 100 多年的气候统计资料。20

韩国公共数据门户也提供 KMA 地面观测数据集，例如 ASOS 地面气象观测数据，格式为 CSV，并指向 KMA 数据门户下载。21

KMA 英文官网也提供天气预报、实况、天气图、卫星图、天气雷达等查看入口。22

再分析数据方面，韩国区域应用通常可以结合 KMA 本地观测、ERA5、JRA-55、MERRA-2 等资料。韩国的独立优势在于本国观测和气候统计开放程度较好，使再分析资料校验和本地化处理更方便。

韩国的特点是：数据门户清晰、CSV/XML/API 友好、历史气候统计较强；对亚洲多数国家来说，这是比较高的开放水平。

综合评价：S 级，非常开放。

中国台湾：开放数据平台成熟，API 和云端分发都比较友好

中国台湾的中央气象署（CWA）开放数据平台，在东亚地区属于比较成熟的一类。它不是只提供网页天气图，而是专门建设了开放资料平台和 API 文档，面向开发者提供自动化调用入口。AWS Open Data Registry 也列出 Central Weather Administration OpenData，说明其中包含多种天气原始数据和图表，并在有新资料时更新。23

公开资料类型覆盖预报、观测、雷达、卫星、地震、海象等多类产品。台湾 data.gov.tw 上的乡镇天气预报数据集也明确提示，大量下载需要申请气象资料开放平台会员，这说明其数据开放不是单纯网页展示，而是有面向批量使用的开放平台机制。24

从普通用户角度看，中央气象署英文网站提供雷达、卫星、降水、温度、风场等图形化产品；从开发者角度看，开放数据平台和云端镜像的存在，使自动化获取明显比很多亚洲国家更容易。252627

再分析数据方面，台湾区域应用通常会结合 ERA5、JRA-55、MERRA-2 等全球资料，以及中央气象署本地观测、雷达、卫星和预报数据做校验。台湾本地观测网络密度高，若开放数据平台的接口和格式能满足项目需求，区域气象分析的工程门槛并不高。

中国台湾的特点是：开放数据平台建设比较认真，API 和云端分发较友好；不足是部分大量下载、特定高价值产品、完整历史归档和原始雷达层级仍要按具体资料逐项确认。

综合评价：S 级，非常开放。

法国：在欧盟高价值数据政策推动下明显开放

法国 Météo-France 近年的开放程度提升明显。其公共数据入口已转向 API 门户和 meteo.data.gouv.fr，官方旧门户也明确说明公共数据现在通过 API 门户和 meteo.data.gouv.fr 获取。28

在 data.gouv.fr 上，Météo-France 提供多个 API，包括观测数据、气候数据、雷达数据、AROME、ARPEGE 等模式数据。AROME API 页面说明，其提供法国高分辨率区域数值预报模式的分析和预报格点场，参数、层次、预报时效和区域可配置，下载格式包括 GRIB2、GeoTIFF 或 PNG。2930

观测和雷达方面，AERIS 提供 Météo-France 地面观测网络数据，并将 CSV 转换为 NetCDF；AERIS 也提供法国业务雷达网络数据，包括原始单偏振雷达、双偏振径向数据、雷达拼图等。3132

法国还有 MeteoNet 这样的开放机器学习数据集，包含地面站、雷达、卫星、模式等多源数据，但它覆盖 2016–2018 年和部分区域，不应误认为完整业务数据门户。33

再分析数据方面，法国用户可以方便使用 ERA5、ERA5-Land、UERRA 等欧洲体系资料；法国本地观测、雷达、AROME/ARPEGE 模式数据又能为区域化评估和校正提供支撑。

法国的特点是：开放方向明确，机器可读格式较好，雷达和模式数据已有较强开放基础；但具体数据的时间覆盖、账号、API 配额和产品范围不能笼统假定，必须逐项核实。

综合评价：A 级，比较开放。

英国：公共数据正在开放，但仍保留商业化服务色彩

英国 Met Office 的数据开放程度高于很多国家，但与美国相比仍有一定商业服务色彩。

Met Office Weather DataHub 提供 API 化、自助式数据访问，用户可以按地理范围、时间步长、模式运行和参数进行子集化获取；DataPoint 已退役，Weather DataHub 正在成为公共任务天气数据的统一入口。3435

历史观测方面，CEDA 提供 Met Office MIDAS 等历史气象数据。CEDA 帮助文档说明，MIDAS 是其最受欢迎的数据集之一，包含英国历史气象观测，时间可追溯到 18 世纪。36

雷达方面，Met Office NIMROD 数据集由 CEDA 保存，包括英国和欧洲的雷达降水分析、雷达拼图和单站雷达产品，数据时间分辨率可达 5 或 15 分钟，数据文件包括 1 km 和 5 km 格点产品，历史可追溯到 2002 年左右。37

同时，英国也有 AWS 上的 Met Office UK Radar Observations 数据集，但它是 2 年滚动归档，且主要是复合降水估测产品，不等同于完整开放所有雷达基数据。38

再分析数据方面，英国用户可方便使用 ERA5、ERA5-Land、UERRA 等欧洲资料；英国自身长期观测和 CEDA 科研数据体系也适合做本地区域研究。

英国的特点是：科研和公共任务数据逐步开放，历史资料较强，但数据入口、许可证、商业用途和不同数据集权限仍需要仔细区分。

综合评价：A 级，比较开放。

西班牙：AEMET OpenData 体系成熟，属于欧洲开放数据代表之一

西班牙 AEMET 的开放数据体系比较成熟，适合作为欧盟成员国中“国家气象局开放门户”的代表。AEMET OpenData 官方页面说明，它通过 REST API 提供免费数据下载，并允许按照西班牙公共部门信息再利用规则进行复用。3940

从使用方式看，AEMET 不只是展示天气预报页面，而是提供面向开发者的 API。西班牙政府开放数据平台也介绍，AEMET OpenData 提供通用访问和 API 两类下载方式，数据以可复用格式发布，面向个人、机构和企业使用。41

局限也需要说明。AEMET 的开放程度高于很多国家，但并不等于所有雷达基数据、模式原始场、完整历史归档和高价值业务资料都可以无条件、无限量、匿名批量下载。对于严肃工程项目，仍需要逐项确认数据集范围、API 配额、许可证、历史深度和商业使用边界。

西班牙的特点是：开放数据门户和 API 体系成熟，符合欧洲公共部门数据再利用方向；但综合深度仍不宜直接等同于美国 NOAA 或德国 DWD 的开放强度。

综合评价：A 级，比较开放。

中国香港：实时开放和 API 做得不错，但受地域和资料层级限制

香港天文台（HKO）的开放数据做得比较清楚。HKO 官方开放数据介绍说明，其开放数据通过 data.gov.hk 和 HKO API 提供，包含最新天气观测、天气预报、历法、地震、潮汐等资料；相关说明还提到已有数十个开放数据集。4243

在 API 层面，HKO Open Data API 文档明确列出 9 天天气预报、当前天气报告、本地天气预报、天气警告、自动站过去一小时雨量等 JSON 接口，适合做网页、小程序、自动化告警和轻量数据接入。44

历史资料方面，HKO 网站提供“过去天气”入口，包括昨日天气、每日天气摘要、香港气象观测摘录、月报和年报等。公开可见的历史资料比单纯实时天气网站强，但它更偏查询和表格资料，不等同于美国 NCEI 或德国 DWD 那种大规模、全类型、长历史、标准化批量下载体系。45

雷达和卫星方面，香港天文台网页产品很成熟，实用性强，但公开层面更偏图片、图形产品和面向公众服务的数据。对于要做雷达基数据、体扫数据、完整卫星 L1/L2 数据或数值模式原始场批量下载的外部开发者，不能把“网页能看”误判为“原始资料容易拿”。

再分析数据方面，香港区域研究通常可以结合 ERA5、ERA5-Land、JRA-55、MERRA-2、Himawari/Fengyun 卫星资料和 HKO 本地观测。由于香港空间范围小，本地高质量观测和雷达产品很有价值，但数据开放深度仍受资料层级限制。

中国香港的特点是：实时数据、预报、警告和轻量 API 很好用；但雷达基数据、完整卫星原始资料、数值模式原始场和大规模历史归档并不算特别容易。

综合评价：A 级，比较开放。

欧盟与 ECMWF：IFS、AIFS、ERA5、EUMETSAT 与 Sentinel

制度层面上，欧盟高价值数据集法规将气象数据列为高价值数据类别之一。EUMETNET RODEO 项目说明，欧盟高价值数据要求包括地面观测、气候时间序列、天气警报、天气雷达数据和数值预报数据，并要求以开放许可证、机器可读格式、API 和可批量下载方式免费提供。也就是说，欧洲不是只把气象数据当作内部业务资料，而是把一部分气象数据明确纳入公共部门开放数据和再使用框架。464748

欧洲气象数据开放的主线，可以先从 ECMWF 的业务预报看起。ECMWF 的 IFS 是全球中期天气预报中最重要的业务模式之一。ECMWF 已在 2025 年 10 月 1 日将整个实时产品目录向所有用户开放，并以 CC-BY-4.0 许可发布；其开放数据路线图也明确说明，实时产品目录已完成全面开放，全部产品不再收取数据成本。需要同时说明的是，开放许可和免除数据成本不等于所有交付方式都免费；ECMWF 目前仍说明，高流量分发、产品定制或增强交付服务可能收取服务费用。49505152

IFS 的开放意义在于：外部用户可以获取一部分实时业务预报资料，用于中期预报对比、模式后处理、行业预报产品开发和自动化流程。它不是美国 NOAA 那种把大量业务数据直接放到公共云桶里的模式；但和过去 ECMWF 资料高度依赖许可、订阅和专门分发渠道相比，开放程度已经明显提高。

AIFS 是 ECMWF 自己运行的 AI 天气预报系统。ECMWF 的 AIFS Machine Learning Data 页面说明，AIFS 包含确定性模式和集合模式；AIFS Single v1 自 2025 年 2 月 25 日起业务运行，AIFS ENS 自 2025 年 7 月 1 日起业务运行。ECMWF 也说明，AIFS 预报属于开放数据体系的一部分。535455

把 IFS 和 AIFS 放在一起看，欧洲的开放不只是“传统数值模式资料开放”，也已经扩展到业务化 AI 预报资料。对外部用户来说，传统物理模式和 AI 模式可以在同一开放数据框架下被比较、下载和接入工作流，这一点在全球主要气象机构中具有代表性。

再分析数据方面，ERA5 是欧洲开放气象数据体系中最有代表性的产品。ERA5 通过 Copernicus Climate Data Store 提供，单层数据和气压层数据都有清楚的数据集页面、变量说明、时间选择、区域裁剪、格式选择和 API 调用方式；常用数据可以按小时、变量、层次、区域和时间段组织下载，格式通常是 GRIB 或 NetCDF。这种数据组织方式适合脚本化下载和工程化工作流。5657

ERA5 的特点是时间跨度长、全球覆盖、变量体系稳定、空间时间分辨率适中、文档完整、社区样例多、引用和复现实践成熟。很多全球尺度历史天气分析、模式评估、AI 训练样本构建和极端天气复盘，都会先用 ERA5 建立统一底座，再用本地观测、雷达、卫星或业务预报数据做校验和补充。

在当前 AI 气象预报领域，ERA5 已经成为事实上的标准训练集和验证基准之一。GraphCast 使用 ECMWF 的 ERA5 再分析资料训练；Pangu-Weather 基于 43 年 ERA5 小时资料训练；FourCastNet 也使用 ERA5 作为训练资料；GenCast 同样建立在 ERA5 档案构建的数据集上。58596061 这并不意味着 ERA5 是完美真值；它本质上仍是同化系统生成的再分析资料，有模式偏差和观测约束不均的问题。但从数据连续性、标准化程度和可获得性看，它已经成为全球 AI 天气预报训练中最常用的大规模资料之一。

卫星数据方面，欧洲传统气象业务卫星的主体是 EUMETSAT。EUMETSAT 是欧洲负责从太空监测天气、气候和环境的业务气象卫星机构，核心业务卫星包括静止轨道的 Meteosat 系列和极轨的 Metop 系列。626364

Meteosat 是欧洲静止气象卫星主线，从 1977 年开始提供气象观测。Meteosat 卫星位于赤道上空约 36000 km 的静止轨道，可以对约三分之一地球表面进行连续观测，主要服务欧洲、非洲及邻近海域的天气监测、临近预报和气候监测。第二代 Meteosat（MSG）提供 SEVIRI 多通道成像资料；第三代 Meteosat（MTG）继续扩展成像、闪电探测和大气探测能力。EUMETSAT 说明，完整 MTG 星座由两颗成像卫星和一颗探测卫星组成，其中 MTG 探测卫星将提供静止轨道红外探测能力；MTG 还具备覆盖欧洲、非洲、中东、部分南美及周边海域的闪电探测能力。6365

Metop 是欧洲极轨气象卫星主线，也是欧洲对 EUMETSAT-NOAA 初始联合极轨系统的贡献。Metop 卫星提供海面风、温湿廓线、臭氧、水汽、陆表和海表温度、云、雪冰、土壤湿度、植被等多类观测，资料直接服务数值天气预报、临近预报和长期气候监测。EUMETSAT 明确说明，Metop 数据对国家气象机构的数值预报模式有重要贡献。64

EUMETSAT Data Store 提供在线 Web 界面、OpenSearch API、Download API、REST API，并结合 Data Tailor 做空间裁剪、格式转换、投影转换等处理；资料类型包括近实时产品、历史产品和气候数据记录。这说明欧洲气象卫星数据不是只提供网页云图，而是有面向数据下载和机器访问的产品体系。666768

不过，EUMETSAT 不能简单等同于美国 NOAA 云桶那种“几乎无感直接拉取”。EUMETSAT 有自己的数据政策、注册和许可规则，具体产品是否免费、是否近实时、是否有访问权限限制，需要按 Meteosat、Metop、Copernicus 任务和具体产品确认。它的开放程度明显高于只提供渲染图的门户，但在“匿名、免注册、云桶式不限量批量下载”这一点上，通常不如美国 NOAA/NODD 那么直接。6970

在 EUMETSAT 之后，可以再看 Sentinel。Sentinel 不是传统气象业务卫星系列，而是欧盟 Copernicus 体系下的地球观测卫星：Sentinel-1 提供全天时、全天候 C 波段 SAR 观测；Sentinel-2 提供 13 个光谱波段的高分辨率多光谱影像；Sentinel-3 面向海洋和陆地表面温度、海面高度、海色等观测；Sentinel-6 侧重海面高度测量。这些资料不等同于 Meteosat、GOES、Himawari、FY 这类业务气象卫星的高频观测，但在积雪、植被、火点背景、洪涝、海温、海冰、海岸带、灾害评估和气候环境监测中很常用。717273

Sentinel 数据的开放方式也比较工程友好。Copernicus 官方说明，公共机构、私营机构和个人都可以在 free, full and open basis 下访问和利用 Copernicus 数据与信息；ESA 也说明多数 ESA 地球观测数据可在互联网上免费获取，通常只需要注册。新的 Copernicus Data Space Ecosystem 提供 Sentinel 任务等数据的免费即时访问，并提供数据检索、下载、API、S3 对象存储等入口。它不是“只能看渲染图”的产品展示，而是面向原始或标准产品的数据分发体系。7475767778

综合评价：A 级，比较开放。 ECMWF 的 IFS/AIFS 开放数据、ERA5 再分析资料、EUMETSAT 气象卫星数据和 Copernicus/Sentinel 遥感数据，共同构成了欧洲较强的数据开放体系。其中 ERA5 和 Sentinel 的工程可用性接近 S 级；限制主要在 ECMWF 实时预报的交付服务差异、EUMETSAT 不同产品的注册/许可/权限规则，以及成员国之间执行开放政策的差异。因此，欧洲/ECMWF/EUMETSAT 整体更适合定为 A 级，暂不列入美国式的 S 级。

日本：业务数据丰富，但开放方式克制

日本 JMA 的气象业务非常强，观测网络、雷达、卫星和数值预报都很成熟。JMA 官方介绍中，AMeDAS 自动气象观测系统拥有约 1300 个雨量站，约 840 个站点同时观测风、气温、湿度等要素；JMA 也运营 20 部 C 波段多普勒天气雷达，并每 5 分钟生成降水短临产品。7980

卫星方面，Himawari-8/9 是全球最重要的静止气象卫星之一。AWS 上的 JMA Himawari 数据集提供从 2015 年 7 月以来的 Full Disk AHI-L1b-FLDK 历史资料。81

但日本的一个特点是：很多 JMA 业务数据的分发并不完全等同于 NOAA/DWD 式的“公开目录随便下载”。JMBSC 负责分发 JMA 观测、雷达、GPV 数值预报、Himawari HRIT 等数据，说明中列出了 SYNOP、METAR、RADAR、AMeDAS、GPV、Himawari 原始资料等产品。82

再分析数据方面，日本的 JRA-55 是全球重要再分析资料之一，由日本气象厅体系生产，长期用于气候研究和模式评估。对日本及东亚区域应用来说，JRA-55、ERA5 和 Himawari 卫星资料都很有价值。

日本的数据“存在且质量很高”，但公开获取方式相对更制度化、渠道化。对普通开发者来说，卫星数据较容易，网页查看也容易；但要完整批量获取雷达、AMeDAS、GPV 等原始业务资料，需要更仔细研究分发渠道、账号和使用条件。

综合评价：A 级，比较开放。

澳大利亚：有免费数据，也有明显商业和订阅边界

澳大利亚 Bureau of Meteorology（BoM）提供大量天气、气候、水文、海洋、空间天气数据。其数据服务页面说明，BoM 提供实时和历史数据，并通过免费和付费订阅服务分发不同产品。83

BoM 的匿名 FTP/HTTPS 服务提供实时预报、预警、观测、分析图等产品，官方说明这些产品免费访问，但不用于商业用途。8485

历史气候数据方面，BoM Climate Data Online 可以查询和获取日、月统计、历史观测、降雨、气温、太阳辐射等资料。86

但对于实时高价值数据，BoM 页面明确提到注册订阅和付费服务，内容包括天气预报格点、卫星数据、雷达数据和地理空间服务。83

再分析数据方面，澳大利亚区域应用通常会结合 ERA5、BARRA 等区域再分析资料以及 BoM 本地观测资料。相比美国、德国，澳大利亚的问题不在于没有数据，而在于免费、商业、订阅和高价值实时数据之间的边界更明显。

澳大利亚的特点是：公开数据不少，历史气候资料也可查，但实时高价值数据和商业使用边界较明显。

综合评价：B 级，部分开放。

巴西：地面站数据较友好，雷达和模式数据相对分散

巴西 INMET 提供国家气象服务和气象站数据，官网有监测、站点、雷达、气候、预报等入口。87

巴西也已经在 WIS 2.0 方向做数据发布尝试，INMET 的 WIS2 in a box 页面列出 CAP 警报、小时 SYNOP 地面站观测等数据服务。88

卫星方面，INPE/CPTEC 有卫星和环境传感器相关数据服务，INPE 也提供 STAC Server，用标准化方式暴露空间数据集合。8990

再分析数据方面，巴西和南美区域项目经常需要依赖 ERA5、MERRA-2、NCEP/NCAR、CHIRPS、GPM 等全球或准全球资料，再结合 INMET、INPE/CPTEC 本地资料做校验。对亚马逊、农业、水文和强对流研究来说，本地观测不足时，再分析和卫星反演的重要性会更高。

巴西的特点是：地面观测和部分历史数据相对可用，但雷达、卫星、数值预报、历史归档和统一 API 的成熟度不如美国、德国、加拿大。

综合评价：B 档，部分开放。 巴西有 INMET 和 INPE/CPTEC 等相对清晰的数据与业务入口，地面观测、气候资料、卫星和部分环境数据具备一定开放基础；但雷达基数据、模式原始场、长历史统一归档和稳定批量接口仍不够成熟，整体属于“有公开数据和门户，但开放深度不均衡”的 B 档。

南非：区域气象能力较强，但公共数据和商业服务边界明显

南非 South African Weather Service（SAWS）是非洲南部较有代表性的国家气象机构，承担天气预报、灾害预警、气候服务、航空气象和国家气候资料库等职能。SAWS 官方资料说明，其气候数据库中的资料可以向用户提供；同时，公开服务和商业服务之间存在明确区分，历史资料、专题资料和商业用途通常需要通过请求、报价或服务流程获取。9192

地面观测和气候资料方面，南非比很多非洲国家强，资料维护和质量控制体系也更完整。问题在于，它不属于 NOAA、DWD 或 ECMWF 那种大规模公开目录化下载体系。外部用户如果要拿长历史、高频率、站点级、雷达或其他高价值业务资料，往往仍要经过申请、询价或授权流程。

雷达和卫星方面，南非有业务能力，也能提供面向公众的天气图、预警和部分气候产品，但原始雷达基数据、完整历史归档和高分辨率数值预报资料并不适合直接按“开放数据平台”来理解。南非在非洲范围内属于能力较强的一档，但和欧美开放数据体系相比，工程化取数门槛仍然明显。

南非的特点是：气象业务和气候服务能力较强，公共服务也比较完整，但高价值原始数据和商业使用边界较明显，适合归入 B 档。

综合评价：B 级，部分开放。

土耳其：业务体系完整，公开展示丰富，但深层数据开放程度一般

土耳其 Turkish State Meteorological Service（TSMS/MGM）是土耳其唯一法定的国家气象服务机构，职责包括观测、预报、气候资料、归档资料和公众服务。其英文网站可以查看城市预报、天气图、海洋预报、卫星、雷达、气候统计和沙尘等产品，也列出 ECMWF、EUMETSAT、WMO 等国际合作关系。9394

从公开网页看，土耳其的业务展示并不少：城市预报、实况图、高空图、卫星图、雷达图、海温、积雪、海洋模式等都有入口。这说明它的业务体系和公共服务能力并不弱。

但从数据获取角度看，土耳其更像“产品展示型门户”，而不是美国、德国、加拿大那种面向开发者的开放数据基础设施。站点长历史资料、雷达基数据、模式原始场、统一 API、机器可读批量下载和清晰开放许可，公开互联网层面都不算突出。

土耳其的特点是：业务产品丰富，公众查看方便，但原始数据、长历史、雷达和模式资料的批量化开放程度一般，适合归入 B 档靠后位置。

综合评价：B 级，部分开放。

波兰：开放数据有实质进展，但综合深度仍需逐项确认

波兰 IMGW-PIB 近年在公共数据方面有明显进展。其公共数据库中已经出现采用 CC BY 4.0 许可的数据集，例如 PL1GD-T：1951—2020 年、1 km × 1 km 分辨率的波兰日平均、最高和最低 2 米气温格点数据。该数据集页面明确写明免费使用，并要求标注来源。95

这类数据说明波兰并不是传统意义上的封闭国家。对于气候分析、历史温度研究和区域化评估，波兰已经有一些质量较高、许可证较清楚、可复用的格点资料公开出来。

但从综合气象数据开放角度看，波兰不宜直接放进 S 档。原因是：单个高质量开放数据集不能代表全部气象资料都已经达到统一、稳定、长期、机器友好的开放水平。地面观测、高空观测、雷达、卫星、数值预报、历史归档和 API 批量下载等不同资料类型，还需要逐项确认其开放深度和再使用边界。

波兰的特点是：已经有较好的公共气象数据集和清晰许可样本，但全类型、长历史、原始业务资料的工程化开放程度不宜高估。

综合评价：B 级，部分开放。

墨西哥：有历史气候资料和开放数据入口，但体系分散

墨西哥 Servicio Meteorológico Nacional（SMN）和 CONAGUA 提供天气预报、卫星图、雷达图、气候统计、自动气象站等服务。SMN 网站可以查询传统气候站历史统计资料和气候常年值，也提供自动气象站位置列表、KMZ 和地图展示入口。9697

墨西哥政府开放数据平台也收录了 CONAGUA 水文信息系统站点数据，页面标注 Creative Commons Attribution 4.0 许可，并提供 CSV 下载。这说明墨西哥不是完全封闭型国家，至少在站点清单、部分气候/水文资料和政府开放数据方面有可用入口。98

问题在于，墨西哥的资料更偏分散：SMN、CONAGUA、政府开放数据平台和其他部门入口之间缺少一个像 NOAA、DWD、ECCC 那样统一、长期、稳定、机器友好的气象数据目录。雷达基数据、高空资料、数值预报原始场、卫星原始数据和高频历史资料，公开互联网层面的可获取性并不强。

综合评价：C 档，表面可见、深度获取困难。 墨西哥有公开数据和历史气候入口，但气象数据体系分散，深层原始数据和批量化接口不足。其气象数据开放程度强于公开体系很弱的国家，但仍不适合归入“部分开放”的 B 档。

印尼：开放 API 有进步，但主要集中在短期预报和部分实时产品

印尼 BMKG 近年在开放数据方面有实质动作。BMKG 的 Data Terbuka 页面明确说明，相关数据采用开放格式并便于重新使用；其中公开天气预报数据覆盖印尼全部村镇，提供未来 3 天、每天 8 次、每 3 小时一次的 JSON 数据，并给出 API 调用方式和 60 次/分钟/IP 的访问限制。99100

BMKG 的 Satu Peta MKG 也提供 Data API，覆盖气象、气候、地球物理相关图层或服务，例如降水、火险指数、风能潜力、地震等空间数据服务。101

但这些进展并不等于印尼已经具备完整开放气象数据体系。公开 API 主要集中在短期预报、预警、部分空间图层和实时服务；长历史站点资料、高空气象观测、雷达基数据、卫星原始数据、数值预报原始场和统一批量下载体系，公开互联网层面仍不够成熟。对灾害天气、海洋气象和群岛环境研究来说，印尼的数据需求很强，但外部工程化取数仍存在明显短板。

综合评价：C 档，表面可见、深度获取困难。 印尼开放 API 有进步，短期预报数据相对友好，但公开能力主要集中在短期预报、预警和部分实时服务。长历史站点资料、高空气象观测、雷达基数据、卫星原始数据、数值预报原始场和统一批量下载体系仍不成熟，因此更适合归入 C 档，而不是 B 档。

东南亚其他国家：天气服务可见，原始数据和历史数据获取不稳定

除印尼外，泰国、菲律宾、老挝、柬埔寨等东南亚国家也有各自的国家气象机构和公开天气服务页面。泰国气象局网站提供天气预报、天气图、雷达、卫星、农业气象、航空气象、数值预报等栏目，并设有 TMD Open Data 入口；菲律宾 PAGASA 网站也提供天气预报、航空天气、海洋天气、气候监测和气候数据申请页面。102103104

但从工程化取数角度看，这一组国家整体仍属于 C 档。公开页面通常更偏公众天气服务展示，适合查看预报、预警、雷达图、卫星图和气候信息；长期历史观测、探空资料、雷达基数据、模式原始场、统一 API、批量下载和清晰再使用许可往往不够稳定。菲律宾气候数据页面把部分资料放在申请流程中，说明历史气象资料并不是默认公开批量下载。

老挝、柬埔寨的公开气象数据基础更弱。世界银行和区域水文气象现代化资料多次提到，柬埔寨、老挝等国仍在补齐观测、预报、数据管理和服务交付能力；柬埔寨的雷达资料也更偏内部业务分发，而不是面向公众的雷达基数据开放。105106

东南亚其他国家的特点是：天气服务和部分图形产品可见，但长历史、原始数据、批量接口和再使用规则不稳定；泰国、菲律宾略强，老挝、柬埔寨更弱。

综合评价：C 级，表面可见、深度获取困难。

印度：门户很多，但真正拿数据仍然费劲

印度 IMD 的公开服务页面很多，包括天气预报、卫星图、雷达图、预警、API、数据供应门户等。IMD API 页面列出多类预报和专业产品，也提供 Data Service Portal 入口，并特别为历史数据查询列出联系人。107

IMD Data Supply Portal 页面说明，2021 年起按修订后的数据收费和流程运行，并引入账号登录注册流程；雷达数据也有单独的 Radar Data Supply Portal，页面上有新数据请求、请求状态、已处理数据请求、付款流程等入口。108109

卫星数据方面，印度 MOSDAC 提供卫星、预报、短临、海洋应用等产品和服务。110

再分析数据方面，印度区域应用常用 ERA5、MERRA-2、NCEP/NCAR、IMDAA 等资料。印度本地季风、强降水和复杂地形问题很依赖高质量本地观测校验，但外部用户获取完整原始业务数据仍可能遇到申请、费用和权限问题。

印度的特点是：网站和产品很多，部分 API 可用，但历史资料、雷达资料和高价值业务资料存在账号、申请、审批、收费或用途限制。

综合评价：C 档，表面可见、深度获取困难。 印度有较完整的国家气象业务体系，也能提供天气预报、气候资料和部分历史数据服务，但其数据获取更偏向注册、申请、采购和人工服务交付流程。对于外部开发者来说，长历史观测、探空资料、雷达基数据、模式原始场和统一批量接口并不容易获得，因此不适合归入“部分开放”的 B 档。

另外，印度近期也有关于实时 AWS/ARG 数据访问收紧的公共讨论。Down To Earth 2025 年报道提到，IMD 自动站/自动雨量站门户曾被公众和独立天气分析者使用，但在 2025 年前后访问被限制，引发争议。此类媒体报道不能替代官方政策，但可作为“数据开放实践存在摩擦”的旁证。111

中国内地：名义上开放，实际使用困难重重

中国内地并非完全没有气象数据开放渠道。中国气象数据网是中国气象局对社会开放基本气象数据和产品的共享门户；公开资料显示，2015 年中国气象局发布的目录包含 5 类 17 种基本气象资料和产品，2023 年新版目录扩展到 12 类 52 种，2024 年第五批开放共享目录又面向 AI 气象大模型训练发布了 6 类 12 种专题数据。112113114115

但从外部用户的实际使用看，这些动作更像“目录扩大”和“服务入口增加”，还没有形成类似 NOAA、DWD、ECCC、韩国气象厅、台湾气象署或 ECMWF/Copernicus 那种默认面向开发者的开放数据基础设施。中国内地的主要问题不是网页上看不到天气资料，而是高质量、高分辨率、长历史、可计算的原始数据仍然很难稳定拿到。

中国气象数据网：有门户，但权限和历史回溯很卡

中国气象数据网确实承担了对外数据服务入口的角色，但普通实名认证用户能拿到的资料范围并不充分。大量高价值资料并不直接对普通用户开放，或者需要额外权限、申请、试用、订单和人工流程。常规地面观测、高空观测等公开入口往往只提供较短时间范围的数据；一些数据页面明确标注可获取“近 7 日内”资料，接口服务也存在每类资料仅提供一次 7 天试用的限制。116117

这和全球先进的数据门户差距很大。美国、德国、加拿大等数据体系通常把历史归档、文件目录、API、格式说明和批量下载放在同一个工程体系里；中国气象数据网更像一个带权限控制的数据服务门户，而不是开放对象存储、开放目录或稳定批量接口。对普通外部用户来说，长周期历史地面观测、历史探空观测、雷达基数据和数值预报原始场基本不在公开获取范围内。在公开门户和普通实名权限下，这些资料通常就是拿不到。

数据权属和再使用边界：更像授权使用，不像公共领域数据

中国内地气象数据还有一个容易被忽略的问题：数据权属和再使用边界并不清晰。中国气象数据网在网站说明中写有“网站提供的所有数据产品版权归中国气象局所有”的表述；早期《气象资料共享管理办法》也规定，用户不得把从气象主管机构获得的气象资料转让给其他单位或个人，也不得直接或间接用作面向外部分发的数据库、产品和服务基础。112118

因此，中国内地更接近“授权使用和受控服务”模式。用户拿到数据以后，能否再分发、能否作为数据库或产品基础、能否用于商业服务、能否长期自动化接入，边界都不够清晰。2026 年中国气象局又发布《公共气象数据授权运营管理办法（试行）》，其官方解读中也强调“部门持有的公共气象数据资源”通过运营机构合规流向市场。119 这说明政策正在试图解决流通问题，但也进一步说明，中国内地气象数据目前还不是“默认公共数据、默认可再利用、默认可批量抓取”的开放模式。

第五批开放共享专题数据：有进展，但还不成熟

近年 AI 气象研究和产业应用升温以后，中国气象局在数据开放上有了更实质的动作。2024 年第五批开放共享目录面向 AI 应用需求，包含 CMA-RA V1.5 全球大气再分析、CMA-GFS 全球天气模式、全球海洋气象实况分析、全球热带气旋数据集、全球地面整编数据集、全球高空整编数据集等数据/产品；中国气象数据网也为该目录开设专题页面，提供产品浏览、下载、上传和在线交互分析等方式。115120

这一步确实比过去更接近 ERA5、GFS、ECMWF Open Data 那类“可计算数据”的获取模式。问题在于，实际使用体验仍然比较粗糙：部分数据格式不统一，变量和文件组织不够规整，文档说明偏粗，缺测和异常需要用户自行处理，接口和批量下载体验也不稳定。更关键的是，它更像专题历史数据集，不是实时业务数据开放镜像；截至目前，很多数据的最新时间仍停在 2024 年之前，不能替代持续更新的业务数据接口。

分数据类型看中国内地的难点

地面观测方面，中国气象数据网有资料入口，第五批专题数据也提供了更长周期的全球地面整编数据集。但普通用户无法像使用 NOAA、DWD、ECCC 那样，直接获取完整、长历史、自动化、批量化的中国高质量站点观测资料。短期查询能用，长期工程化接入很难。

高空观测方面，情况类似。高空资料在目录中出现，也有全球高空整编数据集，但历史探空观测并没有形成面向公众的稳定批量下载体系。对需要做同化、廓线检验、AI 训练和长期气候统计的用户来说，门槛仍然很高。

天气雷达数据方面，公开可见程度高，深度可用程度低。中央气象台等网站可以查看全国雷达拼图和单站雷达图，官方目录也把天气雷达纳入共享范围；但外部用户真正需要的雷达基数据、体扫数据、径向速度、谱宽、双偏振变量、标准元数据和长期归档，并没有像美国 NEXRAD Level II 那样形成清楚、开放、可批量下载的体系。能看到雷达图，不等于能拿到雷达数据；如果只能从 PNG/JPEG 渲染图反推 dBZ，本质上就是把本应由数据门户完成的工作转嫁给用户。

风云卫星数据方面，不能说封闭。国家卫星气象中心的风云卫星遥感数据服务网提供 FY 系列数据，产品层级包括 0 级、1 级、2 级、3 级产品，并非只有云图图片。问题在于分发方式仍然很重：网站 FAQ 写明数据可免费下载，但需要注册并实名登记，下载通常通过提交订单完成；普通用户每日下载数据量权限为 30GB，升级用户为 100GB，近线和离线数据还存在准备时间。121

更影响工程化使用的是下载交互方式。FY 数据并不是像 NOAA/NODD、NASA 或 AWS Open Data 那样，把对象存储、目录索引、命令行工具和脚本化访问作为主要入口，而是更偏向通过网页或下载客户端软件进行人工筛选、下单、排队、下载。对少量科研样本下载，这种方式可以接受；但对全国长期历史回放、AI 训练样本构建、多卫星多通道批量拉取、实时灾害监测系统来说，人工选择、订单流程、下载客户端和日流量配额都会成为明显阻碍。它和公开云桶式的数据基础设施差距很清楚：后者可以直接接入自动化工作流，前者更像带实名、带配额、带客户端和带订单流程的数据服务平台。

数值预报数据方面，中国有 GRAPES/CMA-GFS 等业务模式和新版开放目录中的全球天气模式产品 4.0。公开报道显示，CMA-GFS 4.0 是中国气象局完成业务准入的全球数值天气预报业务模式产品，空间分辨率 12.5 公里，北半球可用预报天数突破 8 天。115 但对外部开发者来说，关键不是有没有模式，而是能不能像 GFS、ICON、GDPS、ECMWF Open Data 那样，以清楚目录、标准 GRIB/NetCDF 文件、稳定更新节奏和低阻碍下载方式拿到原始预报场。就这一点看，中国内地公开业务预报数据仍然难。

再分析数据方面，中国已经形成 CRA/CMA-RA 系列和 CRA-Land 等产品体系。第一代全球大气再分析 CMA-RA/CRA 系列覆盖全球，起始时间为 1979 年，产品包含多种空间分辨率、时间尺度和变量；CRA-Land 也提供陆面再分析相关变量。更新一代 CMA-RA V1.5 的公开介绍更强调 10km、逐小时、45 年长度、面向 AI 预报模型训练等指标。122123

CRA/CMA-RA 的问题不宜简单归结为技术指标，而主要在于外部使用体验。ERA5 的优势在于数据集页面稳定、变量和层次说明清楚、历史版本可追溯、API 和批量下载成熟、文件格式和元数据组织相对一致。CRA/CMA-RA 作为再分析产品，本身是连续格点资料，不能和站点观测、探空观测这类原始或整编资料的缺测问题混为一谈；如果从外部 AI 训练、科研复现和产业开发角度看，它更需要改善的是目录稳定性、版本说明、格式一致性、元数据文档和低阻碍的批量下载。

小结

中国内地气象数据的问题，不是没有数据，也不是没有技术能力，而是开放方式仍然偏“目录式、服务式、订单式、授权式、门户式”。它已经能让用户看到很多产品，也能通过特定入口获取一部分数据，但距离“开发者友好、机器可读、可批量、可复现、低摩擦”的开放数据基础设施还有明显距离。

这也是为什么它在全球对比里显得尴尬：一方面，中国气象业务能力、卫星系统、数值模式和再分析产品都不弱；另一方面，外部用户真正想做科研复现、AI 训练、商业气象服务、灾害监测、历史评估和自动化数据处理时，仍然会更倾向于把 ERA5、GFS、NOAA、DWD、ECCC、ECMWF 等作为底座，再用能拿到的中国资料做补充。

综合评价：C 级，表面可见、深度获取困难。 中国内地有较完整的气象业务体系，也有中国气象数据网、FY 数据服务、第五批专题数据和 CRA/CMA-RA 再分析产品，但外部用户在权限、历史回溯、客户端/订单式下载、配额、接口、许可边界和实时更新等方面仍会遇到较多障碍。

俄罗斯：气象业务强，但公开互联网数据很难拿

俄罗斯气象业务体系历史悠久，Roshydromet 有完整的国家气象业务和观测体系，但对外部用户而言，公开互联网可批量下载的原始气象数据并不算友好。

俄罗斯水文气象中心网站可以查看预报、预警、雷达动画等产品，例如其英文页面提供欧洲俄罗斯区域过去 3 小时雷达动画和降水短临信息。124

世界银行对俄罗斯气象现代化项目的总结提到，Roshydromet 曾通过项目改善数据服务能力，其中包括把归档资料请求的平均响应时间从 14 天缩短到 7 天。这说明其历史资料服务更多呈现为请求式服务，而不是类似 NOAA、DWD 那种大规模公开目录化下载。125

再分析数据方面，俄罗斯区域研究通常会大量依赖 ERA5、NCEP/NCAR、MERRA-2、JRA-55 等全球资料，再结合能获得的本地站点或国际交换观测进行校验。对外部用户来说，再分析资料往往比俄罗斯本国业务原始数据更容易稳定获取。

公开网页上可以看到一些预报图、雷达动画和文本服务，但要稳定、批量、低阻碍获得地面观测、高空观测、雷达基数据、数值预报原始场和长历史归档，整体很难。

俄罗斯的特点是：业务能力不弱，但公开数据工程化获取体验很弱；能看到图，不等于能拿到原始数据。

综合评价：C 级，表面可见、深度获取困难。

伊朗：区域大国，气象服务存在，但公开数据体系不强

伊朗是中东地区重要大国，也有国家气象机构和完整的气象业务需求。WMO 世界天气信息服务可以看到伊朗多个城市的官方预报和气候信息，这说明伊朗的基础气象业务和国际交换并不存在“完全不可见”的问题。126

但如果从外部开发者角度看，伊朗很难归入开放型国家。公开互联网层面缺少类似 NOAA、DWD、AEMET、ECCC 那样的统一开放数据目录，也很难看到面向公众稳定提供长历史站点观测、高空观测、雷达基数据、数值预报原始场和标准 API 的成熟体系。很多实际项目仍需要依赖 ERA5、MERRA-2、GPM、CHIRPS、MODIS/Sentinel 等国际再分析和卫星资料，再用有限的本地公开信息做补充。

伊朗的特点是：气象业务存在，公开天气服务可见，但面向外部用户的原始数据、长历史资料、批量下载和再使用规则很弱，适合归入 D 档。

综合评价：D 级，数据基础薄弱或公开体系不稳定。

朝鲜：公开气象数据体系很弱，主要依赖外部资料间接分析

朝鲜不适合和美国、欧洲、日本、韩国这类开放数据体系放在同一层面讨论。WMO 世界天气信息服务可以看到朝鲜部分城市的官方预报和气候信息，但这类页面主要是面向公众的基础天气信息，不等同于国家级气象原始数据开放门户。127

从公开互联网可获取性看，朝鲜缺少面向外部用户的稳定气象数据平台。站点长历史观测、高空观测、雷达资料、数值预报资料、机器可读批量下载、开放 API、清晰许可证等，基本不能按常规开放数据思路获取。实际研究中，外部用户更多依赖 WMO 交换资料、全球再分析资料、卫星遥感、周边国家观测和第三方数据服务。朝鲜向 UNFCCC 提交的气候通报也显示其气象部门会接收和使用多类观测、卫星、预报和区域资料，但这不等于这些资料面向公众开放。128

朝鲜的特点是：公开天气信息有限可见，但作为开放数据体系几乎不可用，适合归入 D 档。

综合评价：D 级，数据基础薄弱或公开体系不稳定。

发展中国家和数据缺乏国家：问题往往不是“封闭”，而是能力不足

对一些低收入国家、小国、岛国、内陆国家来说，气象数据获取困难不一定是因为“有数据但不愿开放”，而是因为：

  • 自动站密度不足；
  • 探空站数量少；
  • 雷达网络不完整甚至没有业务雷达；
  • 卫星数据依赖外国或区域中心；
  • 数据归档能力弱；
  • 网站、API、元数据、许可证建设滞后；
  • 国家气象机构预算不足；
  • 国际项目结束后系统维护不足。

这类国家的气象数据往往需要通过 WMO 交换资料、NOAA/NCEI、全球再分析资料、NASA/JAXA/EUMETSAT 卫星资料、CHIRPS/GPM/ERA5 等国际数据源间接获取。对工程项目来说，与其期待每个国家都有完整数据门户，不如优先使用全球开放数据源，再用本地可获得资料校正。

横向对比表

国家/地区 地面观测 高空观测 雷达数据 卫星数据 数值预报 再分析数据 历史回溯 工程化下载 综合难度
美国 很强 很强 NEXRAD Level II 多仰角体扫基数据直接开放，实时和历史云端可取 GOES/JPSS 等资料通过 NODD/云桶开放，接近不限量批量下载 GFS/HRRR/NAM 等开放 NCEP/NCAR、MERRA-2 等体系丰富 很强 云、API、FTP/HTTPS 很容易
德国 很强 较强 开放服务器含雷达产品 主要依赖欧洲体系 ICON 开放 可结合 ERA5/欧洲区域资料 很强 公开目录、标准格式 很容易
加拿大 很强 较强 雷达产品开放，但基数据不能默认容易获取 较强 GEM/MSC 数据服务 常用 ERA5/NARR/MERRA-2 等 强 GeoMet、Datamart 容易
韩国 强 较强 可查看和部分开放 较强 KMA 模式/预报接口 常用 ERA5/JRA-55 等 强 CSV/XML/API 容易
中国台湾 强 较强 图形产品和开放数据较丰富，基数据需逐项确认 较强 CWA 开放数据/API ERA5/JRA-55/MERRA-2 + 本地资料 强 开放平台、API、AWS 容易
法国 强 较强 AERIS/公开 API 逐步完善 较强 AROME/ARPEGE API ERA5/UERRA 等易用，CDS/API/GRIB/NetCDF 体系成熟 较强 API、NetCDF、GRIB 容易
英国 强 强 NIMROD/CEDA/AWS 部分开放 较强 DataHub ERA5/UERRA + CEDA 体系，科研复现便利 强 API，但权限较复杂 较容易
西班牙 强 中-强 有开放数据和产品入口，基数据需逐项确认 依托欧洲气象卫星和本国服务 AEMET OpenData/API 体系较成熟 ERA5/欧洲区域资料易用 较强 AEMET OpenData REST API 较容易
中国香港 强 中 实时图和公众产品好用，基数据难度较高 图像产品好用 预报/API 友好，模式原始场不突出 ERA5/JRA-55/MERRA-2 + 本地资料 中-强 JSON API，深度批量一般 较容易
欧盟/ECMWF 成员国差异较大 成员国差异较大 HVD 推动雷达等高价值数据开放，执行进度不一 EUMETSAT 提供 Meteosat/Metop/MTG 等业务气象卫星数据，Data Store 支持 Web/API；Sentinel 遥感数据 free/full/open，Copernicus Data Space 支持 API/S3 ECMWF 实时产品目录已全面开放，但高流量交付仍可能收费 ERA5 接近 S 级，是 AI 天气预报事实标准训练集之一 ERA5 很强，实时预报历史归档更复杂 CDS/API、EUMETSAT Data Store/API、Copernicus Data Space、S3/API 容易
日本 强 强 业务强，公开批量获取不轻松 Himawari 很强 GPV/模式强 JRA-55 很重要 中等到强 渠道化分发 较容易
澳大利亚 中-强 中 部分免费，部分订阅/付费 有公开和订阅服务 ACCESS 等产品有边界 ERA5/BARRA 等可用 中-强 FTP/网页/订阅 中等
巴西 中 中 分散 INPE/CPTEC 较强 CPTEC/INMET 分散 常依赖 ERA5/MERRA-2/CHIRPS/GPM 中 门户分散 中等
南非 中-强 中 公众产品较多，原始数据多为请求/服务流程 有业务体系，开放层级有限 业务产品有边界 常依赖 ERA5、再分析和区域资料 中 请求、报价、服务交付较多 中等偏难
土耳其 中-强 中 可视化产品丰富，原始数据开放一般 卫星/雷达图可见 模式和海洋产品可见，原始场开放一般 常依赖 ERA5/ECMWF 等 中 展示型门户较多，批量接口不突出 中等偏难
波兰 中-强 中 有公开数据集样本，雷达/基数据需逐项确认 主要依赖欧洲体系 具体模式资料需逐项确认 已有 CC BY 4.0 格点气候数据集，ERA5 也易用 中-强 公共数据库和部分开放数据集 中等偏难
墨西哥 中 中 历史气候和开放数据入口存在，但体系分散 卫星/雷达图可见，原始数据开放弱 预报产品可见，原始场开放弱 常依赖 ERA5/NCEP/MERRA-2 等 中 SMN/CONAGUA/开放数据平台分散 难
印尼 中 中 短期预报 JSON API 较友好，长历史原始数据不足 卫星/雷达产品可见，基数据开放弱 预报 API 有进步，模式原始场开放弱 常依赖 ERA5、GPM、CHIRPS 等 中 API 有限流，历史和原始数据不足 难
东南亚其他国家 中-弱 中-弱 泰国、菲律宾产品可见；老挝、柬埔寨更弱，基数据开放不足 卫星/雷达图或区域产品可见，原始资料不足 预报服务可见，模式原始场弱 常依赖 ERA5、GPM、CHIRPS、区域项目资料 弱到中 申请、网页查询、区域项目资料为主 难
印度 中-强 中 有门户但申请/付款痕迹明显 MOSDAC 较强 NCMRWF/IMD 产品多 ERA5/MERRA-2/IMDAA 等 中 门户多但很难用 难
中国内地 强 强 图像产品易见，雷达基数据/体扫数据难 FY 体系强，但实名注册、客户端/订单式下载、30/100GB 日配额 GRAPES/CMA 产品存在，第五批目录提供部分模式产品，但实时原始场获取难 CRA/CMA-RA、CRA-Land、CMA-RA V1.5 存在，第五批专题数据降低了一部分门槛，但目录稳定性、版本说明、格式一致性和批量下载仍不如 ERA5 有门户、API 和专题数据集，但普通用户长历史回溯困难，权属和再使用边界不够清晰 注册、客户端/订单、限额、授权、观测资料格式/缺测清洗、接口和批量化成本 难
俄罗斯 强 强 可视化较多，原始数据公开下载难 有体系但公开下载难 业务能力强，但公开下载难 常依赖 ERA5/NCEP/MERRA-2/JRA-55 请求式较多 很不友好 难
伊朗 中 中 公开服务可见，原始雷达资料难 卫星和公众天气资料可见，开放深度弱 业务预报存在，原始场开放弱 常依赖 ERA5/MERRA-2/GPM 等 弱到中 缺少成熟公开目录和 API 很难
朝鲜 弱 弱 几乎没有公开开放体系 主要依赖外部卫星和再分析资料 公开业务资料很少 主要依赖 ERA5、JRA-55、MERRA-2 等外部资料 很弱 缺少公开数据平台 很难

结语

全球气象数据开放程度的差异，本质上反映了各国对公共数据价值的不同理解。

美国、德国、加拿大等国家的经验说明：气象数据越开放，越容易形成科研、产业、教育和公共服务生态。欧盟高价值数据政策也说明，现代国家正在把气象数据视为必须开放的高价值公共数据。

相比之下，一些国家仍停留在“我可以给你看天气图”的阶段，而不是“我把可计算的数据基础设施开放给社会”的阶段。对公众来说，这两者差别不大；对真正要做气象科研、AI 模型、灾害监测、能源调度和商业服务的人来说，这就是天壤之别。

中国内地气象数据未来真正值得期待的，不是再多几个展示页面，而是更清晰的权属和再使用规则、更稳定的 API、更完整的历史回溯、更标准的原始格式、更少的手工申请，以及真正面向开发者和产业创新的开放数据基础设施。

主要参考资料

  1. NOAA NCEI: https://www.ncei.noaa.gov/access/search/index ↩︎

  2. NOAA NODD: https://www.noaa.gov/nodd/datasets ↩︎ ↩︎2

  3. NCEI NODD GOES-R: https://www.ncei.noaa.gov/products/ncei-data-noaa-open-dissemination-program ↩︎

  4. NOAA GOES on AWS: https://registry.opendata.aws/noaa-goes/ ↩︎

  5. NOAA Big Data Project FAQ: https://www.noaa.gov/big-data-project-frequently-asked-questions ↩︎

  6. GOES-R Beginner’s Guide: https://www.goes-r.gov/downloads/resources/documents/Beginners_Guide_to_GOES-R_Series_Data.pdf ↩︎

  7. NOAA NEXRAD Level II: https://www.ncei.noaa.gov/access/metadata/landing-page/bin/iso?id=gov.noaa.ncdc%3AC00345 ↩︎

  8. NOAA NEXRAD Products: https://www.ncei.noaa.gov/products/radar/next-generation-weather-radar ↩︎

  9. NEXRAD on AWS: https://registry.opendata.aws/noaa-nexrad/ ↩︎

  10. AWS NEXRAD Public Dataset: https://aws.amazon.com/blogs/aws/new-aws-public-data-set-real-time-and-archived-nexrad-weather-data/ ↩︎

  11. NOAA GFS: https://www.ncei.noaa.gov/products/weather-climate-models/global-forecast ↩︎

  12. NOAA READY Archives: https://www.ready.noaa.gov/archives.php ↩︎

  13. DWD Open Data Server: https://www.dwd.de/EN/ourservices/opendata/opendata.html ↩︎

  14. DWD CDC: https://www.dwd.de/EN/climate_environment/cdc/cdc_node_en.html ↩︎

  15. DWD Climate Data Direct Download: https://www.dwd.de/EN/ourservices/cdc/cdc_ueberblick-klimadaten_en.html ↩︎

  16. DWD NWP Forecast Data: https://www.dwd.de/EN/ourservices/nwp_forecast_data/nwp_forecast_data.html ↩︎

  17. MSC Open Data Services: https://www.canada.ca/en/environment-climate-change/services/weather-general-tools-resources/weather-tools-specialized-data.html ↩︎ ↩︎2

  18. MSC GeoMet API: https://api.weather.gc.ca/ ↩︎

  19. Canada Historical Climate Data: https://climate.weather.gc.ca/ ↩︎

  20. KMA Open MET Data Portal: https://data.kma.go.kr/resources/html/en/aowdp.html ↩︎

  21. Korea Public Data Portal - KMA ASOS: https://www.data.go.kr/en/data/15043648/fileData.do ↩︎

  22. KMA English: https://www.weather.go.kr/neng/index.do ↩︎

  23. CWA OpenData on AWS: https://registry.opendata.aws/cwa_opendata/ ↩︎

  24. Taiwan data.gov.tw Weather Forecast: https://data.gov.tw/en/datasets/9308 ↩︎

  25. CWA English: https://www.cwa.gov.tw/eng/ ↩︎

  26. CWA Radar: https://www.cwa.gov.tw/V8/E/W/OBS_Radar.html ↩︎

  27. CWA Satellite: https://www.cwa.gov.tw/V8/E/W/OBS_Sat.html ↩︎

  28. Météo-France Données Publiques: https://donneespubliques.meteofrance.fr/ ↩︎

  29. data.gouv.fr Météo-France APIs: https://www.data.gouv.fr/organizations/meteo-france/dataservices ↩︎

  30. API Modèle AROME: https://www.data.gouv.fr/dataservices/api-modele-arome ↩︎

  31. AERIS Ground Observations: https://www.aeris-data.fr/en/projects/observation-data-from-the-meteo-france-ground-based-observation-network/ ↩︎

  32. AERIS Météo-France Radar Network: https://www.aeris-data.fr/en/projects/meteo-france-radar-network/ ↩︎

  33. MeteoNet: https://meteofrance.github.io/meteonet/ ↩︎

  34. Met Office Weather DataHub: https://www.metoffice.gov.uk/services/data/met-office-weather-datahub ↩︎

  35. Met Office DataPoint 退役说明: https://www.metoffice.gov.uk/services/data/datapoint ↩︎

  36. CEDA Weather Data: https://help.ceda.ac.uk/article/96-weather-data ↩︎

  37. CEDA NIMROD Radar: https://catalogue.ceda.ac.uk/uuid/82adec1f896af6169112d09cc1174499/ ↩︎

  38. Met Office UK Radar on AWS: https://registry.opendata.aws/met-office-uk-radar-observations/ ↩︎

  39. AEMET OpenData: https://www.aemet.es/en/datos_abiertos/AEMET_OpenData ↩︎

  40. AEMET Datos Abiertos: https://www.aemet.es/en/datos_abiertos ↩︎

  41. datos.gob.es 高价值气象数据介绍: https://datos.gob.es/en/blog/high-value-meteorological-datasets ↩︎

  42. HKO Open Data: https://www.hko.gov.hk/en/abouthko/opendata_intro.htm ↩︎

  43. Open Data of HKO: https://www.hko.gov.hk/en/education/weather/data-and-technology/00740-Open-Data-of-Hong-Kong-Observatory.html ↩︎

  44. HKO Open Data API Documentation: https://www.hko.gov.hk/en/weatherAPI/doc/files/HKO_Open_Data_API_Documentation.pdf ↩︎

  45. HKO Past Weather: https://www.hko.gov.hk/en/wxinfo/pastwx/past.htm ↩︎

  46. EUMETNET RODEO: https://www.eumetnet.eu/rodeo-project-launch/ ↩︎

  47. EUMETNET Data Policy: https://www.eumetnet.eu/data-access/data-policy/ ↩︎

  48. 欧盟开放数据与高价值数据集指南: https://digital-strategy.ec.europa.eu/en/factpages/open-data-and-high-value-datasets-step-step-access-guide ↩︎

  49. ECMWF Open Data: https://www.ecmwf.int/en/forecasts/datasets/open-data ↩︎

  50. ECMWF 实时产品目录 Open: https://www.ecmwf.int/en/about/media-centre/news/2025/ecmwf-makes-its-entire-real-time-catalogue-open-all ↩︎

  51. ECMWF 开放数据路线图: https://www.ecmwf.int/node/29013 ↩︎

  52. ECMWF Real-time Products Catalogue: https://www.ecmwf.int/en/forecasts/datasets/catalogue-ecmwf-real-time-products ↩︎

  53. ECMWF AIFS Machine Learning Data: https://www.ecmwf.int/en/forecasts/dataset/aifs-machine-learning-data ↩︎

  54. ECMWF AI Forecasts Operational: https://www.ecmwf.int/en/about/media-centre/news/2025/ecmwfs-ai-forecasts-become-operational ↩︎

  55. ECMWF AIFS Forecast: https://www.ecmwf.int/en/forecasts/datasets/set-ix ↩︎

  56. Copernicus CDS ERA5 single levels: https://cds.climate.copernicus.eu/datasets/reanalysis-era5-single-levels ↩︎

  57. Copernicus CDS ERA5 pressure levels: https://cds.climate.copernicus.eu/datasets/reanalysis-era5-pressure-levels ↩︎

  58. DeepMind GraphCast: https://deepmind.google/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/ ↩︎

  59. Pangu-Weather, Nature: https://www.nature.com/articles/s41586-023-06185-3 ↩︎

  60. FourCastNet, NVIDIA Modulus: https://docs.nvidia.com/deeplearning/modulus/modulus-v2209/user_guide/neural_operators/fourcastnet.html ↩︎

  61. GenCast, Nature: https://www.nature.com/articles/s41586-024-08252-9 ↩︎

  62. EUMETSAT: https://www.eumetsat.int/ ↩︎

  63. EUMETSAT Meteosat series: https://www.eumetsat.int/our-satellites/meteosat-series ↩︎ ↩︎2

  64. EUMETSAT Metop series: https://www.eumetsat.int/our-satellites/metop-series ↩︎ ↩︎2

  65. EUMETSAT MTG: https://www.eumetsat.int/meteosat-third-generation ↩︎

  66. EUMETSAT Data Store: https://user.eumetsat.int/data-access/data-store ↩︎

  67. EUMETSAT Download API: https://user.eumetsat.int/api-definitions/data-store-download-api ↩︎

  68. EUMETSAT Data Store FAQ: https://user.eumetsat.int/resources/user-guides/frequently-asked-questions-for-data-store ↩︎

  69. EUMETSAT Data Policy: https://www.eumetsat.int/legal-framework/data-policy ↩︎

  70. EUMETSAT Registration and Licensing: https://user.eumetsat.int/resources/user-guides/data-registration-and-licensing ↩︎

  71. Copernicus Sentinel-1: https://dataspace.copernicus.eu/data-collections/copernicus-sentinel-missions/sentinel-1 ↩︎

  72. Copernicus Sentinel-2: https://dataspace.copernicus.eu/data-collections/copernicus-sentinel-missions/sentinel-2 ↩︎

  73. Copernicus Sentinel-3: https://dataspace.copernicus.eu/explore-data/data-collections/sentinel-data/sentinel-3 ↩︎

  74. Copernicus Access to Data: https://www.copernicus.eu/en/access-data ↩︎

  75. Copernicus How to Access Data: https://www.copernicus.eu/en/terms-use/how-access-data ↩︎

  76. ESA How to Access Data: https://www.esa.int/Applications/Observing_the_Earth/How_to_access_data ↩︎

  77. Copernicus Data Space: https://dataspace.copernicus.eu/ ↩︎

  78. Copernicus Data Download: https://dataspace.copernicus.eu/ecosystem/services/data-download ↩︎

  79. JMA AMeDAS: https://www.jma.go.jp/jma/en/Activities/amedas/amedas.html ↩︎

  80. JMA Radar Observation: https://www.jma.go.jp/jma/en/Activities/observations.html ↩︎

  81. JMA Himawari on AWS: https://registry.opendata.aws/noaa-himawari/ ↩︎

  82. JMBSC Data Dissemination: https://www.jmbsc.or.jp/en/meteo-data.html ↩︎

  83. BoM Data Services: https://www.bom.gov.au/resources/data-services ↩︎ ↩︎2

  84. BoM Weather Data Services: https://www.bom.gov.au/catalogue/data-feeds.shtml ↩︎

  85. BoM Anonymous FTP User Guide: https://www.bom.gov.au/catalogue/Bureau_of_Meteorology_Anonymous_FTP_Service_user_guide.pdf ↩︎

  86. BoM Climate Data Online: https://www.bom.gov.au/climate/data/ ↩︎

  87. INMET: https://portal.inmet.gov.br/ ↩︎

  88. INMET WIS2 in a box: https://wis2bra.inmet.gov.br/ ↩︎

  89. CPTEC/INPE Satellite: https://satelite.cptec.inpe.br/ ↩︎

  90. INPE STAC: https://data.inpe.br/stac/browser/ ↩︎

  91. SAWS Climate Services: https://www.weathersa.co.za/home/aboutclimateatsaws ↩︎

  92. SAWS PAIA Manual: https://cer.org.za/wp-content/uploads/2010/03/SAWS-PAIA-Manual.pdf ↩︎

  93. TSMS About: https://www.mgm.gov.tr/eng/about.aspx ↩︎

  94. TSMS 官方网站: https://www.mgm.gov.tr/eng/forecast-cities.aspx ↩︎

  95. IMGW PL1GD-T: https://danepubliczne.imgw.pl/en/repository/PL1GD-T ↩︎

  96. SMN 历史气候资料: https://smn.conagua.gob.mx/es/climatologia/informacion-climatologica/informacion-estadistica-climatologica ↩︎

  97. SMN 自动气象站: https://smn.conagua.gob.mx/es/observando-el-tiempo/estaciones-meteorologicas-automaticas-ema-s ↩︎

  98. datos.gob.mx CONAGUA 站点数据: https://www.datos.gob.mx/dataset/estaciones_sistema_informacion_hidrologica ↩︎

  99. BMKG Data Terbuka: https://data.bmkg.go.id/ ↩︎

  100. BMKG 开放天气预报数据: https://data.bmkg.go.id/prakiraan-cuaca/ ↩︎

  101. BMKG Satu Peta Data API: https://gis.bmkg.go.id/portal/dataapi ↩︎

  102. Thai Meteorological Department: https://www.tmd.go.th/en/ ↩︎

  103. PAGASA: https://www.pagasa.dost.gov.ph/ ↩︎

  104. PAGASA Climate Data Request: https://www.pagasa.dost.gov.ph/climate/climate-data ↩︎

  105. World Bank Southeast Asia Hydromet Policy Note: https://documents.worldbank.org/curated/en/875091563162878531/Strengthening-the-Regional-Dimension-of-Hydromet-Services-in-Southeast-Asia-A-Policy-Note-with-a-Focus-on-Cambodia-Lao-PDR-and-Vietnam ↩︎

  106. Cambodia Weather Radar Country Report: https://www.jma.go.jp/jma/en/photogallery/WMO-ASEAN_Radar_Workshop_Jan2024/Country%20Report%202024_Cambodia.pdf ↩︎

  107. IMD APIs: https://mausam.imd.gov.in/responsive/apis.php ↩︎

  108. IMD Data Supply Portal: https://dsp.imdpune.gov.in/ ↩︎

  109. IMD Radar Data Supply Portal: https://radarapi.imd.gov.in/ ↩︎

  110. MOSDAC: https://www.mosdac.gov.in/ ↩︎

  111. Down To Earth: https://www.downtoearth.org.in/climate-change/imd-locking-up-its-awsarg-data-portal-hampers-public-weather-alerts-experts ↩︎

  112. 中国气象数据网: https://www.nmic.cn/ ↩︎ ↩︎2

  113. 2015 年目录解读: https://www.ningguo.gov.cn/OpennessContent/show/1964138.html ↩︎

  114. 2023 年新版目录: https://society.people.com.cn/n1/2023/0220/c1008-32627031.html ↩︎

  115. 第五批开放共享目录: https://www.szzg.gov.cn/2024/szzg/szfj/202405/t20240525_4830349.htm ↩︎ ↩︎2 ↩︎3

  116. 中国气象数据网资料说明: https://k.data.cma.cn/mekb/?dataCode=A.0012.0001&r=data%2Fdetail ↩︎

  117. 中国气象数据网 API 使用说明: https://www.nmic.cn/Market/instructions.html ↩︎

  118. 《气象资料共享管理办法》: https://www.beijing.gov.cn/gate/big5/www.beijing.gov.cn/zhengce/zhengcefagui/qtwj/200111/t20011127_780801.html ↩︎

  119. 中国气象报解读: https://www.zgqxb.com.cn/zx/jd/202604/t20260429_7764313.html ↩︎

  120. 新京报: https://m.bjnews.com.cn/detail/1716553436129480.html ↩︎

  121. 风云卫星遥感数据服务网 FAQ: https://satellite.nsmc.org.cn/DataPortal/cn/support/faq.html ↩︎

  122. 中国第一代全球大气再分析产品 CMA-RA: https://k.data.cma.cn/mekb/?dataCode=NAFP_CRA40_FTM_DAY&r=data%2Fdetail ↩︎

  123. 国家数据局 CMA-RA V1.5 案例: https://www.nda.gov.cn/sjj/ywpd/szkjyjcss/0929/20250929143921977893755_pc.html ↩︎

  124. Hydrometcenter of Russia: https://meteoinfo.ru/en ↩︎

  125. World Bank Russia Hydromet: https://www.worldbank.org/en/results/2012/04/17/russia-improving-weather-forecasting-capabilities ↩︎

  126. WMO World Weather Information Service - Iran: https://worldweather.wmo.int/en/country.html?countryCode=114 ↩︎

  127. WMO World Weather Information Service - DPR Korea: https://worldweather.wmo.int/en/country.html?countryCode=120 ↩︎

  128. DPR Korea Second National Communication: https://unfccc.int/sites/default/files/resource/prknc2.pdf ↩︎

科普, 数据指南
气象数据 开放数据 天气数据下载 历史气象数据 雷达数据 卫星数据 数值预报 再分析数据 ERA5 NOAA ECMWF 中国气象数据网
本文由作者按照 CC BY 4.0 进行授权