海天气象（https://cornicelli.net/）是一个致力于为涉气象领域科学研究和技术应用提供统一规范、精准精细、高质高效的气象数据资源支持的数据信息服务平台，着力解决气象数据资源获取、存储、开发、应用等环节的一系列瓶颈难题，目前已发布全国市区县天气预报数据集、历史天气数据集、气象决策服务可视化图表、城市地理信息数据库、气象数据Python SDK等数据资源和服务应用资源。用户可以通过海天气象数据信息服务平台以极简优雅的方式一站式获取丰富的气象数据资源。

一、账户管理

1.账户注册

匿名用户可以点击右上角头像按钮，选择注册新账户跳转到账户注册页面，填写以下信息：

• 昵称：在个人账户页面和社区论坛页面显示的公开称呼
• 邮箱地址：常用邮箱，身份唯一识别，可用于重置密码和接收通知消息
• 登录密码：自定义字符串

填写以上信息后会系统会自动注册用户并登录跳转到站点首页。可以点击右上角个人头像选择个人中心选项，浏览邮箱、电话、城市、API_KEY等账户信息，点击头像用户设置按钮可跳转到设置界面更改个人信息，可修改登录密码。

2.账户登录

匿名用户可以点击右上角头像按钮，选择登录已有账户跳转到账户登录页面，输入以下信息：

• 邮箱地址
• 登录密码

点击登录按钮即可登录账户，登录状态默认保持10天。站点大部分功能均需要登录状态下方能使用。

3.密码重置

匿名用户可以点击右上角头像按钮，选择登录已有账户跳转到账户登录页面，点击忘记密码按钮，即可跳转到密码重置页面，输入注册邮箱后，点击重置密码按钮，系统会将重置的新密码发送到注册邮箱，用户使用新密码登录后可以在用户设置页面重新修改密码。

4.账户升级

用户注册后为普通用户，可通过订阅的方式升级为高级用户和专业用户。点击导航栏订阅按钮跳转到订阅页面，选择合适的订阅计划，点击订阅此计划，选择升级用户类型（高级用户、专业用户）和时长（按月、按年），即可完成订阅。订阅后高级用户或专业用户后账户会自动升级，也可通过第三方平台完成订阅（需等待人工升级账户）。
不同等级的用户权限有所区别，具体对照表如下：

注意：访问全国市区县历史天气数据需要专业用户。

二、数据资源清单和详细说明

数据资源分为数据集和图片资源，数据集主要包括全国市区县未来10日逐小时天气预报和2000~2025年全国市区县逐小时历史天气数据，图片资源包括使用以上数据绘制的高清图片。
所有数据均提供免费测试数据，测试数据格式与所有可下载数据格式相同，用户可以先下载测试数据确认气象要素种类、空间分辨率、时间分辨率和其他细节信息之后，再下载需要的数据处理使用。

1.数据资源清单

截止目前V2.1.3版本，共有以下9项数据资源提供下载服务：

1. 全国市区县未来10日逐小时天气预报数据集
2. 全国0.1°网格未来10日逐小时天气预报数据集
3. 全国市区县2000年至今逐小时历史天气数据集
4. 全国市区县2000年至今逐日统计分析历史天气数据集
5. 全国市区县2000年至今逐月统计分析历史天气数据集
6. 全国市区县2000年至今逐年统计分析历史天气数据集
7. 全国市区县经纬度坐标海拔数据集
8. 全国城市未来7日天气预报图集
9. 全国省会城市未来7日天气预报图集

2.数据资源详细参数

以上9项数据资源详细参数和对比如下：

以上数据中，全国市区县天气预报数据（大小约52 MB）打包批量下载格式为CSV，全国城市历史天气数据（大小约7 GB）打包批量下载格式为CSV，全国市区县历史天气数据（大小约21 GB）和统计分析历史天气数据（大小不超过1.7 GB）打包批量下载格式为Parquet。提供Parquet格式是为了节省存储空间，这种格式是大数据专用的列式存储格式，具有读取快、处理灵活、占用空间小的特点，可以用专用的读取软件打开查看，也可以通过几行简单的代码转换为CSV格式：

pip install pandas pyarrow # 首先安装Pandas和Pyarrow库

import pandas as pd

csv_file = 'data.csv'
parquet_file = 'data.parquet'

df = pd.read_csv(csv_path)
df.to_parquet(parquet_path, engine='pyarrow', compression='snappy')  # CSV转Parquet

df = pd.read_parquet(parquet_path)  # Parquet转CSV
df.to_csv(csv_path, index=False)

3.气象要素分类

天气预报数据和历史天气数据共分为气温、气压、相对湿度、风、降水量、云、能见度、天气现象等13大类，其中天气预报数据一共有32种，历史天气数据一共有40种，覆盖了科研领域的绝大多数地面气象数据使用场景。

4.气象数据定义、单位和详细说明

用户下载CSV格式数据后，第一行为数据列名，可通过查找下表迅速找到对应的气象要素名称和定义：

在统计分析历史天气数据中，以上气象要素名称后缀会加上_max、_min、_mean、_sum、_average，分别代表对应时间尺度的对应气象要素的最大值、最小值、平均值、累积值和均值，其中 _average是平均风向特有的后缀。

三、数据资源获取方式

主要提供以下3种数据资源获取方式：

• 网页端直接下载
• 使用在线API调取
• 使用Python SDK获取数据（HtMeteo超级气象信息体）

如果是高密度数据使用场景，推荐使用第三种方式，功能更强大，集成度高，接口规范统一。

1.网页端直接下载

各数据集下载链接如下：

• 天气预报数据集(https://cornicelli.net/meteo/data/forecast)
• 历史天气数据集（https://cornicelli.net/meteo/data/history/）
• 统计分析历史天气数据集（https://cornicelli.net/meteo/data/history_analysis/）
• 全国城市未来7日天气预报图集（https://cornicelli.net/meteo/gallery/forecast/china/24）
• 省会城市未来7日天气预报图集（https://cornicelli.net/meteo/gallery/forecast/city/北京市）
• 全国市区县经纬度坐标海拔数据集（https://cornicelli.net/meteo/doc）

1.1下载天气预报数据

直接在数据下载页面选择对应日期的天气预报数据下载即可。下载的天气预报数据为当日全国3191个市区县的未来240小时逐小时天气预报数据，包含32种气象要素，打包为单独zip压缩文件，解压后即可得到所有地点的CSV格式天气预报数据。
过期的天气预报数据10日后会自动清除，可以选择往日天气预报数据下载。最新的天气预报数据当日凌晨4时前会更新完毕，在此之前不可下载。

1.2下载历史天气数据

历史天气数据包括逐小时历史天气数据和逐日、逐月、逐年统计分析历史天气数据，它们的下载方式相同。
用户在数据列表页面点击右上角查找城市或查找区县按钮，选择需要下载数据的地点，即可跳转到对应地点的历史天气数据列表，再找到需要的年份，点击右侧下载数据按钮即可将CSV格式历史天气数据下载到本地。
其中逐小时历史天气数据按照年份分类存放，可以分别单独下载，逐日、逐月、逐年统计分析历史天气数据2000~2025年的全部数据都存放在一个CSV文件内，可以一次性下载全部。