• 數(shù)據(jù)說明

NetCDF(network Common Data Form)網(wǎng)絡(luò)通用數(shù)據(jù)格式是一種面向數(shù)組型并適于網(wǎng)絡(luò)共享的數(shù)據(jù)的描述和編碼標(biāo)準(zhǔn)。目前，NetCDF廣泛應(yīng)用于大氣科學(xué)、水文、海洋學(xué)、環(huán)境模擬、地球物理等諸多領(lǐng)域。用戶可以借助多種方式方便地管理和操作 NetCDF 數(shù)據(jù)集。

NetCDF全稱為network Common Data Format，中文譯法為“網(wǎng)絡(luò)通用數(shù)據(jù)格式”；netcdf文件開始的目的是用于存儲氣象科學(xué)中的數(shù)據(jù)，現(xiàn)在已經(jīng)成為許多數(shù)據(jù)采集軟件的生成文件的格式。

?從數(shù)學(xué)上來說，netcdf存儲的數(shù)據(jù)就是一個多自變量的單值函數(shù)。用公式來說就是f(x,y,z,…)=value；
?函數(shù)的自變量x,y,z等在netcdf中叫做維(dimension) 或坐標(biāo)軸(axix)，
?函數(shù)值value在netcdf中叫做變量(Variables).
一個Netcdf文件的結(jié)構(gòu)包括以下對象：
?變量(Variables) ：變量對應(yīng)著真實的物理數(shù)據(jù)。
?維(dimension)：一個維對應(yīng)著函數(shù)中的某個自變量，或者說函數(shù)圖象中的一個坐標(biāo)軸，在線性代數(shù)中就是一個N維向量的一個分量。
?屬性(Attribute) ：屬性對變量值和維的具體物理含義的注釋或者說解釋。
（原文鏈接：CSDN-專業(yè)IT技術(shù)社區(qū)-登錄）

• Python讀取：使用netCDF4的Dataset方法讀入文件

# -*- coding: utf-8 -*- from netCDF4 import Dataset import numpy as np import sys import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.basemap import Basemap from pandas import DataFrame #數(shù)據(jù)讀入 nc=Dataset('bj2016_18pm.nc')print(nc.variables.keys())#該文件是輻射資料，來自ECMWF網(wǎng)站

odict_keys(['longitude', 'latitude', 'time', 'ssrd', 'ssr', 'fdir', 'strd', 'str'])

#取出各variable的數(shù)據(jù)看看,數(shù)據(jù)格式為numpy數(shù)組 for var in nc.variables.keys():data=nc.variables[var][:].dataprint(var,data.shape) # np.save(var+'.npy',data)

longitude (1,)
latitude (2,)
time (4392,)
ssrd (4392, 2, 1)
ssr (4392, 2, 1)
fdir (4392, 2, 1)
strd (4392, 2, 1)
str (4392, 2, 1)

#time variable查看，時間戳變換 #看出是逐時數(shù)據(jù) import datetime time=nc.variables['time'][:].data print(time[:10]) for i in range(3):tstamp=(time[i]-613608)*3600 #1900年1月1日零時距離1970年1月1日零時有613608個小時date= datetime.datetime.utcfromtimestamp(tstamp)print (date.strftime("%Y-%m-%d %H:%M:%S"))

[1016851 1016852 1016853 1016854 1016855 1016856 1016857 1016858 1016859
1016860]
2016-01-01 19:00:00
2016-01-01 20:00:00
2016-01-01 21:00:00

#查看longitude和 latitude這兩個variable #這個數(shù)據(jù)比較小，只包含兩個格點，所以直接輸出了 print(nc.variables['longitude'][:].data,nc.variables['latitude'][:].data)

[116.5] [39.875 39.75 ]

#查看輻射數(shù)據(jù)&數(shù)據(jù)切片 ssrd=nc.variables['ssrd'][:].data #numpy數(shù)組切片，取數(shù) ssrd_timeseq=ssrd[:,1,0]#取出某個格點所有時間的ssrd值 ssrd_timei=ssrd[0,:,:]#取出某個時間點所有格點的ssrd值

• Python作圖：使用matplotlib和Basemap

nc=Dataset('sfc_201803_2mt.nc')#數(shù)據(jù)來自ECMWF，為2018年3月份的全球溫度的格點數(shù)據(jù) print(nc.variables.keys())data=nc.variables['t2m'][:] print(data.shape) #d1=data[0,:,:].data##取出某個時刻的溫度 #輸出結(jié)果表明有744個時間序列，經(jīng)度、緯度的取值有720、361個

odict_keys(['longitude', 'latitude', 'time', 't2m'])
(744, 361, 720)

#查看數(shù)據(jù)經(jīng)緯度范圍，經(jīng)度0-360，其中0~180為西經(jīng)0~180，180~360為東經(jīng)0~180；緯度正為北緯，負為南緯 #格點分辨率為0.5度 long= nc.variables['longitude'][:] lati= nc.variables['latitude'][:] print(long[0],long[-1],lati[0],lati[-1]) print(long.shape,lati.shape)

0.0 359.5 90.0 -90.0
(720,) (361,)

#plt對某個時刻的全球溫度作圖。左半部分為西半球，右邊是東半球 #選了某個時間點116作圖 plt.contourf(long,lati,data[116,:,:]-273) #轉(zhuǎn)為攝氏度 plt.colorbar() <matplotlib.colorbar.Colorbar at 0x2b48e65ebe0>

• 用Basemap畫地圖

#用Basemap畫地圖 def graph(lon,lat,target,levelT,colorT,title): b_map=Basemap(resolution='l', area_thresh=10000, projection='cyl', llcrnrlon=min(lon), urcrnrlon=max(lon), llcrnrlat=min(lat),urcrnrlat=max(lat))#llcrnrlon=0, urcrnrlon=360, llcrnrlat=-90,urcrnrlat=90print(type(target))fig=plt.figure(figsize=(9, 6)) #plt.figure(figsize=(12, 8))ax=fig.add_axes([0.1,0.1,0.8,0.8])lon,lat=np.meshgrid(lon,lat)x,y=b_map(lon,lat)print(x.shape,y.shape,target.shape)cs=b_map.contourf(x,y,target,levels=levelT,colors=colorT) #target[0,:,:] b_map.colorbar(cs)b_map.drawcoastlines(linewidth=1)b_map.drawcountries(linewidth=1.5)plt.title(title,size=20)#plt.savefig('Rainf_0.png',dpi=300)plt.show()plt.close()

• 截取中國范圍來作圖：

#首先查找中國四至范圍對應(yīng)的索引 #4,54為北緯4，54；73+180，133+180為東經(jīng)73，133 print(np.argwhere(lati==4),np.argwhere(lati==54), np.argwhere(long==73+180),np.argwhere(long==133+180)) #可以看到，中國范圍 對應(yīng)的緯度索引為72:172,,經(jīng)度索引為506:626

[[172]] [[72]] [[506]] [[626]]

#對中國范圍的溫度作圖，設(shè)定graph的參數(shù) title='2m_temperature' level_Tair= [-20,-10,0,5,10,15,20,25,30,1000] #[0,2.6,5,8,16,50,100,120,1000] #[0,2.6,5,8,10,20,25,300,1000] [0,210,225,240,255,260,300,305,310,1000] colors = ['#FFFFFF', '#AAF0FF', '#C8DC32', '#FFBE14', '#FF780A','#FF5A0A', '#F02800', '#780A00', '#140A00']#注意這里要對經(jīng)度做變換，原來東半球經(jīng)度在180~360區(qū)間，現(xiàn)在減去180，轉(zhuǎn)為0~180 long=nc.variables['longitude'][506:630]-180#lati= np.flip(nc.variables['latitude'][72:172]) lati= nc.variables['latitude'][62:152] #[60:164]#datai=np.flipud(data[30,72:172,506:630])-274 #轉(zhuǎn)換為攝氏度 datai=data[30,62:152,506:630]-274 #溫度數(shù)據(jù)切片，選擇第30個時間點的溫度；將原溫度轉(zhuǎn)換為攝氏度graph(long,lati,datai,level_Tair,colors,title)

<class 'numpy.ma.core.MaskedArray'>
(90, 124) (90, 124) (90, 124)

• 全球溫度作圖

#全球溫度作圖，設(shè)定graph的參數(shù) title='2m_temperature' level_Tair= [-20,-10,0,5,10,15,20,25,30,1000] #[0,2.6,5,8,16,50,100,120,1000] #[0,2.6,5,8,10,20,25,300,1000] [0,210,225,240,255,260,300,305,310,1000] colors = ['#FFFFFF', '#AAF0FF', '#C8DC32', '#FFBE14', '#FF780A','#FF5A0A', '#F02800', '#780A00', '#140A00']#注意這里要對經(jīng)度做變換，原來東半球經(jīng)度在180~360區(qū)間，現(xiàn)在減去180，轉(zhuǎn)為0~180 long=nc.variables['longitude'][:]-180#lati= np.flip(nc.variables['latitude'][72:172]) lati= nc.variables['latitude'][:] #[60:164]#datai=np.flipud(data[30,72:172,506:630])-274 #轉(zhuǎn)換為攝氏度 datai=data[30,:,:]-274 #將原溫度轉(zhuǎn)換為攝氏度graph(long,lati,datai,level_Tair,colors,title)

<class 'numpy.ma.core.MaskedArray'>
(361, 720) (361, 720) (361, 720)

總結(jié)

以上是生活随笔為你收集整理的arcgis批量处理nc文件_气象数据处理——nc文件的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。