NetCDF文件是自描述的二進(jìn)制數(shù)據(jù)格式。所謂自描述就是自帶屬性信息，這和一般的雷達(dá)基數(shù)據(jù)格式不同，一般的雷達(dá)數(shù)據(jù)也是二進(jìn)制的，但不是自描述的，而是需要額外的數(shù)據(jù)格式文檔來說明數(shù)據(jù)格式，而NetCDF文件中包含了描述變量和維度的元數(shù)據(jù)信息。通常包含以下三個部分：

維度

變量

屬性

維度部分記錄的是每個變量的維度名及長度，而變量包含了維度，屬性(如數(shù)據(jù)單位)信息及變量的值。屬性部分包含了一些額外信息，比如文件創(chuàng)建者等。

很多工具都可以處理NetCDF文件，比如MATLAB，Python，NCL，GrADS，CDO，NCO，Panoply等等。這里主要講一下如何利用MATLAB，Python，NCL處理NetCDF文件。

Python

python中有多個庫提供了處理NetCDF文件的功能，比如專門處理nc數(shù)據(jù)的netCDF4-python，scipy，osgeo，PyNIO(Linux)等。

netCDF4-python

使用 netCDF4-python處理nc數(shù)據(jù)是非常方便的，而且其提供了非常多的功能，并且正在不斷的完善。關(guān)于netCDF4-python庫的介紹，之前已經(jīng)提到了?netcdf4-python 模塊詳解，還有這里這里使用 Cartopy 和 netCDF4 可視化 WRF 模式數(shù)據(jù)

下面以一個例子來講述一下如何處理nc數(shù)據(jù)：

# 加載庫

import netCDF4 as nc

data = nc.Dataset('wrfout_v2_Lambert.nc', 'r')

# 輸出文件中變量

print(data.variables.keys())

# 讀取變量

lon = data.variables['XLONG']

lat = data.variables['XLAT']

sst = data.variables['SST']

## 通過指定索引獲取變量部分?jǐn)?shù)據(jù)

# lon = data.variables['XLONG'][1, :, :]

# lat = data.variables['XLAT'][1, :, :]

# sst = data.variables['SST'][1, :, :]

scipy

scipy 庫中的io模塊同樣提供了 netcdf 文件處理方法，其所使用的外部模塊和 netCDF4-python 使用的相同，都不需要使用 Unidata 提供的 netcdf C庫。

import scipy.io as spio

data = spio.netcdf_file('wrfout_v2_Lambert.nc', 'r')

# data = spio.netcdf.netcdf_file('wrfout_v2_Lambert.nc', 'r')

# 輸出文件中變量信息

data.variables.keys()

Out[95]: dict_keys(['SFROFF', 'DN', 'SH2O', 'TMN', 'UDROFF', 'RDY', 'ITIMESTEP', 'HGT', 'RDX', 'PSFC', 'W', 'V', 'MU', 'QVAPOR', 'SMOIS', 'CF1', 'MAPFAC_U', 'HFX', 'DNW', 'SINALPHA', 'QFX', 'SNOWC', 'PB', 'CFN1', 'VEGFRA', 'MAPFAC_V', 'EPSTS', 'XLONG', 'F', 'XICE', 'COSALPHA', 'E', 'P_TOP', 'ZNW', 'QRAIN', 'SST', 'TSLB', 'RDNW', 'XLAND', 'RAINC', 'SNOW', 'U', 'FNM', 'LANDMASK', 'MAPFAC_M', 'ZNU', 'ZETATOP', 'PHB', 'SNOWH', 'TH2', 'Q2', 'RDN', 'QCLOUD', 'DZS', 'V10', 'RESM', 'TSK', 'CF3', 'RAINNC', 'XLAT', 'GLW', 'ISLTYP', 'P', 'PH', 'T', 'CANWAT', 'IVGTYP', 'CFN', 'CF2', 'MUB', 'LU_INDEX', 'Times', 'FNP', 'SWDOWN', 'PBLH', 'GRDFLX', 'T2', 'U10', 'LH', 'ZS'])

# 讀取變量數(shù)據(jù)，獲取變量數(shù)據(jù)的方式和 netCDF4-python 相同

lon = data.variables['XLONG']

lat = data.variables['XLAT']

sst = data.variables['SST']

osgeo.gdal 模塊

# 加載模塊

from osgeo import gdal

# 讀取方式略有不同

# ?'NETCDF:'' + filename + '':Varname'

lon = gdal.Open('NETCDF:''+ 'wrfout_v2_Lambert.nc' + '':XLONG')

lat = gdal.Open('NETCDF:''+ 'wrfout_v2_Lambert.nc' + '':XLAT')

sst = gdal.Open('NETCDF:''+ 'wrfout_v2_Lambert.nc' + '':SST')

但是按照上述方式讀取出變量之外，無法直接用于繪圖和其他處理，因為變量類型和之前的方法輸出的變量類型不同：

type(lon)

Out[106]: osgeo.gdal.Dataset

獲取數(shù)據(jù)可以通過以下方式：

# 獲取變量數(shù)據(jù)

lon_value = lon.ReadAsArray()

lon_value.shape

Out[111]: (13, 60, 73)

type(lon_value)

Out[112]: numpy.ndarray

獲取變量數(shù)據(jù)后，得到的數(shù)組同樣是 numpy.ndarray 數(shù)組。

MATLAB

matlab中提供了處理netcdf文件的包，但是只有2011年之后的版本內(nèi)置了改包。

讀取數(shù)據(jù)之前，可以先查看以下文件中包含了哪些信息：

ncinfo('F:\wrfout_v2_Lambert.nc');

數(shù)據(jù)信息為結(jié)構(gòu)體，其中包含了各維度信息，包含的變量及屬性等信息。Format 表示文件格式為 classic netcdf文件。

知道變量信息之后就可以讀取變量了：

lon = ncread('F:\wrfout_v2_Lambert.nc', 'XLONG');

lat = ncread('F:\wrfout_v2_Lambert.nc', 'XLAT');

sst = ncread('F:\wrfout_v2_Lambert.nc', 'SST');

讀取數(shù)據(jù)之后，在變量空間可以查看關(guān)于變量的一些信息，比如維度大小。

NCL

ncl處理netcdf文件的方法同樣非常簡單，這里僅簡單介紹一下：

data = addfile('wrfout_v2_Lambert.nc', 'r')

lon = data->XLONG

lat = data->XLAT

sst = data->SST

; 當(dāng)然也可以通過索引獲取部分?jǐn)?shù)據(jù)

lon = data->XLONG(1, :, :)

lat = data->XLAT(1, :, :)

sst = data->SST(1, :, :)

以上三種方法均可以處理netcdf文件，根據(jù)不同的需要使用不同的方法。此節(jié)僅記錄了怎么讀netcdf文件，關(guān)于如何寫netcdf文件下次再說。

除了上述三種工具之外，CDO和NCO在處理netcdf文件時有時會非常有用，關(guān)于這兩部分的介紹有空再說。

總結(jié)

以上是生活随笔為你收集整理的python处理wrf气象数据_气象数据处理：NetCDF文件处理的全部內(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。