【气候软件】Python1： 读取气象数据 NetCDF文件（***.nc）

第一步：使用anaconda安装carray库：

• 
  
  ' L8 e% O5 |) Z, S; ~8 b: ?, f: A

conda install xarray

第二步：使用Spyder（Python3.8）读取数据NetCDF文件（***.nc）

以一套CMIP6的全球气候模式BCC-CSM2-MR（中国北京气候中心研发，分辨率为160*320）输出的tas（表面气温）变量1850-2014年的历史格点资料为例：

（数据下载地址：www.52ocean.cn）

读取数据的代码如下：

• 
  1 A7 J0 i9 B. E9 E& ^
• 
  " Z+ e" n& D/ E# ?, T' ?
• 
  / b, }! X! P* g" m
• 
    g  [/ _" |- r1 v
• 
  
  + c# H( c/ K6 n$ A- Z/ B6 v: Q

import xarray as xr#step1 read dataf_tas = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)#step2 look at data's informationprint(f_tas)
2 M0 `, w; }7 e) Y0 D3 X7 T/ l

文件信息查看如下：

可以看到，文件的坐标有时间time， 经度lon，纬度lat，高度height，变量有表面气温tas。

4 ^8 a0 n8 G1 Z" y

第三步代码如下：

$ @% _& k2 N" I8 S( g  `

• 
  
• 
  
• 
  
• 
  4 S1 P  b$ Q- r. U+ D' f/ t+ g, V
• 
  ' L, U. s/ _4 Z/ B% v
• 
  5 E' ]& D+ ?/ ~2 \0 m8 i% {, t
• 
  
• 
  
• 
  # K8 [, I/ P0 y; l4 f% t8 b( i
  + m4 q0 k' E: T

#step3tas = f_tas['tas']print(tas)#step4a = tas.loc[15.5:74.5]print(a)#tep5b = tas.loc[15.5:74.5, 40:55, 115:135]print(b)

* z1 H- N5 V- O4 J: B) b) O7 Q

第三步：气温数据取出

Xarray在读取坐标信息时，自动将时间坐标读取为了float64 格式，这对我们挑选目的时间十分方便。Xarray通常与pandas配合使用。

+ J) ]+ O0 e, Y0 o5 ^3 I$ X6 \

---

第四步：选取某时间段内数据

比如我们想选取15.5-74.5（根据数据信息中time格式的规定输入相应格式）时期数据。

7 e7 n" N" H% d$ V7 p- i  `% G

---

第五步：选取特定经纬度范围(高度)的数据

当我们想选取特定经纬度范围(高度)的数据时，.loc[]函数同样可以解决。
, \/ l% A; J+ D( ^- h: @* t; m0 R在这里，我选取了40°N-55°N，115°E-135°E范围的数据

1 U/ m: A! c) ?) n

完整代码

. V+ d; N/ W* S; W6 O5 \1 B

• 
  
• 
  
• 
  6 E# [; ~3 u; e  c" ]
• 
    m1 h2 N4 K/ B$ h3 J
• 
  , \* [+ w6 ~9 T; l9 y. ?! {& e
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  4 j- ?7 K2 W8 ^+ _# O) ^
• 
  / i9 u% L. e, C% t- p7 z7 ?: \! }) p
• 
  
• 
  ; w" y! C: z6 R- _2 A- t) x
• 
  $ z- o. V" O. T# ?6 j* N/ B& ^
• 
  9 S! |- z) |* W$ W
• 
  
• 
  
  

import xarray as xr#step1 read dataf_tas = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)#step2 look at data's informationprint(f_tas)#step3tas = f_tas['tas']print(tas)#step4a = tas.loc[15.5:74.5]print(a)#tep5b = tas.loc[15.5:74.5, 40:55, 115:135]print(b)