【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：

• 
  5 [0 l1 M' U+ z0 g) @) l- Y  L
  2 K" k0 D; j* S3 Q3 ?2 @3 h

conda install xarray
' e9 G& {9 k) q2 R" `# X0 C

' V: x, b* ~2 Z7 B& m

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：

• 
  # I5 k( U# r2 ?9 e; x" c: p
• 
  : }  f: n$ @4 i& n6 V; W
• 
  + o7 z, b3 G5 r( [3 V% K5 `
• 
  
• 
  0 s( ?8 U+ Y4 |" v' ~
  

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)
7 Z8 T/ v+ S% L0 {5 s9 {% L/ _& c

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。

第三步代码如下：

! ?. D8 M) g- n* i4 D8 @

• 
  
• 
  ' Y" M" k7 V4 b$ T) `$ x( s
• 
  : S+ K1 W; {8 w# ^1 `$ {/ G+ H
• 
  
• 
  - k& o* o4 {' [! u6 w% H1 I5 w
• 
  9 x( |, l1 _5 Q: p7 C
• 
  ; H$ x2 g1 S6 N
• 
  ; L8 i9 H$ o# E0 ]6 R# m
• 
  * N% ~6 f& s0 g  P" K
  % w/ x5 R. y- d* G% f- ]/ a  s

#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)

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。

---

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。

1 T; y* W4 h. |/ K' w5 S

---

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。
在这里，我选取了40°N-55°N，115°E-135°E范围的数据

完整代码

• 
  
• 
  
• 
  
• 
  + P- `4 i& J  M6 o( E0 l: F
• 
  : ]$ E5 B4 y! B& O, J" e
• 
  0 U3 b* s& I: `7 e0 t2 Z
• 
  4 Y6 h8 v! l; @) s/ @
• 
  + @& M8 @; l! U: Z9 D: Z1 d
• 
  
• 
  
• 
  
• 
  
• 
  
• 
  ! ^6 w* v$ s2 f, f' N2 m' u3 f
• 
  
• 
  
• 
  4 B' ?- ]2 X9 P- t) A) }
• 
  ' q* B  ?6 M6 {$ P* T
    h1 [7 y4 b& W% j  f6 R" g

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)