|
本节继续上节留下的问题之一： - • 按照经纬度范围提取数据6 l) U' ~1 ?# d* |5 z( ?( G' O
刚才查看ECCO门户，发现流量超载，停止数据下载服务了。LLC4320本质上不适合下载后计算，而适合云计算（PB级别的运算），后面我将尝试LLC4320的云计算。这里所谈的下载也仅限于非常小的范围，只有在小范围筛选的条件下，高分辨率模式数据的下载才有单机操作的实践意义。
准备略（参考上一节，主要是加载Python库）。 + L8 O/ U2 D) _# F1 @
范围选取; o2 Q2 K" {8 l6 n. ~) i
这里还是仅保存少量有用的参数，删除大部分暂时用不上的无维度坐标。注意XC和YC代表了经纬度，在此保留。 temp=ds_sst.Theta.reset_coords()[["XC", "YC","Theta"]]使用经纬度进行数据选取，选择区域是南非海域： temp.where((temp.XC < 60) & (temp.XC >0) & (temp.YC >-50) & (temp.YC <-10)).Theta.plot()* f* X0 z& G7 f- q1 {
现在已经按照经纬度范围选好了数据。但是检查发现数据的尺寸没有减小，这里还缺少一步： temp.where((temp.XC < 60) & (temp.XC >0) & (temp.YC >-60) & (temp.YC <-20),drop=True).Theta.plot(cmap="magma")7 _' f! O& H3 Q/ |
通过drop范围之外的数据，数据大小正常了，它的范围正是我们通过经纬度筛选的范围。 然后保存，文件大小约90M： small_ex=temp.where((temp.XC < 60) & (temp.XC >0) & (temp.YC >-60) & (temp.YC <-20),drop=True)" N. P. N b4 m3 J
small_ex.to_netcdf('myfile2.nc')按照经纬度选取数据的速度较慢，原因是对XC和YC进行了对比计算。此外也可以使用维度坐标ij的切片进行选取，前提是大致知道ij和经纬的对应（可以从绘图中大致查看）。 small_ex2=temp.isel(k=0,i=slice(1824, 4703,1),j=slice(4040,6857,1))* P. }/ `1 |- `' d% A
small_ex2.to_netcdf('myfile2.nc')坐标切片的速度更快，无对比运算，结果完全一样，因此推荐使用它。
' g6 x/ P" P/ |5 o j U) Y
地理绘图$ h! t/ z0 |5 s
上节，我们看到LLC4320的绘图坐标标注均为网格点数，而不是经纬度。那么怎么使用经纬度表达呢？这里我们初次使用Julia的GMT和RemoteS。 - • Julia GMT是GMT的一个Julia语言包。
- • RemoteS是针对复杂地理网格绘图的Julia包。. Y( `- F0 q4 n& x- _
代码仅需两行： G = grid_at_sensor("./myfile4.nc", "Theta",region=(0,50,-50,-10),xarray="XC", yarray="YC", inc=0.03);* m% Q% L- E8 E% c
, g) Y4 Q7 X4 L* t
imshow(G, proj=:guess, coast=true, dpi=200)
) S5 r8 P# Q# X6 P下节预告- • 时间维度的连续导出
- • 数据计算* t3 _, o5 g& O8 m- T
* n2 a4 I9 T: t4 I1 L9 i9 n | 
