【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：

• 
  3 G4 h. H3 f1 J
  

conda install xarray
* o2 O$ f, @' p' U

  L( F& G: ?! j& n1 G: \

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：

• 
  
• 
  
• 
  - i) a4 ?  J! I: J9 x% F
• 
  - k. W) I) C& E& \5 X" ]
• 
  4 a+ G. B4 R( S  n" Y0 A
  ' Y+ |! Q2 H! e3 d

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)

. `, V0 b9 y% M& H+ C0 Q# v

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。

3 C- F' E& F0 B! H  O: n3 z

第三步代码如下：

• 
  8 Q; d% C( ?7 G6 m" M: B" f
• 
  
• 
  4 D  J0 r- b. }6 y# X
• 
  
• 
  
• 
  + x( p- `; P6 K2 s
• 
  
• 
  
• 
  
  0 T+ t$ I0 |; N9 _+ _* [5 \

#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)
  Y* u. s- I9 U+ v

" j5 h) s5 ~( i3 V% R( |9 C% [

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。

---

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。
9 |1 x0 i8 X. q% u8 y在这里，我选取了40°N-55°N，115°E-135°E范围的数据

& C4 m7 i% F7 n2 y% o  |, u

完整代码

; R/ \6 a8 M6 m) d, y! c- b! U

• 
  9 |1 k3 ]* |2 p6 _
• 
  ( C/ K- ^0 |; z( o1 m% y$ }
• 
  6 H  N$ F: W# P& [9 }
• 
  
• 
  ( o6 t- X7 V( Y* a
• 
  
• 
  & [' Z" s" U5 A* e7 j& H
• 
  
• 
  
• 
  . u( f9 A  |$ ?0 d( b, L- J
• 
  + i/ C; O4 n0 x- k# P
• 
  " R6 G' H( n+ U
• 
  8 ]  _" _- ]. Q% A- B; @! O
• 
  4 J; q3 i1 U, t# Z5 t: y& q
• 
  
• 
  " P+ o' X( d8 \& l  U/ K
• 
  9 O) o# n/ z5 H$ T
• 
  " j& O7 g% f* w
  * u9 K7 a7 o! f* X; P: K8 b

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)