【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：

• 
  % f. `, b! I! d: S0 K0 g' ]
  

conda install xarray
; d" s* c0 X- k. X3 [$ _- Y

. _6 w/ Z; N7 p/ u8 V

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：

• 
  . O( {4 A4 E! u
• 
    ^3 \1 I* s& r8 \/ v0 x
• 
  
• 
  : j; X- V% s4 s
• 
  4 p. p+ G& o6 g/ t
  1 O3 M7 d6 @& ~/ u  K) u; x

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)

0 G7 ?# [9 _. ]2 P/ W9 k

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 B, {3 k4 y- c. ~, ^

第三步代码如下：

) @0 ^& N) r) e/ V

• 
  
• 
  ! B- @. w6 K7 f3 ?
• 
  ! j' G5 k  ^' {2 U- T1 L6 H
• 
  ! e9 \3 p1 L0 E* `8 F2 S0 I8 L
• 
  
• 
  * @2 e2 T( P- p8 |7 t0 T
• 
  
• 
  
• 
  . F, X8 U, U- l& b
  

#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)
7 B" p# \( A) c$ K+ q4 R! r, n! w; x8 w

/ i, T, _, p% P& ?% |$ d/ v; N1 F

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。

' Y- z# u7 d" C! c

---

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。
4 f" J. t& A, B: G在这里，我选取了40°N-55°N，115°E-135°E范围的数据

完整代码

- Z! I8 d- X% n9 E, `

• 
  
• 
  
• 
  2 c: m5 F/ n) D+ h
• 
  
• 
  ) R: _8 j0 q( a1 O% t+ F
• 
  - ]1 I; x9 n) q5 L4 w7 J, k
• 
  3 b8 k% L! D+ E2 f
• 
  1 P* `  W: K4 H+ @' ~/ f% n" r5 c
• 
  1 V% L9 V2 K8 p# Y
• 
  / H- b% i0 O9 ]* |: j0 L5 f+ V
• 
  
• 
  ) [5 q0 P% D' W7 M) d
• 
  
• 
  9 Q0 }7 Z3 t5 [: n6 i
• 
  $ l4 v* \& E; {. {4 [$ N
• 
  9 T* j6 C+ ~" U; z# C( l1 s+ j
• 
  
• 
  $ \. f( k/ S4 p; ~  f
  

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)