上一节，我们介绍了xmitgcm的LLCreader入门操作，总体上这个工具可以通过网络自动加载门户网站（ECCO）的模式数据，实现对模式LLC4320（PB级）和LLC2160的读取。但还有许多问题尚未解决： - • 能否保存数据到本地
- • 能否按照经纬范围选取数据
- • 能否选择连续的一段时间（如70天，每小时一个）
- • 能否做较复杂计算
5 a( C$ L: _+ x, B) E
本节先介绍怎么通过LLCreader将数据下载本地，并使用GMT绘图。 / I8 j9 @$ c7 }5 e2 b8 @
步骤加载llcreader
2 D2 i/ a! S" r/ m& }' h6 a* iimport xmitgcm.llcreader as llcreader
0 t. J2 u& V3 o2 y5 d. i ?8 m# b: F6 k. Z$ R
初始化模型因为LLC4320数据体量较大，这里先以LLC2160为例。我们选择Theta进行导出测试。 model = llcreader.ECCOPortalLLC2160Model()* U! v' P* z4 L3 i0 v
k; }' H5 c& h6 v) e0 b3 S" |
ds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',+ O6 M. G; ^, h
iter_start=model.iter_start,
8 ~1 B3 s7 }# [4 t/ g iter_stop=(model.iter_start + model.iter_step),
5 x. _) t6 Q8 q4 x& Y read_grid=True)5 s+ q0 J. b: H* |+ ~6 s
ds_sst.Theta ds_sst的数据结构为Xarray的dataset，ds_sst.Theta的数据结构为Xarray的dataarray。可以看到Theta的数据大小是231M，这只是一个1小时快照的单层全球数据，体积不算太大。
8 r( V' ~, C2 D上图为其coordinates，这是dataarray数据结构的一个关键术语，其中黑色粗体i,j,k,time表示维度坐标(Dimension coordinate)，其他为无维度坐标(Non-dimension coordinate)。
: s5 ~* a0 W% S# y7 p* X* v @9 z3 }6 b* A
绘图查看
7 _" m( |6 e6 t6 {7 z. A& o5 i" x) e7 p
temp.Theta.plot()维度坐标i,j作为其x和y轴，另一维度time和k(深度0)出现在标题上。 因为LLC为特殊的网格结构，这里暂时不能直接实现地理绘图。后面会对此进行单独介绍。 9 r* J$ N: _ ^" G% l6 o( N
保存 .to_netcdf()5 H6 E* t' G1 ]+ c
to_netcdf()是Xarray内置的函数，可将数据保存为nc格式。注意数据保存和llcreader函数无关，llcreader的主要作用是在线获得LLC模式数据，并转化成Xarray特有的数据结构，后面所有的操作都是使用Xarray，因此有必要对Xarray做全面的学习。后面会对此介绍。 ds_sst.Theta.to_netcdf('myfile.nc')上述命令可以将Theta参数保存。通过panoply可以绘图展示SST参数的全球分布： 删除不重要的坐标
2 m# n7 O7 x4 h但可以发现保存的文件大小是2.5G，远远超过了其自身大小，这是什么原因呢？
' d+ d# e5 A$ [' P0 u5 |8 h9 x原来是把无维度坐标全部保存了，这些坐标其实也是数据，因此占用很大空间。一共有11个这样的2D坐标，再加上Theta，数据体积就达到2.5G了。
5 U( d5 u3 B5 l& \8 k$ w, g/ I% L* q# {; |8 X/ s/ ]
这些无维度坐标可以删去： ds_sst.Theta.reset_coords() # 将无维度坐标转为变量(不删除)
; Y, K# U1 E1 E- Ods_sst[["Theta"]].reset_coords(drop=True) # 将会删去无维度坐标若想保留某些坐标，比如经纬度XC,YC： ds_sst.Theta.reset_coords()[["XC", "YC","Theta"]]上面使用了[[ ]]做变量的筛选。 然后保存： ds_sst[["Theta"]].reset_coords(drop=True).to_netcdf('myfile2.nc')
' A3 W0 H0 x/ g- f/ [* N6 ?ds_sst.Theta.reset_coords()[["XC", "YC","Theta"]].to_netcdf('myfile3.nc')这样，数据体积就小了，其中myfile2.nc仅包含Theta，大小213M。
. a [3 v- ?" L( G# o# P
GMT绘图# h+ Z3 c7 e8 P2 P0 {% X
GMT绘图比ython自带函数更加强大，既然已经下载到本地，则看一下GMT绘图效果： gmt begin ex02 png- ?# v$ B0 K( G8 _, ^
gmt set MAP_ANNOT_OBLIQUE 0
& e7 ~) h. N3 \$ V9 B! ]' e gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"& |/ B( P0 d" w4 f8 k* l# g/ q
gmt subplot set 0,0 -Ce3c
$ r; F/ {* e. p/ P" L8 I' m4 D gmt grd2cpt myfile3.nc?Theta -Cjet -Z3 i1 U; x6 d" D" ?1 H
gmt grdimage myfile3.nc?Theta -I+a90 # n: K0 B- Y/ u" H
gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree9 u. ?) @' }3 U! \
8 a2 E) t) S4 K- W& K: l7 y C gmt subplot set 1,0 -Ce3c
* M/ P% ^ f7 @0 C* U+ u gmt grd2cpt myfile4.nc?Theta -Crainbow -Z
2 s( o7 h% p. ~ gmt grdimage myfile4.nc?Theta
, |, U# B- J5 A, x gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree* u, L# r3 ^) J1 T7 J' u
gmt subplot end; P0 k7 S. p' ^; A( P: ^
gmt end show 0 o0 `* l7 ?' p2 A
台湾海域下节预告- • 范围的筛选
- • 时间维度的连续导出. j0 Z* v( v- u/ O
5 o8 u3 d& Y: b3 U, Z% r8 R | 
