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0 p S; r6 R+ Y
本节先介绍怎么通过LLCreader将数据下载本地，并使用GMT绘图。
- T& w5 s3 C3 J& ^& z& B% D
步骤加载llcreader
* L, ^5 S. J6 U: P, A* t2 t& ?! uimport xmitgcm.llcreader as llcreader
) I8 h0 d/ Y6 l( |, k4 L# r( O7 N5 {1 h$ } T( M
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()
( I: `! F3 y0 Q- h! Z& F; ]4 Q1 O1 J9 R9 B# [
ds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',6 }% J( D2 E: T+ I0 a* y
iter_start=model.iter_start,. Y& Z1 m4 n# F# R
iter_stop=(model.iter_start + model.iter_step),
3 A# r, G, t' `$ V) } read_grid=True)6 M% r1 E. T, j
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。 * J0 D2 J2 K7 `- Y
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)。 9 Z5 q' q7 H/ j O9 ]
绘图查看$ R* T% y( S7 E# x# i. H
6 T6 W: i) P4 d" q8 t+ E' |' r
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。 * P1 I0 o: }; E: Z: ?& b
保存 .to_netcdf()- q. ]" T$ B1 n- [0 O: s( Y& a
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5 ]' s4 o$ @; ~/ I/ E6 u
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？ / X8 B* V+ Q7 N+ V1 \5 O
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。. Q: Z [" ]' d! ^+ d8 e8 k
: v) k: L+ X, u' K: t5 ]
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). }! C: M0 k' U+ u/ P; k
ds_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')
' V( k" E! C) P- Ods_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。
. n" C) @9 s! [0 }8 i( @/ u& m: P5 } P
GMT绘图
" q$ r! U4 G8 `1 M4 y A5 k2 `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 png1 B4 L$ |8 [! d& @. w6 t
gmt set MAP_ANNOT_OBLIQUE 0
* U( L+ l' Y2 v' Y" { gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"3 p$ b. ?( m7 A u; S- j4 [% u
gmt subplot set 0,0 -Ce3c
5 W( L) d9 D7 Z: @( I gmt grd2cpt myfile3.nc?Theta -Cjet -Z
) p7 g9 w8 d" |, ?6 r1 p gmt grdimage myfile3.nc?Theta -I+a90
% S; d- |+ j* u$ n" b4 j1 C/ Z( n gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree
- u7 B" T+ t3 o7 Z. p% z* a% W1 w0 W" W. f& N7 c( y
gmt subplot set 1,0 -Ce3c, ?5 w5 x$ ]+ y5 P; ^/ Y: q" `
gmt grd2cpt myfile4.nc?Theta -Crainbow -Z
1 k/ J* B- l* ~/ u$ d4 M3 J3 t5 W gmt grdimage myfile4.nc?Theta& o/ |( b6 ~7 U5 @. E+ K
gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree
/ Q, V: ]* v! V* _- F! b3 s gmt subplot end4 f# q* d- u N% `' z- P/ ]
gmt end show * h5 L% [4 c: i. H! w
台湾海域下节预告- • 范围的筛选
- • 时间维度的连续导出+ ?% r" z2 r6 a
9 g8 p0 H+ T6 K& c9 \
| 
