LLC4320模式按照范围提取数据

本节继续上节留下的问题之一：

• • 按照经纬度范围提取数据
  + \; X, p! K2 K9 p/ l3 ?" c1 |

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）。

: O( {- [' C4 Q" Q) p/ A/ I

范围选取
1 f" A4 Y& A0 C- g8 v- W8 [! p

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()

7 d% o" B' g( m8 ]& D% p& q" V, Q9 W

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")

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)
1 U6 C% m! `% @3 B' T& gsmall_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))
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。

3 J; @% L8 N4 K5 g

地理绘图
3 W$ O: z) Y5 Z- a" h

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。
  

Julia GMT: https://github.com/GenericMappingTools/GMT.jl

RemoteS: https://www.generic-mapping-tools.org/RemoteS.jl/dev/

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);

1 ?7 S! ?9 @$ u8 i3 @) ]+ Oimshow(G, proj=:guess, coast=true, dpi=200)

' m+ q) I% z) A( L: L3 ]下节预告

• • 时间维度的连续导出
• • 数据计算