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 M& Z- R# D! F7 D: ]) O. Z! i
本节先介绍怎么通过LLCreader将数据下载本地，并使用GMT绘图。 / |* t1 U) H7 r+ B: z3 M) ?
步骤加载llcreader
8 F8 l; r4 W3 p8 a: ^import xmitgcm.llcreader as llcreader
- `& m: {! w' h5 N, L: } W; A4 b- o5 }' Z1 O% a
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()
) D+ U: \& y S! b9 Y8 L0 S, `( Q
ds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',1 ^( o( V* ~' p5 Z- v! a
iter_start=model.iter_start,
5 O* @6 x8 o/ e$ Q( s0 A1 L- x iter_stop=(model.iter_start + model.iter_step),
' Y* i% [6 U& e$ j3 A/ { read_grid=True)
) Q1 b2 I) f) T! \0 tds_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。 6 U1 @& i) S# N& e; c3 ^6 T
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 g( [. H& a9 a4 o# O
绘图查看
9 \, f+ u3 f! q* `! A5 E6 W: u) `9 f( Z( f
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。
' }) R9 _0 X) \8 }3 G$ g8 c- Z& r
保存 .to_netcdf()
* b) X ^4 u1 B2 ^4 Yto_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$ v- @% S* o1 \
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？ / L1 f+ @, b. h. g; P
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! j8 r7 N; V5 t
0 @3 \, H- }8 I. A. u9 X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)' q2 v6 I" L. ^3 \8 _% Z
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')
3 e' t+ r, }9 f! o" u2 Wds_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。 % ~; s8 g% S1 _- j1 b$ b" ~
GMT绘图! z: ]$ L) a$ \, P. ?) z+ q: y
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
8 R4 s( Q9 n/ v( p+ v1 v+ @ gmt set MAP_ANNOT_OBLIQUE 0
, ~1 P8 s* @0 L/ p! y u( A0 } gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"
: t3 Z2 [3 g9 s) X/ c# l: Q$ l, \ gmt subplot set 0,0 -Ce3c. H" u% j1 S: k' M
gmt grd2cpt myfile3.nc?Theta -Cjet -Z& ~! \: I/ u" r9 T( h: x7 J: Z( f6 ~3 a
gmt grdimage myfile3.nc?Theta -I+a90 2 X* X- T, ?4 s) Z5 M
gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree
8 Z" _& z% L; W1 ?7 L$ u7 T: r0 S1 @3 L
gmt subplot set 1,0 -Ce3c K' u3 s5 ^4 F: P
gmt grd2cpt myfile4.nc?Theta -Crainbow -Z' H" f, x0 m" w
gmt grdimage myfile4.nc?Theta
4 N2 g) p5 R4 F. ?" [: T gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree
6 S" M4 `" B$ W# h8 ? gmt subplot end
4 Z1 |; p7 C) N( H: E: zgmt end show
0 t5 k3 X( {) F9 T( r台湾海域下节预告- • 范围的筛选
- • 时间维度的连续导出
% B) A1 ^9 a! V5 P5 T" o
$ Y' B# I3 p' @" l' x
| 
