xmitgcm下载LLC海洋模式数据

---

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
  

本节先介绍怎么通过LLCreader将数据下载本地，并使用GMT绘图。

步骤加载llcreader
' U7 V5 [9 q- S& P2 qimport xmitgcm.llcreader as llcreader
' Q% A9 `) x; v$ r7 h
" c* i! g% ?9 |/ [1 @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& j7 K7 X4 X- ]
! A* y7 [/ S9 n% k1 o/ F  s" mds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',
. F  G$ r0 Q. X  |2 `' s                          iter_start=model.iter_start,
$ R( v. n: K! [" V5 n) [                          iter_stop=(model.iter_start + model.iter_step),
0 n: I' r  a- H+ F* @# f                          read_grid=True)
+ j8 N1 j9 R* Mds_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。

# ]) B* @8 U4 S6 Z, O" t- L/ r

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)。

Xarray: www.52ocean.cn

绘图查看
+ N) D* V/ }$ `) h% ?
% M# ~( ]! r0 w8 D2 ~( _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。

保存 .to_netcdf()
, G" t. }, }4 z( \. }

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

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？

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。
* ~$ o0 ~% d  [! h* m

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)
2 I* B6 t' Z+ c0 V1 ?' K* }2 [: @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。

参考：www.52ocean.cn

然后保存：

ds_sst[["Theta"]].reset_coords(drop=True).to_netcdf('myfile2.nc')
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。

GMT绘图

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
    gmt set MAP_ANNOT_OBLIQUE 0
7 A5 v* G! @$ \" r; ]& ~9 t9 }    gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"
) C+ B; n. t3 @) b        gmt subplot set 0,0 -Ce3c
' ?7 H3 v5 z# a$ w! E2 c        gmt grd2cpt myfile3.nc?Theta -Cjet -Z
2 d& v) ^/ @3 ]& J6 U        gmt grdimage myfile3.nc?Theta -I+a90  
        gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree

        gmt subplot set 1,0 -Ce3c
( e0 j1 Y; U: {( I9 T        gmt grd2cpt myfile4.nc?Theta -Crainbow -Z
$ x6 \' P. W' ^) I        gmt grdimage myfile4.nc?Theta
3 ~. _5 l1 O- s        gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree
' Z# m. K7 S, Y9 l. J6 C& h- N' n    gmt subplot end
gmt end show
' n0 F: U6 {. D. N& \4 r

台湾海域

下节预告

• • 范围的筛选
• • 时间维度的连续导出
  / a; b: S( f. N8 t5 r5 u4 {

6 z  v2 z" u. }+ x2 e$ h