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。

6 N8 x/ e7 H% P1 c

步骤加载llcreader
import xmitgcm.llcreader as llcreader
2 S7 x6 r/ u. r% 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()
# j- N( z' f9 X" I3 J/ Z  G8 h
ds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',
                          iter_start=model.iter_start,
8 ^6 _5 E! U% w+ ~& k2 w. o: m" w                          iter_stop=(model.iter_start + model.iter_step),
                          read_grid=True)
5 I& r, {* F1 s+ }. U; Cds_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。

. p2 i( F7 I+ ]

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

/ j8 E( U$ Y% _4 T9 [; l- n

绘图查看
8 F- _0 c  }1 v! o5 C
0 h6 ]; L- ~1 Q2 c9 htemp.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()
9 ]6 B7 _# ]! j5 J8 q9 B+ ]

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
7 B: R. U& @8 j0 W1 T* A

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？

( N8 u3 o, e% T2 i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。
) H; ~9 P0 H! |  w* Y& d+ i, _
$ d9 D2 x0 F% S) W3 g

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)
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')
) l+ s: z6 Y: z" }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
9 P! f& l3 r8 V1 q4 T! f- h    gmt set MAP_ANNOT_OBLIQUE 0
    gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"
! K  ]2 S9 \- g9 ^7 p  D  x1 X, \        gmt subplot set 0,0 -Ce3c
        gmt grd2cpt myfile3.nc?Theta -Cjet -Z
) p& Y1 i( V- R        gmt grdimage myfile3.nc?Theta -I+a90  
        gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree

7 H2 L9 C  U* w) w8 A% ]" n        gmt subplot set 1,0 -Ce3c
" u) e/ ]) `7 T& u        gmt grd2cpt myfile4.nc?Theta -Crainbow -Z
        gmt grdimage myfile4.nc?Theta
! O6 e3 u& L1 O2 f! C        gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree
0 [- t; Y. p- G# z0 ]! g( n) W, {    gmt subplot end
gmt end show

台湾海域

下节预告

• • 范围的筛选
• • 时间维度的连续导出