|
本节继续上节留下的问题之一： - • 按照经纬度范围提取数据
, } U \9 m8 \+ ]
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）。
6 t3 O: m+ H3 X
范围选取4 K' {/ r F: o7 X$ c5 m
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()
6 ~. n$ P* @- w- ^% j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") U; Q8 |9 F L) o$ O
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)2 U8 M2 N( b% m
small_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))
+ M% g% k8 H, _1 ~$ c8 S! |: s3 s! o1 Asmall_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。
2 R9 b0 W g: ], q
地理绘图
' Q$ c( Y3 x5 ]! n5 e. g/ [2 K9 P0 f7 z$ u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。
! ?+ K" v. H9 n) g$ Q
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);# p# c2 s2 @5 u
1 m& C, I# d! n0 w' Zimshow(G, proj=:guess, coast=true, dpi=200)/ ~5 F& U* Z5 }+ m+ z
下节预告- • 时间维度的连续导出
- • 数据计算0 S5 L, b; Q2 Q3 _- ^3 W
6 s3 |1 b( a4 l+ Y9 a3 O | 
