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
2 G* ^: v' [- _6 Z6 ~import xmitgcm.llcreader as llcreader
* E9 x  P5 x$ b
4 c* t' g0 _7 v9 ^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()

ds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',
3 l9 c# u+ X9 d  X; P. S* v2 \                          iter_start=model.iter_start,
                          iter_stop=(model.iter_start + model.iter_step),
                          read_grid=True)
' o0 L: G8 X) p1 ^: Vds_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。

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
/ a$ E( w$ y! t& c( d0 k% y2 w
1 `' @3 O! `2 {) u1 u- x% ctemp.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。

5 V+ y; z5 c4 ]! c

保存 .to_netcdf()
" y& {' J# A" M

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
) m6 `- a6 x; {: J

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。

! N8 E: ~" s( B' d  W! L- t

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)
5 a" O8 j5 Z* Eds_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')
' }, a: v9 f6 m' _6 ^& _! yds_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
$ j# w# n9 F# M2 M6 }) d" r

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
( W% }# w6 H3 ?    gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"
2 }! n% n4 x$ a/ a- w        gmt subplot set 0,0 -Ce3c
        gmt grd2cpt myfile3.nc?Theta -Cjet -Z
5 `1 x3 B; l; s% [3 Y' k! P  B        gmt grdimage myfile3.nc?Theta -I+a90  
2 B* v/ N0 _, `        gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree
; _  d1 D& T6 ?  O. S# l6 ~
        gmt subplot set 1,0 -Ce3c
        gmt grd2cpt myfile4.nc?Theta -Crainbow -Z
/ _$ n2 K( J0 T  v2 h8 Q        gmt grdimage myfile4.nc?Theta
        gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree
    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
  

# r  b; I/ d; t' g& d2 ?! [