【气候软件】Python1： 读取气象数据 NetCDF文件（***.nc）

第一步：使用anaconda安装carray库：

• 
  
  6 x3 y  j$ b" X' L

conda install xarray
& j+ ]+ X8 Y8 c6 ^$ k+ e

第二步：使用Spyder（Python3.8）读取数据NetCDF文件（***.nc）

以一套CMIP6的全球气候模式BCC-CSM2-MR（中国北京气候中心研发，分辨率为160*320）输出的tas（表面气温）变量1850-2014年的历史格点资料为例：

（数据下载地址：www.52ocean.cn）

读取数据的代码如下：

• 
  ' o- q9 U& u; V! N% Z( G) h
• 
  
• 
  - j: p& ?* W- @5 c+ _4 D! d
• 
  ! }) C8 t9 ]* ^, t$ w3 ?! `
• 
  
  

import xarray as xr#step1 read dataf_tas = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)#step2 look at data's informationprint(f_tas)
1 W# C! b$ |- j( o

文件信息查看如下：

可以看到，文件的坐标有时间time， 经度lon，纬度lat，高度height，变量有表面气温tas。

第三步代码如下：

9 ^* H& _8 T6 b: P  u

• 
  
• 
  
• 
  
• 
  ( x  m, S2 T3 I8 x
• 
  7 c$ \3 {  v5 {$ G0 O% F
• 
  ( T+ \* k  v& B1 j6 t4 c$ R0 ?
• 
  8 N2 ~0 E  y. P% t' N4 T
• 
  
• 
  - V* s8 u- M/ h
  1 w" r. K: v8 J) }, p

#step3tas = f_tas['tas']print(tas)#step4a = tas.loc[15.5:74.5]print(a)#tep5b = tas.loc[15.5:74.5, 40:55, 115:135]print(b)
  U% k7 w! {3 V! U

第三步：气温数据取出

Xarray在读取坐标信息时，自动将时间坐标读取为了float64 格式，这对我们挑选目的时间十分方便。Xarray通常与pandas配合使用。

---

第四步：选取某时间段内数据

比如我们想选取15.5-74.5（根据数据信息中time格式的规定输入相应格式）时期数据。

---

第五步：选取特定经纬度范围(高度)的数据

当我们想选取特定经纬度范围(高度)的数据时，.loc[]函数同样可以解决。
% e" B& v9 w9 d* Q$ ?0 }: U在这里，我选取了40°N-55°N，115°E-135°E范围的数据

2 u+ D. [+ k3 a2 J

完整代码

. D: Q) t' F' P" i8 |6 x" V1 }4 o

• 
  # E- E$ ~. F. S
• 
  
• 
  : O1 X& }; [8 d" g! P9 z" [0 O
• 
  
• 
  - |/ U4 I* r5 I5 v: t
• 
  - o+ f. h( S6 y$ {  j
• 
  # F5 l; t; {2 O; O4 X0 ^4 t% |
• 
  
• 
  ( n+ _. ~( L/ {2 b8 `' r; D
• 
  3 G  _' J( U  e6 X
• 
  
• 
  ! j; l# j5 J1 I3 H$ S) F
• 
    C0 y$ v( M9 Q  k. @  A! _
• 
  
• 
  + I7 p) }6 A& I2 f; f- Y* P
• 
  + G* X( P4 b, v4 M! g7 j
• 
  8 L# ]2 \( S8 Q, W( K/ E
• 
  ) O9 ~7 f# l) s! k! j
  

import xarray as xr#step1 read dataf_tas = xr.open_dataset('tas_Amon_BCC-CSM2-MR_historical_r1i1p1f1_gn_185001-201412.nc', decode_times=False)#step2 look at data's informationprint(f_tas)#step3tas = f_tas['tas']print(tas)#step4a = tas.loc[15.5:74.5]print(a)#tep5b = tas.loc[15.5:74.5, 40:55, 115:135]print(b)