code12ab的博客

GEE导出的.tif影像会自动分割，因此使用python（xarray/rasterio）和gdal软件两种方式对.tif进行合并、压缩

在网页端，按需求下载中国某年的AOD数据

需求分析：研究需要使用到—中国多尺度排放清单模型MEIC中的数据。下载的MEIC含.xml, .nc以及.asc三种不同类型的文件，如下；.nc以及.asc中的数据理论上相同，但需要验证。数据读取import xarray as xrimport matplotlib.pyplot as pltimport pandas as pdimport numpy as npimport osDir = '../MEIC/2015/'file = os.listdir(Dir)indust

需求分析：需要下载s5p数据用于模型的构建，时间范围为1年~2年，空间范围为自定义范围矩阵。提取数据可视化(S5P_L3_NO2_2019_Mean)：一、Methods。gee code平台默认为js处理器，虽然也可以自己构建python环境，但是很累。// 这里的有效范围：2018-06-28T10:24:07Z - 2022-03-19T00:00:00// S5P卫星的上天时间：2017-10-13// 数据原始的分辨率：7x3.5km2// (1)set the boundary

需求分析：S5P的官方数据，极难处理。借助GEE平台，下载其中的数据（tif格式）并处理为通用的nc文件数据：在gee中export的tif文件from osgeo import gdalimport xarray as xrimport matplotlib.pyplot as pltdef tiff2nc(path): data = gdal.Open("temp_file/CHINA_NO2_1Km_201906.tif") im_width = data.RasterX

需求分析：NC文件的常规包netcdf4使用手感较xarray略显笨拙，故尝试使用xarray读取包含Group的.nc4文件数据：S5P二级数据：S5P_RPRO_L2__HCHO， 来源：欧洲哥白尼，或NASA（推荐，因为好下载）一、使用panoly可视化（1）导入后的界面：（2）选择变量后，点击Create Plot按钮可视化：即可得到HCHO的Plot图以及Array可视化。二、使用python里的工具包读取import osimport xarray as xrimport

需求: 尝试将CNN用于气象数据的分析中,因此打算构建一个基于中国边界的格子数据集,格子大小0.01,约为1km.经过一些实践,得到绘制中国地图较优的经纬度范围,[72.5, 136.25, 3, 54.5]他为了减少研究区域,将纬度的下界设置为18, 得到:由于MERRA2数据的分辨率0.5*0.625, 故下载数据时候的边界应为: （72.5, 136.25, 18, 54.5),即初步想法构成一个6376*3651的矩阵.画图用到cartopy库,以及中国的边界文件china.

发现ubuntu对图形化的友好程度并没有winows的高。虽然有Basemap的升级版carcopy，但HDF-EOS等社区维护的还是Basemap。pip install --upgrade --user matplotlib numpy pyproj pyshp OWSLib Pillow sudo apt-get update sudo apt install libgeos-dev pip install --user https://github.com/matplotlib/ba