java nc文件处理,python中的.nc文件处理 | 03 指定位置的数据切片及可视化

NetCDF4文件处理

下载MACA v2的netcdf4格式数据

使用xarray读取和处理netcdf4格式数据

将netcdf4格式数据导出为.csv格式

将netcdf4格式数据导出为.tif格式

参考链接

import os

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

# 处理netcdf4文件所要用到的包

import xarray as xr

import rioxarray

import cartopy.crs as ccrs

import cartopy.feature as cfeature

import seaborn as sns

import geopandas as gpd

import earthpy as et

# 统计图绘制选项

sns.set(font_scale=1.3)

sns.set_style("white")

文件读取

.nc文件名的含义

agg_macav2metdata_tasmax_BNU-ESM_r1i1p1_historical_1950_2005_CONUS_monthly

agg_macav2metdata：MACA v2版本，降尺度到美国大陆

tasmax：数据项为最高温度

BNU-ESM：产生该原始数据的模式名称

historical：数据为1950-2005年的历史预测数据

CONUS：数据范围为美国(CONtinental United States boundary)

monthly：数据的时间分辨率为月份

# MACAv2数据连接

data_path = "http://thredds.northwestknowledge.net:8080/thredds/dodsC/agg_macav2metdata_tasmax_BNU-ESM_r1i1p1_historical_1950_2005_CONUS_monthly.nc"

# 打开数据

with xr.open_dataset(data_path) as file_nc:

# 使用 rio.write _ crs，确保数据的坐标系在整个分析过程中都保持不变

max_temp_xr = file_nc.rio.write_crs(file_nc.rio.crs, inplace=True)

# 查看数据对象

max_temp_xr

# 读取数据的坐标系统信息

climate_crs = max_temp_xr.rio.crs

climate_crs

CRS.from_wkt('GEOGCS["undefined",DATUM["undefined",SPHEROID["undefined",6378137,298.257223563]],PRIMEM["undefined",0],UNIT["degree",0.0174532925199433,AUTHORITY["EPSG","9122"]],AXIS["Longitude",EAST],AXIS["Latitude",NORTH]]')

# 查看前五行数据

max_temp_xr['air_temperature']['lat'].values[:5]

# 输出经纬度的最大值和最小值

print("The min and max latitude values in the data is:",

max_temp_xr["air_temperature"]["lat"].values.min(),

max_temp_xr["air_temperature"]["lat"].values.max())

print("The min and max longitude values in the data is:",

max_temp_xr["air_temperature"]["lon"].values.min(),

max_temp_xr["air_temperature"]["lon"].values.max())

The min and max latitude values in the data is: 25.063077926635742 49.39602279663086

The min and max longitude values in the data is: 235.22784423828125 292.93524169921875

# 查看数据的时间范围

print("The earliest date in the data is:", max_temp_xr["air_temperature"]["time"].values.min())

print("The latest date in the data is:", max_temp_xr["air_temperature"]["time"].values.max())

The earliest date in the data is: 1950-01-15 00:00:00

The latest date in the data is: 2005-12-15 00:00:00

# 查看数据记录的总条数，本数据集共672条，即672个月

max_temp_xr["air_temperature"]["time"].values.shape

(672,)

# 查看数据的坐标系统信息

max_temp_xr["crs