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0 r: j3 }' e' Y8 |' ]5 |0 ]
本节先介绍怎么通过LLCreader将数据下载本地，并使用GMT绘图。 , {& D0 X% a" q
步骤加载llcreader" |7 l( P: H/ e- c/ J, q7 Z R) u$ M
import xmitgcm.llcreader as llcreader# ?' q' K% E1 `8 k
/ a' x9 `3 ?$ @2 L! v5 n: I
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()
9 }/ s& I8 v2 K1 g. d& M6 ^3 W# j- v! C b$ ]
ds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',
5 B/ g) ^* C n0 }& T+ d+ d5 ] iter_start=model.iter_start,
; P7 \% d- H9 g4 | iter_stop=(model.iter_start + model.iter_step),6 Q; J7 G+ G! c
read_grid=True)
3 S7 `- @$ }' Cds_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。
+ I8 V. _8 q' ?+ o4 D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)。 4 O0 @! J0 r/ T' D D0 t
绘图查看* E* c; D' \) e
& S D" E9 a( _* U
temp.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。 8 ?9 |- m& m, ?. P/ a* a
保存 .to_netcdf()
4 w0 y& o/ A5 y) L7 V/ b. P9 \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
( p5 w2 d. z) _3 H$ f9 O7 E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？
" P& e" ~1 C$ X7 U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。
3 X9 B4 c9 e/ _! [6 x2 `- _6 z8 o/ o" R4 S3 e8 y- R' a; _. o% L
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 }1 I w6 X3 T, v6 r3 [: 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。 然后保存： ds_sst[["Theta"]].reset_coords(drop=True).to_netcdf('myfile2.nc')
8 A" f8 D. a; Q/ ods_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。 * c9 S1 o! z3 V
GMT绘图# V2 [% C7 G* A+ z6 z
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+ o {3 O Z" b4 D: m
gmt set MAP_ANNOT_OBLIQUE 0
4 w) a9 N- ?% v gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"1 \0 E2 f5 I! W
gmt subplot set 0,0 -Ce3c' ^0 T0 }: d% q6 F' I% x. s6 Y& h) X
gmt grd2cpt myfile3.nc?Theta -Cjet -Z
! M6 a* A' l0 b+ F% r* F, p& w gmt grdimage myfile3.nc?Theta -I+a90 # Z1 z4 g2 X, u4 d
gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree6 \6 X) F; V u2 X6 W
" S* C8 S7 m) D- C6 x; T* p gmt subplot set 1,0 -Ce3c$ w9 d7 X# Z& P) [
gmt grd2cpt myfile4.nc?Theta -Crainbow -Z
! q) p5 M" J4 X: E gmt grdimage myfile4.nc?Theta
# S* N0 v$ H& I6 ~/ ] gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree/ X) I/ G5 P5 c' h- U) [ i9 D
gmt subplot end
' t5 R1 x7 N. B; Z* ]$ |. `gmt end show
" }! w$ x4 K) J2 V台湾海域下节预告- • 范围的筛选
- • 时间维度的连续导出
s+ l1 P6 \1 w: n: Y& T1 d# B+ L
K% C4 T) b6 b; K
| 
