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
  " N, h; O( v8 s

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
9 l2 |5 O' _2 v2 B7 f0 s- O! [import xmitgcm.llcreader as llcreader

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()

' a/ T* C' j4 e6 }ds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',
+ R& G. w2 ]6 k                          iter_start=model.iter_start,
6 G, P" D2 i) m& {5 o2 J' x5 m8 e                          iter_stop=(model.iter_start + model.iter_step),
                          read_grid=True)
! _% F" Z3 u" z$ i, X3 P1 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。

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

- }9 |$ h6 {6 k7 K6 ~

绘图查看

( x) G/ p* U) |) Ptemp.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。

$ P. Y3 W' Y- {: ]$ b# Q

保存 .to_netcdf()
9 f" B/ `$ ^3 L3 I! k. i

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
7 f/ p5 [! ^4 h! Y8 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？

# Y: J; i( ?9 N" a& E# W! }* a  H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。
1 H2 m) d9 }1 n( v
4 |3 W7 w6 t5 a/ x9 n+ U

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)
ds_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')
ds_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。

7 g$ R8 q) H, S2 w( X% g

GMT绘图
! Y' f" |, ?7 g& B) ~

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
0 x  T9 {! S% T: G" i" v    gmt set MAP_ANNOT_OBLIQUE 0
4 A) S3 D/ E3 T5 D9 g' z    gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"
        gmt subplot set 0,0 -Ce3c
        gmt grd2cpt myfile3.nc?Theta -Cjet -Z
        gmt grdimage myfile3.nc?Theta -I+a90  
7 Q% ?4 B5 d& W1 ]1 Q7 m        gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree

/ w& x* Z( |( }/ J! {. v' H; G        gmt subplot set 1,0 -Ce3c
        gmt grd2cpt myfile4.nc?Theta -Crainbow -Z
        gmt grdimage myfile4.nc?Theta
        gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree
# c) i; c2 X7 F* D3 F    gmt subplot end
( |5 x6 h) m; o6 d* c! ]! K" ^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
  & [" \$ m: {3 r

4 t1 ?; J/ }' ^; c. n