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
  0 L- ?: Q! P5 j8 k

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
import xmitgcm.llcreader as llcreader
; Q0 L1 p- y# I, `* Z& K$ U: ^
. w0 z- K1 S3 o. @- l6 |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()

5 `4 d1 a9 F# y2 gds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',
                          iter_start=model.iter_start,
) o1 \0 u) p6 \+ A/ [1 [                          iter_stop=(model.iter_start + model.iter_step),
                          read_grid=True)
/ k9 S% p) X# B4 P' bds_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。

! T* f  o1 g/ n/ g& A, P4 m# @. \, \0 t8 g

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

* U/ a1 P2 z7 z* u* B" T9 V

绘图查看

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 K$ c6 X3 k* y$ q

保存 .to_netcdf()
! e) P9 N& p6 z' a

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
* p$ @) p+ _0 ], ~/ R% @

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？

# |2 v- p1 b: X4 G  m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。

. [% L: e8 S! \* H

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。

/ V3 W6 ?! J. {/ x

GMT绘图
: j* Y7 z- ]: j) f9 x% P

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
+ g8 K7 ]/ t; z    gmt set MAP_ANNOT_OBLIQUE 0
    gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"
" ?$ A, T' `0 k5 d$ M        gmt subplot set 0,0 -Ce3c
0 c3 W" W( g, _: A        gmt grd2cpt myfile3.nc?Theta -Cjet -Z
        gmt grdimage myfile3.nc?Theta -I+a90  
% D2 ]2 j2 P" F! B' o/ r        gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree

        gmt subplot set 1,0 -Ce3c
        gmt grd2cpt myfile4.nc?Theta -Crainbow -Z
        gmt grdimage myfile4.nc?Theta
% M7 K7 X* p+ M        gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree
* i7 }. k2 ?; s/ Z. B. L7 h    gmt subplot end
gmt end show
- S. e' C: r' J- S6 K

台湾海域

下节预告

• • 范围的筛选
• • 时间维度的连续导出