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
  6 {5 Y* d1 x9 h, L6 ^) u

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
( @6 ?! y" E6 K- x% ?5 i/ Kimport xmitgcm.llcreader as llcreader
: k+ Q7 `1 W  w2 Z
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()

ds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',
                          iter_start=model.iter_start,
1 h0 k6 I; y/ n& i$ U2 C                          iter_stop=(model.iter_start + model.iter_step),
/ `7 D; T& }, [$ j                          read_grid=True)
ds_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。

0 a+ A- z( ~/ w) x& 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)。

Xarray: www.52ocean.cn

+ `! `4 ?# z) P4 V

绘图查看
2 e7 Q! x% _3 V. W! b3 e* W
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。

保存 .to_netcdf()

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
; k; F' W6 z7 {5 r# h# d9 d% n

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？

( q4 J: X. H; t$ x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 o# }% C/ e0 U+ W2 d

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)
9 O, A; D7 p) h+ [- Pds_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。

9 W5 p$ I) e5 a% P, F

GMT绘图
/ d! b/ Q( ~$ J! {

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
    gmt set MAP_ANNOT_OBLIQUE 0
3 Z) ]( c1 \2 A; P2 R( V    gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"
# l. T% f& c; Z4 Q4 H( r2 d' K        gmt subplot set 0,0 -Ce3c
  y7 O% C9 F6 G7 x' d& A        gmt grd2cpt myfile3.nc?Theta -Cjet -Z
6 @: L3 K5 `% g        gmt grdimage myfile3.nc?Theta -I+a90  
$ \3 o8 c0 ^5 `3 u+ S        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
& f" Y' g% s2 b: ~9 d/ S( ~5 X# n        gmt grdimage myfile4.nc?Theta
. w  S8 n$ g5 W- J        gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree
    gmt subplot end
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
  - d' d! F' I9 e3 p: z* |

% G4 x$ H7 Y: [! Q5 v. ?, L