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
  1 \' s3 I" M) i  n( n

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
4 r4 N! R- ?4 }4 B& z  P. e7 f& g
1 Q$ _$ @5 K8 [1 I: j- `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()
1 a4 x3 C; F; X/ V, W% x
ds_sst = model.get_dataset(varnames=['Theta'], k_levels=[0], type='latlon',
1 S- p- `' `" z9 b                          iter_start=model.iter_start,
0 e" C1 H. V5 O3 m( m6 @! G                          iter_stop=(model.iter_start + model.iter_step),
# i, x: z# H7 R* t! T' L  M                          read_grid=True)
! B" E% J0 V0 _1 M, M/ L7 x$ ids_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。

' f7 B4 z) z! n; g% 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

绘图查看

0 P# s2 s& O& s3 }3 Ktemp.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。

4 j7 d! F! j. C3 L0 G0 E5 X

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
# j2 v! B* }: l% o; K" i+ x4 J

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？

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。

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)
- b3 E  L. K8 `) V$ Nds_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。

GMT绘图
" Y5 O( O' w2 _+ U' W

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
    gmt subplot begin 2x1 -A+JTL -Fs16c/10c -M0 -R1000/2000/2500/3500 -JX15/13c -B100 -T"Aghulhas Rings"
% A1 B4 w/ O* ~        gmt subplot set 0,0 -Ce3c
        gmt grd2cpt myfile3.nc?Theta -Cjet -Z
$ ~8 M& R+ }+ d1 ^        gmt grdimage myfile3.nc?Theta -I+a90  
        gmt colorbar -DJRM+o1.5c/0+mc -I0.3 -Bx2+lTheta -By+ldegree
% Y+ ?0 H( m7 I  S
4 Y( L& `9 ?) E, ]        gmt subplot set 1,0 -Ce3c
% E6 m$ o2 f7 Y5 G% |9 D' F        gmt grd2cpt myfile4.nc?Theta -Crainbow -Z
        gmt grdimage myfile4.nc?Theta
        gmt colorbar -DJRM+o1.5c/0+e+mc -Bx2+lTheta -By+ldegree
- O$ b* d8 g" [4 u& j4 l" c& P& e: n    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
  . `1 _- @- X1 Q

) k; v) Z4 L3 J' q0 m7 @