ERA5再分析资料下载和处理成红黑图教程

2024-04-15 18:44

本文主要是介绍ERA5再分析资料下载和处理成红黑图教程,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

ERA5再分析资料下载和处理教程

1.下载官网:

https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-pressure-levels?tab=form

下载之前需要注册网站的账号认证
选择需要的要素时间气压等要素,注意最后下载的数据格式是grib还是nc格式
在这里插入图片描述
保存为netcdf格式
在这里插入图片描述
ERA5再分析资料的温度使用工具看到
在这里插入图片描述## python处理数据
nc数据基本信息的读取查看

ds = xr.open_dataset('xxxx.nc')  #使用xarray包打开nc数据
print(ds.variables.keys())   # 打印数据的变量信息
time_dim = ds.coords['time']  # 获取时间维度
lon = ds['longitude'].values  # 获取经度列表值
lat = ds['latitude'].values  #获取维度列表的值
data = ds.sel(time=t)   # 获取t这一特定时间的数据
data = data['t'].values   #获取温度的值

我们得到数据后将数据存储到红黑图,保证数据交互的方便,存储小
在这里插入图片描述

# # 垂直翻转数组【根据获取的数组实际旋转】# data = np.flipud(data)minValue = np.nanmin(data)maxValue = np.nanmax(data)# 用计算的最大小值来拉伸fix = (maxValue - minValue) / 256# var2Data[np.isnan(var2Data)] = 0# var3Data = var3Data.to_masked_array()# var3Data[np.isinf(var3Data)] = np.nanvar3Data = np.nan_to_num(data, nan=0)  # 无效值转换为0var3Data[var3Data < minValue] = minValuevar3Data = (var3Data - minValue) / fixvar3Data = np.uint8(var3Data)# 利用拉伸后的数据创建图片的RGB通道ir = Image.fromarray(var3Data[:]) # 写入值ig = Image.fromarray(np.array(np.zeros(var3Data.shape), np.uint8)).convert('L')ib = Image.fromarray(np.array(np.zeros(var3Data.shape), np.uint8)).convert('L')imjpg = Image.merge('RGB', (ir, ig, ib))flipped_img = imjpg.transpose(method=Image.FLIP_TOP_BOTTOM)directory_path11 = os.path.dirname(file_path)directory_path = os.path.dirname(directory_path11) + '\\' + 'era5' + '\\' + element + '\\' + stimeif not os.path.exists(directory_path):  # 如果路径不存在os.makedirs(directory_path)  # 则创建该目录pngfile = directory_path + '\\' + element + '_' + stime + '.png'flipped_img.save(pngfile, 'png')   #保存为png

在我们交互的同时定义相对应的json文件,方便前端的渲染

这篇关于ERA5再分析资料下载和处理成红黑图教程的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/906617

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

常用的jdk下载地址

jdk下载地址 安装方式可以看之前的博客: mac安装jdk oracle 版本:https://www.oracle.com/java/technologies/downloads/ Eclipse Temurin版本:https://adoptium.net/zh-CN/temurin/releases/ 阿里版本: github:https://github.com/

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

MOLE 2.5 分析分子通道和孔隙

软件介绍 生物大分子通道和孔隙在生物学中发挥着重要作用,例如在分子识别和酶底物特异性方面。 我们介绍了一种名为 MOLE 2.5 的高级软件工具,该工具旨在分析分子通道和孔隙。 与其他可用软件工具的基准测试表明,MOLE 2.5 相比更快、更强大、功能更丰富。作为一项新功能,MOLE 2.5 可以估算已识别通道的物理化学性质。 软件下载 https://pan.quark.cn/s/57

衡石分析平台使用手册-单机安装及启动

单机安装及启动​ 本文讲述如何在单机环境下进行 HENGSHI SENSE 安装的操作过程。 在安装前请确认网络环境,如果是隔离环境,无法连接互联网时,请先按照 离线环境安装依赖的指导进行依赖包的安装,然后按照本文的指导继续操作。如果网络环境可以连接互联网,请直接按照本文的指导进行安装。 准备工作​ 请参考安装环境文档准备安装环境。 配置用户与安装目录。 在操作前请检查您是否有 sud

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号