xarray实操 | 基于ERA5 GRIB数据的气象要素廓线

用户11172986

发布于 2024-06-20 19:12:33

520

发布于 2024-06-20 19:12:33

文章被收录于专栏：气python风雨气python风雨

前言

上次写的教程疏忽大意了，示例文件整成nc文件了

xarray 系列 | 怎么使用ERA5再分析数据绘制气象要素廓线

虽然上次的代码一样能读取，但是读取出来的·变量名还是有差异的，

为了不误导读者，上次的教程就当是nc版本的

这次是grib版本

⏰ 温馨提示

由于可视化代码过长隐藏，可点击运行Fork查看 🔜🔜若没有成功加载可视化图，点击运行可以查看 ps:隐藏代码在【代码已被隐藏】所在行，点击所在行，可以看到该行的最右角，会出现个三角形，点击查看即可

使用xarray直接读取GRIB文件

xarray允许您指定不同的引擎来处理不同格式的数据。对于GRIB文件，可以使用pynio引擎直接读取

In [1]:

import xarray as xr

file_path = '/home/mw/input/era58362/ERA5-2022-09_04-pl.grib'
engine = 'pynio'
dataset = xr.open_dataset(file_path, engine=engine)
dataset

Out[1]:

变量名相信大家能认出来，还有就是高度经度纬度的差别

选取第一个时间的风速变量，选出500hpa的u v

注意变量名稍有不同

In [2]:

u_wind = dataset['U_GDS0_ISBL'][0]

v_wind = dataset['V_GDS0_ISBL'][0]

u500=u_wind.sel(lv_ISBL1=500)

v500=v_wind.sel(lv_ISBL1=500)

u500

定位指定经纬度站点

确定您感兴趣的经纬度坐标（例如，target_lat =40，target_lon = 120）。使用xarray的sel方法找到最接近该点的格点数据

In [9]:

target_lat, target_lon = 40, 120 
nearest_point = dataset.sel(g0_lon_3=target_lon, g0_lat_2=target_lat, method='nearest')
nearest_point

Out[9]:

计算风速与绘制廓线

计算风速并绘制垂直廓线（风速随高度的变化分布）

import matplotlib.pyplot as plt
import numpy as np
wind_speed = np.sqrt(nearest_point['U_GDS0_ISBL'] ** 2 + nearest_point['V_GDS0_ISBL'] ** 2)

fig, ax = plt.subplots(figsize=(10, 12))

# 绘制风速廓线
ax.plot(wind_speed[0].values, nearest_point['lv_ISBL1'].values, 'b', linewidth=2)  # 使用蓝色线条绘制风速曲线

# 设置轴标签
plt.xlabel('Wind Speed (m/s)')
plt.ylabel('Pressure Level (hPa)')
plt.title(f'Wind Speed Profile at ({target_lat:.2f}, {target_lon:.2f})')
# 反转 y 轴（从大气顶部向下到地面）
ax.invert_yaxis()

# 添加网格线
ax.grid(True)

# 显示图形
plt.show()