问题描述
我有一个 grib 文件,其中包含 1989 年至 2018 年的月降水量和温度(从 ERA5-Land 中提取)。
我需要以 6 列的数据集格式获取这些数据:经度、纬度、grib 文件中单元格/点的 ID、日期、温度和降水。
我首先使用 cfgrib 导入文件。以下是导入后包含 xdata 列表的内容:
import cfgrib
grib_data = cfgrib.open_datasets('\era5land_extract.grib')
grib_data
Out[6]:
[<xarray.Dataset>
Dimensions: (latitude: 781,longitude: 761,time: 372)
Coordinates:
number int32 0
* time (time) datetime64[ns] 1989-01-01 1989-02-01 ... 2019-12-01
step timedelta64[ns] 1 days
surface float64 0.0
* latitude (latitude) float64 42.0 41.9 41.8 41.7 ... -35.8 -35.9 -36.0
* longitude (longitude) float64 -21.0 -20.9 -20.8 -20.7 ... 54.8 54.9 55.0
valid_time (time) datetime64[ns] ...
Data variables:
t2m (time,latitude,longitude) float32 ...
Attributes:
GRIB_edition: 1
GRIB_centre: ecmf
GRIB_centreDescription: European Centre for Medium-Range Weather Forecasts
GRIB_subCentre: 0
Conventions: CF-1.7
institution: European Centre for Medium-Range Weather Forecasts,<xarray.Dataset>
Dimensions: (latitude: 781,time: 156)
Coordinates:
number int32 0
* time (time) datetime64[ns] 1989-01-01 1989-02-01 ... 2001-12-01
step timedelta64[ns] 1 days
surface float64 0.0
* latitude (latitude) float64 42.0 41.9 41.8 41.7 ... -35.8 -35.9 -36.0
* longitude (longitude) float64 -21.0 -20.9 -20.8 -20.7 ... 54.8 54.9 55.0
valid_time (time) datetime64[ns] ...
Data variables:
tp (time,time: 216)
Coordinates:
number int32 0
* time (time) datetime64[ns] 2002-01-01 2002-02-01 ... 2019-12-01
step timedelta64[ns] 1 days
surface float64 0.0
* latitude (latitude) float64 42.0 41.9 41.8 41.7 ... -35.8 -35.9 -36.0
* longitude (longitude) float64 -21.0 -20.9 -20.8 -20.7 ... 54.8 54.9 55.0
valid_time (time) datetime64[ns] ...
Data variables:
tp (time,longitude) float32 ...
Attributes:
GRIB_edition: 1
GRIB_centre: ecmf
GRIB_centreDescription: European Centre for Medium-Range Weather Forecasts
GRIB_subCentre: 0
Conventions: CF-1.7
institution: European Centre for Medium-Range Weather Forecasts]
所以温度变量被称为“t2m”,降水变量被称为“tp”。 温度变量分为两个 xarray,但我不明白为什么。
我怎样才能从中获得所需的数据集?
这是我第一次处理这样的数据,我真的不知道如何继续。
解决方法
这是经过一些试验和错误后的答案(只将结果放在 tp 变量中,但它与 t2m 类似)
import cfgrib
import xarray as xr
# Import data
grib_data = cfgrib.open_datasets('\era5land_extract.grib')
# Merge both tp arrays into one on the time dimension
grib_precip = xr.merge([grib_data[1],grib_data[2]])
# Aggregate data by year
grib_precip_year = grib_precip.resample(time="Y",skipna=True).mean()
# Data from xarray to pandas
grib_precip_pd = grib_precip_year.to_dataframe()