xarray 系列 | 怎么使用ERA5再分析数据绘制气象要素廓线

用户11172986

发布于 2024-06-20 19:06:54

44500

代码可运行

文章被收录于专栏：气python风雨气python风雨

运行总次数：0

代码可运行

前言

前段时间有读者来信问再分析数据的气象要素廓线怎么绘制，近期小编可以腾出手做个简单示例

今天我们测试如何使用Python中的两个强大库——xarray与pynio，来读取ERA5（European Centre for Medium-Range Weather Forecasts Reanalysis 5th Generation）提供的GRIB（GRIdded Binary）格式数据，并绘制指定经纬度站点的风速廓线。ERA5以其高时空分辨率和全球覆盖范围，为科学研究和应用提供了丰富的气象信息。接下来，我们将通过一系列步骤详细展示这一过程。

⏰ 温馨提示

由于可视化代码过长隐藏，可点击基于ERA5 GRIB数据的气象要素廓线与Hovmoller图绘制运行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 [2]:

import xarray as xr

file_path = '/home/mw/input/era51824/ERA5-2023-08_pl.nc'
engine = 'pynio'
dataset = xr.open_dataset(file_path, engine=engine)
u_wind = dataset['u']
v_wind = dataset['v']

In [5]:

u_wind

Out[5]:

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 [6]:

target_lat, target_lon = 40, 120 
nearest_point = dataset.sel(longitude=target_lon, latitude=target_lat, method='nearest')
nearest_point

Out[6]:

In [24]:

wind_speed

Out[24]:

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）

In [50]:

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

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

# 绘制风速廓线
ax.plot(wind_speed[0].values, nearest_point['level'].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()