GPCP全球月降水量数据下载与读取_RS&的博客

相关文章推荐

可爱的牙膏 · 刻晴大战史莱姆，，_手机游戏热门视频· 4 月前 ·

耍酷的西红柿 · “延误”9年终于低调开业，柏林新机场到底经历 ...· 5 月前 ·

有胆有识的青蛙 · 带孩子外出，妈咪包里需要有哪些必备品？ - 知乎· 7 月前 ·

俊逸的黄瓜 · 一骗丹心漫画 - 抖音· 1 年前 ·

乖乖的莲藕 · 岚图|7月销量回暖，入局资本赛道|汽车|东风 ...· 1 年前 ·

1.Global Precipitation Climatology Project (GPCP) 数据介绍
GPCP：(Global Precipitation Climatology Project，全球降水气候计划), 是由Global Precipitation Climatology Center（全球降水气候研究项目）综合了数十颗静止卫星和极轨卫星的红外和微波资料并经过全球多个台站数据校正后的卫星降水产品。数据作为热带地区降水研究的“准资料”历经几十年不断的改进与完善,目前已是version 2.3。
1）时间分辨率：从1979/01到2021年10月；
2）空间分辨率：2.5°纬度x 2.5°经度全球网格；88.75N - 88.75S, 1.25E - 358.75E；

2.数据下载
下载链接： https://www.ncei.noaa.gov/access/metadata/landing-page/bin/iso?id=gov.noaa.ncdc:C00979
在这里插入图片描述
或 https://psl.noaa.gov/data/gridded/data.gpcp.html

数据下载步骤：
1）打开链接： http://eagle1.umd.edu/GPCP_ICDR/
2）下载历史数据

3.数据处理
数据格式：netCDF-4

NetCDF(network Common Data Form)网络通用数据格式是一种面向数组型并适于网络共享的数据的描述和编码标准。
从数学上来说，netcdf存储的数据就是一个多自变量的单值函数。用公式来说就是f(x,y,z,…)=value；
函数的自变量x,y,z等在netcdf中叫做维(dimension) 或坐标轴(axix)；
函数值value在netcdf中叫做变量(Variables).

利用NetCDF可以对网络数据进行高效地存储、管理、获取和分发等操作。由于其灵活性，能够传输海量的面向阵列（array-oriented）数据，目前广泛应用于大气科学、水文、海洋学、环境模拟、地球物理等诸多领域。

4.python读取数据与显示
Python读取NetCDF文件可以选择安装NetCDF4或者xarray工具包，这里安装NetCDF4。
（1）pip 安装NetCDF包 pip install netCDF4
在这里插入图片描述
（2）读取nc文件

from netCDF4 import Dataset
nc_path = "D:/data/gpcp/2010/gpcp_v02r03_monthly_d201001_c20170616.nc"
nc=Dataset(nc_path)
print(nc.variables.keys())
# print(nc.variables['precip']) #查看某个变量的信息
# print(nc.variables['precip'].ncattrs()) #查看变量的属性信息
data = nc.variables['precip'][:] #读取变量的数据值
print(data)
GPCP关键字包括：dict_keys([‘latitude’, ‘longitude’, ‘time’, ‘lat_bounds’, ‘lon_bounds’, ‘time_bounds’, ‘precip’, ‘precip_error’]) 
（3）提取需要的字段，并可视化
 1）可视化需要安装basemap：conda install basemap
 报错：
 
 python版本不满足条件，需要根据自己电脑配置下载对应版本的basemap，我的电脑配置win10,64位，python3.8.
 去官网下载basemap安装包、pyproj：http://link.zhihu.com/?target=https%3A//www.lfd.uci.edu/~gohlke/pythonlibs/
 
 
 下载完成后，重新安装（注意首先安装pyproj）：
 
 注意：先用cd定位到下载插件的位置，然后pip isntall + 完整的文件名（包括后缀），如pip install basemap-1.2.2-cp38-cp38-win_amd64.whl 
安装成功后直接调用包。 
2）可视化降雨数据
 导入包： 
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
读取经纬度、降雨量信息： 
nc_path = "D:/data/gpcp/2010/gpcp_v02r03_monthly_d201001_c20170616.nc"
fh=Dataset(nc_path,mode='r')
# 获取每个变量的值
lons = fh.variables['longitude'][:]
lats = fh.variables['latitude'][:]
precip = fh.variables['precip'][:]
precip_units = fh.variables['precip'].units
# 经纬度平均值
lon_0 = lons.mean()
lat_0 = lats.mean()
m = Basemap(lat_0=lat_0, lon_0=lon_0)
lon, lat = np.meshgrid(lons, lats)
xi, yi = m(lon, lat)
绘制图片： 
precip = precip[0:1:, ::, ::]
cs = m.pcolor(xi, yi, np.squeeze(precip))
# Add Grid Lines
# 绘制经纬线
m.drawparallels(np.arange(-90., 91., 20.), labels=[1,0,0,0], fontsize=10)
m.drawmeridians(np.arange(-180., 181., 40.), labels=[0,0,0,1], fontsize=10)
# Add Coastlines, States, and Country Boundaries
m.drawcoastlines()
m.drawstates()
m.drawcountries()
# Add Colorbar
cbar = m.colorbar(cs, location='bottom', pad="10%")
cbar.set_label(precip_units)
# Add Title
plt.title('Precipitation')
plt.show()
fh.close()
报错：
 
 报错原因：numpy版本低，需要更新版本。 
pip uninstall numpy
conda install -y -c conda-forge numpy
如果还继续报错的话，再更新一下：pip install -U numpy 
结果展示：
  
参考链接：
 GPCP介绍、下载：https://climatedataguide.ucar.edu/climate-data/gpcp-monthly-global-precipitation-climatology-project 
python数据可视化：https://blog.csdn.net/theonegis/article/details/50805408
                                    1、GPCP：(Global Precipitation Climatology Project，全球降水气候计划), 是由Global Precipitation Climatology Center（全球降水气候研究项目）综合了数十颗静止卫星和极轨卫星的红外和微波资料并经过全球多个台站数据校正后的卫星降水产品。数据作为热带地区降水研究的“准资料”历经几十年不断的改进与完善,目前已是第四版本。
                                    IMERG是专为全球降水计划GPM而生的最新一代多卫星融合反演降水数据，是GPM的3级产品。它充分利用GPM平台上所有的卫星传感器提供的数据（包括主被动微波传感器和各类红外数据传感器等等），也充分借鉴之前TRMM时代基本成熟的各类卫星降水反演算法进行有机融合。IMERG目前提供三套类型的卫星降水数据，分别是Early，Late，Final三个版本。
                                    全球降水数据集：
1、GPCP：(Global Precipitation Climatology Project，全球降水气候计划), 是由Global Precipitation Climatology Center（全球降水气候研究项目）综合了数十颗静止卫星和极轨卫星的红外和微波资料并经过全球多个台站数据校正后的卫星降水产品。数据作为热带地区降水研究的“准资料”历经几十年不断的改进与完善,
                                    西非萨赫勒地区降水的年际变化是根据全球降水气候学项目（GPCP）每月和每日数据库的32年（1979年至2010年）分析的。 在该地区，我们发现西非季风（WAM）与夏季的每日降水量之间存在联系，在过渡季节甚至在旱季的心脏都可能发生非季节性降雨。 降雨是该地区农牧业活动的最重要因素。 850hPa的风和风的发散结构在山区（Fouta-Djalon和Mont-喀麦隆）上显示出最大的对流，这与在这些地区观测到的高降水量和OLR相对应。 介绍了降水的趋势和经验正交函数（EOF），包括7月中旬的降水变化。 GPCP降水的主要EOF约占方差的25.3％，在北部振幅稍大，而在赤道带则相对较小。 第二和第三EOF分别占20.5％和14％，描述了具有区域梯度的纵向对比度。
                                    数据集： CHIRPS Daily: Climate Hazards Group InfraRed Precipitation With Station Data (Version 2.0 Final)
数据说明： Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) is a 30+ year quasi-global rainfall dataset. CHIRPS incorporates 0.05° resol
                                    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录前言一、申请注册NASA Earth Data账户二、查找数据三、开始下载0.下载前言1.站点管理2.添加Edge浏览器代理总结
NASA提供的免费地学数据简直是造福社会和广大科研工作者，不得不说这些方面我们仍需努力。
回归正题，提到高精度的历史降水数据，杰出代表便是Tropical Rainfall Measuring Mission（热带降雨测量计划，TRMM）和Global Precipitation Measurem
                                    1.引言iris是英国开发的气象数据处理python软件包，相较于比较常用的netcdf4，pygrib等包进一步融入了数据分析，差值等功能，非常好用且功能强大。 
气象数据中数据种类繁多，常遇到经纬度网格的重新差值问题。随着python在科学计算及数据挖掘等领域的深入发展，相较于传统的ncl，未来python处理大数据量的气象数据将会很有优势，会形成一种趋势。下面就以netcdf4（nc）文件为例