reki库快速上手指南
目录
本文来自 reki 文档
reki (前称 nwpc-data) 是为 CMA 天气模式开发的数据访问 Python 开源工具库，提供检索要素场的便捷方法。
reki 支持 GRIB、GrADS、NetCDF、CSV 等多种数据格式，对接中国气象局 CMA-PI 高性能计算机、二级存储等多种数据来源，可在 Windows、Linux 等环境中运行。 reki 提供区域截取、插值等多种数据操作方法。
本文介绍 reki 库的一些常用示例。
首先导入需要使用的一些库。
import numpy as np
import pandas as pd
import xarray as xr
安装
依赖库
reki 使用 eccodes 解码 GRIB 数据，请安装 ecCodes 的 Python API 接口。
推荐使用 conda 安装，conda 会自动完成 ecCodes python
接口的依赖包安装：
conda install -c conda-forge eccodes
安装 reki
从 Github 中下载最新的源代码：
git clone https://github.com/nwpc-oper/reki
cd reki
使用 pip 命令安装：
pip install .
如果使用系统安装的 Python 环境且没有管理员权限，例如在 CMA-PI 上使用
apps/python/3.6.3/gnu 环境，请在运行 pip 命令时添加 --user 参数将
Python 包安装到用户目录。
CMA-PI
本项目部分功能已在中国气象局 CMA-PI 高性能计算机上进行测试，使用如下环境：
# module load compiler/intel/composer_xe_2018.1.163
module load apps/eccodes/2.17.0/intel
module load apps/python/3.6.3/gnu
安装 reki 前需要单独安装依赖库 eccodes，可以使用下面的命令安装。
pip install --user /g11/wangdp/lib/python/reki-install/attrs-19.3.0-py2.py3-none-any.whl
pip install --user /g11/wangdp/lib/python/reki-install/findlibs-0.0.2.tar.gz
pip install --user /g11/wangdp/lib/python/reki-install/eccodes-1.3.3.tar.gz
CMA-PI 上已保存 reki 的最新版本，使用下面的命令将软件包安装到用户目录。
pip install --user /g11/wangdp/project/work/data/tool/reki
文件查找
可以使用内置的配置文件从多种途径获取 CMA 天气模式业务系统产品文件目录，包括：
- CMA-PI 高性能计算机
- CMA 二级存储 (挂载到 Linux 服务器)
- CEMC 共享存储 (支持挂载到 Windows 桌面电脑)
下面代码在 CMA-PI 中获取 GRAPES GFS 系统 2021 年 10 月 14 日 00 时次 024 时效的原始分辨率 GRIB 2 文件路径。
from reki.data_finder import find_local_file
file_path = find_local_file(
"grapes_gfs_gmf/grib2/orig",
start_time="2021101400",
forecast_time="24h"
)
file_path
PosixPath('/g1/COMMONDATA/OPER/NWPC/GRAPES_GFS_GMF/Prod-grib/2021101400/ORIG/gmf.gra.2021101400024.grb2')
find_local_file 函数接收任意在配置文件中引入的自定义参数，例如使用
number 参数指定集合预报的成员编号。
下面代码从 CEMC 共享存储中获取 GRAPES GEPS 系统第 20 个成员 2021 年 10 月 14 日 12 时次 048 时效的原始分辨率 GRIB 2 文件路径。
note
使用
storage_base参数指定挂载盘符，本文档中 CEMC 共享存储挂载到 Windows 的 M: 盘符下。
find_local_file(
"grapes_geps/grib2/orig",
start_time=pd.to_datetime("2021-10-14 12:00:00"),
forecast_time=pd.Timedelta(hours=48),
number=20,
storage_base="M:"
)
WindowsPath('M:/GRAPES_GEPS/Prod-grib/2021101412/grib2/gef.gra.020.2021101412048.grb2')
下面代码从二级存储中获取 GRAPES GFS 系统 2021 年 10 月 14 日 00 时次检索的 RSING 观测资料，观测时间为 10 月 13 日 23 点。
note
使用
data_level参数指定存储级别，storage表示归档存储，即二级存储 (/sstorage1)。
find_local_file(
data_type="grapes_gfs_gmf/obs/rsing",
start_time="2021101400",
data_level="storage",
obs_time=pd.to_datetime("2021-10-13 23:00:00")
)
PosixPath('/sstorage1/COMMONDATA/OPER/NWPC/GRAPES_GFS_GMF/Obs-prep/2021101400/rec_RSING_20211013212300_g.dat')
数据加载
GRIB 2
reki 使用 ecCodes 解码 GRIB 数据，提供两套 API 接口用于从 GRIB 文件中提取要素场：
- GRIB 消息：返回 ecCodes 使用的 GRIB Handler
- GRIB 要素场：返回
xarray.DataArray
加载 GRIB 2 消息
下面代码以 GRAPES GFS 系统的预报文件作为示例文件
from reki.data_finder import find_local_file
data_path = find_local_file(
"grapes_gfs_gmf/grib2/orig",
start_time="2021101500",
forecast_time="24h",
)
data_path
PosixPath('/g1/COMMONDATA/OPER/NWPC/GRAPES_GFS_GMF/Prod-grib/2021101500/ORIG/gmf.gra.2021101500024.grb2')
从文件中检索 850hPa 温度场
from reki.format.grib.eccodes import load_message_from_file
t850 = load_message_from_file(
data_path,
parameter="t",
level_type="pl",
level=850,
)
t850
94384982006640
返回对象 t850 是 ecCodes 内部使用的 GRIB 消息，可以使用 ecCodes 的 API
接口获取 GRIB 2 消息的属性和数据。
获取要素场属性：
import eccodes
print("shortName: ", eccodes.codes_get(t850, "shortName"))
print("typeOfLevel: ", eccodes.codes_get(t850, "typeOfLevel"))
print("level: ", eccodes.codes_get(t850, "level"))
shortName: t
typeOfLevel: isobaricInhPa
level: 850
获取要素场数据：
values = eccodes.codes_get_double_array(t850, "values")
values = values.reshape([720, 1440])
values
array([[256.42785156, 256.40785156, 256.41785156, ..., 256.43785156,
256.44785156, 256.43785156],
[256.51785156, 256.51785156, 256.51785156, ..., 256.51785156,
256.50785156, 256.50785156],
[256.58785156, 256.58785156, 256.57785156, ..., 256.59785156,
256.59785156, 256.59785156],
...,
[232.83785156, 232.84785156, 232.83785156, ..., 232.83785156,
232.83785156, 232.84785156],
[233.23785156, 233.24785156, 233.29785156, ..., 233.21785156,
233.22785156, 233.26785156],
[233.78785156, 233.84785156, 233.78785156, ..., 233.79785156,
233.66785156, 233.66785156]])
warning
需要手动调用
eccodes.codes_release释放消息对象。
eccodes.codes_release(t850)
加载 GRIB 2 要素场
reki 还提供对上述检索得到 GRIB 2 消息的封装，返回 xarray.DataArray
对象，类似 cfgrib 库。
from reki.format.grib.eccodes import load_field_from_file
t850 = load_field_from_file(
data_path,
parameter="t",
level_type="pl",
level=850,
)
t850
<xarray.DataArray 't' (latitude: 720, longitude: 1440)>
array([[256.427852, 256.407852, 256.417852, ..., 256.437852, 256.447852,
256.437852],
[256.517852, 256.517852, 256.517852, ..., 256.517852, 256.507852,
256.507852],
[256.587852, 256.587852, 256.577852, ..., 256.597852, 256.597852,
256.597852],
...,
[232.837852, 232.847852, 232.837852, ..., 232.837852, 232.837852,
232.847852],
[233.237852, 233.247852, 233.297852, ..., 233.217852, 233.227852,
233.267852],
[233.787852, 233.847852, 233.787852, ..., 233.797852, 233.667852,
233.667852]])
Coordinates:
time datetime64[ns] 2021-10-15
step timedelta64[ns] 1 days
valid_time datetime64[ns] 2021-10-16
pl float64 850.0
* latitude (latitude) float64 89.88 89.62 89.38 89.12 88.88 88.62 88.38 ...
* longitude (longitude) float64 0.0 0.25 0.5 0.75 1.0 1.25 1.5 1.75 2.0 ...
Attributes:
GRIB_edition: 2
GRIB_centre: babj
GRIB_subCentre: 0
GRIB_tablesVersion: 4
GRIB_localTablesVersion: 0
GRIB_dataType: fc
GRIB_dataDate: 20211015
GRIB_dataTime: 0
GRIB_validityDate: 20211016
GRIB_validityTime: 0
GRIB_step: 24
GRIB_stepType: instant
GRIB_stepUnits: 1
GRIB_stepRange: 24
GRIB_endStep: 24
long_name: discipline=0 parmcat=0 parm=0
t850 对象已对 GRIB 2 消息进行解码，包含两个维度：
latitude：纬度longitude：经度
同时包含另外四个坐标，因为仅有单个文件，所以坐标只有单个值：
time：起报时间step：预报时长valid_time：预报时间pl：层次，pl表示等压面层
可以使用 xarray 库提供的一系列工具对数据进行处理。 比如，求纬向平均值：
t850.mean(dim="longitude")
<xarray.DataArray 't' (latitude: 720)>
array([256.444428, 256.473713, 256.525643, ..., 234.457449, 234.342393,
234.335428])
Coordinates:
time datetime64[ns] 2021-10-15
step timedelta64[ns] 1 days
valid_time datetime64[ns] 2021-10-16
pl float64 850.0
* latitude (latitude) float64 89.88 89.62 89.38 89.12 88.88 88.62 88.38 ...
加载模式层 GRIB 2 要素场
model_file_path = find_local_file(
"grapes_gfs_gmf/grib2/modelvar",
start_time="2021101400",
forecast_time="24h",
)
data_array = load_field_from_file(
file_path=model_file_path,
parameter="t",
level_type="ml",
level=60,
)
data_array
<xarray.DataArray 't' (latitude: 720, longitude: 1440)>
array([[216.229266, 216.227266, 216.227266, ..., 216.228266, 216.228266,
216.229266],
[216.272266, 216.271266, 216.271266, ..., 216.274266, 216.274266,
216.272266],
[216.264266, 216.263266, 216.261266, ..., 216.268266, 216.267266,
216.266266],
...,
[197.408266, 197.410266, 197.412266, ..., 197.399266, 197.402266,
197.404266],
[197.529266, 197.530266, 197.532266, ..., 197.523266, 197.526266,
197.527266],
[197.602266, 197.603266, 197.604266, ..., 197.600266, 197.601266,
197.601266]])
Coordinates:
time datetime64[ns] 2021-10-14
step timedelta64[ns] 1 days
valid_time datetime64[ns] 2021-10-15
ml int64 60
* latitude (latitude) float64 89.88 89.62 89.38 89.12 88.88 88.62 88.38 ...
* longitude (longitude) float64 0.0 0.25 0.5 0.75 1.0 1.25 1.5 1.75 2.0 ...
Attributes:
GRIB_edition: 2
GRIB_centre: babj
GRIB_subCentre: 0
GRIB_tablesVersion: 4
GRIB_localTablesVersion: 0
GRIB_dataType: fc
GRIB_dataDate: 20211014
GRIB_dataTime: 0
GRIB_validityDate: 20211015
GRIB_validityTime: 0
GRIB_step: 24
GRIB_stepType: instant
GRIB_stepUnits: 1
GRIB_stepRange: 24
GRIB_endStep: 24
long_name: discipline=0 parmcat=0 parm=0
返回数据中层次坐标名为 ml，表示模式层。
GrADS 格点二进制数据
reki 内置简单的 GrADS 格点二进制格式数据文件解析器。
使用 find_local_file() 获取 GRAPES GFS 系统等压面 GrADS
数据文件路径，返回数据描述文件路径：
postvar_file_path = find_local_file(
"grapes_gfs_gmf/bin/postvar_ctl",
start_time="2021101500",
forecast_time="36h",
)
postvar_file_path
PosixPath('/g1/COMMONDATA/OPER/NWPC/GRAPES_GFS_GMF/Fcst-long/2021101500/post.ctl_2021101500_036')
加载 850hPa 温度场
from reki.format.grads import load_field_from_file
load_field_from_file(
postvar_file_path,
parameter="t",
level_type="pl",
level=850
)
<xarray.DataArray 't' (latitude: 720, longitude: 1440)>
array([[256.28766, 256.28326, 256.29086, ..., 256.2877 , 256.29395, 256.2932 ],
[256.28036, 256.27902, 256.27872, ..., 256.28076, 256.2761 , 256.27777],
[256.28793, 256.28992, 256.28824, ..., 256.28506, 256.286 , 256.28528],
...,
[234.0174 , 234.04938, 234.06163, ..., 234.06227, 234.08116, 234.07538],
[234.26164, 234.24377, 234.23071, ..., 234.22185, 234.24457, 234.25938],
[234.50842, 234.471 , 234.43414, ..., 234.57632, 234.54097, 234.49728]],
dtype=float32)
Coordinates:
* latitude (latitude) float64 89.88 89.62 89.38 89.12 88.88 88.62 ...
* longitude (longitude) float64 0.0 0.25 0.5 0.75 1.0 1.25 1.5 1.75 ...
pl int64 850
valid_time datetime64[ns] 2021-10-16T12:00:00
start_time datetime64[ns] 2021-10-15
forecast_time timedelta64[ns] 1 days 12:00:00
Attributes:
description: temperature
reki 支持单一描述文件对应多个数据文件。 GRAPES TYM 等压面 GrADS 数据每个时次只有一个描述文件，对应多个单时效二进制数据文件。 获取 POSTVAR 文件路径：
postvar_file_path = find_local_file(
"grapes_tym/bin/postvar_ctl",
start_time="2021101400",
)
postvar_file_path
PosixPath('/g1/COMMONDATA/OPER/NWPC/GRAPES_TYM/Fcst-main/2021101400/post.ctl_2021101400')
CTL 文件名只包含起报日期 (2021.09.26) 和起报时次 (00)。 加载海平面气压：
load_field_from_file(
postvar_file_path,
parameter="psl",
level_type="single",
)
We can't recognize ctl file name.
<xarray.DataArray 'psl' (latitude: 835, longitude: 1557)>
array([[1016.1363 , 1016.17535, 1016.2182 , ..., 1005.5745 , 1005.60333,
1005.62775],
[1016.171 , 1016.21216, 1016.25354, ..., 1005.51605, 1005.54626,
1005.57404],
[1016.2113 , 1016.25037, 1016.2875 , ..., 1005.4542 , 1005.48773,
1005.51746],
...,
[1013.8922 , 1013.8431 , 1013.8072 , ..., 1010.9525 , 1010.94916,
1010.954 ],
[1013.84155, 1013.8077 , 1013.76 , ..., 1010.96796, 1010.95734,
1010.95685],
[1013.80206, 1013.7625 , 1013.7305 , ..., 1010.9776 , 1010.9665 ,
1010.96265]], dtype=float32)
Coordinates:
* latitude (latitude) float64 60.06 59.97 59.88 59.79 59.7 59.61 59.52 ...
* longitude (longitude) float64 40.0 40.09 40.18 40.27 40.36 40.45 40.54 ...
level float64 0.0
valid_time datetime64[ns] 2021-10-14
Attributes:
description: sea level pressure
其他格式
reki 还提供对 NetCDF、CSV 等格式数据的简单支持。
NetCDF
reki 内部使用 xarray 提供的接口读取 NetCDF 文件。
查找 HRCLDAS 文件目录
from reki.data_finder import find_local_files
file_paths = find_local_files(
data_type="obs/grid/HRCLDAS/chn/1km",
start_time=pd.Timestamp("2021-02-05 00:00:00"),
data_class="smart2022",
parameter="DPT"
)
file_path = file_paths[0]
file_path
PosixPath('/g11/nwpc_ep3/SMART2022/OBS/grid/HRCLDAS/20210205/00/Z_NAFP_C_BABJ_20210205000916_P_HRCLDAS_RT_CHN_0P01_HOR-DPT-2021020500.nc')
加载露点温度场
from reki.format.netcdf import load_field_from_file
load_field_from_file(file_path)
<xarray.DataArray 'DAIR' (LAT: 4500, LON: 7000)>
[31500000 values with dtype=float32]
Coordinates:
* LON (LON) float32 70.03125 70.04125 70.05125 70.06125 70.07125 ...
* LAT (LAT) float32 15.03125 15.04125 15.05125 15.06125 15.07125 ...
Attributes:
_Fillvalue: -999.0
表格数据
reki 内部使用 pandas.read_table() 函数解析表格数据。
查找观测资料路径
file_path = find_local_file(
data_type="grapes_gfs_gmf/obs/rgwst",
start_time="2021080400",
data_level="storage",
storage_base="M:",
obs_time=pd.to_datetime("2021-08-03 23:00:00")
)
file_path
WindowsPath('M:/GRAPES_GFS_GMF/Obs-prep/2021080400/rec_RSURF_20210803212300_g.dat')
加载表格数据
note
非真实数据，仅用于展示 API 用法。
from reki.format.table import load_nwpc_obs_from_file
load_nwpc_obs_from_file(file_path)
Station_Id_C Station_Id_d Lat ... Q_WIN_D Q_WIN_S obs_time
01001 0.00 0 0 ... 8.0 0.0 2021-08-03 23:00:00
01003 0.00 0 0 ... 8.0 0.0 2021-08-03 23:00:00
... ... ... ... ... ... ...
N259 999999.00 0 0 ... 8.0 8.0 2021-08-03 23:00:00
[8505 rows x 25 columns]
数据处理
reki.operator 包中集成多种用于数据操作的函数，函数名称参考 esmvalcore
库设计。
裁剪区域
查找 GRAPES TYM 系统的数据文件：
data_path = find_local_file(
"grapes_tym/grib2/orig",
start_time="2021101400",
forecast_time=f"72h"
)
data_path
PosixPath('/g1/COMMONDATA/OPER/NWPC/GRAPES_TYM/Prod-grib/2021101400/ORIG/rmf.tcgra.2021101400072.grb2')
加载总降水要素场：
from reki.format.grib.eccodes import load_field_from_file
field = load_field_from_file(
data_path,
parameter="APCP",
)
field
<xarray.DataArray 'unknown' (latitude: 835, longitude: 1557)>
array([[2.691072e+00, 2.691680e+00, 2.578080e+00, ..., 4.035200e-01,
4.257920e-01, 4.250880e-01],
[2.688864e+00, 2.687904e+00, 2.576672e+00, ..., 1.083616e+00,
1.140576e+00, 4.247360e-01],
[2.628544e+00, 2.625728e+00, 2.523136e+00, ..., 1.409056e+00,
1.418176e+00, 8.219840e-01],
...,
[2.752320e-01, 2.730880e-01, 2.048000e-03, ..., 4.160000e-03,
0.000000e+00, 0.000000e+00],
[6.873600e-02, 6.672000e-02, 5.440000e-04, ..., 1.344000e-03,
0.000000e+00, 0.000000e+00],
[6.883200e-02, 6.876800e-02, 5.120000e-04, ..., 2.880000e-04,
0.000000e+00, 0.000000e+00]])
Coordinates:
time datetime64[ns] 2021-10-14
step timedelta64[ns] 3 days
valid_time datetime64[ns] 2021-10-17
surface int64 0
* latitude (latitude) float64 60.06 59.97 59.88 59.79 59.7 59.61 59.52 ...
* longitude (longitude) float64 40.0 40.09 40.18 40.27 40.36 40.45 40.54 ...
Attributes:
GRIB_edition: 2
GRIB_centre: babj
GRIB_subCentre: 0
GRIB_tablesVersion: 4
GRIB_localTablesVersion: 0
GRIB_dataType: fc
GRIB_dataDate: 20211014
GRIB_dataTime: 0
GRIB_validityDate: 20211017
GRIB_validityTime: 0
GRIB_step: 72
GRIB_stepType: accum
GRIB_stepUnits: 1
GRIB_stepRange: 0-72
GRIB_endStep: 72
long_name: discipline=0 parmcat=1 parm=8
抽取区域：
from reki.operator import extract_region
extract_region(
field,
start_longitude=103,
end_longitude=126.875,
start_latitude=47,
end_latitude=35.125
)
<xarray.DataArray 'unknown' (latitude: 132, longitude: 266)>
array([[0.000000e+00, 3.200000e-05, 6.400000e-05, ..., 1.766176e+00,
1.687872e+00, 1.587904e+00],
[0.000000e+00, 3.200000e-05, 1.920000e-04, ..., 1.495584e+00,
1.446816e+00, 1.388576e+00],
[0.000000e+00, 0.000000e+00, 3.200000e-05, ..., 1.416800e+00,
1.425824e+00, 1.451200e+00],
...,
[1.693475e+01, 1.831757e+01, 1.882371e+01, ..., 2.187318e+01,
2.305267e+01, 2.425610e+01],
[1.351926e+01, 1.441987e+01, 1.540243e+01, ..., 2.254189e+01,
2.355629e+01, 2.409763e+01],
[1.065578e+01, 1.181683e+01, 1.347645e+01, ..., 2.282579e+01,
2.337466e+01, 2.367184e+01]])
Coordinates:
time datetime64[ns] 2021-10-14
step timedelta64[ns] 3 days
valid_time datetime64[ns] 2021-10-17
surface int64 0
* latitude (latitude) float64 46.92 46.83 46.74 46.65 46.56 46.47 46.38 ...
* longitude (longitude) float64 103.0 103.1 103.2 103.3 103.4 103.5 ...
Attributes:
GRIB_edition: 2
GRIB_centre: babj
GRIB_subCentre: 0
GRIB_tablesVersion: 4
GRIB_localTablesVersion: 0
GRIB_dataType: fc
GRIB_dataDate: 20211014
GRIB_dataTime: 0
GRIB_validityDate: 20211017
GRIB_validityTime: 0
GRIB_step: 72
GRIB_stepType: accum
GRIB_stepUnits: 1
GRIB_stepRange: 0-72
GRIB_endStep: 72
long_name: discipline=0 parmcat=1 parm=8
抽取数据点
查找 GRAPES MESO 3KM 系统的数据文件：
data_path = find_local_file(
"grapes_meso_3km/grib2/orig",
start_time="2021101400",
forecast_time=f"6h"
)
data_path
PosixPath('/g1/COMMONDATA/OPER/NWPC/GRAPES_MESO_3KM/Prod-grib/2021101400/ORIG/rmf.hgra.2021101400006.grb2')
加载总云量要素场：
from reki.format.grib.eccodes import load_field_from_file
field = load_field_from_file(
data_path,
parameter="TCDC",
)
提取特定点数据：
from reki.operator.regrid import extract_point
extract_point(
field,
39.9,
116.3906,
scheme="nearest",
engine="scipy",
)
<xarray.DataArray (latitude: 1, longitude: 1)>
array([[100.]])
Coordinates:
time datetime64[ns] 2021-10-14
step timedelta64[ns] 06:00:00
valid_time datetime64[ns] 2021-10-14T06:00:00
nominalTop int64 0
* latitude (latitude) float64 39.9
* longitude (longitude) float64 116.4
插值
查找 GRAPES GFS 系统的数据文件：
data_path = find_local_file(
"grapes_gfs_gmf/grib2/orig",
start_time="2021101412",
forecast_time="120h"
)
data_path
PosixPath('/g1/COMMONDATA/OPER/NWPC/GRAPES_GFS_GMF/Prod-grib/2021101412/ORIG/gmf.gra.2021101412120.grb2')
加载 2 米温度场：
field = load_field_from_file(
data_path,
parameter="2t",
)
构建目标网格：
note
下面代码在 CMA-PI 的 apps/python/3.6.3/gnu 环境下运行，该环境安装的 Xarray 不支持默认
data参数。高版本 Xarray 可以省去data。
lats = np.arange(89.95, -90, -0.1)
lons = np.arange(0, 360, 0.1)
target_grid = xr.DataArray(
data=np.zeros((len(lats), len(lons))),
coords=[
("latitude", lats),
("longitude", lons)
]
)
target_grid
<xarray.DataArray (latitude: 1800, longitude: 3600)>
array([[0., 0., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 0., 0., 0.],
...,
[0., 0., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 0., 0., 0.],
[0., 0., 0., ..., 0., 0., 0.]])
Coordinates:
* latitude (latitude) float64 89.95 89.85 89.75 89.65 89.55 89.45 89.35 ...
* longitude (longitude) float64 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 ...
将要素场 field 插值到目标网格 target_grid：
note
scheme="rect_bivariate_spline"使用scipy.interpolate.RectBivariateSpline插值，需要安装 scipy 库。
from reki.operator.regrid import interpolate_grid
interpolate_grid(
field,
target_grid,
scheme="rect_bivariate_spline"
)
<xarray.DataArray (latitude: 1800, longitude: 3600)>
array([[250.285742, 250.280388, 250.270665, ..., 250.277346, 250.285742,
250.285742],
[250.266565, 250.268475, 250.260678, ..., 250.25966 , 250.271709,
250.271709],
[250.220353, 250.241045, 250.24047 , ..., 250.220512, 250.235493,
250.235493],
...,
[228.673176, 229.045389, 229.242601, ..., 229.269594, 229.277293,
229.277293],
[228.531412, 228.908711, 229.104475, ..., 229.072642, 229.085329,
229.085329],
[228.485742, 228.85362 , 229.042281, ..., 228.990476, 229.005742,
229.005742]])
Coordinates:
time datetime64[ns] 2021-10-14T12:00:00
step timedelta64[ns] 5 days
valid_time datetime64[ns] 2021-10-19T12:00:00
heightAboveGround int64 2
* latitude (latitude) float64 89.95 89.85 89.75 89.65 89.55 ...
* longitude (longitude) float64 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 ...
参考
reki 项目
https://github.com/nwpc-oper/reki
reki 文档
