如何使用虹吸和 MetPy 从 netCDF 格网数据集中获取变量的坐标值数组?

Question

我使用 Siphon 请求了一个 netCDF 子集，并形成了一个查询来检索边界框中的变量：

from siphon.catalog import TDSCatalog
cat = TDSCatalog("https://thredds.ucar.edu/thredds/catalog/grib/NCEP/GFS/Global_onedeg/catalog.xml?dataset=grib/NCEP/GFS/Global_onedeg/Best")
ncss = cat.datasets[0].subset()
query = ncss.query()
query.variables("Absolute_vorticity_isobaric")
query.lonlat_box(north=34., south=33., west=-102., east=-101.)
query.accept("netcdf4")

我正在寻找一种可靠、简洁的方法来获取该变量坐标的值，特别是时间和垂直水平。一种有效但不切实际的方法是请求和使用整个数据集。

功能性但不切实际的方法

获取数据

import xarray as xr
query.all_times()
data = ncss.get_data(query)
datastore = xr.backends.NetCDF4DataStore(data)

使用 MetPy 的 xarray 访问器xarray.Dataset获取数据

ds = xr.open_dataset(datastore).metpy.parse_cf()

从构成xarray.DataArray获取坐标轴

对于数据集的每个变量作为xarray.DataArray，调用ds.VARIABLE.metpy.DIMENSION都会让 MetPy 自动返回适当的坐标变量(无论它叫什么名字，例如lat、lon、time、time1、altitude_above_msl、isobaric3、height_above_ground1(，其中DIMENSION是time、vertical、x和y之一。

获取值

在这种情况下，ds.Absolute_vorticity_isobaric.metpy.time返回ds.time，ds.Absolute_vorticity_isobaric.metpy.vertical返回ds.isobaric2。将.values添加到调用中仅返回具有我一直尝试获取的值的numpy.ndarray。因此，调用ds.Absolute_vorticity_isobaric.metpy.time.values会产生以下内容(下面截断(：

array(['2019-11-17T00:00:00.000000000', '2019-11-17T03:00:00.000000000',
'2019-11-17T06:00:00.000000000', ..., '2020-01-02T06:00:00.000000000',
'2020-01-02T09:00:00.000000000', '2020-01-02T12:00:00.000000000'],
dtype='datetime64[ns]')

调用ds.Absolute_vorticity_isobaric.metpy.time.values和ds.Absolute_vorticity_isobaric.metpy.vertical.values将只返回 NumPy 数组，这就是我所寻求的。

问题所在

虽然上面确实做了我想要的，但只运行一个变量就花了将近一分半钟，而且它(我假设(不必要地给 UCAR 服务器带来了负担。有没有办法获得上面的输出，而不会产生加载所有数据本身的巨大开销？

Answer 1

如果您担心原始方法的性能，并且只想提取时间和垂直坐标，我建议您使用 OPENDAP 而不是 NCSS 来访问您的数据。这将首先简单地获取元数据，然后延迟加载您请求的数据(在您的情况下是时间和垂直坐标(。使用 MetPy v0.11 或更高版本，使用您感兴趣的 TDS 目录的示例脚本如下所示：

import metpy
import xarray as xr
from siphon.catalog import TDSCatalog
cat = TDSCatalog("https://thredds.ucar.edu/thredds/catalog/grib/NCEP/GFS/Global_onedeg/catalog.xml?dataset=grib/NCEP/GFS/Global_onedeg/Best")
opendap_url = cat.datasets[0].access_urls['OPENDAP']
ds = xr.open_dataset(opendap_url)
time = ds['Absolute_vorticity_isobaric'].metpy.time.values
vertical = ds['Absolute_vorticity_isobaric'].metpy.vertical.values
print(time)
print(vertical)

这大约需要半秒钟才能在我的系统上运行。

如果您的 MetPy 版本低于 v0.11，则在打开数据集时需要使用.metpy.parse_cf()，如下所示：

ds = xr.open_dataset(opendap_url).metpy.parse_cf()