使用 python 处理 nc 数据

Posted 2020-11-07 shoufengwei

前言

这两天帮一个朋友处理了些 nc 数据，本以为很简单的事情，没想到里面涉及到了很多的细节和坑，无论是“知难行易”还是“知易行难”都不能充分的说明问题，还是“知行合一”来的更靠谱些，既要知道理论又要知道如何实现，于是经过不太充分的研究后总结成此文，以记录如何使用 python 处理 nc 数据。

一、nc 数据介绍

nc 全称 netCDF（The Network Common Data Form），可以用来存储一系列的数组，就是这么简单（参考https://www.unidata.ucar.edu/software/netcdf/docs/netcdf_introduction.html）。

既然 nc 可以用来一系列的数组，所以经常被用来存储科学观测数据，最好还是长时间序列的。

试想一下一个科学家每隔一分钟采集一次实验数据并存储了下来，如果不用这种格式存储，时间长了可能就需要创建一系列的 csv 或者 txt 等，而采用 nc 一个文件就可以搞定，是不是很方便。

更方便的是如果这个科学实验与气象、水文、温度等地理信息稍微沾点边的，完全也可以用 nc 进行存储， GeoTiff 顶多能多存几个波段（此处波段可以认为是气象、水文等不同信号），而 nc 可以存储不同波段的长时间观测结果，是不是非常方便。

可以使用 gdal 查看数据信息，执行：

gdalinfo name.nc

即可得到如下信息：

Driver: netCDF/Network Common Data Format
Files: test.nc
Size is 512, 512
Coordinate System is `'
Subdatasets:
  SUBDATASET_1_NAME=NETCDF:"test.nc":T2
  SUBDATASET_1_DESC=[696x130x120] T2 (32-bit floating-point)
  SUBDATASET_2_NAME=NETCDF:"test.nc":PSFC
  SUBDATASET_2_DESC=[696x130x120] PSFC (32-bit floating-point)
  SUBDATASET_3_NAME=NETCDF:"test.nc":Q2
  SUBDATASET_3_DESC=[696x130x120] Q2 (32-bit floating-point)
  SUBDATASET_4_NAME=NETCDF:"test.nc":U10
  SUBDATASET_4_DESC=[696x130x120] U10 (32-bit floating-point)
  SUBDATASET_5_NAME=NETCDF:"test.nc":V10
  SUBDATASET_5_DESC=[696x130x120] V10 (32-bit floating-point)
  SUBDATASET_6_NAME=NETCDF:"test.nc":RAINC
  SUBDATASET_6_DESC=[696x130x120] RAINC (32-bit floating-point)
  SUBDATASET_7_NAME=NETCDF:"test.nc":SWDOWN
  SUBDATASET_7_DESC=[696x130x120] SWDOWN (32-bit floating-point)
  SUBDATASET_8_NAME=NETCDF:"test.nc":GLW
  SUBDATASET_8_DESC=[696x130x120] GLW (32-bit floating-point)
  SUBDATASET_9_NAME=NETCDF:"test.nc":LAT
  SUBDATASET_9_DESC=[130x120] LAT (32-bit floating-point)
  SUBDATASET_10_NAME=NETCDF:"test.nc":LONG
  SUBDATASET_10_DESC=[130x120] LONG (32-bit floating-point)
Corner Coordinates:
Upper Left  (    0.0,    0.0)
Lower Left  (    0.0,  512.0)
Upper Right (  512.0,    0.0)
Lower Right (  512.0,  512.0)
Center      (  256.0,  256.0)

每一个 SUBDATASET 表示记录的是一种格式的数据（气象、水文等等），如果要想查看此 SUBDATASET 的具体信息，可以执行：

gdalinfo NETCDF:name.nc:SUBDATASET_NAME

此处的 SUBDATASET_NAME 为上面的 T2、PSFC 等等，可以得到如下信息：

Driver: netCDF/Network Common Data Format
Files: test.nc
Size is 120, 130
Coordinate System is `'
Metadata:
  LAT#description=LATITUDE, SOUTH IS NEGATIVE
  LAT#FieldType=104
  LAT#MemoryOrder=XY
  LAT#stagger=
  LAT#units=degree_north
Corner Coordinates:
Upper Left  (    0.0,    0.0)
Lower Left  (    0.0,  130.0)
Upper Right (  120.0,    0.0)
Lower Right (  120.0,  130.0)
Center      (   60.0,   65.0)
Band 1 Block=120x1 Type=Float32, ColorInterp=Undefined
  NoData Value=9.96920996838686905e+36
  Unit Type: degree_north
  Metadata:
    description=LATITUDE, SOUTH IS NEGATIVE
    FieldType=104
    MemoryOrder=XY
    NETCDF_VARNAME=LAT
    stagger=
    units=degree_north

此处只有一个 Band ，每一个 Band 记录了一个时间点（或者其他区分形式）的一条记录，这个记录是一个数组。

所以看到这里，各位应该已经明白了，可以直接使用 GDAL 处理 nc 数据，比如直接使用 gdalwarp 将某个 SUBDATASET 转成 GeoTiff 等等，此处暂且不表，各位只需要查阅一下 gdalwarp 手册即可知道如何处理。

明白了以上信息基本也就清楚了如何处理此数据。

二、数据处理

python 是运用非常广泛，自然其下各种类库非常丰富，专业一点的说法就叫生态丰富。

2.1 netCDF4

此框架可以直接将 nc 读取成数组（详细信息参考https://github.com/Unidata/netcdf4-python）。读取方式如下：

dataset = netCDF4.Dataset('name.nc')  # open the dataset

这样即可读出整个 nc 中的数据信息，如果需要获取某个 SUBDATASET 只需要使用 dataset[SUBDATASET_NAME] 即可，返回的是一个三维数组，表示不同时间段（或其他区分方式下）的数据信息。

我们可以对此数组做各种操作，如求平均值、方差等等，又让我想起了大学里的那一堆枯燥但又让人很有兴趣的实验课程。当然，此处如果使用 numpy 框架进行处理，会起到事半功倍的效果，如求长时间序列下的平均值：

np_arr = np.asarray(dataset[SUBDATASET_NAME])
average_arr = np.average(np_arr, axis=0)

到这里跟地信有关的同志都会看出一个问题，此框架只能对数据进行处理，而不能进行与位置有关的操作，这就导致数据无法变成直白的地图可视化效果。其实任何数据都是相通的，我们可以采用此种方式处理完后转为 GeoTiff 等，当然我们也可以直接采用 GeoTiff 的处理流程来进行处理。

2.2 rasterio

rasterio 是 Mapbox 开源的空间数据处理框架，功能非常强大，此处不细说，只表如何处理我们的 nc 数据。

当然第一种方式就是使用 netCDF4 处理完之后，使用此框架写入 GeoTiff，但是这样不太优雅，而且使用了两个框架，明显过于麻烦，我们直接使用此框架从读数据开始处理。

此处读的时候就有技巧了，要像采用 gdalinfo 读取 SUBDATASET 一样来直接读取此 SUBDATASET 数据，如下：

with rio.open('NETCDF:name.nc:SUBDATASET_NAME') as src:
    print(src.meta)
    dim = int(src.meta['count'])
    src.read(range(1, dim + 1))

即给 open 函数传入 NETCDF:name.nc:SUBDATASET_NAME，采用 src.read(range(1, dim + 1)) 可以直接读出此范围内所有 Band （时间点）的信息，范围可以自己设定，注意从 0 开始，当然也可以仅读取某个 Band 的信息。

src.meta 记录了此 SUBDATASET 的元数据信息，与 gdalinfo 看到的基本相同。

这样我们就可以继续将此数据使用 numpy 等框架进行处理，处理完之后更重要的是要写入 GeoTiff 中（直白的说就是添加空间信息）。

也很简单，如下即可：

with rio.open(newfile, 'w', **out_meta) as dst:
    dst.write_band(1, res_arr)

newfile 为存储路径，res_arr 为计算结果数组，注意尺寸不要发生变化（width*height），out_meta 为目标文件的元数据描述信息，可以直接将上面 src.meta 进行简单处理即可。

out_meta = 
    meta.update({"driver": "GTiff",
                 "dtype": "float32",
                 'count': 1,
                 'crs': 'Proj4: +proj=longlat +datum=WGS84 +no_defs',
                 'transform': rasterio.transform.from_bounds(west, south, east, north, width, height)
                })

crs 表示目标数据空间投影信息，transform 表示目标文件 空间范围信息，可以通过经纬度信息和图像尺寸等计算得到。

dst.write_band 将数据写入对应波段，当然此处也可以写入多个波段，根据计算结果而定，同样从 1 开始。

三、总结

本文简单介绍了 nc 数据的特点及如何使用 python 处理 nc 数据。每个目标都有多条路可以达到，重要的是找到那条自己喜欢的和适合自己的路，然而话又说回来，即使走的不是想要的那条路，不是一样可以达到目标嘛！所以关键是要找到自己的目标。