[PYTHON] Lesen Sie die GRIB2-Datei der Meteorological Agency auf pygrib

Einführung

Hier werden die folgenden Dateien in Liste der Beispieldaten der Meteorologischen Agentur als Ziel ausgewählt.

• Globales numerisches Prognosemodell GPV (GSM) --Meso Numerical Forecast Model GPV (MSM)
• Lokales numerisches Prognosemodell GPV (LFM)

Beide verwenden ein Binärformat namens GRIB2.

Überprüfungsumgebung

Ich habe Anacondas virtuelle Umgebung verwendet.

• Windows 10 Home
• conda 4.8.2
• Python 3.7.7

Bibliotheksinstallation

Verwenden Sie, wie der Titel des Artikels andeutet, pygrib. Kann von Pip oder Conda installiert werden.

conda install -c conda-forge pygrib

Implementierungsbeispiel

Ermitteln Sie die Temperatur [℃] des Jingu-Stadions (35.6745, 139.7169) (nächster Maschenpunkt) zu jedem Zeitpunkt (JST) aus der Probendatei (MSM) der Meteorologischen Agentur.

• Gültige Nummern sind verdächtig, aber keine Sorge.

from datetime import timedelta
import pygrib
import pandas as pd

time_diff = timedelta(hours=9)

gpv_file = pygrib.open("Z__C_RJTD_20171205000000_MSM_GPV_Rjp_Lsurf_FH00-15_grib2.bin")
t_messages = gpv_file.select(name="Temperature")

df = pd.DataFrame({
    "validDate": [msg.validDate + time_diff for msg in t_messages],
    "temperature": [
        msg.data(
            lat1=35.6745-0.025,
            lat2=35.6745+0.025,
            lon1=139.7169-0.03125,
            lon2=139.7169+0.03125,
        )[0][0][0] - 273.15 for msg in t_messages
    ]
})

print(df)

↓ Ausgabeergebnis

             validDate  temperature
0  2017-12-05 09:00:00     9.810709
1  2017-12-05 10:00:00    11.409219
2  2017-12-05 11:00:00    12.358789
3  2017-12-05 12:00:00    13.116861
4  2017-12-05 13:00:00    13.770517
5  2017-12-05 14:00:00    14.698541
6  2017-12-05 15:00:00    14.488687
7  2017-12-05 16:00:00    13.063196
8  2017-12-05 17:00:00    11.467722
9  2017-12-05 18:00:00    10.320886
10 2017-12-05 19:00:00     9.592111
11 2017-12-05 20:00:00     8.797952
12 2017-12-05 21:00:00     8.171686
13 2017-12-05 22:00:00     7.832407
14 2017-12-05 23:00:00     7.461450
15 2017-12-06 00:00:00     6.884409

Erklärung zur Implementierung

Dateiverbindung

pygrib.open Erstellen Sie mithilfe der Klasse eine Schnittstelle mit der Datei.

import pygrib

gpv_file = pygrib.open("Z__C_RJTD_20171205000000_MSM_GPV_Rjp_Lsurf_FH00-15_grib2.bin")

• Die Instanz "pygrib.open" selbst ist der Iterator der Instanz "pygrib.gribmessage"
• Kann als Schnittstelle verwendet werden, um bestimmte Informationen, die in einer Datei enthalten sind, als Instanz "pygrib.gribmessage" oder deren Liste (wiederverwendbar) zu extrahieren.

• Die pygrib.gribmessage wird später beschrieben.

Nachrichtenmethode

Nimmt das Argument N (int) und gibt die N-te (1 Ursprung) pygrib.gribmessage-Instanz auf dem Iterator zurück.

In[]

gpv_file.message(2)

↓

Out[]

2:Surface pressure:Pa (instant):regular_ll:surface:level 0:fcst time 0 hrs:from 201712050000

Methode auswählen

Nimmt ein Argument in der Form "** kwargs" und gibt eine Liste von "pygrib.gribmessage" zurück, die dieser Bedingung entspricht.

Wenn mehrere Suchbedingungen angegeben sind, werden sie als UND-Bedingungen ausgewertet.

--1 Zustand

In[]

gpv_file.select(name="Temperature")

↓

Out[]

[5:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 0 hrs:from 201712050000,
 15:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 1 hrs:from 201712050000,
 27:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 2 hrs:from 201712050000,
 39:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 3 hrs:from 201712050000,
 51:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 4 hrs:from 201712050000,
 63:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 5 hrs:from 201712050000,
 75:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 6 hrs:from 201712050000,
 87:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 7 hrs:from 201712050000,
 99:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 8 hrs:from 201712050000,
 111:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 9 hrs:from 201712050000,
 123:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 10 hrs:from 201712050000,
 135:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 11 hrs:from 201712050000,
 147:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 12 hrs:from 201712050000,
 159:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 13 hrs:from 201712050000,
 171:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 14 hrs:from 201712050000,
 183:Temperature:K (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 15 hrs:from 201712050000]

--2 Bedingungen

In[]

gpv_file.select(shortName="r", forecastTime=3)

↓

Out[]

[40:Relative humidity:% (instant):regular_ll:heightAboveGround:level 1.5 m:fcst time 3 hrs:from 201712050000]

Die Elemente, die praktisch für Suchbedingungen verwendet werden können, sind wie folgt.

• Beachten Sie, dass "ForecastTime" eine Einheit von [Stunde] in GSM und MSM hat, aber eine Einheit von [Minute] in LFM.
• • ParameterNumber sollte in Kombination mit parameterCategory verwendet werden

Datenwerterfassung

Die oben extrahierte pygrib.gribmessage enthält ** Daten für alle Netze einer bestimmten Zeit und eines bestimmten Datenelements ** Es ist beinhaltet.

Hauptvariablen

• Alle Daten und Zeiten in der Datei sind UTC.

Latlons-Methode

Gibt eine Liste der Breiten- und Längengrade des Netzes für jedes Netz zurück. Beide Rückgabetypen sind "numpy.ndarray".

In[]

message = gpv_file.message(2)
lats, lons = message.latlons()

Out[]

# lats
array([[47.6 , 47.6 , 47.6 , ..., 47.6 , 47.6 , 47.6 ],
       [47.55, 47.55, 47.55, ..., 47.55, 47.55, 47.55],
       [47.5 , 47.5 , 47.5 , ..., 47.5 , 47.5 , 47.5 ],
       ...,
       [22.5 , 22.5 , 22.5 , ..., 22.5 , 22.5 , 22.5 ],
       [22.45, 22.45, 22.45, ..., 22.45, 22.45, 22.45],
       [22.4 , 22.4 , 22.4 , ..., 22.4 , 22.4 , 22.4 ]])

# lons
array([[120.    , 120.0625, 120.125 , ..., 149.875 , 149.9375, 150.    ],
       [120.    , 120.0625, 120.125 , ..., 149.875 , 149.9375, 150.    ],
       [120.    , 120.0625, 120.125 , ..., 149.875 , 149.9375, 150.    ],
       ...,
       [120.    , 120.0625, 120.125 , ..., 149.875 , 149.9375, 150.    ],
       [120.    , 120.0625, 120.125 , ..., 149.875 , 149.9375, 150.    ],
       [120.    , 120.0625, 120.125 , ..., 149.875 , 149.9375, 150.    ]])

Es scheint, dass die Reihenfolge so ist, dass der Fall, in dem es als Matrix geschrieben wird, und der Fall, in dem es auf einer Karte angezeigt wird, visuell übereinstimmen.

Datenmethode

Holen Sie sich den Datenwert des Netzes innerhalb des Bereichs der Argumente "lat1" (minimaler Breitengrad), "lat2" (maximaler Breitengrad), "lon1" (minimaler Längengrad) und "lon2" (maximaler Längengrad) und des Breiten- / Längengrads dieses Netzes. Machen. Was den Rückgabewert betrifft, so ist das netzartige zweidimensionale "numpy.ndarray" jedes Datenwerts, Breiten- und Längengrads ein Taple.

In[]

message.data(lat1=22.45, lat2=22.55, lon1=120.0625, lon2=120.1875)

Out[]

(array([[101985.52856445, 101985.52856445, 101985.52856445],
        [101985.52856445, 101985.52856445, 101985.52856445]]),
 array([[22.5 , 22.5 , 22.5 ],
        [22.45, 22.45, 22.45]]),
 array([[120.0625, 120.125 , 120.1875],
        [120.0625, 120.125 , 120.1875]]))

Referenz

• pygrib
• Datenformat Daten-Meteorologisches Business Support Center
• Technische Informationen Nr. 500 zu Vertriebsmaterialien * pdf
• ECMWF | Parameter database