对比使用 Basemap，gdal 和 Cartopy，netCDF4 读取 WRF 模式数据并绘图。
此节仅介绍使用 netCDF4 和 Cartopy 读取WRF模式输出数据并绘图，不对 Cartopy 和 netCDF4 的使用进行过多介绍。关于这两个库的使用，后面会单独介绍。
下面直接上代码：
代码语言：javascript复制import matplotlib.pyplot as plt
import cartopy.crs as ccrs
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
import netCDF4 as nc
fip = '../sample_file/'
fin = 'wrfout_v2_Lambert.nc'
# Dataset 方法用来读取数据，和 open 类似，只是这是用来处理 nc 数据
data = nc.Dataset(fip fin, 'r')
# 使用 variables 获取变量，可以指定变量名和要获取的变量名索引
t = data.variables['T2'][6, :, :]
lon = data.variables['XLONG'][6, :, :]
lat = data.variables['XLAT'][6, :, :]
fig, ax = plt.subplots(subplot_kw = dict(projection = ccrs.PlateCarree()))
ax.contourf(lon, lat, t)
ax.coastlines(resolution = '10m')
# 设置 gridlines 和 ticklabels
gl = ax.gridlines(draw_labels = True, linewidth = 1.5)
gl.xlabels_top = False
gl.xlines = True
gl.xformatter = LONGITUDE_FORMATTER
gl.ylabels_right = False
gl.ylines = True
gl.yformatter = LATITUDE_FORMATTER
plt.show()
import matplotlib.pyplot as plt
import numpy as np
import cartopy.crs as ccrs
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
import netCDF4 as nc
fip = './'
fin = 'wrfout_v2_Lambert.nc'
data = nc.Dataset(fip fin, 'r')
lon = data.variables['XLONG'][6, :, :]
lat = data.variables['XLAT'][6, :, :]
u = data.variables['U10'][6, :, :]
v = data.variables['V10'][6, :, :]
fig, ax = plt.subplots(subplot_kw = dict(projection = ccrs.PlateCarree()))
ax.contourf(lon, lat, np.sqrt(u**2 v**2), alpha = 0.4)
ax.barbs(lon[::5,::5], lat[::5,::5], u[::5,::5], v[::5,::5])
ax.coastlines(resolution = '10m')
gl = ax.gridlines(draw_labels = True, linewidth = 1.5)
gl.xlabels_top = False
gl.xlines = True
gl.xformatter = LONGITUDE_FORMATTER
gl.ylabels_right = False
gl.ylines = True
gl.yformatter = LATITUDE_FORMATTER
plt.show()
以上两张图采用的均为 PlateCarree 投影， 而WRF 输出文件中的投影是 Lambert Conformal 投影，但是Cartopy 对除 Mercator 和 PlateCarree 投影外的其它投影支持并不是很完美，比如仅 Mercator 和 PlateCarree 投影支持设置 gridlines 和 ticklabels。这也是目前Cartopy 的一大缺点。当然其执行效率确实比 Basemap 高出不少。
