最近在NCAR的GitHub官方源中又出现了一个新的小项目:
A lightweight interface for reading in output from the Weather Research and Forecasting (WRF) model into xarray Dataset
利用Python进行WRF模式后处理的应该都知道，wrf-python用来处理WRF模式结果比较方便，但又太笨重了，经常需要编写很多代码。xarray是目前地球科学领域使用非常多的库，集成度非常高，使用非常方便。
由于一些原因，xarray直接处理WRF模式结果一直是痛点：
- WRF输出的nc格式文件不是CF兼容的
- wrf-python 需要和 netCDF4-python 和 xarray 接口交互
- wrf-python 中缺乏接口以充分利用dask的并行能力
salem 库可以处理WRF模式结果，然后和 xarray 对象整合，但是 salem 库在处理诊断量方面不是很方便。
为了充分利用 xarray 的强大功能，NCAR近期发起了名为 xwrf 的小项目。
可视化实例
目前这个库正处于试验开发阶段，可以直接通过如下命令安装:
代码语言：javascript复制python -m pip install git https://github.com/NCAR/xwrf.git
在官方说明以及示例中可以看到 xwrf 可以更方便的进行批量处理，并且可以和交互式可视化库（比如hvplot）协同工作，进一步简化数据处理和分析的流程。
示例
以下是官方提供的简单示例，可以进行批量处理并且进行交互式可视化：
代码语言：javascript复制import glob
import holoviews as hv
import hvplot
import hvplot.xarray
import xarray as xr
import xwrf
from distributed import Client
from ncar_jobqueue import NCARCluster
hv.extension('bokeh')
# 创建集群实例
cluster = NCARCluster()
cluster.scale(10)
client = Client(cluster)
client
files = sorted(glob.glob('/glade/scratch/bruyerec/IAG/METGRID/*.nc'))
# 选择文件
file_subset = files[-80:]
# 变量名
variables = ["PRES", "TT", "RH"]
# 预处理函数
def preprocess(ds):
return ds[variables]
# 批量处理，选择了 xwrf 后端引擎
ds = xr.open_mfdataset(
file_subset,
engine="xwrf",
parallel=True,
concat_dim="Time",
combine="nested",
preprocess=preprocess,
chunks={'Time': 1},
)
读取好数据之后，剩下的数据处理和可视化操作与常规使用 xarray 的方式类似，比如查看文件内容：
然后可以选择指定变量指定维度的数据：
代码语言：javascript复制ds.PRES.isel(num_metgrid_levels=0, south_north=0, west_east=0).values也可以选择指定气压层的数据：
代码语言：javascript复制ds = ds.isel(num_metgrid_levels=range(1, 21))
可以重命名气压层，并进行计算：
代码语言：javascript复制ds_to_plot = ds.rename({'num_metgrid_levels': 'plev'})
plevs = ds_to_plot.PRES.isel(south_north=0, west_east=0).values[0, :]
ds_to_plot['plev'] = plevs / 100
ds_to_plot['plev'].attrs['units'] = 'hPa'
重命名及处理后Dataset
最后可以结合 hvplot 进行交互式绘图：
代码语言：javascript复制plot = ds_to_plot.hvplot.quadmesh(
x='XLONG_M',
y='XLAT_M',
z=['TT', 'RH'],
groupby=['Time', 'plev'],
widget_location='bottom',
rasterize=True,
coastline=True,
cmap='inferno',
)
plot
交互式可视化示例
xwrf 使用起来还是比较方便的，并且可以直接利用 xarray 的强大功能，尤其是可以利用 dask 进行并行处理。但是很多诊断变量可能无法直接处理，这也是目前的问题。如果能够集合 wrf-python 的诊断量计算，以及各种剖面绘图功能，就完美了。
就介绍到这，感兴趣的可以安装测试一下。出现问题可以直接在官方的Github源提issue。
