Python&R | nc批量转tif
nc批量转tif
-
- 1. nc数据介绍：
- 2. 编程实践
-
- (1) 基于Python
- (2) 基于R语言
- 3. nc数据处理再实践（时间维度为：年月日时分秒）
1. nc数据介绍：
NetCDF(network Common Data Form)网络通用数据格式。NetCDF 文件中的数据以数组形式存储。例如：某个位置处随时间变化的温度以一维数组的形式存储。某个区域内在指定时间的温度以二维数组的形式存储。
三维 (3D) 数据（如某个区域内随时间变化的温度）
四维 (4D) 数据（如某个区域内随时间和高度变化的温度）以一系列二维数组的形式存储。
本次使用的样例数据为2018-2020年的月均温度netCDF数据
下面主要介绍如何使用Python和R语言批量将上述nc格式的温度数据转为常用的tif格式数据。
2. 编程实践
(1) 基于Python
import os
import netCDF4 as nc
import numpy as np
from osgeo import gdal,osr,ogr
import glob
def nc2tif(data,Output_folder):
tmp_data = nc.Dataset(data) #利用.Dataset()方法读取nc数据
# print(tmp_data)
# (2) 基于R语言
wd <- "G:/Rdata/Tmp/"
setwd(wd)
library(pacman)
p_load(raster, ncdf4,sf,ggplot2,RColorBrewer)
nc_data = list.files(wd,pattern = ".nc")
nc_data
# [1] "tmp_2018.nc" "tmp_2019.nc" "tmp_2020.nc"
for (i in nc_data)
{
nc_raster <- brick(i,varname = "tmp")
for(j in 1:12)
{
super1 = substr(i, 1, 7)
super2 = c(1:12)
super3 = paste(super1, super2, sep = '_')
writeRaster(nc_raster[[j]],filename = super3[[j]], format = "GTiff",overwrite=TRUE,
dataType='INT2S')
}
print(paste(i,'转换tif成功,你太棒了!'))
}
可视化：
3. nc数据处理再实践（时间维度为：年月日时分秒）
写在前面：
因为需要用到JBTools和ncdf.tools两个包，且CRAN只有存档数据了，所以需要先下载到本地进行安装。但是需要先安装foreach, gplots 这个两个包 （再安装JBTools 再安装ncdf.tools（存在依赖关系）），附下载链接
https://cran.r-project.org/src/contrib/Archive/JBTools/
https://cran.r-project.org/src/contrib/Archive/ncdf.tools/
代码部分：
wd <- "D:/Rdata/nc/"
setwd(wd)
library(pacman)
p_load(raster, ncdf4,sf,ggplot2,RColorBrewer,foreach, gplots, rgdal)
#install加载JBTools和ncdf.tools包
p_load(JBTools, ncdf.tools)
atm2015 <- nc_open("atm_ssp245_2015_01.nc4")
View(atm2015) #4维数据，8个变量
names(atm2015$var) #查看变量
# "hur" "ps" "psl" "ta" "tos" "ua" "va" "zg"
time = ncvar_get(atm2015,"time")
date = convertDateNcdf2R(time, units = "days",
origin = as.POSIXct("1850-01-01 00:00:00", tz = "UTC"),
time.format ="%Y-%m-%d %H:%M:%S")
date1 = gsub(":","_",date)
date2 = gsub(" ","_",date1)
ta = atm2015$var$ta
nc_data = list.files(wd,pattern = ".nc")
nc_data
for (i in nc_data)
{
nc_raster <- brick(i,varname = "ta")
for(j in 1:123) #因为此数据ta变量有123个波段
{
writeRaster(nc_raster[[j]],filename = date2[[j]], format = "GTiff",
overwrite=TRUE, dataType='INT2S')
}
print(paste(i,'转换tif成功,你太棒了!'))
}
#可视化
ta1 <- raster("D:/Rdata/nc/2015-01-01_06_00_00.tif")
crs(ta1)
# CRS arguments: +proj=longlat +datum=WGS84 +no_defs
plot(ta1)
欢迎关注个人公众号GeoSuper
