python reader agri satpy_Satpy基础系列教程(1)-FY4A AGRI L1数据处理
Satpy[1]目前支持的卫星数据[2]有50种(MSG, Himawari 8, GOES-R, MODIS, Sentinel- 1/2/3/5, SNPP等)。
本文以最近朝曦dawn[3]添加的风云4A(FY4A) AGRI L1数据为例。
Notebook[4]已放在GitHub上，供大家学习。
FY4A AGRI L1数据有两种类别：
1.全圆盘
FY4A-_AGRI--_N_DISK_1047E_L1-_FDI-_MULT_NOM_20190807060000_20190807061459_4000M_V0001.HDF
2.中国区
FY4A-_AGRI--_N_REGC_1047E_L1-_FDI-_MULT_NOM_20190807045334_20190807045750_1000M_V0001.HDF
全圆盘标识：DISK , 中国区标识：REGC.
风云数据链接
1.实时数据[5](30天内)及文档
2.历史数据[6] (2018-03-12 -- )
3.FY4A官方应用平台[7]
安装
推荐通过conda安装，简单快捷。
$ conda install -c conda-forge satpy
定标
FY4A AGRI L1有以下三种定标方式:
1.原始数字量化值 (所有通道)
2.反射率 (C01 - C06)
3.辐射率和亮温 (C07 - C14)
读取数据
只需几行即可读取数据：
import os, globfrom satpy.scene import Scene# 加载FY4A文件filenames = glob.glob('/xin/data/FY4A/20190807/FY4A-_AGRI*4000M_V0001.HDF')# 创建scene对象scn = Scene(filenames, reader='agri_l1')# 查看可用的通道scn.available_dataset_names()
输出结果:
['C01','C02','C03','C04','C05','C06','C07','C08','C09','C10','C11','C12','C13','C14','satellite_azimuth_angle','satellite_zenith_angle','solar_azimuth_angle','solar_glint_angle','solar_zenith_angle']
读取指定通道数据：
# 以红外通道为例ir_channel = 'C12'scn.load([ir_channel])
绘图
全圆盘图
一行命令即可保存或显示图片：
# 保存到文件# scn.save_dataset(ir_channel, \filename='{sensor}_{name}.png')# 在notebook中显示scn.show(ir_channel)
全圆盘真彩色图
首先查看可用的合成选项：
scn.available_composite_names()
输出结果显示，支持真彩图：
['ash','dust','fog','green','green_snow','ir108_3d','ir_cloud_day','natural_color','natural_color_sun','night_background','night_background_hires','overview','overview_sun','true_color']
于是我们可以直接加载真彩色数据并绘图：
# 注：这步需要大内存 (取决于cpu核数)# 可查看FAQ关于内存的讨论：# https://satpy.readthedocs.io/en/latest/faq.htmlcomposite = 'true_color'scn.load([composite])scn.show(composite)# scn.save_dataset(composite, \filename='{sensor}_{name}.png')
特定区域图
以下以台风利奇马为例。
首先，我们需要定义地图投影和区域，然后将数据投影到该区域上。
方式一
用Pyresample[8]来定义区域。
from pyresample import get_area_defarea_id = 'lekima'x_size = 549y_size = 499area_extent = (-1098006.560556, -967317.140452, \1098006.560556, 1026777.426728)projection = '+proj=laea +lat_0=19.0 +lon_0=128.0 +ellps=WGS84'description = "Typhoon Lekima"proj_id = 'laea_128.0_19.0'areadef = get_area_def(area_id, description, proj_id, projection,x_size, y_size, area_extent)
方式二
用coord2area_def.py[9]程序来直接生成区域定义。
比如用python coord2area_def.py lekima_4km laea 10 28 118 138 4，即可得到之前定义的利奇马区域：
lekima_4km:description: lekima_4kmprojection:proj: laeaellps: WGS84lat_0: 19.0lon_0: 128.0shape:height: 499width: 549area_extent:lower_left_xy: [-1098006.560556, -967317.140452]upper_right_xy: [1098006.560556, 1026777.426728]
然后将该定义拷贝到$PPP_CONFIG_DIR/areas.yaml中，即可直接调用。
# 如果你已经添加区域到areas.yaml中,可直接调用:os.environ['PPP_CONFIG_DIR'] = '/yin_raid/xin/satpy_config/'lekima_scene = scn.resample('lekima_4km')# 否则需要使用之前定义的区域:# lekima_scene = scn.resample(areadef)
lekima_scene.show(composite)# lekima_scene.save_dataset(composite, \filename='{sensor}_{name}_resampled.png')
如果想利用自定义的colormap来生成图像(如下图)，请参阅关于enhancement的notebook(正在忍饿赶稿中)。
References
[1] Satpy: https://satpy.readthedocs.io/en/latest/[2] 支持的卫星数据: https://satpy.readthedocs.io/en/latest/index.html#reader-table[3] 朝曦dawn: https://dreambooker.site/[4] Notebook: https://github.com/zxdawn/FY-4/tree/master/satpy/examples[5] 实时数据: https://fy4.nsmc.org.cn/data/en/data/realtime.html[6] 历史数据: http://satellite.nsmc.org.cn/PortalSite/Data/Satellite.aspx[7] FY4A官方应用平台: http://rsapp.nsmc.org.cn/geofy/[8] Pyresample: http://pyresample.readthedocs.org/[9] coord2area_def.py: https://github.com/pytroll/satpy/blob/master/utils/coord2area_def.py