دانلود داده تغییرات آب و هوایی (2006 - 2096) روزانه از NCCS ناسا با پایتون

۳۰ فروردين ۹۸ ، ۲۳:۰۹ نويسنده: بهزاد سرهادی

بسیاری از مدل های گردش جهانی (GCMs) با داده های تاریخی و آینده بارش، حداکثر دما و دمای حداقل برای سناریوهای مختلف وجود دارند. داده ها در زمانبندی روزانه از سرورهای خاص در دسترس هستند، در این آموزش ویژگی های اصلی NASCAR THCSDS Data Server را نشان می دهیم که مجموعه داده های روزانه پیش بینی شده جهانی (NEX-GDDP) را فراهم می کند که دارای دو نوع از چهار گاز گلخانه ای سناریوهای انتشار داده ها از این مجموعه داده ها از 1950 تا 2100 در گذشته و آینده با قطعنامه های فضایی 0.25 درجه (~ 25 در 25 کیلومتر) جدا شده است. این آموزش قسمت های اصلی وب سرور و اسکریپت ها را در پایتون نشان می دهد تا نزدیکترین سلول مدل را پیدا کند و به صورت گروهی از پرونده ها به صورت مجدد دانلود کند.

لینک NCCS THREDDS ناسا سرور داده از اینجا

کد پایتون:

### Import required packages

get_ipython().magic('matplotlib inline')

import matplotlib.pyplot as plt

import re

import urllib.request

import numpy as np

from datetime import datetime, timedelta

# ## Define GCM cell close to location

def find_nearest_cell(array,value):

idx = (np.abs(array-value)).argmin()

return idx

latarray = np.linspace(-89.875,89.875,720)

lonarray = np.linspace(0.125,359.875,1440)

huancayo = (-12.06513, 360-75.20486) #notice longuitude must be on degrees east

celllatindex = find_nearest_cell(latarray,huancayo[0])

celllonindex = find_nearest_cell(lonarray,huancayo[1])

print(celllatindex,celllonindex)

# ## Define begin and end date of GCM simulation

zerodate = datetime(1850,1,1)

zerodate.isoformat(' ')

begindate = zerodate + timedelta(days=56978.5)

begindate.isoformat(' ')

enddate = zerodate + timedelta(days=89850.5)

enddate.isoformat(' ')

# ## Get data from the NCCS server by 5000 records

# We divide the request by groups of 5000 records because the server do not provide all the records.

intervals=[[0,4999],[5000,9999],[10000,14999],[15000,19999],[20000,24999],[25000,29999],[30000,34674]]

#empty array for ppt and time

pptlist = []

daylist = []

for interval in intervals:

fp = urllib.request.urlopen("https://dataserver.nccs.nasa.gov/thredds/dodsC/bypass/NEX-GDDP/bcsd/rcp45/r1i1p1/pr/CSIRO-Mk3-6-0.ncml.ascii?pr["+str(interval[0])+":1:"+str(interval[1])+"]["+str(celllatindex)+":1:"+str(celllatindex)+"]["+str(celllonindex)+":1:"+str(celllonindex)+"]")

# In case of Historic Data, from 1949 to 2005

# fp = urllib.request.urlopen("https://dataserver.nccs.nasa.gov/thredds/dodsC/\

#bypass/NEX-GDDP/bcsd/historical/r1i1p1/pr/CSIRO-Mk3-6-0.ncml.ascii?pr\

#["+str(interval[0])+":1:"+str(interval[1])+"]\

#["+str(celllatindex)+":1:"+str(celllatindex)+"]\

#["+str(celllonindex)+":1:"+str(celllonindex)+"]")

mybytes = fp.read()

mystr = mybytes.decode("utf8")

fp.close()

lines = mystr.split('\n')

breakers = []

breakerTexts = ['pr[time','pr.pr','pr.time']