Ce module fournit un mécanisme de conversion entre les formats de fichiers FSTD et netCDF, via Python ou la ligne de commande.
La façon plus simple d'installer est d'utiliser pip:
pip install fstd2nc
Ou, de conda:
conda install fortiers::fstd2nc
python -m fstd2nc [options] <fichier(s) d'entrée> <fichier de sortie>
arguments optionnel:
-h, --help afficher ce message d'aide et quitter
--version afficher le numéro de version du programme et quitter
--no-progress Désactiver la barre de progression.
-q, --quiet N'afficher pas quelque information moins les messages
d'erreur critiques. Implique --no-progress
--serial Désactiver le multithreading/multitraitement. Utile
pour les machines à ressources limitées.
--minimal-metadata Ne pas inclure les attributs d'enregistrement internes
et d'autres informations internes dans les métadonnées
de sortie. Ceci est la comportement par défaut.
--internal-metadata, --rpnstd-metadata
Inclure tous les attributs d'enregistrement internes
dans les métadonnées de sortie.
--metadata-list nomvar,..., --rpnstd-metadata-list nomvar,...
Spécifier un ensemble minimal d'attributs
d'enregistrement internes à inclure dans le fichier de
sortie.
--ignore-typvar Indique au convertisseur d'ignorer la typvar lorsqu'il
décide si deux enregistrements font partie du même
champ. Le défaut est de diviser la variable sur
différents typvars.
--ignore-etiket Indique au convertisseur d'ignorer l'etiket lorsqu'il
décide si deux enregistrements font partie du même
champ. Le défaut est de diviser la variable sur
différents etikets.
--vars VAR1,VAR2,... Liste de variables séparées par des virgules à
convertir. Par défaut, toutes les variables sont
converties.
--fill-value FILL_VALUE
La valeur de remplissage à utiliser pour les données
masquées (manquantes). Enregistré en tant qu'attribut
'_FillValue' dans les métadonnées. Le défaut est
'1e+30'.
--datev, --squash-forecasts
Utiliser la date de validité pour l'axe "time". Ceci
est le défaut.
--dateo, --forecast-axis
Utiliser la date d'analyse d'origine pour l'axe
temporel, et placer les heurs de prévision dans un axe
"forecast" séparé.
--accum-vars NOM,NOM,...
Spécifier les champs à traiter comme des quantités
cumulées (en utilisant IP3 comme période de cumul).
--ensembles Rassembler différentes etikets pour la même variable
ensemble dans une axe "ensemble".
--profile-momentum-vars VAR1,VAR2,...
Liste de variables séparées par des virgules qui
utilisent des niveaux thermodynamiques.
--profile-thermodynamic-vars VAR1,VAR2,...
Liste de variables séparées par des virgules qui
utilisent des niveaux momentum.
--missing-bottom-profile-level
Supposer que le niveau final des données de profil est
manquant.
--vardict VARDICT Utiliser les métadonnées du dictionnaire de variables
spécifié (format XML).
--opdict Similaire à ce qui précéde, mais utilise le
dictionnaire opérationnel standard CMC-RPN.
--sfc-agg-vars NOM,NOM,...
Définir des champs d'agrégats de surface additionnel.
--soil-depths SOIL_DEPTHS
Définir des profondeurs personnalisée pour les champs
de sol (WSOL,ISOL). Les défauts sont
0.05,0.1,0.2,0.4,1.0,2.0,3.0.
--strict-vcoord-match
Exiger que les paramètres IP1/IP2/IP3 de la coordonnée
verticale correspondent aux paramètres IG1/IG2/IG3 du
champ afin d'être utilisés. La comportement par défaut
est d'utiliser l'enregistrement vertical de toute
façon s'il est le seul dans le fichier.
--diag-as-model-level
Traiter les données diagnostic (près de la surface)
comme niveau de modèle '1.0'. Ceci est la comportement
par défaut.
--split-diag-level Placer les données diagnostic (près de la surface)
dans une variable séparée, loin de la sortie du modèle
3D.
--ignore-diag-level Ignorer les données sur la hauteur diagnostique (près
de la surface).
--only-diag-level Utiliser seulement la hauteur diagnostique (près de la
surface), en ignorant les autres niveaux
atmosphériques.
--thermodynamic-levels, --tlev
Convertir seulement les données qui se trouvent sur
des niveaux verticaux 'thermodynamiques'.
--momentum-levels, --mlev
Convertir seulement les données qui se trouvent sur
des niveaux verticaux 'momentum'.
--vertical-velocity-levels, --wlev
Convertir seulement les données qui se trouvent sur
des niveaux 'vitesse verticale'.
--subgrid-axis Pour les données sur les 'supergrids', divisez les
grilles sur une axe "subgrid". Le défaut est garder
les sous-grilles ensemble comme elles sont dans le
fichier RPN.
--keep-LA-LO Inclure les enregstrement LA et LO, même s'ils
semblent redondants.
--no-adjust-rlon Pour les grilles tournées, n'ajustez PAS la coordonnée
rlon pour conserver la plage entre -180..180. Utilise
la plage que vient de librmn.
--bounds Inclure les limites des cellules de grille dans la
sortie.
--filter CONDITION Sous-ensemble d'enregistrements fichier standard RPN
en utilisant les critères donnés. Par exemple, pour
convertir seulement les prévisions sur 24 heures, vous
pouvez utiliser --filter ip2==24. Les attributs de
chaîne doivent être mettre guillemets, par ex.
--filter etiket=='ICETHICKNESS'.
--exclude NOM,NOM,...
Exclure quelque axes, attributs, ou variables dérivées
de la sortie. Par exemple, l'exclusion de
'leadtime,reftime' peut aider les outils netCDF qui ne
reconnaissent pas leadtime et reftime comme des
coordonnées valides. Notez que les axes ne seront
exclus que s'ils ont une longueur de 1.
--yin Sélectionner la première sous-grille d'une super
grille.
--yang Sélectionner la deuxième sous-grille d'une super
grille.
--crop-to-smallest-grid
Couper les grilles au domaine plus petit (noyau
interne) pours les sorties LAM.
--extended-metadata Ajouter des métadonnées étendues aux variables
(données fst24 seulement).
--metadata-file METADATA_FILE
Utiliser les métadonnées du fichier spécifié.
--rename OLDNAME=NEWNAME,...
Appliquer les changes de nom spécifiés aux variables.
--conventions CONVENTIONS
Définir l'attribut "Conventions" pour le fichier
netCDF. Le défaut est "CF-1.6". Notez que cela n'a
aucun effet sur la structure du fichier.
--no-conventions Omettre entièrement l'attribut "Conventions" du
fichier netCDF.
--time-units {seconds,minutes,hours,days}
Les unités de l'axe du temps de sortie. Le défaut est
hours.
--reference-date AAAA-MM-JJ
La date de référence pour l'axe de temps de sortie. Le
défaut est la date de début dans le fichier standard
RPN.
--fstd-compat Ajoute une couche de compatibilité au fichier de
sortie netCDF, qu'il puisse également fonctionner
comme un fichier FSTD valide. EXPÉRIMENTAL.
--msglvl {0,DEBUG,2,INFORM,4,WARNIN,6,ERRORS,8,FATALE,10,SYSTEM,CATAST}
Combien d'informations à imprimer sur stdout pendant
de la conversion. Le défaut est WARNIN
--nc-format {NETCDF4,NETCDF4_CLASSIC,NETCDF3_CLASSIC,NETCDF3_64BIT_OFFSET,NETCDF3_64BIT_DATA}
Quelle variante de netCDF écrire. Le défaut est
NETCDF4.
--zlib Activer la compression pour le fichier netCDF. Ne
Fonctionne que pour les formats NETCDF4 et
NETCDF4_CLASSIC.
--compression COMPRESSION
Niveau de compression du fichier netCDF. Ne utilisé
que si --zlib est specifié. Le défaut est 4.
-f, --force Remplacer le fichier de sortie s'il existe déjà.
--no-history Ne placer pas l'invocation de la ligne de commande
dans les métadonnées netCDF
import fstd2nc
data = fstd2nc.Buffer("myfile.fst")
data.to_netcdf("myfile.nc")Vous pouvez contrôler fstd2nc.Buffer en utilisant des paramètres similaires aux arguments de la ligne de commande. La convention est que --arg-name de la ligne de commande serait passé comme arg_name de Python.
Par exemple:
import fstd2nc
# Sélectionner uniquement les variables TT,HU.
data = fstd2nc.Buffer("myfile.fst", vars=['TT','HU'])
# Définir la date de référence au 1er Jan 2000 dans le fichier netCDF.
data.to_netcdf("myfile.nc", reference_date='2000-01-01')Pour les conversions plus compliquées, vous pouvez manipulez les données comme un objet xarray.Dataset:
import xarray as xr
# Ouvrir le fichier FSTD.
# Accéder les données comme un objet xarray.Dataset.
dataset = xr.open_dataset("myfile.fst", engine="fstd")
print (dataset)
# Convertir la pression de surface à Pa.
dataset['P0'] *= 100
dataset['P0'].attrs['units'] = 'Pa'
# (Pouvez encoure manipuler le dataset ici)
# ...
# Écrire le résultat final dans netCDF en utilisant xarray:
dataset.to_netcdf("myfile.nc")Vous pouvez interfacer avec iris en utilisant la méthode .to_iris() (requiert iris au moins version 2.0).
Cela vous donnera un objet iris.cube.CubeList:
import fstd2nc
import iris.quickplot as qp
from matplotlib import pyplot as pl
# Ouvrir le fichier FSTD.
data = fstd2nc.Buffer("myfile.fst")
# Accéder les données comme un objet iris.cube.CubeList.
cubes = data.to_iris()
print (cubes)
# Tracer toutes les données (en supposant que nous avons des champs 2D)
for cube in cubes:
qp.contourf(cube)
pl.gca().coastlines()
pl.show()Vous pouvez créer un objet pygeode.Dataset en utilisant la méthode .to_pygeode() (requiert pygeode au moins version 1.2.2)
import fstd2nc
# Ouvrir le fichier FSTD.
data = fstd2nc.Buffer("myfile.fst")
# Accéder les données comme un objet pygeode.Dataset.
dataset = data.to_pygeode()
print (dataset)Vous pouvez charger des données à partir d'une table fstpy en utilisant la méthode .from_fstpy() (requiert fstyp au moins version 2.1.9).
import fstd2nc
import fstpy
table = fstpy.StandardFileReader('myfile.fst').to_pandas()
data = fstd2nc.Buffer.from_fstpy(table)Vous pouvez aussi exporter vers une table fstpy en utilisant la méthode .to_fstpy():
import fstd2nc
table = fstd2nc.Buffer('myfile.fst').to_fstpy()Ce paquet requiert Python-RPN pour lire/écrire des fichiers FSTD, et netcdf4-python pour lire/écrire des fichiers netCDF.
Un dictionnaire de variables utile pour l'option --vardict et disponible ici.
Pour lire un grand nombre de fichiers d'entrée (>100), cet utilitaire peut utiliser pandas pour traiter rapidement l'en-tête d'enregistrement de FSTD.
La méthode Python .to_xarray() requiert les packages xarray et dask.
La méthode Python .to_iris() requiert le paquet iris, ainsi que les dépendances .to_xarray().
La méthode Python .to_pygeode() requiert le paquet pygeode, ainsi que les dépendances .to_xarray().
La méthode Python .to_fstpy() requiert le paquet fstpy (lien interne).