0

OMI（臭氧监测仪）测量二氧化氮（NO2）、臭氧（O3）等关键空气质量成分。我在这里下载的每日columnO3文件代表了对流层臭氧柱浓度的全球分布。

该文件的大小约为 90Mb。任何有兴趣的人都可以下载其中任何一个。

数据以 (15, 720, 1440) 的形式上传到这里

  • 15 是候选场景的数量
  • 1440 是 X 维度，经度 [-180:180] 从左到右
  • 720 是 Y 维度，纬度 [-90:90] 从下到上

使用 h5py和matplotlib.basemap，这是我的尝试： 

import h5py
import numpy as np
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import sys

file = h5py.File("OMI-Aura_L2-OMNO2_2016m0529t1759-o63150_v003-2016m0531t023832.he5", 'r')
dataFields=file['HDFEOS']['GRIDS']['ColumnAmountNO2']['Data Fields']
SDS_NAME='ColumnAmountNO2'
data=dataFields[SDS_NAME]
map_label=data.attrs['Units'].decode()

fv=data.attrs['_FillValue']
mv=data.attrs['MissingValue']
offset=data.attrs['Offset']
scale=data.attrs['ScaleFactor']

lat=dataFields['Latitude'][:][0]
min_lat=np.min(lat)
max_lat=np.max(lat)
lon=dataFields['Longitude'][:][0]
min_lon=np.min(lon)
max_lon=np.max(lon)     

dataArray=data[:][1]
dataArray[dataArray==fv]=np.nan
dataArray[dataArray==mv]=np.nan
dataArray = scale * (dataArray - offset)    

fig = plt.figure()
data_mask = np.ma.masked_array(data[0], np.isnan(data[0]))
m = Basemap(projection='cyl', resolution='l',llcrnrlat=-90, urcrnrlat = 90,llcrnrlon=-180, urcrnrlon = 180)
m.drawcoastlines(linewidth=0.5)
m.drawparallels(np.arange(-90., 120., 30.), labels=[1, 0, 0, 0])
m.drawmeridians(np.arange(-180, 180., 45.), labels=[0, 0, 0, 1])
my_cmap = plt.cm.get_cmap('gist_stern_r')
my_cmap.set_under('w')
m.pcolormesh(lon, lat, data_mask,latlon=True, cmap=my_cmap)
cb = m.colorbar()
cb.set_label(map_label)
plt.autoscale()
plt.show()

如图所示：

在此处输入图像描述

使用Panoply，候选为 0，如图所示：

在此处输入图像描述

我的问题

  • 如何设置候选场景代表每日的全球分布（候选场景是什么意思？是否对应轨道轨迹？）

  • 我的代码有什么问题，没有显示正确的数字

我的目标

下图截自网络。这就是我的目标风格！

任何建议或教程指南将不胜感激！

在此处输入图像描述

4

1 回答 1

1

和变量Latitude也Longitude有缺失值，即 -1.2676506e+30，因此会导致图中的 xrange 和 yrange 较大。另外，请注意_FillValue和MissingValue属性是列表，因此您用 NaN 替换出错了。

import h5py
import numpy as np
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import sys

def array_with_nans(h5var):
    """ Extracts the array and replaces fillvalues and missing values with Nans
    """
    array = h5var[:] # not very efficient

    # _FillValue and MissingValue attributes are lists
    for value in h5var.attrs['MissingValue']:
        array[array==value]=np.nan

    for value in h5var.attrs['_FillValue']:
        array[array==value]=np.nan

    return array


#file = h5py.File("OMI-Aura_L2-OMNO2_2016m0529t1759-o63150_v003-2016m0531t023832.he5", 'r')
file = h5py.File("OMI-Aura_L2G-OMNO2G_2004m1001_v003-2012m0714t175148.he5", 'r')
dataFields=file['HDFEOS']['GRIDS']['ColumnAmountNO2']['Data Fields']
SDS_NAME='ColumnAmountNO2'
data=dataFields[SDS_NAME]
map_label=data.attrs['Units'].decode()

offset=data.attrs['Offset'][0]
print("offset: {}".format(offset))
scale=data.attrs['ScaleFactor'][0]
print("scale: {}".format(scale))

candidate = 0

dataArray=array_with_nans(data)[candidate]    
dataArray = scale * (dataArray - offset) 

lat = array_with_nans(dataFields['Latitude'])[candidate]
lon = array_with_nans(dataFields['Longitude'])[candidate]

fig = plt.figure()
data_mask = np.ma.masked_array(dataArray, np.isnan(dataArray))


m = Basemap(projection='cyl', resolution='l',llcrnrlat=-90, urcrnrlat = 90,llcrnrlon=-180, urcrnrlon = 180)
m.drawcoastlines(linewidth=0.5)
m.drawparallels(np.arange(-90., 120., 30.), labels=[1, 0, 0, 0])
m.drawmeridians(np.arange(-180, 180., 45.), labels=[0, 0, 0, 1])
my_cmap = plt.cm.get_cmap('gist_stern_r')
my_cmap.set_under('w')
m.pcolormesh(lon, lat, data_mask,latlon=True, cmap=my_cmap)
cb = m.colorbar()
cb.set_label(map_label)
plt.autoscale()
plt.show()

最好每个帖子只问一个问题，你不太可能得到关于候选场景意味着什么的答案。您可以在产品文档中找到答案

于 2016-06-15T21:53:56.787 回答