Herbie：轻松获取多家数值天气预报模型数据

用户11172986

发布于 2025-02-12 15:44:24

14100

代码可运行

文章被收录于专栏：气python风雨气python风雨

运行总次数：0

代码可运行

Herbie：轻松获取多家数值天气预报模型数据 🌦️

摘要

Herbie 是一个 Python 包，用于从不同的云存档源下载最近和存档的数值天气预报（NWP）模型输出。NWP 数据以 GRIB2 格式分发，Herbie 使用 xarray 和 cfgrib 读取这些数据。Herbie 还提供了一些额外的功能，帮助用户可视化和提取数据。

下面将展示简单介绍该库功能，并实战下载HRRR数据与可视化

环境设置

安装依赖

!pip install herbie-data  -i https://pypi.mirrors.ustc.edu.cn/simple/

支持的数据源

Herbie 可以帮助你发现、下载和读取以下模型的数据：

高分辨率快速刷新（HRRR）| HRRR-阿拉斯加
快速刷新（RAP）
全球预报系统（GFS）
全球集合预报系统（GEFS）
ECMWF 开放数据预报（IFS 和 AIFS）
海军全球环境模型（NAVGEM）
北美中尺度模型（NAM）
国家模型混合（NBM）
快速刷新预报系统（RRFS）原型
实时/无限制中尺度分析（RTMA/URMA）
飓风分析和预报系统（HAFS）
高分辨率确定性预测系统（HRDPS）

这些数据大多通过 NOAA 开放数据传播（NODD）计划提供，使得天气数据比以往任何时候都更容易获取。

安装

使用 Conda 安装

最简单的安装方式是通过 conda-forge 安装 Herbie 及其依赖项：

conda install -c conda-forge herbie-data

使用环境文件安装

你也可以使用提供的 Conda 环境文件 environment.yml 来创建环境：

# 下载环境文件  
wget https://github.com/blaylockbk/Herbie/raw/main/environment.yml  

# 创建环境  
conda env create -f environment.yml  

# 激活环境  
conda activate herbie

使用 pip 安装

Herbie 也可以通过 PyPI 安装，但需要手动安装一些依赖项：

Python 3.9+
cURL
eccodes（cfgrib 的依赖项）
可选：wgrib2

安装依赖项后，可以使用 pip 安装 Herbie：

# 安装最新发布版本  
pip install herbie-data  

# 或者安装最新开发版本  
pip install git+https://github.com/blaylockbk/Herbie.git  

# 安装额外功能的依赖项  
pip install herbie-data[extra]

功能

从不同数据源搜索模型输出。
下载完整的 GRIB2 文件。
下载子集 GRIB2 文件（按 grib 字段）。
使用 xarray 读取数据。
使用 Pandas 读取索引文件。
额外功能（Herbie xarray 访问器）：
- 提取某一点的数据
- 获取 Cartopy 坐标参考系统
- 使用 Cartopy 绘制数据（早期开发阶段）。

示例代码

from herbie import Herbie  

# 创建 HRRR 模型 6 小时地面预报产品的 Herbie 对象  
H = Herbie(  
'2021-01-01 12:00',  
  model='hrrr',  
  product='sfc',  
  fxx=6
)  
# 查看文件内容  
H.inventory()  

# 下载完整的 GRIB2 文件  
H.download()  

# 下载子集，例如所有 500 mb 的字段  
H.download(":500 mb")  

# 使用 xarray 读取子集，例如 2 米温度  
H.xarray("TMP:2 m")

 ╭─[48;2;255;255;255m[38;2;136;33;27m▌[0m[38;2;12;53;118m[48;2;240;234;210m▌[38;2;0;0;0m[1mHerbie[0m─────────────────────────────────────────────╮
 │ INFO: Created a default config file.                 │
 │ You may view/edit Herbie's configuration here:       │
 │ [38;2;255;153;0m       /home/mw/.config/herbie/config.toml        [0m   │
 ╰──────────────────────────────────────────────────────╯

✅ Found ┊ model=hrrr ┊ [3mproduct=sfc[0m ┊ [38;2;41;130;13m2021-Jan-01 12:00 UTC[92m F06[0m ┊ [38;2;255;153;0m[3mGRIB2 @ aws[0m ┊ [38;2;255;153;0m[3mIDX @ aws[0m
👨🏻‍🏭 Created directory: [/home/mw/data/hrrr/20210101]

读取并可视化数据

!ls /home/mw/data/hrrr/20210101

hrrr.t12z.wrfsfcf06.grib2  subset_8fb2be61__hrrr.t12z.wrfsfcf06.grib2

import xarray as xr
ds = xr.open_dataset('/home/mw/data/hrrr/20210101/hrrr.t12z.wrfsfcf06.grib2',engine ='cfgrib',
                                    filter_by_keys={'stepType': 'instant', 'typeOfLevel': 'surface'})
print(ds)

<xarray.Dataset> Size: 305MB
Dimensions:     (y: 1059, x: 1799)
Coordinates:
    time        datetime64[ns] 8B ...
    step        timedelta64[ns] 8B ...
    surface     float64 8B ...
    latitude    (y, x) float64 15MB ...
    longitude   (y, x) float64 15MB ...
    valid_time  datetime64[ns] 8B ...
Dimensions without coordinates: y, x
Data variables: (12/36)
    vis         (y, x) float32 8MB ...
    gust        (y, x) float32 8MB ...
    sp          (y, x) float32 8MB ...
    orog        (y, x) float32 8MB ...
    t           (y, x) float32 8MB ...
    cnwat       (y, x) float32 8MB ...
    ...          ...
    cfnsf       (y, x) float32 8MB ...
    vbdsf       (y, x) float32 8MB ...
    vddsf       (y, x) float32 8MB ...
    blh         (y, x) float32 8MB ...
    lsm         (y, x) float32 8MB ...
    siconc      (y, x) float32 8MB ...
Attributes:
    GRIB_edition:            2
    GRIB_centre:             kwbc
    GRIB_centreDescription:  US National Weather Service - NCEP
    GRIB_subCentre:          0
    Conventions:             CF-1.7
    institution:             US National Weather Service - NCEP
    history:                 2025-02-09T11:34 GRIB to CDM+CF via cfgrib-0.9.1...

import cmaps
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
from cartopy.io.shapereader import BasicReader
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
# 创建绘图对象
fig, ax = plt.subplots(figsize=(18, 4), subplot_kw={'projection': ccrs.PlateCarree()},dpi=200)

gl = ax.gridlines(crs=ccrs.PlateCarree(), draw_labels=True, linewidth=1.2, color='gray', alpha=0.5, linestyle='--')
gl.top_labels = False
gl.right_labels = False
gl.xformatter = LONGITUDE_FORMATTER
gl.yformatter = LATITUDE_FORMATTER
# 绘制要素分布
im = ax.contourf(ds.longitude , ds.latitude , ds.sp, levels=10, cmap=cmaps.WhiteBlue,
                 transform=ccrs.PlateCarree())
# 添加标题
ax.set_title('HRRR SP')
# 增加地图
ax.coastlines(resolution='50m', lw=0.5)
ax.add_feature(cfeature.OCEAN.with_scale('50m'))
ax.add_feature(cfeature.LAND.with_scale('50m'))
#色标
cax = fig.add_axes([0.7, 0.1, 0.02, 0.6])
cbar = fig.colorbar(im,  cax=cax, orientation='vertical', shrink=0.8, pad=0.05)
cbar.set_label('sp')
plt.show()