WRF兰伯特等角圆锥如何转换为纬度/经度图偏移

Question

我尝试将Lambert保形坐标转换为经度/纬度（WGS84），并且使用了wgrib2，但是结果存在偏见。

命令：

wgrib2 "mypath" -match "10m...." -new_grid_winds grid -new_grid_interpolation neighbor -new_grid latlon 108:129:0.25 16:65:0.25 "outputpath"

结果：

它应该是这样的（来自windy.com）

抓取文件：

Grib2 file

Grib2json file

Answer 1

我认为初始grib文件中可能存在一些缺陷。我使用wgrib2将grib文件转换为netCDF，然后使用Python进行了一些绘图，结果效果不佳。

问题是，当我绘制温度图并将其与风矢量重叠时，看起来还不错。问题是，当我也添加海岸线时，我看到台湾岛以及主要大陆的位置与从数据库中提取的海岸线不匹配。

因此，我认为初始gribfile中存在一些问题-坐标（开始和终点或步骤）不是很好，并且写入netCDF的坐标不正确。

我的代码在这里，如果有兴趣的话：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
from netCDF4 import Dataset
import json
# -------------------------------
# read the json file:
with open('2018091312.json','r') as f:
    data = json.load(f)
# -------------------------------
lo1,lo2,la1,la2 = 108,142.75,16,23.75
dx,dy=0.25,0.25
nx,ny=140,32
udata=np.array(data[0]['data'],dtype='float32');udata=np.reshape(udata,(ny,nx));
vdata=np.array(data[1]['data'],dtype='float32');vdata=np.reshape(vdata,(ny,nx));
londata=np.arange(lo1,lo2+dx,dx);
latdata=np.arange(la1,la2+dy,dy);
londata,latdata=np.meshgrid(londata,latdata)
# -------------------------------
# -------------------------------
ncin=Dataset('test.nc');
lons=ncin.variables['longitude'][:];
lats=ncin.variables['latitude'][:];
u10=np.squeeze(ncin.variables['UGRD_10maboveground'][:])
v10=np.squeeze(ncin.variables['VGRD_10maboveground'][:])
t2=np.squeeze(ncin.variables['TMP_surface'][:])
ncin.close();
# -------------------------------
xlim=(np.min(lons),np.max(lons));
ylim=(np.min(lats),np.max(lats));
# -------------------------------
plt.figure(figsize=(8, 8))
m = Basemap(projection='cyl', resolution='i',
            llcrnrlat=ylim[0], urcrnrlat=ylim[1],
            llcrnrlon=xlim[0], urcrnrlon=xlim[1], )
xx,yy=m(lons,lats);
m.pcolormesh(lons,lats,t2,vmin=273.,vmax=300.);
skipx=skipy=16
m.quiver(xx[::skipy,::skipx],yy[::skipy,::skipx],u10[::skipy,::skipx],v10[::skipy,::skipx],scale=20.0,units='inches');
# ------------------------------------------
plt.savefig('test_withoutland.png',bbox_inches='tight')
m.drawcoastlines()
m.drawlsmask(land_color = "#ddaa66")
plt.savefig('test_withland.png',bbox_inches='tight')
plt.show()
# ------------------------------------------
skipx,skipy=2,2
plt.figure(figsize=(8, 8))
m = Basemap(projection='cyl', resolution='i',
            llcrnrlat=ylim[0], urcrnrlat=ylim[1],
            llcrnrlon=xlim[0], urcrnrlon=xlim[1], )
xx,yy=m(londata,latdata);
m.pcolormesh(lons,lats,t2,vmin=273.,vmax=300.);
m.quiver(xx[::skipy,::skipx],yy[::skipy,::skipx],udata[::skipy,::skipx],vdata[::skipy,::skipx],scale=20.0,units='inches');
# ------------------------------------------
m.drawcoastlines()
m.drawlsmask(land_color = "#ddaa66")
plt.savefig('test_json.png',bbox_inches='tight')
plt.show()

结果看起来像这样（对JSON文件的测试）：

从grib到newCDF的转换，我是这样的：

wgrib2 M-A0064-000.grb2 -netcdf test.nc

Answer 2

在进行重新投影时，需要牢记WRF LCC中的一些怪异定义。该网站（非附属）使用python详细介绍了其中的大部分信息。

https://fabienmaussion.info/2018/01/06/wrf-projection/