如何重构这个netCDF？

更新：我将文件上传到 dropbox，可以通过此链接下载（我希望这有效，我不经常使用 dropbox）： https://www.dropbox.com/scl/fi/vd0s9g080m8h9fxh7rn9l/IASISND02_20240702161759Z_20240702175655Z_epct_d9f95b34 _F .nc?rlkey=isrwelpr9abbqswr91unrhpkp&st=6hkb5u2l&dl=0

我已经下载了一个netCDF数据集，我用xarray读取它，但它的结构相对复杂，我无法掌握如何以通用格式导入它作为（时间，纬度，经度），以便我可以在地图上绘制相关变量的值。

我将发布一个较短的版本，并在下部部分中向变量添加附加信息，这更多或减少打印所有变量的信息，我认为这些信息与将数据带入一般结构（时间、纬度、长）相关。

简短版本：

我使用 xarray 打开 netcdf 文件|| |这个文件有 77 个变量，我对变量的值感兴趣

netcdf = xr.open_dataset(
    'path/tofile/IASISND02_20240702161759Z_20240702175655Z_epct_d9f95b34_F.nc'
)

： integrated_co2 坐标不是坐标，但似乎是坐标的索引，它们存储在数据集中的两个变量中，名称为“lat”和“lon”。此外，还有两个时间变量。 我认为相关的变量形状是：

print(netcdf.integrated_co2)

# Relevant variables in the netcdf-file:
var_names = [
    "lat",
    "lon",
    "record_start_time",
    "record_stop_time",
    "across_track",
    "along_track",
    "integrated_co2",
]

for var in var_names:
    print(f"{var}: {netcdf[var].shape} ")

和 lat 变量包含以度为单位的坐标， lon 包含从1到742的数字， along_track 包含从1到120的数字，时间变量包含 7.732523e+08 形式的数字。 across_track 我认为，一切都在那里，坐标、时间戳、co2 值，但有点令人困惑，实际形式的坐标是实际坐标的索引。至少这是，它看起来是什么？

如何将这些变量带入 (time,lat,lon) 的一般结构中，以便我能够在 a 上绘制“integrated_co2”的数据地图？

如果有人知道如何重组这些数据，我会很高兴。我是初学者，我已经阅读了很多有关如何使用数据的内容，但还没有找到类似的示例。

以下是相关变量的一些

附加信息 ： to the relevant variables:

print(netcdf.along_track)

print(netcdf.across_track)

print(netcdf.lat)

print(netcdf.lon)

print(netcdf.record_start_time)

print(netcdf.record_stop_time)

可以使用 xarray 和 NumPy 的组合来重构的 netCDF 数据。的数据似乎以沿轨道和跨轨道坐标作为主维度存储，需要使用纬度和经度信息对其进行重新索引。

以下是实现此目标的方法：

import xarray as xr
import numpy as np

# 加载 netCDF 数据
netcdf = xr.open_dataset('IASISND02_20240702161759Z_20240702175655Z_epct_d9f95b34_F.nc')

# 创建新的纬度和经度坐标
lat = np.array(netcdf['lat']).reshape((120, 742))
lon = np.array(netcdf['lon']).reshape((120, 742))

# 使用新的纬度和经度坐标重新索引 integrated_co2 数据
co2 = netcdf['integrated_co2'].values.reshape((75, 120, 742))
co2_reindexed = co2.transpose(0, 1, 2)

# 创建一个新的 xarray 数据集
ds = xr.Dataset(
    {
        'integrated_co2': (('time', 'latitude', 'longitude'), co2_reindexed),
    },
    coords={
        'time': netcdf['record_start_time'].values,
        'latitude': (('latitude', 'longitude'), lat),
        'longitude': (('latitude', 'longitude'), lon),
    },
)

# 现在，应该拥有一个具有 (time, latitude, longitude) 维度的 integrated_co2 数据集
print(ds)

# 可以使用此数据集在地图上绘制 integrated_co2 的值
# 例如，使用 matplotlib 和 cartopy：

import matplotlib.pyplot as plt
import cartopy.crs as ccrs

fig = plt.figure(figsize=(12, 6))
ax = plt.axes(projection=ccrs.PlateCarree())

# 选择要绘制的时间切片
time_index = 0

ds['integrated_co2'][time_index].plot(ax=ax, transform=ccrs.PlateCarree())

ax.coastlines()
plt.show()

这段代码首先从 netCDF 文件中加载数据，然后创建新的纬度和经度坐标，并将 integrated_co2 数据重新索引到新的坐标系中。最后，它创建一个新的 xarray 数据集，其中包含重新索引的数据和新的坐标。

现在，可以使用此新的 xarray 数据集在地图上绘制 integrated_co2 值，或者对其执行任何其他所需的操作。