Micaps_MDFS

一个解码MICAPS4分布式数据环境中的数据文件(MDFS)的小程序，支持站点数据和网格数据的解码。

使用方法

站点数据：

from mdfs import Station
import matplotlib.pyplot as plt
import matplotlib.colors as ccolor
import matplotlib.cm as cmx
import cartopy.crs as ccrs
import cartopy.feature as cfeature

x = Station(r'D:\20181028160000.000')
lon = x.data['Lon'] # 经度
lat = x.data['Lat'] # 纬度
var = x.data[603] # 气象要素

cm = plt.get_cmap('jet')
cNorm = ccolor.Normalize(vmin=min(var), vmax=max(var))
scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=cm)
c = scalarMap.to_rgba(var)
ax = plt.axes(projection=ccrs.PlateCarree())
ax.scatter(lon, lat, s=5, c=c)
ax.coastlines(resolution='10m')
ax.add_feature(cfeature.BORDERS)
plt.show()

Station类含有的属性： data_dsc：描述信息 level：数据层面 level_dsc：层面描述信息 utc_time：数据时间（世界时），为datetime.datetime类型 data：主体数据，为dict类型，含有的键值有ID（站号），Lon（经度），Lat（纬度）以及数据里对应的物理量数据的编号（见dtype_link.xml）

由于站点类型数据是变长字节存储，纯Python实现的版本效率较低。station.pyx是cython实现的效率更高的版本，里面的cStation类是等效于mdfs.py里的Station类的，并且cStation类实现了to_dataframe方法，操作更为方便。

编译station.pyx

python compile.py build_ext --inplace

网格数据：

from mdfs import Grid
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature
import metpy.calc as mpcalc
from metpy.units import units
filepath = r'D:\18110408.000'
f = Grid(filepath)
lon = f.data['Lon'] # 经度
lat = f.data['Lat'] # 纬度 PS:均为一维数组，使用前需np.meshgrid
norm = f.data['Norm'] # 向量数据中的模长
dir = f.data['Direction'] # 向量数据中的角度
u, v = mpcalc.wind_components(norm * units('m/s'), dir * units.degree)
ax = plt.axes(projection=ccrs.PlateCarree())
ax.streamplot(lon, lat, u, v, density=3)
ax.coastlines(resolution='10m')
ax.add_feature(cfeature.BORDERS)
plt.show()

Grid类含有的属性： datatype：文件类别 model_name：模式名称 element：物理量名称 data_dsc：描述信息 level：数据层面 utc_time：数据时间（世界时），为datetime.datetime类型 data：主体数据，为dict类型，具体见例子中的注释