NetCDF文件是自描述的二进制数据格式。所谓自描述就是自带属性信息，这和一般的雷达基数据格式不同，一般的雷达数据也是二进制的，但不是自描述的，而是需要额外的数据格式文档来说明数据格式，而NetCDF文件中包含了描述变量和维度的元数据信息。通常包含以下三个部分：

维度

变量

属性

维度部分记录的是每个变量的维度名及长度，而变量包含了维度，属性(如数据单位)信息及变量的值。属性部分包含了一些额外信息，比如文件创建者等。

很多工具都可以处理NetCDF文件，比如MATLAB，Python，NCL，GrADS，CDO，NCO，Panoply等等。这里主要讲一下如何利用MATLAB，Python，NCL处理NetCDF文件。

Python

python中有多个库提供了处理NetCDF文件的功能，比如专门处理nc数据的netCDF4-python，scipy，osgeo，PyNIO(Linux)等。

netCDF4-python

使用 netCDF4-python处理nc数据是非常方便的，而且其提供了非常多的功能，并且正在不断的完善。关于netCDF4-python库的介绍，之前已经提到了 netcdf4-python 模块详解，还有这里这里使用 Cartopy 和 netCDF4 可视化 WRF 模式数据

下面以一个例子来讲述一下如何处理nc数据：

# 加载库

import netCDF4 as nc

data = nc.Dataset('wrfout_v2_Lambert.nc', 'r')

# 输出文件中变量

print(data.variables.keys())

# 读取变量

lon = data.variables['XLONG']

lat = data.variables['XLAT']

sst = data.variables['SST']

## 通过指定索引获取变量部分数据

# lon = data.variables['XLONG'][1, :, :]

# lat = data.variables['XLAT'][1, :, :]

# sst = data.variables['SST'][1, :, :]

scipy

scipy 库中的io模块同样提供了 netcdf 文件处理方法，其所使用的外部模块和 netCDF4-python 使用的相同，都不需要使用 Unidata 提供的 netcdf C库。

import scipy.io as spio

data = spio.netcdf_file('wrfout_v2_Lambert.nc', 'r')

# data = spio.netcdf.netcdf_file('wrfout_v2_Lambert.nc', 'r')

# 输出文件中变量信息

data.variables.keys()

Out[95]: dict_keys(['SFROFF', 'DN', 'SH2O', 'TMN', 'UDROFF', 'RDY', 'ITIMESTEP', 'HGT', 'RDX', 'PSFC', 'W', 'V', 'MU', 'QVAPOR', 'SMOIS', 'CF1', 'MAPFAC_U', 'HFX', 'DNW', 'SINALPHA', 'QFX', 'SNOWC', 'PB', 'CFN1', 'VEGFRA', 'MAPFAC_V', 'EPSTS', 'XLONG', 'F', 'XICE', 'COSALPHA', 'E', 'P_TOP', 'ZNW', 'QRAIN', 'SST', 'TSLB', 'RDNW', 'XLAND', 'RAINC', 'SNOW', 'U', 'FNM', 'LANDMASK', 'MAPFAC_M', 'ZNU', 'ZETATOP', 'PHB', 'SNOWH', 'TH2', 'Q2', 'RDN', 'QCLOUD', 'DZS', 'V10', 'RESM', 'TSK', 'CF3', 'RAINNC', 'XLAT', 'GLW', 'ISLTYP', 'P', 'PH', 'T', 'CANWAT', 'IVGTYP', 'CFN', 'CF2', 'MUB', 'LU_INDEX', 'Times', 'FNP', 'SWDOWN', 'PBLH', 'GRDFLX', 'T2', 'U10', 'LH', 'ZS'])

# 读取变量数据，获取变量数据的方式和 netCDF4-python 相同

lon = data.variables['XLONG']

lat = data.variables['XLAT']

sst = data.variables['SST']

osgeo.gdal 模块

# 加载模块

from osgeo import gdal

# 读取方式略有不同

#  'NETCDF:'' + filename + '':Varname'

lon = gdal.Open('NETCDF:''+ 'wrfout_v2_Lambert.nc' + '':XLONG')

lat = gdal.Open('NETCDF:''+ 'wrfout_v2_Lambert.nc' + '':XLAT')

sst = gdal.Open('NETCDF:''+ 'wrfout_v2_Lambert.nc' + '':SST')

但是按照上述方式读取出变量之外，无法直接用于绘图和其他处理，因为变量类型和之前的方法输出的变量类型不同：

type(lon)

Out[106]: osgeo.gdal.Dataset

获取数据可以通过以下方式：

# 获取变量数据

lon_value = lon.ReadAsArray()

lon_value.shape

Out[111]: (13, 60, 73)

type(lon_value)

Out[112]: numpy.ndarray

获取变量数据后，得到的数组同样是 numpy.ndarray 数组。

MATLAB

matlab中提供了处理netcdf文件的包，但是只有2011年之后的版本内置了改包。

读取数据之前，可以先查看以下文件中包含了哪些信息：

ncinfo('F:\wrfout_v2_Lambert.nc');

数据信息为结构体，其中包含了各维度信息，包含的变量及属性等信息。Format 表示文件格式为 classic netcdf文件。

知道变量信息之后就可以读取变量了：

lon = ncread('F:\wrfout_v2_Lambert.nc', 'XLONG');

lat = ncread('F:\wrfout_v2_Lambert.nc', 'XLAT');

sst = ncread('F:\wrfout_v2_Lambert.nc', 'SST');

读取数据之后，在变量空间可以查看关于变量的一些信息，比如维度大小。

NCL

ncl处理netcdf文件的方法同样非常简单，这里仅简单介绍一下：

data = addfile('wrfout_v2_Lambert.nc', 'r')

lon = data->XLONG

lat = data->XLAT

sst = data->SST

; 当然也可以通过索引获取部分数据

lon = data->XLONG(1, :, :)

lat = data->XLAT(1, :, :)

sst = data->SST(1, :, :)

以上三种方法均可以处理netcdf文件，根据不同的需要使用不同的方法。此节仅记录了怎么读netcdf文件，关于如何写netcdf文件下次再说。

除了上述三种工具之外，CDO和NCO在处理netcdf文件时有时会非常有用，关于这两部分的介绍有空再说。