【netCDF】 数据格式理解

一、什么是 netCDF

netCDF（Network Common Data Form）是一种用于存储和共享面向数组的科学数据的文件格式，广泛应用于气象、海洋、地球科学等领域。文件扩展名通常为.nc。

netCDF 数据中存储三种核心数据：

用函数来类比：

v = f(x, y, z) │ └──┬──┘ │ └── 维度：x(经度), y(纬度), z(时间) └── 变量：如降水量、温度等 └── 属性：单位(kg/m²)、缺测值(9999)等

二、netCDF 解决了什么问题

传统 GeoTIFF 格式存储的是二维栅格数据，无法原生描述时间维度。要表示多个时间步的数据，需要多个.tif文件，且时间信息只能靠文件名约定来携带。

netCDF 通过维度定义数据的坐标轴（经度、纬度、时间、高度等），变量存储实际数据，天然支持多维时空数据的组织与查询，便于进行时空分析。

# GeoTIFF 方式：多个独立文件，时间靠文件名约定 precip_2026060800.tif precip_2026060801.tif precip_2026060802.tif ... # netCDF 方式：一个文件内含完整时空数据 precip.nc ├── 维度: lat(321), lon(411), time(24) ├── 变量: precipitation(lat, lon, time) └── 属性: units="kg/m²", _FillValue=-9999

三、netCDF 文件的内部结构

一个 netCDF 文件的逻辑结构如下：

netCDF 文件 ├── 维度 (Dimensions) │ ├── lat_0 — 纬度轴，321 个点 │ ├── lon_0 — 经度轴，411 个点 │ └── time — 时间轴（可选） │ ├── 变量 (Variables) │ ├── lat_0(float) → 属性: units, axis │ ├── lon_0(float) → 属性: units, axis │ └── APCP_P0_L1_GLL0(float, dim=[lat_0, lon_0]) │ └── 属性: units="kg m-2", _FillValue=-9999 │ └── 全局属性 (Global Attributes) ├── Conventions ├── history └── institution

3.1 维度（Dimension）

维度定义了数据在每个方向上的大小。每个维度有一个名称和一个长度。

• 坐标变量（Coordinate Variable）：与维度同名的变量，存储该维度的具体取值。例如维度lat_0有 321 个点，对应的坐标变量存储了38.0, 38.05, 38.10, ..., 54.0的具体纬度值。

3.2 变量（Variable）

变量是 netCDF 中的核心数据载体，由一个或多个维度组成。

示例：APCP_P0_L1_GLL0（累计降水量） 形状：(321, 411) —— 即 321 行 × 411 列的二维数组 维度：lat_0 × lon_0 含义：某一时刻，每个网格点上的降水量

变量的命名通常来自数据生产方的约定，例如 GRIB 格式转换而来的APCP_P0_L1_GLL0表示"累计降水（Accumulated Precipitation）"。

3.3 属性（Attribute）

属性是键值对形式的元数据，用于描述维度、变量或整个文件。

四、在 Python 中解析 netCDF

Python 中一般使用xarray库解析 netCDF 文件。

4.1 基本读取

importxarrayasxr ds=xr.open_dataset("precip.nc")print(ds)

xr.open_dataset()将 netCDF 文件读取为Dataset对象，包含以下组成部分：

4.2 查看数据结构

# 查看维度信息print(ds.dims)# Frozen({'time': 24, 'lat_0': 321, 'lon_0': 411})# 查看坐标值print(ds.coords)# Coordinates:# * lat_0 (lat_0) float32 38.0 38.05 38.1 ... 53.95 54.0# * lon_0 (lon_0) float32 115.0 115.05 ... 135.45 135.5# 查看变量print(ds.data_vars)# Data variables:# APCP_P0_L1_GLL0 (time, lat_0, lon_0) float32 ...# 查看变量属性print(ds["APCP_P0_L1_GLL0"].attrs)# {'units': 'kg m-2', 'long_name': 'Total precipitation', ...}

4.3 数据选取与切片

# 选取某个变量precip=ds["APCP_P0_L1_GLL0"]# 按时间切片precip_t0=precip.isel(time=0)# 按索引选取第 0 个时间步precip_sel=precip.sel(time="2026-06-08")# 按标签选取（按坐标的实际值，如 2026-06-08 这个时间点）# 按空间范围裁剪precip_region=precip.sel(lat_0=slice(38.0,54.0),lon_0=slice(115.0,135.5))# 转为 NumPy 数组arr=precip_t0.values# shape: (321, 411)

4.4 数据清洗

实际业务中，netCDF 数据常包含缺测值或异常值，需要在使用前清洗：

importnumpyasnp# 方式一：通过 _FillValue 自动处理ds=xr.open_dataset("precip.nc")# xarray 会自动将 _FillValue 替换为 NaN# 方式二：手动处理特定缺测值（如 9999 不是标准 _FillValue 时）precip=precip.where(precip!=9999)# 9999 → NaNprecip=precip.where(precip>=0,0)# 负值误差 → 0precip=precip.fillna(0)# NaN → 0（适用于累计场景）

注意：在本项目的降水数据中，9999大量出现但并非_FillValue，必须手动处理，否则累计计算会被严重污染。

4.5 关闭文件

ds.close()# 或使用 with 语句自动关闭withxr.open_dataset("precip.nc")asds:precip=ds["APCP_P0_L1_GLL0"].values

五、netCDF 与其他格式的对比

六、常见 netCDF 变量命名约定

6.1 CF 命名规范（Climate and Forecast）

遵循 CF 规范的 netCDF 文件使用标准化的变量名和属性名：

6.2 GRIB 转换命名

从 GRIB 格式转换而来的 netCDF 文件通常保留 GRIB 风格的命名：

坐标变量也可能命名为lat_0/lon_0而非标准的lat/lon。

七、参考资源

• 【python】xarray(1): netCDF(NC)格式解读与读取 - 知乎](https://zhuanlan.zhihu.com/p/393392465)