Herbie 项目使用教程

Herbie 项目使用教程

Herbie Download numerical weather prediction datasets (HRRR, RAP, GFS, IFS, etc.) from NOMADS, NODD partners (Amazon, Google, Microsoft), ECMWF open data, and the University of Utah Pando Archive System. 项目地址: https://gitcode.com/gh_mirrors/her/Herbie

1. 项目介绍

Herbie 是一个 Python 包，用于从不同的云存档源下载最近和存档的数值天气预报（NWP）模型输出。NWP 数据以 GRIB2 格式分发，Herbie 使用 xarray 和 cfgrib 读取这些数据。此外，Herbie 还提供了一些额外的功能，帮助用户可视化和提取数据。

Herbie 支持的数据源包括：

• High Resolution Rapid Refresh (HRRR)
• Rapid Refresh (RAP)
• Global Forecast System (GFS)
• Global Ensemble Forecast System (GEFS)
• ECMWF Open Data Forecasts (IFS 和 AIFS)
• Navy Global Environmental Model (NAVGEM)
• North American Mesoscale Model (NAM)
• National Blend of Models (NBM)
• Rapid Refresh Forecast System (RRFS) 原型
• Real-Time/Un-Restricted Mesoscale Analysis (RTMA/URMA)
• Hurricane Analysis And Forecast System (HAFS)
• High Resolution Deterministic Prediction System (HRDPS)

这些数据通过 NOAA Open Data Dissemination (NODD) 计划（以前称为 Big Data 计划）提供，使得天气数据比以往任何时候都更容易访问。

2. 项目快速启动

安装 Herbie

Herbie 可以通过 Conda 或 pip 安装。以下是两种安装方法：

使用 Conda 安装

conda install -c conda-forge herbie-data

使用 pip 安装

pip install herbie-data

快速使用示例

以下是一个简单的示例，展示如何使用 Herbie 下载和读取 HRRR 模型的数据：

from herbie import Herbie

# 创建 Herbie 对象，指定 HRRR 模型的 6 小时地面预报产品
H = Herbie('2021-01-01 12:00', model='hrrr', product='sfc', fxx=6)

# 查看文件内容
H.inventory()

# 下载完整的 GRIB2 文件
H.download()

# 下载子集，例如所有 500 mb 的场
H.download(":500 mb")

# 使用 xarray 读取子集，例如 2 米温度
H.xarray("TMP:2 m")

3. 应用案例和最佳实践

应用案例

Herbie 可以用于各种气象数据分析任务，例如：

• 天气预报模型的数据下载和处理
• 气候变化研究的数据获取
• 气象灾害预警系统的数据支持

最佳实践

• 数据下载优化：使用 Herbie 的子集下载功能，只下载所需的数据，减少带宽和存储空间的占用。
• 数据处理：结合 xarray 和 cfgrib，高效处理和分析 GRIB2 数据。
• 自动化脚本：编写自动化脚本，定期下载和处理最新的气象数据，保持数据的实时性。

4. 典型生态项目

Herbie 可以与其他气象数据处理和分析工具结合使用，例如：

• xarray：用于处理多维数组数据，支持高效的气象数据分析。
• cfgrib：用于读取 GRIB2 文件，与 xarray 结合使用，提供强大的数据处理能力。
• Cartopy：用于地理数据的可视化，支持气象数据的图形展示。

通过这些工具的结合，Herbie 可以构建一个完整的气象数据处理和分析生态系统，满足各种气象研究和应用的需求。

Herbie Download numerical weather prediction datasets (HRRR, RAP, GFS, IFS, etc.) from NOMADS, NODD partners (Amazon, Google, Microsoft), ECMWF open data, and the University of Utah Pando Archive System. 项目地址: https://gitcode.com/gh_mirrors/her/Herbie