气象资料搜集与整理

2.1.13.1 目的

(1)充分搜集气象观测站1955年以来的详细资料、数据。

(2)充分搜集各气象观测站所观测的大气降水、蒸发等数据资料，为进行全国地下水资源及其环境问题调查评价奠定气象数据基础。

2.1.13.2 基本要求

(1)各类气象观测站资料完全搜集原则，即各类气象观测站(包括国家级、省级、县级等)的资料均要进行搜集，以确保气象资料的完全性。

(2)各类气象观测站资料年份完整搜集原则，即各类气象观测站自建站以来(最早1955年)至现在所有年份资料全部进行完整搜集。

(3)各类气象观测站资料年度完整搜集原则，即各类气象观测站年内资料(1～12月份)要进行完整搜集。

2.1.13.3 内容

2.1.13.3.1 气象观测站基本情况

(1)气象站统一编号。

(2)原编号:气象观测站原来的编号。

(3)气象站名称:气象观测站的具体名称。

(4)地理位置:气象观测站详细的地理位置。

(5)坐标:以经度、纬度描述，东经×××°××'××″，北纬××°××'××″。

(6)高程:气象观测站的具体海拔标高，单位m。

(7)观测项目:气温、降水等。

(8)资料起始时间:进行资料搜集的开始时间，19××年××月××日。

填写附表50。

2.1.13.3.2 大气降水逐月观测记录表

(1)气象站统一编号:同上。

(2)数据年份:气象大气降水资料搜集的具体年份，××××，填满4位数。

(3)大气降水观测数据:大气降水量的具体观测数据，单位mm。

(4)1～12月:数据搜集年内1～12月各月份大气降水量观测数据，单位mm。

(5)年累计:数据搜集年内1～12月份总的大气降水量，单位mm。

填写附表51。

2.1.13.3.3 陆面蒸散发量逐月观测记录

(1)气象站统一编号:同上。

(2)数据年份:气象蒸发资料搜集的具体年份，××××，填满4位数。

(3)地表蒸发观测数据:地表蒸发量的具体观测数据，单位mm。

(4)1～12月:数据搜集年内1～12月各月份地表蒸发量观测数据，单位mm。

(5)年累计:数据搜集年内1～12月份总的蒸发量，单位mm。

填写附表52。

这款软件赠送的流量进行兑换后会直接充入手机帐号内的，收到短信提醒后即可使用赠送的流量了。 赠送的流量和普通流量一样可以浏览网页，听网络歌曲等。 随着移动互联网的高速发展，用户对于无线网络覆盖的要求越来越高，使用强度也不断加大，而...

这一部分涉及到了常用的 *** 作，比如调换维度的位置，给数据重新reshape换形等等，建议大家可以认真阅读这部分。

老样子，先新建一个数组

比如说在求某个东西时需要将时间维放在最后一维，但是数据本身的时间在第一维，那么便可以用到这个 *** 作。

第一种是精准换位，指定每个维度的位置

第二种是单独换位，只对指定维度换位,将time放在最后，其余不变

第三种为全部换位，相当于数组转置

扩展指增加一个维度，压缩指将一个维度挤压掉

官方文档中接下来有一段是关于DataArray向DataSet转换的，个人感觉放在这一章节并不合理，我后边会整理放进Python气象数据处理进阶之Xarray(1)中(我觉得两种基础数据结构以及互相转换应该最开始介绍的)。所以接下来跳过这部分。

个人感觉可能处理站点数据会用到这个方法

换一个数组演示

现在将这个2维数组堆叠成1维

也可以拆分，其实就是反堆叠

最重要的是不同于Pandas，Xarray的stack不缺自动丢失缺测值！！！

Xarray还提供了将不同变量stack的例子，有兴趣的可以去看看。这个用法感觉比较鸡肋

这块比较难理解，建议还是先读第一篇文章，弄清数据结构，da数组显示Dimensions without coordinates: x，而通过da.set_index函数，将X设置为混合索引号。

之后便可以实线自由索引：

通过mda.reset_index('x')重置。

reorder_levels()函数允许调换索引顺序（个人感觉比较鸡肋）

这小节应该是这篇文章和数组换形换维同等重要的。

这就是对数组进行滚动。这个的作用主要在于做差分计算。虽然前边讲过Xarray提供了中央差计算函数，但是仍需要更灵活的 *** 作，滚动函数就实现了这个目的。

---