-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathaccess_data.py
More file actions
162 lines (148 loc) · 8.69 KB
/
Copy pathaccess_data.py
File metadata and controls
162 lines (148 loc) · 8.69 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
import numpy as np
import xarray as xr
from namelist import *
def access_data(name_dataset, name_variable=False,
dataset_type='AMEDA', date=False, zoom_lat=False, zoom_lon=False) :
'''
Cette fonction est utilisée dans tous les diagnostiques, mais elle est muette aux yeux de l'utlisateur.
Elle permet d'accéder aux donnés, sous le bon nom et avec le bon chemin d'accès.
IMPORTANT :
- l'utilisateur doit indiquer les chemins d'accès aux fichiers Netcdf dans les dictionnaires path_dict
- si l'utilisateur utilise des données organisées différemment que les sorties standards
d'AMEDA et des modèles CROCO et WRF, il doit modifier tous les dictionnaires décrivant le contenu des
Datasets, en remplissant le nom du DataArray (par exemple, si le DataArray avec les valeurs de
temps s'appelle 'date', il devra remplacer -- 'time' : Dataset.time -- par -- 'time' : Dataset.date --
dans le dictionnaire de sortie de détection)
'''
if dataset_type=='AMEDA' :
print('Loading dataset : '+AMEDA_path_dict[name_dataset]+' variable : '+name_variable)
if name_dataset=='ATLAS' :
Dataset=xr.open_dataset(AMEDA_path_dict[name_dataset])
##TA Dataset=xr.open_dataset(AMEDA_path_dict[name_dataset], group='Atlas')
else :
Dataset=xr.open_dataset(AMEDA_path_dict[name_dataset])
elif dataset_type=='ssh' :
print('Loading dataset : '+SSH_path_dict[name_dataset]+' variable : '+name_variable)
Dataset=xr.open_dataset(SSH_path_dict[name_dataset])
elif dataset_type=='sst' :
print('Loading dataset : '+SST_path_dict[name_dataset]+' variable : '+name_variable)
Dataset=xr.open_dataset(SST_path_dict[name_dataset])
elif dataset_type=='sss' :
print('Loading dataset : '+SSSpath_dict[name_dataset]+' variable : '+name_variable)
Dataset=xr.open_dataset(SSS_path_dict[name_dataset])
elif dataset_type=='velocity' :
print('Loading dataset : '+Velocity_path_dict[name_dataset]+' variable : '+name_variable)
Dataset=xr.open_dataset(Velocity_path_dict[name_dataset])
elif dataset_type=='grid' :
print('Loading dataset : '+Grid_path_dict[name_dataset]+' variable : '+name_variable)
Dataset=xr.open_dataset(Grid_path_dict[name_dataset])
if name_variable==False :
return(Dataset)
else :
if dataset_type=='AMEDA' :
AMEDA_dict={'observation_of_eddies' : Dataset.obs,
'tracked_eddies' : Dataset.eddies,
'time' : Dataset.time,
'center_x_obs' : Dataset.x_cen,
'center_y_obs' : Dataset.y_cen,
'x_coords_contour_max_obs' : Dataset.x_max,
'y_coords_contour_max_obs' : Dataset.y_max,
'radius_contour_max_obs' : Dataset.r_max,
'velocity_contour_max_obs' : Dataset.v_max,
'delta_ssh_contour_max_obs' : Dataset.dssh_max,
'x_coords_contour_end_obs' : Dataset.x_end,
'y_coords_contour_end_obs' : Dataset.y_end,
'radius_contour_end_obs' : Dataset.r_end,
'velocity_contour_end_obs' : Dataset.v_end,
'delta_ssh_contour_end_obs' : Dataset.dssh_end,
'maximal_vorticity_obs' : Dataset.VortM,
'Rossby_number_obs' : Dataset.Ro,
'average_radius_contour_max_eddy' : Dataset.r_max_avg,
'average_velocity_contour_max_eddy' : Dataset.v_max_avg,
'life_length_eddy' : Dataset.life_length,
'life_length_obs' : Dataset.life_length_obs,
'C_or_AC_obs' : Dataset.eddy_type_obs,
'C_or_AC_eddy' : Dataset.eddy_type,
'date_first_detection_eddy' : Dataset.date_first_detection,
'date_last_detection_eddy' : Dataset.date_last_detection,
'min_lon_eddy' : Dataset.center_lon_min,
'max_lon_eddy' : Dataset.center_lon_max,
'min_lat_eddy' : Dataset.center_lat_min,
'max_lat_eddy' : Dataset.center_lat_max,
'center_lon_first_detection_eddy' : Dataset.center_lon_first_detection,
'center_lon_last_detection_eddy' : Dataset.center_lon_last_detection,
'center_lat_first_detection_eddy' : Dataset.center_lat_first_detection,
'center_lat_last_detection_eddy' : Dataset.center_lat_last_detection,
'center_lon_obs' : Dataset.x_cen,
'center_lat_obs' : Dataset.y_cen,
'eddy_identification_number_obs' : Dataset.index_of_eddies_properties
}
DataArray=AMEDA_dict[name_variable]
if date!=False :
if DataArray.dims[0]==str(AMEDA_dict['observation_of_eddies']) :
DataArray=DataArray.where((AMEDA_dict['time']>=np.datetime64(date[0])) & \
(AMEDA_dict['time']<=np.datetime64(date[1])), drop='True')
else :
DataArray=DataArray.where((AMEDA_dict['date_first_detection_eddy']>=np.datetime64(date[0])) & \
(AMEDA_dict['date_first_detection_eddy']<=np.datetime64(date[1])), drop='True')
if zoom_lon!=False :
if DataArray.dims[0]==str(AMEDA_dict['observation_of_eddies']) :
DataArray=DataArray.where((AMEDA_dict['center_x_obs']>=zoom_lon[0]) & \
(AMEDA_dict['center_x_obs']<=zoom_lon[1]), drop='True')
else :
DataArray=DataArray.where((AMEDA_dict['min_lon_eddy']>=zoom_lon[0]) & \
(AMEDA_dict['max_lon_eddy']<=zoom_lon[1]), drop='True')
if zoom_lat!=False :
if DataArray.dims[0]==str(AMEDA_dict['observation_of_eddies']) :
DataArray=DataArray.where((AMEDA_dict['center_y_obs']>=zoom_lat[0]) & \
(AMEDA_dict['center_y_obs']<=zoom_lat[1]), drop='True')
else :
DataArray=DataArray.where((AMEDA_dict['min_lat_eddy']>=zoom_lat[0]) & \
(AMEDA_dict['max_lat_eddy']<=zoom_lat[1]), drop='True')
return(DataArray)
elif dataset_type=='velocity' :
Velocity_dict={'u' : Dataset.u,
'v' : Dataset.v,
'x_coord_rho' : Dataset.xi_rho,
'y_coord_rho' : Dataset.eta_rho,
'x_coord_u' : Dataset.xi_u,
'y_coord_v' : Dataset.eta_v
}
DataArray=Velocity_dict[name_variable]
return(DataArray)
elif dataset_type=='grid' :
Grid_dict={'lon_rho' : Dataset.lon_rho,
'lon_u' : Dataset.lon_u,
'lon_v' : Dataset.lon_v,
'lon_psi' : Dataset.lon_psi,
'lat_rho' : Dataset.lat_rho,
'lat_u' : Dataset.lat_u,
'lat_v' : Dataset.lat_v,
'lat_psi' : Dataset.lat_psi
}
DataArray=Grid_dict[name_variable]
return(DataArray)
elif dataset_type=='ssh' :
SSH_dict={'time' : Dataset.time,
'height' : Dataset.zeta,
'x_coord_rho' : Dataset.xi_rho,
'y_coord_rho' : Dataset.eta_rho
}
DataArray=SSH_dict[name_variable]
return(DataArray)
elif dataset_type=='sst' :
SST_dict={'time' : Dataset.time,
'temperature' : Dataset.temp,
'x_coord_rho' : Dataset.xi_rho,
'y_coord_rho' : Dataset.eta_rho
}
DataArray=SST_dict[name_variable]
return(DataArray)
elif dataset_type=='sss' :
SSS_dict={'time' : Dataset.time,
'salinity' : Dataset.salt,
'x_coord_rho' : Dataset.xi_rho,
'y_coord_rho' : Dataset.eta_rho
}
DataArray=SSS_dict[name_variable]
return(DataArray)