博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
MeteoInfoLab脚本示例:CloudSAT Swath HDF数据
阅读量:4551 次
发布时间:2019-06-08

本文共 846 字,大约阅读时间需要 2 分钟。

读取CloudSAT HDF Swath数据,绘图分上下两部分,上面是时间和高度维的Radar Reflectivity Factor二维图,下面是卫星轨迹图。

示例程序:

# Add filef = addfile('D:/Temp/hdf/2010128055614_21420_CS_2B-GEOPROF_GRANULE_P_R04_E03.hdf')# Read datavname = 'Radar_Reflectivity'v_data = f[vname]data = v_data[:,:]v_height = f['Height']height = v_height[0,:]time = f['Profile_time'][:]lon = f['Longitude'][:]lat = f['Latitude'][:]# Read attributeslong_name = v_data.attrvalue('long_name')[0]scale_factor = v_data.attrvalue('factor')[0]valid_min = v_data.attrvalue('valid_range')[0]valid_max = v_data.attrvalue('valid_range')[1]units = v_data.attrvalue('units')[0]units_h = v_height.attrvalue('units')[0]# Apply scale factorvalid_max = valid_max / scale_factorvalid_min = valid_min / scale_factordata = data / scale_factordata[data>valid_max] = nandata[data

转载于:https://www.cnblogs.com/yaqiang/p/4881096.html

你可能感兴趣的文章
IDEA远程仓库版本回滚
查看>>
C++矩阵库 Eigen 简介(转载)
查看>>
sklearn的train_test_split()各函数参数含义解释(非常全)
查看>>
机器学习算法的整体流程(非常易懂)
查看>>
机器学习梯度下降法的数学原理(非常易懂)
查看>>
数据归一化Scaler-机器学习算法
查看>>
机器学习线性回归算法的评价指标(简单线性回归问题)
查看>>
教你如何剖析源码(转)
查看>>
proxy和proxy-no的策略取值区别
查看>>
Silverlight代码编写对控件的PlaneProjection.RotationY属性控制动画
查看>>
AFNetworking
查看>>
unity3d Start执行不同时问题
查看>>
session
查看>>
JS只能输入数字
查看>>
Laravel 数据库连接, 数据库名,配置文件修改
查看>>
屌丝接盘侠们,孩子可能不是你们亲生的!
查看>>
BZOJ 1854 【SCOI2010】 游戏
查看>>
JavaScript - 匿名函数和闭包
查看>>
负载均衡下的资源文件配置/多站点下的资源文件夹共享(Windows IIS)
查看>>
MySQL firstmatch strategy
查看>>