基于python编程，利用MetDig工具包的io数据资源访问模板读取绘制从MICAPS CASSANDRA (MICAPS分布式数据库大数据)、CMADaaS (气象大数据云平台•天擎)、ERA5 (欧洲中期天气预报中心对1950年1月至今全球气候的第五代大气再分析数据集)等在线数据API中，获取模式预报、实况再分析资料、站点观测、卫星云图、天气雷达等气象数据。

1、利用utl通用工具库，对所有数据进行格式转换为stda标准格式数据，包括numpy数据转网格stda标准格式数据函数、网格stda标准格式数据转站点stda标准格式数据函数等。2、利用的cal诊断分析计算模块对数据进行气象诊断分析计算，包括动力、热力、水汽、天气特征和统计分析等计算。3、利用products产品可视化模块对动力、热力、水汽、天气特征和统计分析等诊断分析产品进行绘图处理，并调用graphics绘图模块进行产品制作。

为用户提供各种模式预报及再分析的诊断分析产品包括热力诊断、动力诊断、水汽诊断、天气学诊断、降水诊断、要素诊断等共六大类28种综合图。

操作区首先选择的是数据源，“cassandra”为micpas4的数据源，该数据源的优势就是直观，里面有什么数据，数据起始日期及数据时次是否有缺都可以直接在micaps4软件的数据源检索里面看到；“CMADaaS”为气象大数据云平台•天擎的数据源，优势是数据的起始日期更长；“cds”为欧洲中心ERA5再分析数据集，它的起始时间为1950年1月，数据覆盖范围为全球，空间分辨率为0.1˚ × 0.1˚，时间分辨率为1小时。预报员若是利用本平台做重大天气过程预报，则数据源需要选择为“cassandra”或者“CMADaaS”，若是用于复盘和机理研究则可以选择模式预报的数据源“cassandra”或者“CMADaaS”，也可以选择再分析资料数据源“cds”。

当数据源选择为“cassandra”或者“CMADaaS”，下一步就要确定数据的起报日期、起报时次、预报时效，以及确定数值模式，目前有“ecmwf”、“cma_gfs”、“ncep_gfs”、“cma_meso_3km”四个模式可选。若选择数据源为“cds”则接下来要选择是数据日期及时次(因为ERA5是欧洲中心的再分析数据所以不需要选择预报时效和模式名)。

接下来是选择绘图区域，可以选择“中国及周边”、“全国”，“西南”，“四川”，“眉山”，“华南”，“华北”等区域，也可以自定义区域。

然后是要素的层次，分为默认层次和自定义层次，若选择自定义层次则需要分别选择高度场层次、风场层次及物理量层次，但是有些综合图里面包含了特定的层次是无法自定义的，比如“海平面气压场”、“6小时降水”等。

接下来是选择任意一个点的经度和纬度用于显示其所对应的各种物理量数值(默认位置在眉山本站)，用于写论文时查看具体数值。

最后就是热力诊断、动力诊断、水汽诊断、天气学诊断、降水诊断、要素诊断等共六大类诊断分析的运行按钮，单击其中一个稍等一会儿即可绘制出相应类别的几张综合图。

如图3所示，为本平台所出的含有位温物理量的综合图。位温定义为空气干绝热过程变化到气压p = 1000 hPa时的温度 [ 6 ] 。未饱和空气的位温的表达式为：

代码实现：

def potential_temperature (pres, tmp):

pres_p = utl.stda_to_quantity (pres)# hPa

tmp_p = utl.stda_to_quantity (tmp)# degC

thta_p = mpcalc.potential_temperature (pres_p, tmp_p)# Kelvin

thta = utl.quantity_to_stda_byreference (‘that’, thta_p, tmp)# degC

return thta

thta = mdgcal.potential_temperature (pres, tmp)

图3. 含位温的综合图

图4. 含相当位温的综合图

如图4所示，为本平台所出的含有相当温度物理量的综合图。相当位温是某一高度的气团下降(或上升)至参照气压值的位置时，经过绝热膨胀(或收缩)以及所含的水汽全部凝结为水滴释出潜热后，所具有的温度 [ 6 ] 。从相当温度而言，相当位温也就是指某一高度的气团绝对移动至参照气压值位置时所具有的相当温度。相当位温公式：

θ e = θ exp ( L q c p d T c )

代码实现：

def equivalent_potential_temperature(pressure, temperature, dewpoint):

t = temperature.to(‘kelvin’).magnitude

td = dewpoint.to(‘kelvin’).magnitude

r = saturation_mixing_ratio(pressure, dewpoint).magnitude

e = saturation_vapor_pressure(dewpoint)

t_l = 56 + 1. / (1. / (td - 56) + np.log(t / td) / 800.)

th_l = potential_temperature(pressure - e, temperature) * (t / t_l) ** (0.28 * r)

return th_l * np.exp(r * (1 + 0.448 * r) * (3036. / t_l - 1.78))

图5. 含水汽通量的综合图

如图5所示，为本平台所出的含有水汽通量物理量的综合图。一般说的水汽通量，多指水平水汽通量，它是单位时间内流经与气流方向正交的单位截面积的水汽质量 [ 6 ] 。其表达式为：

| F h | = | V | q / g

代码实现：

def cal_ivt_singlelevel (spfh, wsp):

spfh_p = utl.stda_to_quantity (spfh)# g/kg

wsp_p = utl.stda_to_quantity (wsp)# m/s

iq = wsp_p * spfh_p/ (9.8*units(‘m/s**2’))

iq = utl.quantity_to_stda_byreference(‘wvfl’, iq, spfh) # g/(cm * hPa * s)

return iq

图6. 含温度平流的综合图

如图6所示，为本平台所出的含有温度平流物理量的综合图。温度平流 − V ⋅ ∇ T 是指较暖空气向较冷空气方向或者较冷空气向较暖空气方向输送 [ 6 ] 。前者称为暖平流，后者称为冷平流。温度平流对我国各地天气变化影响很大，因为冷暖空气活动几天就交替一次，同时它对高空和地面的气温变化均有很大影响。尤其在高空，由于辐射引起的温度变化每天只有1℃左右，而水汽凝结只在有限地区进行，所以温度平流就显得特别重要。对于地面气温，它也是一个决定日平均气温的主要因子。温度平流可由水平温度梯度和风计算得到。其表达式为：

− V ⋅ ∇ T = − ( u ∂ T ∂ x + v ∂ T ∂ y )

代码实现：

def var_advect (var, u, v):

dx, dy = mpcalc.lat_lon_grid_deltas (u[‘lon’].values, u [‘lat’].values)

adv = xr.zeros_like (u).copy ()

for ilvl in var [‘level’].values:

for it in var [‘time’].values:

for idt in var[‘dtime’].values:

for imdl in var[‘member’].values:

u2d = u.sel (level = ilvl, time = it, dtime = idt, member = imdl).squeeze()

v2d = v.sel (level = ilvl, time = it, dtime = idt, member = imdl).squeeze()

var2d = var.sel (level = ilvl, time = it, dtime = idt, member = imdl).squeeze()

u2d = utl.stda_to_quantity (u2d)

v2d = utl.stda_to_quantity (v2d)

var2d = utl.stda_to_quantity (var2d)

adv2d = mpcalc.advection (var2d, u=u2d, v = v2d, dx = dx, dy = dy) adv.loc [dict (level = ilvl, time = it, dtime = idt, member = imdl)] = np.array(adv2d) adv.attrs [‘var_units’] = str (adv2d.units) adv = utl.quantity_to_stda_byreference (var.attrs [‘var_name’] + ‘adv’, adv.values * units (adv.attrs [‘var_units’]), u) return adv

tmpadv = var_advect(tmp, _u, _v)