华北雷达组合反射率拼图数据RADA_NCN_DOR_L2_CR-2020xxxxxxxx.zip头文件格式

edwardli

edwardli

我最开始，就是看到了1700、1500，
结合文件大小，确定了文件头有1100字节，不过这不重要。
重要的是读取文件最后的1700*1500数据，reshape，画出来，这就已经成功了90%了。
即便文件头一个内容也不知道，最起码图可以画出来。

edwardli

edwardli 发表于 2025-1-21 19:32
我最开始，就是看到了1700、1500，
结合文件大小，确定了文件头有1100字节，不过这不重要。
重要的是读取 ...

其次，对于这个问题，第二重要的就是经纬度范围
首先找了一张历史华北雷达拼图png，看了看大致范围（30.5-44.6N，105.5-123.4E），结合1700x1500，去找文件头（不论2字节/4字节，整/浮点，甚至有的时候需要垫1个字节）里和上面接近的内容。
找到了经纬度范围、分辨率，也有了数值（偏移量/放大系数），齐活。
剩下的，就是之前的故事了。

MeteoInfo

edwardli 发表于 2025-1-21 19:54
其次，对于这个问题，第二重要的就是经纬度范围
首先找了一张历史华北雷达拼图png，看了看大致范围（30. ...

有实力，有耐心

edwardli

雷小Py-037：在经验基础上盲解二进制数据_2025.01.22 https://www.bilibili.com/video/BV1nGfhYGE8Q/?spm_id_from=333.1387.homepage.video_card.click



SWAN_CR_HEADER = [
    ("elses", "16c"),
    ("data_type", "12c"),
    # ("data_name", "38c"),
    ("name", "14c"),
    # ("version", "8c"),
    ("year", "u2"),#42
    ("month", "u2"),#44
    ("day", "u2"),#46
    ("hour", "u2"),#48
    ("minute", "u2"),#50
    ("start_lon", "u4"),#52
    ("start_lat", "u4"),#56
    ("end_lon", "u4"),#60
    ("end_lat", "u4"),#64
    ("unknown1", "u4"),#68
    ("x_number", "u2"),#72
    ("y_number", "u2"),#74
    ("unknown2", "u4"),#76
    ("x_reso", "u4"),#80
    ("y_reso", "u4"),#84
    ('剩下的','1012c')
]
import numpy as np
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
from metpy.plots import colortables
norm, cmap = colortables.get_with_steps('NWSReflectivity', 1, 5)
SWAN_CR_HEADER = np.dtype(SWAN_CR_HEADER)
# f = prepare_file('data/Radar/Z_OTHE_RADAMCR_20200812020000.bin.bz2')
# f = prepare_file('pics/雷小Py/RADA_NCN_DOR_L2_CR-202006252200.zip')
with open(r'pics\雷小Py\2006252200.dat','rb') as f:
    header = np.frombuffer(f.read(1100), SWAN_CR_HEADER)
    crdata = np.frombuffer(f.read(),'u1').reshape(header['y_number'][0],header['x_number'][0])/2-33

start_lon= header["start_lon"][0]*0.001
start_lat = header["start_lat"][0]*0.001
# end_lon = header["end_lon"][0]*0.001
# end_lat = header["end_lat"][0]*0.001
x_reso = header["x_reso"][0]*0.0001
y_reso = header["y_reso"][0]*0.0001

end_lon = start_lon + x_reso*header['x_number'][0]
end_lat = start_lat + y_reso*header['y_number'][0]
crdata[crdata==-32] = np.nan

lons = np.arange(start_lon,end_lon,x_reso)
lats = np.arange(start_lat,end_lat,y_reso)

# A4纸
fig = plt.figure(dpi=180)
# 坐标系
ax = plt.subplot(111, projection=ccrs.PlateCarree())
plt.pcolormesh(lons, lats, crdata, transform=ccrs.PlateCarree(),norm=norm, cmap=cmap)

from cartopy.io.shapereader import Reader
shpname=r'shp\cn_province.shp'
adm1_shapes=list(Reader(shpname).geometries())
ax.add_geometries(adm1_shapes[:],ccrs.PlateCarree(),edgecolor='k',facecolor='None',linewidth=0.5)  #36:72东三省

ax.coastlines()
plt.show()

几杯清澈

edwardli 发表于 2025-1-21 19:30
图1：根据帖子数据解析，并简单绘制的图形
图2：华北地区16部雷达基数据，0.5度仰角“拼图”【2020年6 ...

非常感谢！！！

任性小王子

edwardli 发表于 2025-1-22 22:19
雷小Py-037：在经验基础上盲解二进制数据_2025.01.22 https://www.bilibili.com/video/BV1nGfhYGE8Q/?spm_i ...

不错不错，感谢感谢