1、 全球/地区温度图
（1）读取数据
clear all setup_nctoolbox %调用工具包 tic %计时 %% nc=ncgeodataset(\'tmpsfc.gdas.199401.grb2\'); %读文件 tem_1=nc.variables %浏览数据类型 %% a1=nc.geovariable(tem_1(1));%取得数据类型为Temperature_surface的数据 b1=a1.data(1,:,:); %第一个时间点温度数据 c1=squeeze(b1)-273.16;%删除单一维度，换为摄氏温度 %% a2=nc.geovariable(tem_1(2));%取得数据类型为lat的数据，纬度 b2=a2.data(:,1)%提取数据 %% a3=nc.geovariable(tem_1(3));%经度 b3=a3.data(:,1)% %% a4=nc.geovariable(tem_1(4));%取得数据类型为time的数据 b4=a4.data(:,1)% %% save A b2 b3 c1 toc
读取的是NCEP/CFSR数据，1994年1月的温度数据。
该数据一共四项。温度，纬度，经度，时间。温度中是3维数据组织形式
时间数据
经度数据
纬度数据
可以看出该数据集的数据组织形式，经度纬度构成世界地图，记录了744个时间点的温度数据。1小时采集一次数据。
温度数据
保存为mat格式数据，为画图做准备。
（2）画图
clear all load A [Plg,Plt]=meshgrid(b3\',b2\');%形成网格 m_proj(\'hammer-aitoff\',\'clongitude\',-150);%投影模式 m_pcolor(Plg,Plt,c1); shading flat; colormap(\'jet\');%颜色选择 hold on; m_pcolor(Plg-360,Plt,c1); shading flat; %着色模式 colormap(\'jet\'); m_coast(); m_grid(\'xaxis\',\'middle\'); % h=colorbar(\'h\'); % set(get(h,\'title\'),\'string\',\'1991年1月全球温度\'); c=colorbar(\'southoutside\',\'fontsize\',12) c.Label.String = \'1994年1月全球温度\'; c.Label.FontSize = 15;
（3）找出最大、最小温度的经纬度
clear all load C Max_col=max(c1);%列最大值 Max_row=max(c1,[],2)%行最大值 Max=max(max(c1)); [x1,y1]=find(c1==max(max(c1)));%x 行，y 列 T_1=Plt(x1,y1)%纬度 T_2=Plg(x1,y1)%经度 Min_col=min(c1);%列最大值 Min_row=min(c1,[],2)%行最大值 Min=min(min(c1)); [x,y]=find(c1==min(min(c1)));%x 行，y 列 T_x=Plt(x,y)%纬度 T_y=Plg(x,y)%经度
可以看出最热52度，在澳大利亚那块（142.8123E，23.2610S）；最冷-62度，在北极圈那块（89.9999E，66.3486N）。
（4）中国（地区）温度图
clear all load A LATLIMS=[3 54]; LONLIMS=[72 134];%选定边界范围 [Plg,Plt]=meshgrid(b3\',b2\');%形成网格 m_proj(\'lambert\',\'lon\',LONLIMS,\'lat\',LATLIMS);%投影模式 m_pcolor(Plg,Plt,c1); shading flat; colormap(\'jet\');%颜色选择 hold on; m_pcolor(Plg-360,Plt,c1); shading flat; %着色模式 colormap(\'jet\'); m_coast(); m_grid(\'box\',\'fancy\',\'tickdir\',\'in\'); % h=colorbar(\'h\'); % set(get(h,\'title\'),\'string\',\'1991年1月全球温度\'); c=colorbar(\'southoutside\',\'fontsize\',12) c.Label.String = \'1994年1月中国温度\'; c.Label.FontSize = 15;
该方法是读取全球数据，只展示部分
（5）
改进的区域方法，读取该区域的数据数据，
clear all
setup_nctoolbox %调用工具包
tic %计时
%%
min_lat=115;
max_lat=279;
min_lon=231;
max_lon=430; %区域经纬度范围，在数据中的位置
%%
nc=ncgeodataset(\'tmp2m.gdas.199401.grb2\'); %读文件
tem_1=nc.variables %浏览数据类型
%%
N1=nc.size(tem_1(1));%读取数据大小,可以看出数据的组织形式
a1=nc.geovariable(tem_1(1));%取得数据类型为Temperature_surface的数据
b1=a1.data(1,1,min_lat:max_lat,min_lon:max_lon); %第一个时间点温度数据
c1=squeeze(b1)-273.16;%删除单一维度，换为摄氏温度
%%
N2=nc.size(tem_1(2));
a2=nc.geovariable(tem_1(2));%取得数据类型为lat的数据，纬度
b2=a2.data(min_lat:max_lat,1);%提取数据
%%
N3=nc.size(tem_1(3))
a3=nc.geovariable(tem_1(3));%经度
b3=a3.data(min_lon:max_lon,1);%
%%
N4=nc.size(tem_1(4))
a4=nc.geovariable(tem_1(4));%取得数据类型为time的数据
b4=a4.data(:,1);%
%%
N5=nc.size(tem_1(5));%读取数据大小
a5=nc.geovariable(tem_1(5));%取得数据类型为time的数据
b5=a5.data(:,1);%
%%
save tem b2 b3 c1
toc
clear all load tem LATLIMS=[3 54]; LONLIMS=[72 134];%选定边界范围 [Plg,Plt]=meshgrid(b3\',b2\');%形成网格 m_proj(\'lambert\',\'lon\',LONLIMS,\'lat\',LATLIMS);%投影模式 m_pcolor(Plg,Plt,c1); shading flat; colormap(\'jet\');%颜色选择 hold on; m_pcolor(Plg-360,Plt,c1); shading flat; %着色模式 colormap(\'jet\'); m_coast(); m_grid(\'box\',\'fancy\',\'tickdir\',\'in\'); % h=colorbar(\'h\'); % set(get(h,\'title\'),\'string\',\'1991年1月全球温度\'); c=colorbar(\'southoutside\',\'fontsize\',12) c.Label.String = \'1994年1月中国温度\'; c.Label.FontSize = 15;
（6）读取方式的改变
clear all
setup_nctoolbox %调用工具包
tic %计时
%%
min_lat=115;
max_lat=279;
min_lon=231;
max_lon=430; %区域经纬度范围，在数据中的位置
%%
nc=ncgeodataset(\'tmp2m.gdas.199401.grb2\'); %读文件
tem_1=nc.variables %浏览数据类型
%%
N1=nc.size(tem_1(1));%读取数据大小
b1=nc.data(tem_1(1),[1,1,min_lat,min_lon],[1,1,max_lat,max_lon]);%初始的读取位置，最终的位置
c1=squeeze(b1)-273.16;
%%
N2=nc.size(tem_1(2));%读取数据大小
b2=nc.data(tem_1(2),[min_lat],[max_lat]);
%%
N3=nc.size(tem_1(3));%读取数据大小
b3=nc.data(tem_1(3),[min_lon],[max_lon]);
save tem b2 b3 c1
toc
可以看出海面2米的温度组织形式，4维数据，包含了744个时间点，1个位置，576个纬度点，1152个经度点。
读取方式是初始位置用一个数组表示，终止位置用一个数组表示
clear all load tem LATLIMS=[3 54]; LONLIMS=[72 134];%选定边界范围 [Plg,Plt]=meshgrid(b3\',b2\');%形成网格 m_proj(\'lambert\',\'lon\',LONLIMS,\'lat\',LATLIMS);%投影模式 m_pcolor(Plg,Plt,c1); shading flat; colormap(\'jet\');%颜色选择 hold on; m_pcolor(Plg-360,Plt,c1); shading flat; %着色模式 colormap(\'jet\'); m_coast(); m_grid(\'box\',\'fancy\',\'tickdir\',\'in\'); % h=colorbar(\'h\'); % set(get(h,\'title\'),\'string\',\'1991年1月全球温度\'); c=colorbar(\'southoutside\',\'fontsize\',12) c.Label.String = \'1994年1月中国温度\'; c.Label.FontSize = 15;
(7)多个时间的平均值
clear all
setup_nctoolbox %调用工具包
tic %计时
%%
min_lat=115;
max_lat=279;
min_lon=231;
max_lon=430; %区域经纬度范围，在数据中的位置
%%
nc=ncgeodataset(\'tmp2m.gdas.199401.grb2\'); %读文件
tem_1=nc.variables %浏览数据类型
N1=nc.size(tem_1(1));%读取数据大小
d=zeros(1,165,200);%预定义最后的数值存放空间
f=0%验证预留数
%%
for n=1:10 %选取10个时间点
b1=nc.data(tem_1(1),[n,1,min_lat,min_lon],[n,1,max_lat,max_lon]);%初始的读取位置，最终的位置
c(n,:,:)=squeeze(b1)-273.16;
d=d+c(n,:,:); %最终结果
end
for n=1:10
f=f+c(n,1,1);
end
e=squeeze(d);
% save tem
toc
f值等于e的第一个值，说明计算正确.最后计算平均值即可。
2、风向
（1）数据读取
clear all setup_nctoolbox tic %% 读取数据文件 wind= ncgeodataset(\'wnd10m.gdas.199401.grb2\'); wind_list = wind.variables;%文件的列表情况 %% size_of_u = wind.size(wind_list(1));%u分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据 data_u=wind.geovariable(wind_list(1));%取得数据类型为风速u的数据 u_1=data_u.data(1,1,:,:); % u_2=squeeze(u_1); %% size_of_v = wind.size(wind_list(2));%v分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据 data_v=wind.geovariable(wind_list(2));%取得数据类型为风速v的数据 v_1=data_v.data(1,1,:,:); % v_2=squeeze(v_1); %% size_of_h= wind.size(wind_list(5));%v分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据 data_h=wind.geovariable(wind_list(5));%取得数据类型为风速v的数据 v_1=data_h.data(1); %高度10米 %% wind_speed=sqrt(u_2.^2+v_2.^2); %矢量合成 save wind u_2 v_2 wind_speed toc
（2）展示
clear all
load lon_lat %载入坐标数据
load wind %载入风速数据
LATLIMS=[3 15];
LONLIMS=[115 134];%选定边界范围
m_proj(\'lambert\',\'lon\',LONLIMS,\'lat\',LATLIMS);%投影模式
min_lat=115;
max_lat=279;
min_lon=231;
max_lon=430;
m_coast;
m_grid(\'box\',\'fancy\',\'tickdir\',\'in\');%边缘经纬度宽度
hold on;%图层合并
m_quiver(Plg(min_lat:max_lat,min_lon:max_lon),Plt(min_lat:max_lat,min_lon:max_lon),...
u_2(min_lat:max_lat,min_lon:max_lon),v_2(min_lat:max_lat,min_lon:max_lon)...
,7.5,\'r\');%经度，纬度，向东，向北的速度分量，转化为矢量箭头
xlabel(\'global surface winds 1994/01\');
（3）
clear all load lon_lat load wind m_proj(\'hammer-aitoff\',\'clongitude\',-150);%投影模式 m_quiver(Plg,Plt,u_2,v_2,15,\'r\'); shading flat; colormap(\'jet\');%颜色选择 hold on; m_quiver(Plg-360,Plt,u_2,v_2,15,\'r\'); shading flat; %着色模式 colormap(\'jet\'); m_coast(); m_grid(\'xaxis\',\'middle\'); xlabel(\'global surface winds 1994/01\');
3、气压
（1）一个时间点的气压
clear all clear all setup_nctoolbox tic %% 读取数据文件 pre= ncgeodataset(\'pressfc.gdas.199401.grb2\'); pre_list = pre.variables;%文件的列表情况 %% size_of_pre = pre.size(pre_list(1));%620小时,576纬度，1152经度 pre_1=pre.data(pre_list(1),[1,1,1],[1,576,1152]); % pre_2=squeeze(pre_1); %% size_of_2 = pre.size(pre_list(2));%v分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据 size_of_3 = pre.size(pre_list(3)); size_of_4 = pre.size(pre_list(4)); size_of_5 = pre.size(pre_list(5)); size_of_8 = pre.size(pre_list(8)); t_4=pre.data(pre_list(4),1,620); t_8=pre.data(pre_list(8),1:124); toc
可以看出时间点交错开了，所以最终处理数据时还要按顺序排列起来。
clear all load lon_lat load pre m_proj(\'hammer-aitoff\',\'clongitude\',-150);%投影模式 m_pcolor(Plg,Plt,pre_2); shading flat; colormap(\'jet\');%颜色选择 hold on; m_pcolor(Plg-360,Plt,pre_2); shading flat; %着色模式 colormap(\'jet\'); m_coast(); m_grid(\'xaxis\',\'middle\'); % h=colorbar(\'h\'); % set(get(h,\'title\'),\'string\',\'1991年1月全球温度\'); c=colorbar(\'southoutside\',\'fontsize\',12) c.Label.String = \'1994年1月全球气压\'; c.Label.FontSize = 15;
（2）
clear all
setup_nctoolbox
tic
%% 读取数据文件
pre= ncgeodataset(\'pressfc.gdas.199401.grb2\');
pre_list = pre.variables;%文件的列表情况
size_of_1 = pre.size(pre_list(1));%620小时,576纬度，1152经度
size_of_2 = pre.size(pre_list(2));%v分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据
size_of_3 = pre.size(pre_list(3));
size_of_4 = pre.size(pre_list(4));
size_of_5 = pre.size(pre_list(5));
size_of_8 = pre.size(pre_list(8));
t_4=pre.data(pre_list(4),1,620);
t_8=pre.data(pre_list(8),1:124);
pre_sum=zeros(744,576,1152);
%%
for n=1:744
if mod(n-1,6)==0 %取余数
a=floor(n/6);
n_time=n-a*5;%下标位置
pre_sum(n,:,:)=pre.data(pre_list(5),[n_time,1,1],[n_time,576,1152]); %
else
a=floor((n-1)/6);
n_time=n-a-1;%下标位置
pre_sum(n,:,:)=pre.data(pre_list(1),[n_time,1,1],[n_time,576,1152]);
end
end
%% end
pre_data=squeeze(mean(pre_sum))%求平均值
save pre_data_199401 pre_data
toc
综合运用余数和向下取整的方法，每隔五个从另外的数据中取一个数。最后用mean（）函数求平均值。
4、湿度
