探索Python融合地学： NC 数据批量转换 TIFF 格式（附完整代码和样例数据）

最近有同学在后台私信问我关于nc文件转tiff的问题，今天梧桐就介绍一下我对nc数据的一些认识。

在地理空间数据分析领域，NetCDF（简称 NC）格式是绕不开的重要数据格式 —— 气象、海洋、水文等领域的海量栅格数据几乎都以它为载体。但很多时候我们需要将 NC 数据转换成更通用的 TIFF 格式，才能在 ArcGIS、QGIS 等常用 GIS 软件中进一步分析。今天这篇文章，我们就从 NC 数据的基础认知入手，一步步实现 NC 数据的读取与批量转换 TIFF，零基础也能轻松上手。

文末提供本次教程中使用的中国1980-2022年1km的降水数据链接，需要的自取。

1 先搞懂，什么是NC数据

NetCDF（Network Common Data Form）即网络通用数据格式，是一种面向科学数据的自描述、可移植、多维度的二进制数据格式，由美国大学大气研究协会（UCAR）开发。

核心特点

常见应用场景

气象再分析数据（如 ERA5、NCEP）、卫星遥感数据（如 MODIS 的部分产品）、模式模拟数据（如 WRF 模式输出）等，几乎都是 NC 格式。

2 Python处理NC数据

处理 NC 数据的核心是解析其内部的变量和维度信息，Python 中最常用的库是xarray（简洁易用）和netCDF4（底层操作），我们以更适合新手的xarray为例。

（1）环境准备

首先安装所需库（建议用 conda 或 pip）：

# pip安装
pip install xarray netCDF4 rasterio numpy
# conda安装（推荐，避免依赖冲突）
conda install xarray netCDF4 rasterio numpy -c conda-forge

2. 读取 NC 数据并解析核心信息

以下代码可快速读取 NC 文件，查看其维度、变量、元数据等关键信息，是转换前的必要准备，这里以中国降水nc数据做示例.数据来源为ChinaMet。

以下是读取数据的代码：

import xarray as xr

# 1. 读取 nc 文件
# 请替换为你的实际文件路径
file_path = 'G:\\……\\ch_prec\\ChinaMet_001deg_prec\\ChinaMet_001deg_prec_1980.nc'
ds = xr.open_dataset(file_path)

# 2. 查看整体结构信息
print("=== 数据集概览 (Dataset Overview) ===")
print(ds)

# 3. 查看具体的变量名 (Data Variables)
print("\\n=== 包含的变量 (Variables) ===")
print(ds.data_vars.keys())

# 4. 查看维度信息 (Dimensions) – 比如时间、经度、纬度的大小
print("\\n=== 维度信息 (Dimensions) ===")
print(ds.dims)

# 5. 查看特定变量的详细信息
# 这里演示如何获取第一个变量的信息
var_name = list(ds.data_vars)[0]
variable = ds[var_name]

print(f"\\n=== 变量 '{var_name}' 的详细属性 ===")
print(f"Shape (形状): {variable.shape}")
print(f"Coords (坐标): {variable.coords}")
print(f"Attrs (单位等属性): {variable.attrs}")

下面就是文件读取出来的结果，我们可以看到这个文件包含的变量和纬度，以及单位等各种信息。这一步是非常关键的，只有知道了文件的信息，才能正确转换文件类型。

=== 数据集概览 (Dataset Overview) ===
<xarray.Dataset> Size: 108MB
Dimensions: (lon: 6869, lat: 3938)
Coordinates:
* lon (lon) float64 55kB 67.8467.8567.8667.87 … 136.5136.5136.5
* lat (lat) float64 32kB 15.315.3115.3215.33 … 54.6554.6654.67
Data variables:
prec (lat, lon) float32 108MB …
Attributes:
Title: ChinaMet: A new multisource merged and multi-variable meteo…
Data Period: 1980-2022
Contact: Dr. Ling Zhang, Email: zhanglingky@lzb.ac.cn, Northwest Ins…

=== 包含的变量 (Variables) ===
KeysView(Data variables:
prec (lat, lon) float32 108MB …)

=== 维度信息 (Dimensions) ===
FrozenMappingWarningOnValuesAccess({'lon': 6869, 'lat': 3938})

=== 变量 'prec' 的详细属性 ===
Shape (形状): (3938, 6869)
Coords (坐标): Coordinates:
* lon (lon) float64 55kB 67.8467.8567.8667.87 … 136.5136.5136.5
* lat (lat) float64 32kB 15.315.3115.3215.33 … 54.6554.6654.67
Attrs (单位等属性): {'long_name': 'annual precipitation', 'units': 'mm/year'}

进程已结束，退出代码为 0

（3）批量将NC数据转为TIFF数据

以下是基本的代码：

import os
import xarray as xr
import numpy as np
import rasterio
from rasterio.transform import from_origin
from tqdm import tqdm

# 设置文件夹路径
input_folder = 'G:/……/ch_prec/ChinaMet_001deg_prec/' # `.nc` 文件所在文件夹
output_folder = 'G:/……/cn_prec_nctotif/' # 输出文件夹路径，确保该文件夹存在
# 获取所有.nc文件
nc_files = [f for f in os.listdir(input_folder) if f.endswith('.nc')]
# 确保输出文件夹存在
os.makedirs(output_folder, exist_ok=True)

# 处理每个文件
for nc_file in tqdm(nc_files, desc="Processing .nc files", ncols=100):
# 构建文件路径
file_path = os.path.join(input_folder, nc_file)
# 读取.nc文件
ds = xr.open_dataset(file_path)
# 获取降水数据
rhu = ds['prec']
# 获取经纬度信息
lat = ds['lat'].values
lon = ds['lon'].values
# 检查纬度顺序，如果是从南到北（递增），则反转纬度顺序
if lat[0] < lat[-1]:
lat = lat[::-1] # 反转纬度顺序

# 设置栅格的空间分辨率和起始位置
transform = from_origin(lon.min(), lat.max(), (lon[1] – lon[0]), (lat[0] – lat[1]))
# 检查rhu的维度
print(f"rhu维度：{rhu.shape}")

# 如果没有时间维度，直接保存prec作为TIF
output_tif = f"{output_folder}{nc_file}_rhu.tif"
with rasterio.open(output_tif, 'w', driver='GTiff', count=1, dtype='float32',
height=rhu.shape[0], width=rhu.shape[1], crs='EPSG:4326', transform=transform) as dst:
dst.write(rhu.values[::-1, :], 1) # 反转纬度顺序写入

print("所有文件处理完成！")

常见问题解决

• “未找到变量”：核对TARGET_VAR是否与 NC 文件中的变量名一致（可通过第二部分的读取代码查看所有变量）；

• “维度不匹配”：检查数据维度顺序（如是否是 “纬度、经度” 而非 “经度、纬度”，需调整data_array的维度顺序）；

• “坐标系错误”：确认数据的实际坐标系，若不是 WGS84，需修改crs参数（如 UTMzone50N 对应EPSG:32650）。

3 结果

成功转化，nice！有的nc数据有时间维度，对这种数据我们需要进行针对处理，总之在处理nc数据时，要明确nc数据的信息（变量，维度，单位等……）再做具体操作。这就是今天的所有内容，教程中使用的中国降水数据我放在“梧桐GIS助手”小程序里，大家可以直接获取。