要实现处理一年内每日数据文件并提取长江流域上游区域的三维数组，需要结合多个关键步骤：遍历目录、读取数据、空间筛选和构建三维结构。以下是一个完整的 Python 实现方案。 假设数据格式为 NetCDF 或 HDF5 等支持多维地理信息的格式，并且每个文件对应一天的数据；此外，假定已知长江上游区域的经纬度范围（例如经度 90°E–110°E，纬度 28°N–35°N）。 ### 数据结构设计 将输出定义为形状为 `(time, lat, lon)` 的三维 NumPy 数组，其中 `time` 表示天数（365），`lat` 和 `lon` 分别表示筛选后的纬度和经度网格点数量。 ### 示例代码 ```python import os import numpy as np from netCDF4 import Dataset # 长江上游区域的经纬度范围 min_lon, max_lon = 90.0, 110.0 min_lat, max_lat = 28.0, 35.0 # 根目录路径和输出路径 root_directory = '/path/to/daily_data' output_file = '/path/to/output_3d_array.npy' # 初始化存储变量 data_list = [] # 遍历所有日期文件夹 for folder_name in os.listdir(root_directory): daily_folder_path = os.path.join(root_directory, folder_name) if not os.path.isdir(daily_folder_path): continue # 假设每天只处理一个 NetCDF 文件 for file_name in os.listdir(daily_folder_path): if file_name.endswith('.nc'): file_path = os.path.join(daily_folder_path, file_name) with Dataset(file_path, 'r') as nc: lats = nc.variables['latitude'][:] lons = nc.variables['longitude'][:] # 获取经纬度索引 lat_idx = np.where((lats >= min_lat) & (lats <= max_lat))[0] lon_idx = np.where((lons >= min_lon) & (lons <= max_lon))[0] # 假设有名为 'precipitation' 的变量 data = nc.variables['precipitation'][0, lat_idx, lon_idx] # 取第一天或单时间层 data_list.append(data) # 构建三维数组 (time, lat, lon) array_3d = np.stack(data_list, axis=0) # 保存为 NumPy 文件 np.save(output_file, array_3d) ``` ### 说明与注意事项 - 使用 `netCDF4.Dataset` 读取 NetCDF 格式数据，适用于气象、遥感等科学数据[^1]。 - 对于每个文件，提取符合条件的经纬度子集，使用布尔索引进行过滤。 - 每天的数据被追加到列表中，最后通过 `np.stack()` 合并成三维数组。 - 输出结果可保存为 `.npy` 文件以便后续分析或模型输入。