Простой способ с помощью сценариев для подвыборки неструктурированных данных THREDDS?

Opendap и NetCDF не допускают извлечение с использованием нерегулярной индексации. Вы можете только запросить старт, остановку и шаг.

А поскольку это треугольная сетка, нет гарантии, что узлы треугольников в одной области имеют одинаковые индексы. Поэтому, если вы хотите получить только те узлы в ограничивающей рамке, вам придется запрашивать их один за другим. И это медленно. Таким образом, во многих случаях быстрее определить минимальный и максимальный индексы и запросить весь фрагмент целиком, а затем извлечь индексы по мере необходимости.

Вот пример сравнения двух подходов в Python. В этом примере извлечение подмножества, включающего все индексы, выполняется примерно в 10 раз быстрее, чем цикл по каждому индексу, извлекающий временные ряды:

import netCDF4
import time
import numpy as np

url='http://www.smast.umassd.edu:8080/thredds/dodsC/FVCOM/NECOFS/Forecasts/NECOFS_GOM3_FORECAST.nc'
nc = netCDF4.Dataset(url)
ncv = nc.variables
lon = ncv['lon'][:]
lat = ncv['lat'][:]
tim = ncv['time'][:]

# find indices inside box
box = [-71.4,41,-70.2,41.5]
ii = (lon>=box[0])&(lon<=box[2])&(lat>=box[1])&(lat<=box[3])
# jj will have just indices from inside the box:
jj = np.where(ii)[0]

Если мы зациклимся на каждом индексе, это будет медленно:

# loop over indices, extracting time series
time0=time.time()
zi = np.zeros((len(tim),len(jj)))
k=0
for j in jj:
    zi[:,k]=ncv['zeta'][:,j]
    k +=1
print('elapsed time: %d seconds' % (time.time()-time0))

elapsed time: 56 seconds

Но если мы будем перебирать диапазон на каждом временном шаге, это будет намного быстрее:

time0=time.time()
zi2 = np.zeros((len(tim),len(jj)))
jmin=jj.min()
jmax=jj.max()

for i in range(len(tim)):
    ztmp = ncv['zeta'][i,jmin:jmax+1]
    zi2[i,:] = ztmp[jj-jmin]
print('elapsed time: %d seconds' % (time.time()-time0))

elapsed time: 6 seconds

Конечно, ваши результаты могут различаться в зависимости от размера неструктурированной сетки, близости точек в вашем подмножестве, количества точек, которые вы извлекаете, и т. д. Но, надеюсь, это даст вам представление о возникающих проблемах.

Ответ Рича предлагает лучший способ сделать это, если у вас действительно жесткие ограничения производительности. Но, по его словам, результаты могут различаться в зависимости от сетки и области подмножества.

Если вас интересует только 1 временной шаг за раз (без каламбура), существует предельная стоимость и гораздо более простой код, чтобы просто получить всю пространственную область как есть с сервера dap:

time0 = time.time()
zi3 = ncv['zeta'][0, :]
zi3 = zi3[jj]
print('elapsed time: %d seconds' % (time.time() - time0))

elapsed time: 0 seconds

При профилировании (даже при предварительном распределении массивов) грубое минимальное/максимальное подмножество, которое делает Рич, примерно в 2 раза быстрее, учитывая эту сетку и конкретное пространственное подмножество. Сетка NECOFS относительно мала в мире неструктурированных сеток. Например, у вас могут возникнуть проблемы с сетками ADCIRC атлантического масштаба.

ПОСТСКРИПТ: Вы захватываете всю сетку, когда вы все равно получаете широту и долготу, чтобы определить индексы подмножества.