Dieses Video der Reihe „MetPy Monday“ demonstriert, wie Meteorologen und Softwareentwickler das Python-Paket Herbie nutzen können, um Wettermodell-Daten (speziell das High-Resolution Rapid Refresh / HRRR-Modell) direkt von Amazon Web Services (AWS) abzurufen und mithilfe von xarray, matplotlib und cartopy in wenigen Codezeilen Vorhersage-Radarbilder zu generieren. Das Tutorial deckt den gesamten Workflow ab – von der Datenabfrage über die Koordinatentransformation (Längengrade von 0–360° zu -180–180°) bis hin zur georeferenzierten Visualisierung von Composite-Reflektivitäten inklusive US-Grafikfeatures (Landkreise und Bundesstaaten).
Wichtigste Punkte & Zeitstempel
0:00 Einführung in Herbie: Automatisierter Abruf von Wettermodell-Daten mit Python und Erstellung präziser Radar-Prognosen in wenigen Codezeilen.
0:27 Nutzung des HRRR-Modells: Einsatz des Pakets Herbie durch NSF Unidata zur Abstraktion der verteilten Datenablage verschiedener Wettermodelle auf AWS.
1:06 Benötigte Bibliotheken: Import von Kernmodulen wie cartopy.crs (Projektionshandling), matplotlib.pyplot (Visualisierung), datetime und der Herbie-Klasse.
2:09 Konfiguration der Parameter: Definition der HRRR-Initialisierungszeit (18Z am 18./19. April 2023), der Vorhersagestunde (Forecast Hour 6) und der geografischen Bounding Box (-99.5 bis -96.0 Longitude, 34.0 bis 36.7 Latitude).
3:19 Daten-Download via AWS: Abruf des HRRR-Oberflächenprodukts von AWS (Grid 2) unter Verwendung von herbie-data und der Notwendigkeit von cfgrib als Backend-Abhängigkeit.
3:58 Extrahieren mit Xarray: Laden der Variablen composite reflectivity entire atmosphere, Dimensionsreduktion via .squeeze() und Normalisierung des Längengrad-Formats von 0–360° auf -180° bis 180°.
5:41 Visualisierung mit Pcolormesh: Erstellung des Plots im PlateCarree-Koordinatensystem, Einbindung von US-County-Grenzen und Anwendung des standardisierten NWS-Farbgrads (NWS storm clear reflectivity) mit angepasster Normierung.
8:33 Fehlerbehebung & Feinabstimmung: Korrektur von Variablennamen (refl) und nachträgliches Hinzufügen von Bundesstaatengrenzen (darunter die texanisch-oklahomische Grenze am Red River) zur exakten geografischen Verortung der Gewitterzellen.
Glossar
HRRR (High-Resolution Rapid Refresh): Ein atmosphärisches Wettervorhersagemodell der NOAA mit hoher Auflösung (3 km) für kurzfristige Unwettervorhersagen über den USA.
Herbie: Ein Python-Paket, das das Herunterladen von GRIB2-Vorhersagedaten (wie HRRR, GFS, ECMWF) von Cloud-Speichern (AWS, Google Cloud) automatisiert.
GRIB2 / GRIB (GRIdded Binary): Ein standardisiertes, kompaktes Dateiformat, das von meteorologischen Diensten zur Speicherung und Übertragung von Wettermodelldaten verwendet wird.
CF GRIB: Eine Python-Bibliothek (cfgrib), die GRIB-Dateien liest und sie als konforme xarray-Datenstrukturen abbildet.
Xarray: Ein Python-Paket, das multidimensionale Arrays (DataArrays und DataSets) mit beschreibenden Metadaten verarbeitet, ideal für geowissenschaftliche Analysen.
Cartopy: Eine Python-Bibliothek für geospatialle Datenverarbeitung und Kartendarstellung, die Daten in verschiedene geografische Projektionen transformiert.
PlateCarree: Eine einfache geografische Kartenprojektion (Platte Carrée), bei der Längen- und Breitengrade linear auf kartesische Koordinaten abgebildet werden.
dBZ (Decibel relative to Z): Eine logarithmische Maßeinheit für die Radareffektivität (Reflektivität) von Niederschlagspartikeln, wobei höhere Werte auf stärkeren Regen oder Hagel hinweisen.
NWS (National Weather Service): Die staatliche Wetterbehörde der USA, die für Wettervorhersagen, Unwetterwarnungen und meteorologische Standards zuständig ist.
AWS (Amazon Web Services): Die Cloud-Computing-Plattform von Amazon, auf der große Mengen meteorologischer Modelldaten öffentlich gehostet werden.