大礼包来了！我们自用的天气诊断分析软件开源给你

什么是MetDig

英雄不问出处，而对于气象从业者而言，虽然大家使用千差万别的计算机语言，写着格式不一的代码，但都在努力做着同一件事情——通过智能的天气诊断分析工具，最大程度的提高预 准确率。

由于计算机语言间的种种技术壁垒，加之如GrADS、Fortran、NCL、IDL等常用气象分析计算机语言的较强专业性，形成了较狭窄用户生态，致使产生了诸如技术交流困难、重复劳动频繁、技术实现标准难以统一等诸多问题。

近年来，随着Python语言的大火，凭借其庞大的开源资源和用户群体，逐步开始在气象应用领域崭露头角。

目前，在数值模式后处理、资料同化、卫星雷达、诊断分析计算、可视化、机器学习算法等方方面面的应用均有基于Python语言开发的程序库的影子。其中更不乏喊着口 要取代它的“激进分子”，如Metpy、Magics、PyNGL和wrf-python等。业界如此看好Python未来的发展，国内气象从业者同样不会袖手旁观，Meteorological Diagnostic Tools(MetDig，国家气象中心诊断分析工具包，原名NMDT) 便是当今Python浪潮中的一员。

MetDig 功能框架

NMDT是由国家气象中心天气预 技术研发室开发，面向国内天气预 业务和科研应用的通用型天气学诊断分析工具包，其致力于支撑天气预 及其相关的研究工作，为重大天气过程预 、复盘、机理研究等应用场景提供诊断分析技术支持。

MetDig 是由国家气象中心天气预 技术研发室开发，面向国内天气预 业务和科研应用的通用型天气学诊断分析工具包，其致力于支撑天气预 及其相关研究工作，为重大天气过程预 、复盘、机理研究等应用场景提供诊断分析技术支持。

MetDig 的技术框架包括IO层、用户调用层、算法层和可视化层。其中用户调用层提供兼顾通用性和结构简明的调用参数，实现对数据源、时空信息、地理信息标注等要素的定制。算法层中，MetDig底层基于Xarray结构、引入了NumPy、Pandas、SciPy、MetPy（参见前文：这个最火的气象python类库）等热门科学计算、大气诊断和数据结构体等算法包，另包含了nmc_met_diagnostic(
https://github.com/nmcdev/nmc_met_diagnostic), nmc_met_base (
https://github.com/nmcdev/nmc_met_base)

等自研算法包，实现了基于我国天气预 业务数据环境（MICAPS Cassandra和CIMISS数据库）的大气诊断量计算、多维时空插值、多维数据切片和提取等常用算法。可视化层则基于Matplotlib、Cartopy、MetPy实现常用地图投影转换、图形的绘制以及图形的简单交互功能。

MetDig 功能框架

MetDig 如何应用？

MetDig 未来展望