Python | 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。

核心特点

常见应用场景

1. 环境准备

# 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

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}")

=== 数据集概览 (Dataset Overview) ===<xarray.Dataset> Size: 108MBDimensions:  (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 ... 54.6554.6654.67Data 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 ... 54.6554.6654.67Attrs (单位等属性): {'long_name': 'annual precipitation', 'units': 'mm/year'}进程已结束，退出代码为 0

import osimport xarray as xrimport numpy as npimport rasteriofrom rasterio.transform import from_originfrom 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