Pour une comparaison visuelle très rapide, j'utiliserais Navigateur de cubes ou ncview avec un outil de ligne de commande comme les Opérateurs de données climatiques. Pour la production rapide de jolis graphismes (et animations), Panoply fait vraiment du bon travail. Pour une analyse plus approfondie ou des graphiques spéciaux, suivez votre approche et votre script avec des éléments tels que MATLAB, Python (par exemple avec Iris), IDL, R, ncl ou tout ce que les gens de votre entourage utilisent.

Les auteurs de netCDF, UNIDATA, maintiennent une liste assez complète de logiciels de visualisation sur le site Web de netCDF. Il mentionne même un complément Excel, vraisemblablement pour les masochistes.

Au fil des ans, j'ai trouvé que Ferret était fiable avec les fichiers compatibles CF (et non conformes ceux, d'ailleurs) et utiles pour les regards rapides interactifs et les manipulations simples. Il comprend, par exemple, le format d'heure UDUNITS recommandé par CF et appliquera automatiquement les attributs scale_factor et add_offset aux variables. Il est certainement plus rapide d’afficher quelque chose à l’écran que la route Python / R / Matlab que j’utilise habituellement pour les graphiques de qualité de présentation et de publication.

Si vous recherchez une visionneuse qui ressemble davantage à une interface graphique, alors j'ai entendu de bonnes choses à propos de Panoply, même si je dois admettre que je ne l'ai jamais utilisé moi-même.

Je seconde ncview pour avoir jeté un coup d'œil aux fichiers NetCDF.

Je recommanderais également d'essayer Integrated Data Viewer (IDV) d'Unidata. Il est idéal pour superposer des champs géophysiques en 3-D à partir de différentes sources. Outre NetCDF, il prend en charge de nombreux autres formats. Il est également livré avec une liste préchargée de divers référentiels de données d'observation et de modèles via THREDDS et OpenDAP. IDV vous permet également de définir des fonctions et des opérations entre les champs sur différentes grilles ou projections. Notez que IDV n'est pas bon pour une analyse sérieuse à mon avis, mais est plus approprié pour explorer visuellement des ensembles de données.

Normalement, j'utilise les logiciels suivants pour un aperçu rapide de mes fichiers NetCDF:

1. NASA Panoply ( Panoply netCDF, HDF et GRIB Data Viewer): basé sur Java , très bon pour ouvrir HDF, NetCDF, GRIB ...
2. Fonctions CDO comme ombré, contour, etc. (très basique mais utile depuis la ligne de commande)
3. MATLAB et R avec leurs fonctions de base

Juste pour ajouter mon point de vue;

1. En utilisant ncks vous pouvez faire beaucoup de choses, c'est-à-dire différencier, obtenir des ratios, extraire des variables, découper la dimension etc.
2. Si vous voulez faire des opérations binaires sur Les fichiers netcdf considèrent ncbo. Pour les fichiers volumineux, je préfère réduire ce que je veux en premier lieu, il opendap remote également.
3. Je déteste le matlab, alors je suis passé à NCL (NCAR), qui est simple et contient de nombreux scripts déjà préparés pour la plupart des modèles courants. Inutile de dire qu'il produit des chiffres de qualité de publication;)
4. Il y a une partie de la lib pour python (pyNGL), la même syntaxe donc une fois familiarisé avec ncl, il est facile de l'utiliser également en python, support pour d'autres formats comme grib, hdf, ...

En utilisant Matlab, vous pouvez faire ncgeodataset ( http://code.google.com/p/nctoolbox/wiki/ncgeodataset) pour sous-échantillonner le netcdf sans avoir à télécharger de grands ensembles de données.

Par exemple,

  nc = ncgeodataset ('http://thredds.jpl.nasa.gov/thredds/dodsC/ncml_aggregation/OceanTemperature/ghrsst/aggregate__ghrsst_JPL_OUROCEAN-L4UHfnd -GLOB-G1SST_OI.ncml '); gvar = nc.geovariable ('analysed_sst'); s.time = {'20-mai-2012', '24-mai-2012'}; s.lat = [40 41,5]; s.lon = [0 2,0]; sub = gvar.geosubset (s); % Méthode de sous-ensemble pcolor (sub.grid.lon, sub.grid.lat, double (squeeze (sub.data (1,:,:))) - 273.15);  

Bien que je ne connaisse pas les spécificités de la modélisation océanique, à moins qu'il n'y ait un "standard" dans lequel les nœuds sont organisés et écrits (Ie X, Y, Z), il y aura toujours un codage requis. En outre, la manière dont un fichier de données est écrit dépend toujours de la manière dont les tâches du modèle sont déléguées au processeur: le modèle est-il conçu pour être exécuté sur un PC personnel ou un Beowulf Cluster?

Vous pourrez peut-être utiliser quelque chose comme OpenDx, pour comparer les résultats de la modélisation des océans, bien que je pense toujours qu'un script python rapide serait pour formater correctement tous les types de données .