Julia: librerias para geociencias comparadas con Python

JULIA-BLOG
Scientific Computing Julia

Notebook

Experiencias programando con Julia

¿Qué librerias hay en Python?

Dado que me dedico profesionalmente a la física de la atmósfera, una de las herramientas principales con la que he de trabajar son librerias para el análisis de datos climatológicos o meteorológicos. En Python la libreria que más uso para esto xarray (antes usaba la libreria netCDF4 pero xarray facilita muchas tareas). Algo similar a xarray, aunque más específico es iris, la libreria creada por Met-Office.

xarray and iris

  • La libreria xarray proporciona un modo rápido y cómodo de manejar arrays multidimensionales. Para aquellos que trabajamos con archivos netcdf, xarray encapsula la información típica de un archivo netcdf en unas estructuras de datos llamadas dataset y dataArrays. DataQrray seria lo mas similar a un archivo netcdf con una sola variable y varias dimensiones. Dataset puede contener varias DataArrays. En ambos casos se almacena metadata y atributos. No hay una estructura general que encapsule un archivo netcdf con varios grupos por lo que habría que leer cada grupo del archivo orginal como un Dataset diferente.

  • La libreria iris se construye alrededor de un objeto llamado cube que es similar a un DataArray. Una diferencia importante es que si bien los objetos de xarray pueden tener cualesquiera dimensiones en el caso de cube se espera que sean coordenadas geográficas (latitud y longitud), coordenada vertical y una coordenada temporal. Dado que iris está creado especificamente para el tratamiento de datos de modelos de clima, esta librería se ocupa también de tener métodos concretos para segurar CF-Compilant, hacer interpolaciones etc.

  • Para visualización utilizo principalmente cartopy y matplotlib. Ambas xarray e iris tienen métodos para hacer más sencilla la visualización de sus objetos con estas librerias pero en cualquier caso conviene aprenderlas de modo independiente.

¿Qué librerias hay en Julia?

Si bien xarray es una libreria consolidad en Python, en este momento no hay una alternativa consolidada en Julia sino muchas opciones y propuestas en busca de una herramienta apropiada: AxisArrays.jl, NamedArrays.jl, GeoArrays.jl etc.

Lo más similar a iris-cube seria la estructura ClimateGrid presente en la libreria ClimateTools.jl (que en última instancia usa AxisArrays). Dado que ClimateTools es específica, como lo es iris, esta estructura incorpora CF-Compilant y busca tener funcionalidades y metodos similares a iris-cube.

Para la visualización hay opciones pero nada en este momento al nivel de cartopy. Eso no es un mayor problema dado que con PyPlots.jl es posible utilizar matplotlib y cartopy con PyCall. Hay una tentativa de libreria en Julia con GeoMakie.jl, pero aun esta en desarrollo y no es muy funcional. ClimateTools.jl utiliza matplotlib via PyCall para la representación gráfica.

Tabla comparativa con librerias de Python

JuliaPythonNotes
GeoArrays.jlrasterionot tested functionality
DimensionalData.jlxarrays(several alternatives in Julia). Not very mature
NCDatasets.jlnetcdf4-python 
GeoData.jl?Works. Unclear support of vertical dim. for climate models.