用python裁剪MOD11C3数据至指定范围（105°E-125°E,20°N-40°N），提取MOD11C3中的Land Surface Temperature（LST）数据，并根据时间顺序拼接成一个netCDF文件

好的，我理解了你的问题。为了实现这个需求，我们可以使用 Python 中的 xarray 和 netCDF4 库来处理和操作 netCDF 文件，使用 numpy 和 matplotlib 库来处理和显示数据。

首先，我们需要从 MOD11C3 数据集中提取 LST 数据。这个数据集中包含了很多变量，我们可以使用 xarray 库来读取和处理这个数据集。假设数据集的文件名为 `MOD11C3.A2019001.006.2019003181310.hdf`，我们可以使用以下代码来读取该数据集：

import xarray as xr

filename = "MOD11C3.A2019001.006.2019003181310.hdf"
ds = xr.open_dataset(filename, engine="netcdf4")

接下来，我们需要裁剪数据集至指定的经纬度范围，可以使用 xarray 库中的 `sel()` 方法来实现。假设我们需要裁剪的范围为（105°E-125°E,20°N-40°N），我们可以使用以下代码来实现：

ds = ds.sel(lon=slice(105, 125), lat=slice(40, 20))

注意，这里的经度范围要使用从小到大的顺序，纬度范围要使用从大到小的顺序。

接下来，我们需要提取 LST 数据。根据 MOD11C3 数据集的说明，LST 数据存储在 `LST_DAY` 和 `LST_NIGHT` 两个变量中，单位为开尔文（K）。我们可以将这两个变量相加并除以 10000，转换为摄氏度（℃），并使用 xarray 库中的 `to_netcdf()` 方法将数据保存为一个 netCDF 文件。以下是完整的代码：

import xarray as xr

filename = "MOD11C3.A2019001.006.2019003181310.hdf"
ds = xr.open_dataset(filename, engine="netcdf4")
ds = ds.sel(lon=slice(105, 125), lat=slice(40, 20))
lst = (ds["LST_DAY"] + ds["LST_NIGHT"]) / 10000.0
lst.to_netcdf("LST.nc")

这样，我们就成功地从 MOD11C3 数据集中提取了 LST 数据，并将其保存为了一个 netCDF 文件。接下来，我们可以使用类似的方法将多个数据集拼接成一个 netCDF 文件。假设我们有两个数据集 `MOD11C3.A2019001.006.2019003181310.hdf` 和 `MOD11C3.A2019002.006.2019003181310.hdf`，我们可以使用以下代码将这两个数据集拼接成一个 netCDF 文件：

import xarray as xr

filenames = ["MOD11C3.A2019001.006.2019003181310.hdf", "MOD11C3.A2019002.006.2019003181310.hdf"]
ds_list = [xr.open_dataset(filename, engine="netcdf4") for filename in filenames]
ds = xr.concat(ds_list, dim="time")
ds = ds.sel(lon=slice(105, 125), lat=slice(40, 20))
lst = (ds["LST_DAY"] + ds["LST_NIGHT"]) / 10000.0
lst.to_netcdf("LST.nc")

注意，在拼接数据集时，需要将它们按照时间顺序进行拼接，并使用 `concat()` 方法将它们拼接成一个新的数据集。此外，我们还可以使用 xarray 库中的 `open_mfdataset()` 方法来打开多个数据集，并将它们拼接成一个新的数据集。例如：

import xarray as xr

filenames = ["MOD11C3.A2019001.006.2019003181310.hdf", "MOD11C3.A2019002.006.2019003181310.hdf"]
ds = xr.open_mfdataset(filenames, combine="by_coords", concat_dim="time", engine="netcdf4")
ds = ds.sel(lon=slice(105, 125), lat=slice(40, 20))
lst = (ds["LST_DAY"] + ds["LST_NIGHT"]) / 10000.0
lst.to_netcdf("LST.nc")

这样，我们就成功地将多个数据集拼接成了一个新的 netCDF 文件，并从中提取了 LST 数据。