问题：
按照区域范围（min_lat, max_lat)~(min_lon, max_lon)读取一个NC文件，经、纬数据切片如何获取维数是一个大问题，切片数量不当，容易导致微小的误差，在后续的矩阵运算带来大的灾难。
例如：依据小间距网格计算结果，需与大间距网格数据进行误差比较时，一般会对小间距风格数据进行插值，此时因为插值后的网格精度是确定的，所以需要根据区域范围，计算出插值后的经纬向维数值1，利用维数值进行遍历插值。
而根据区域范围直接读取大间距网格数据，需要确定切片取值的经纬向维数值2，1与2的值需要严格一致，否则会造成矩阵运算错误，提示计算矩阵维数不一致错误信息。
过程：
1、经纬向维数值1计算公式
纬向维数：lat_steps = int(round((max_lat - min_lat)/grid_size,1)) +1
经向维数：lon_steps = int(round((max_lon - min_lon)/grid_size,1)) +1
此处假设经纬向网格间距一致，均为grid_size值
采向round取小数1位，防止浮点计算误差，采用int方式取整，亦可用math.ceil,math.floor取整，方式不影响结果
经向计算维数存在一些复杂性，因为涉及到跨越日经线或零度线的问题。
如经向值域为（-180,180]，则需考虑跨越日经线，如经向范围为：170~-160，30度的范围，
此时：max_lon = -160，min_lon = 170，显然：min_lon > max_lon。
则经向维数：lon_steps = int(round((max_lon + 360 - min_lon)/grid_size,1)) + 1
经向值域为（0, 360]，则需考虑跨越零度经线（格林威治线），计算方式一致。
2、准备总维数：
lats = len(data.variables['lat']
lons = len(data.variables['lon']
2、切片取值方法
切片取值基本方法：[起始序号值:起始序号值+切片维数值]
需分别计算起始序号值与切片维数值。
纬向计算：
st_lat_index = max(math.floor((min_lat - nc_min_lat)/grid_size),0) # st_lat为区域起始点，nc_min_lat为文件的经向起始点
lat_steps = min(int(round((max_lat - min_lat)/grid_size,1)) +1,lats) # 与之前的计算保持一致
rdata = data.variables[feature][..., start_lat_index:start_lat_index+lat_steps, ...]
经向计算：
如果不考虑跨越日经线，计算方式完全一致，但跨越日经线带来诸多麻烦事。
st_lon_index = max(math.floor((st_lon - min_lon)/grid_size),0) #起始序号，与纬向一致
if min_lon > max_lon: #跨越日经线，策略：分段取值，再拼接，故需分别求出 #两切片维数值，同时确保两段维数总和与之前计算的经向维数值一致。
lon_steps = min(int(round((max_lon + 360 - min_lon)/grid_size,1)) + 1, lons)
lon_steps1 = lons - start_lon_index #用经向总维数 - 起始序号
lon_steps2 = lon_steps - lon_steps1
rdata1 = data.variables[feature][..., ..., start_lon_index:]
rdata2 = data.variables[feature][..., ..., : lon_steps2]
rdata=np.concatenate((rdata1,rdata2), axis=2) # axis = 1/2根据实际情况定
else: #简单模式
lon_steps = int(round((max_lon-min_lon)/grid_size,1)) + 1
rdata = data.variables[feature][..., ..., start_lon_index:start_lon_index+lon_steps]