python ERA5 画水汽通量散度图地图:风速风向矢量图、叠加等高线、色彩分级、添加shp文件、添加位置点及备注

这篇具有很好参考价值的文章主要介绍了python ERA5 画水汽通量散度图地图:风速风向矢量图、叠加等高线、色彩分级、添加shp文件、添加位置点及备注。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

动机

有个同事吧,写论文,让我帮忙出个图,就写了个代码,然后我的博客好久没更新了,就顺便贴上来了!
很多人感兴趣风速的箭头怎样画,可能这种图使用 NCL 非常容易,很多没用过代码的小朋友,就有点犯怵,怕 python 画起来很困难。但是不然,看完我的代码,就会发现很简单,并且也可以批量,同时还能自定义国界等shp文件,这对于发sci等国际论文很重要,因为有时候内置的国界是有问题的。

数据

本次博客使用的数据为 ERA5 hourly data on pressure levels from 1940 to present数据,数据的下载方式及注册账号,我在前面的博客中都写过,详细可参考以下两篇博客:



以下为我们数据介绍界面和需要下载的变量:
数据介绍地址:https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-pressure-levels?tab=overview
python ERA5 画水汽通量散度图地图:风速风向矢量图、叠加等高线、色彩分级、添加shp文件、添加位置点及备注,ERA5,Xarray,Python,python,开发语言,数据可视化

数据选择界面

python ERA5 画水汽通量散度图地图:风速风向矢量图、叠加等高线、色彩分级、添加shp文件、添加位置点及备注,ERA5,Xarray,Python,python,开发语言,数据可视化

代码

废话不多说,直接上代码。

导入包

import xarray as xr
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
import geopandas as gpd
# 设置全局字体为新罗马
plt.rcParams['font.family'] = 'serif'
plt.rcParams['font.serif'] = ['Times New Roman']
# plt.rcParams['font.serif'] = ['SimSun']
# 设置全局字体权重为normal
plt.rcParams['font.weight'] = 'normal'

# 设置全局字体大小
matplotlib.rcParams['font.size'] = 19  # 设置全局字体大小为12

画水汽通量散度图

# 加载shapefile
gdf = gpd.read_file(r'./shp/Pronvience.shp')

# 使用geopandas读取地理数据,这里我们手动创建一个GeoDataFrame
gdf_point = gpd.GeoDataFrame({
    'City': ['Mingfeng Station', 'Kalasai Station'],
    'Latitude': [37.5,37],
    'Longitude': [80,81]
}, geometry=gpd.points_from_xy([80,81], [37.5,37]))


# 载入数据
data_path = r'./20170731_case.nc'  # 替换为您的文件路径
ds = xr.open_dataset(data_path)

time = '2017-07-30T22:00:00'

# level_hPa = 700

# for level_hPa in [200,500,700,850]:
for level_hPa in [600]:
    # 选择特定时间和气压层
    ds_selected = ds.sel(time= time, level=level_hPa)  # 示例:2022年1月1日0时,850hPa
    
    # 获取数据变量
    u = ds_selected['u']  # 东西向风速
    v = ds_selected['v']  # 南北向风速
    q = ds_selected['q']  # 比湿
    
    # 获取经度和纬度,假设这些是坐标维度
    longitude = u.longitude
    latitude = u.latitude
    
    # 计算水汽通量
    qu = q * u  # 东西向水汽通量
    qv = q * v  # 南北向水汽通量
    
    
    # 计算水汽通量散度 单位为
    div_q = (qu.differentiate('longitude') + qv.differentiate('latitude'))* 10
    
    # 打印结果
    # print(div_q)
    
    # 创建图形和轴对象
    fig, ax = plt.subplots(figsize=(6, 6),dpi=500)  # 图形尺寸为10x6英寸
    
    # 可视化散度结果
    contour = div_q.plot(add_colorbar=False, cmap="RdBu_r", vmin=-1, vmax=1)  # 使用黑色线条绘制20个等级的等高线
    #
    # 在ax上绘制等高线图
    div_q.plot.contour(levels=25, colors='black',linewidths=0.6)
    # 添加颜色条
    fig.colorbar(contour, ax=ax, label='Water Vapor Flux Divergence (g/cm²/s)')
    
    # 使用quiver函数需要确保数据的间隔,这里我们每隔5个点取样
    Q = ax.quiver(longitude[::5], latitude[::5], u[::5, ::5], v[::5, ::5], scale=300,color="red")
    
    # 绘制shapefile
    gdf.plot(ax=ax, color='none', edgecolor='green',linewidths=0.7)  # 无填充,黑色边界
    
    # gdf_point.plot(ax=ax, color='red')  # 标记纽约的位置
    
    # 绘制点
    ax.scatter(gdf_point['Longitude'], gdf_point['Latitude'], color='red', s=100) 
    
    # 标注城市名称
    for x, y, city in zip(gdf_point['Longitude'], gdf_point['Latitude'], gdf_point['City']):
        ax.text(x, y, ' ' + city, verticalalignment='center', fontsize=15)
    

    
    # 设置经纬度范围
    ax.set_xlim(75, 90)
    ax.set_ylim(30, 45)
    
    ax.set_xlabel('Longitude')
    ax.set_ylabel('Latitude')
    ax.set_title('')  # 清除标题
    
    # 添加标题在图片正下方
    # fig.suptitle('{}hPa {}'.format( level_hPa,time.replace("T"," ") ), y=-0.01,va='bottom')
    
    # 调整布局以避免重叠和裁剪
    fig.tight_layout()
    
    plt.savefig("./{}hPa {}.jpg".format( level_hPa,time.replace(":","") ), dpi=500)
    plt.show()

水汽通量图

# 加载shapefile
gdf = gpd.read_file(r'./shp/Pronvience.shp')

# 载入数据
data_path = r'./20170731_case.nc'  # 替换为您的文件路径
ds = xr.open_dataset(data_path)

time = '2017-07-30T22:00:00'
for level_hPa in [200,500,600,700,850]:
    # 选择特定时间和气压层
    ds_selected = ds.sel(time= time, level=level_hPa)  # 示例:2022年1月1日0时,850hPa
    
    # 获取数据变量
    u = ds_selected['u']  # 东西向风速
    v = ds_selected['v']  # 南北向风速
    q = ds_selected['q']  # 比湿
    
    # 获取经度和纬度,假设这些是坐标维度
    longitude = u.longitude
    latitude = u.latitude
    
    # 计算水汽通量
    qu = q * u * 100  # 东西向水汽通量
    qv = q * v * 100 # 南北向水汽通量
    
    wvf = np.sqrt(qu**2 + qv**2)
    
    # 计算水汽通量散度 单位为
    # div_q = (qu.differentiate('longitude') + qv.differentiate('latitude'))* 10
    
    # 打印结果
    # print(div_q)
    
    # 创建图形和轴对象
    fig, ax = plt.subplots(figsize=(6, 6),dpi=400)  # 图形尺寸为10x6英寸
    
    # 可视化散度结果
    contour = wvf.plot(add_colorbar=False, cmap="RdBu_r", vmin=0, vmax=10)  # 使用黑色线条绘制20个等级的等高线
    #
    # 在ax上绘制等高线图
    wvf.plot.contour(levels=25, colors='black',linewidths=0.6)
    # 添加颜色条
    fig.colorbar(contour, ax=ax, label='Water Vapor Flux(g/cm/s)')
    
    # 使用quiver函数需要确保数据的间隔,这里我们每隔5个点取样
    Q = ax.quiver(longitude[::5], latitude[::5], u[::5, ::5], v[::5, ::5], scale=300,color="red")
    
    # 绘制shapefile
    gdf.plot(ax=ax, color='none', edgecolor='green',linewidths=0.7)  # 无填充,黑色边界
    
    # 设置经纬度范围
    ax.set_xlim(75, 90)
    ax.set_ylim(30, 45)
    
    ax.set_xlabel('Longitude')
    ax.set_ylabel('Latitude')
    ax.set_title('')  # 清除标题
    
    # 添加标题在图片正下方
    # fig.suptitle('{}hPa {}'.format( level_hPa,time.replace("T"," ") ), y=-0.01,va='bottom')
    
    # 调整布局以避免重叠和裁剪
    fig.tight_layout()
    
    plt.savefig("./WVF_{}hPa {}.jpg".format( level_hPa,time.replace(":","") ), dpi=500)
    plt.show()

结果图

python ERA5 画水汽通量散度图地图:风速风向矢量图、叠加等高线、色彩分级、添加shp文件、添加位置点及备注,ERA5,Xarray,Python,python,开发语言,数据可视化文章来源地址https://www.toymoban.com/news/detail-857146.html

到了这里,关于python ERA5 画水汽通量散度图地图:风速风向矢量图、叠加等高线、色彩分级、添加shp文件、添加位置点及备注的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • python气象数据可视化学习笔记8——利用matplotlib和ERA5数据绘制时间-高度气象综合廓线图

    气象预报业务中,有种常用的综合廓线图,其本质上是单个站点时间-高度的等高线或者填色图,其中时间是从右到左来看。所以准备好(time, level)的二维数据,然后依次叠加线条和填色就可以,思路很简单,但是绘图中涉及到了很多细节问题,也是琢磨了一阵子,怕以后忘了

    2024年02月05日
    浏览(20)
  • 水汽稳定度修正函数\Psi_q对潜热通量影响--模式验证工作

    我之前提出了一个水汽通量廓线关系,这项工作偏理论,如果对下面说的背景不了解的话可以看下 https://agupubs.onlinelibrary.wiley.com/share/YNSG74MV8B8BAAUMCHN3?target=10.1029/2022JD036708 那会没把提出的水汽稳定度修正函数加到CAS-ESM,当时对CAS-ESM模式还没这么熟悉,也想着师兄能帮我,但是师

    2024年02月02日
    浏览(19)
  • WRF进阶:使用ERA5-land数据驱动WRF/WRF撰写Vtable文件添加气象场

    想用WRF模拟地气交换过程,对于WRF的地表数据,尤其是土壤温湿度数据要求便会很大,传统使用ERA5-singledata数据精度也许不足以满足需求,为此,本文尝试使用ERA5-land数据替换驱动WRF。 ERA5-land的数据下载与ERA5其他数据并无不同,只不过需要注意一点:当下载grib格式时,部分

    2024年02月09日
    浏览(22)
  • 风速预测 | Python基于CEEMDAN-CNN-Transformer+ARIMA的风速时间序列预测

    效果一览 基本介绍 CEEMDAN-CNN-Transformer+ARIMA是一种用于风速时间序列预测的模型,结合了不同的技术和算法。收集风速时间序列数据,并确保数据的质量和完整性。这些数据通常包括风速的观测值和时间戳。CEEMDAN分解:使用集合经验模态分解(CEEMDAN)将风速时间序列分解为多

    2024年01月25日
    浏览(17)
  • 基于长短期神经网络的风速预测,基于LSTM的风速预测

    目录 背影 摘要 LSTM的基本定义 LSTM实现的步骤 基于长短期神经网络LSTM的风速预测 完整代码: https://download.csdn.net/download/abc991835105/88171311 效果图 结果分析 展望 参考论文 风速预测是一种比较难的预测,随机性比较大,长短期神经网络是一种改进党的RNN神经网络,克服了梯度

    2024年02月14日
    浏览(22)
  • 如何使用MATLAB处理涡度通量数据

    MATLAB MATLAB是美国MathWorks公司出品的商业数学软件,用于数据分析、无线通信、深度学习、图像处理与计算机视觉、信号处理、量化金融与风险管理、机器人,控制系统等领域。 MATLAB是matrixlaboratory两个词的组合,意为矩阵工厂(矩阵实验室),软件主要面对科学计算、可视化

    2024年02月09日
    浏览(17)
  • ERA ·Era Network:Web3.0社交的破局者

    在当今数字化环境中,互联网的集中化严重制约了个人对数据的控制权,引发了对数据隐私、所有权和自主权的重大关切。这一问题尤其在社交网络、数据存储和内容传输等关键领域表现得尤为明显,用户常常感到无法充分掌握自己的数字身份和个人数据。这种陈旧的基础设

    2024年01月25日
    浏览(27)
  • KL散度

    KL散度(Kullback-Leibler divergence),也称为相对熵(relative entropy),是用来衡量两个概率分布之间差异的一种指标。在机器学习中,KL散度常常用于度量两个概率分布之间的相似度或差异性。 具体来说,假设我们有两个概率分布 p ( x ) p(x) p ( x ) 和 q ( x ) q(x) q ( x ) ,其中 p ( x

    2024年02月03日
    浏览(19)
  • 14、KL散度

    KL 散度,是一个用来衡量两个概率分布的相似性的一个度量指标。 现实世界里的任何观察都可以看成表示成信息和数据,一般来说,我们无法获取数据的总体,我们只能拿到数据的部分样本,根据数据的部分样本,我们会对数据的整体做一个近似的估计,而数据整体本身有一

    2023年04月18日
    浏览(18)
  • STM32-风速传感器(ADC)

    目录 0 说明 1 传感器介绍 2 代码说明      2.1 ADC.c      2.2 adc.h     2.3 main.c          本篇文章主要是说明怎么使用STM32单片机读取风速传感器采集到的数据,读取方式是ADC,并且附带着STM32所需要的全部代码,所使用的风速传感器如下图所示。 附: 使用单片机STM32f103系

    2024年02月15日
    浏览(17)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包