Python 画雷达反射率图

2023-10-12 04:40
文章标签 python 雷达 反射率

本文主要是介绍Python 画雷达反射率图,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1. 导库
import numpy as np
from matplotlib import pyplot as plt
from matplotlib.cm import get_cmap
from matplotlib.colors import from_levels_and_colors
import cartopy.crs as ccrs
import cartopy.io.shapereader as shpreader
from cartopy.feature import NaturalEarthFeature, COLORS
from netCDF4 import Dataset
from wrf import (getvar, to_np, get_cartopy, latlon_coords, vertcross,cartopy_xlim, cartopy_ylim, interpline, CoordPair, ALL_TIMES)
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
import matplotlib.ticker as mticker
import warnings
warnings.filterwarnings('ignore')
2. 读取变量
wrf_file = Dataset("./data/wrfout_d02_2017-08-22_12")# 读取变量
it = 7
ter  = getvar(wrf_file, "ter",  timeidx=0)
ht   = getvar(wrf_file, "z",    timeidx=it)
dbz  = getvar(wrf_file, "dbz",  timeidx=it)
mdbz = getvar(wrf_file, "mdbz", timeidx=it)
3. 最大反射率
# 垂直剖面的起始经纬度
cross_start = CoordPair(lat=24.0, lon=112.0)
cross_end   = CoordPair(lat=19.0, lon=119.0)lats, lons = latlon_coords(mdbz)
wrf_proj = get_cartopy(mdbz)# 创建figure, 最大雷达回波和垂直剖面子图
fig = plt.figure(figsize=(12,10))
ax_mdbz  = fig.add_subplot(1,1,1, projection=wrf_proj)########################### 绘制mdbz
lats, lons = latlon_coords(mdbz)
# 获取行政和海岸线数据shapefile
province  = shpreader.Reader('./data/china_shp/province.shp').geometries()
ax_mdbz.add_geometries(province, ccrs.PlateCarree(), facecolor='none', edgecolor='black', zorder=1)
ax_mdbz.coastlines('50m', linewidth=1.0, edgecolor="black")mdbz_levels = np.arange(5., 75., 5.)
mdbz_contours = ax_mdbz.contourf(lons, lats, mdbz,levels=mdbz_levels,transform=ccrs.PlateCarree(),cmap=get_cmap("rainbow"))plt.colorbar(mdbz_contours, ax=ax_mdbz, orientation="vertical", fraction=0.03, pad=.05)
ax_mdbz.plot([cross_start.lon, cross_end.lon],[cross_start.lat, cross_end.lat], color="red", marker="o", zorder=10, transform=ccrs.PlateCarree())ax_mdbz.set_title("Max Reflectivity (dBZ)", {"fontsize" : 20})

在这里插入图片描述

4. 插值dBZ至垂直剖面

# 插值前转化成对数
z_log = 10**(dbz/10.) # Use linear Z for interpolation
# 插值至垂直剖面
z_cross = vertcross(z_log, ht, wrfin=wrf_file,start_point=cross_start,end_point=cross_end,latlon=True, meta=True)
# 插值后转换回来
dbz_cross = 10.0 * np.log10(z_cross)# 前面的操作使变量丢失属性,将属性添加回去
dbz_cross.attrs.update(dbz.attrs)
dbz_cross.attrs["description"] = "radar reflectivity cross section"
dbz_cross.attrs["units"] = "dBZ"
5. 插值地形高度至cross line
# 插值地形高度至cross line
ter_line = interpline(ter, wrfin=wrf_file, start_point=cross_start,end_point=cross_end)
6.绘制垂直剖面dbz
# 插值地形高度至cross line
fig = plt.figure(figsize=(12,10))
ax_cross = fig.add_subplot(1,1,1)########################### 绘制垂直剖面dbz
dbz_levels = np.arange(5., 75., 5.)  # 14个区间# Create the color table found on NWS pages. # 14个区间
dbz_rgb = np.array([[4,233,231],[1,159,244], [3,0,244],[2,253,2], [1,197,1],[0,142,0], [253,248,2],[229,188,0], [253,149,0],[253,0,0], [212,0,0],[188,0,0],[248,0,253],[152,84,198]], np.float32) / 255.0#是一个辅助函数,可以帮助创建cmap和norm实例,其行为类似于Contourf的level和colors参数的行为
dbz_cmap, dbz_norm = from_levels_and_colors(dbz_levels, dbz_rgb,extend="max")xs = np.arange(0, dbz_cross.shape[-1], 1)
ys = to_np(dbz_cross.coords["vertical"])
dbz_np = to_np(dbz_cross) 
dbz_contours = ax_cross.contourf(xs,ys[0:90],dbz_np[0:90,:],levels=dbz_levels,cmap=dbz_cmap,norm=dbz_norm,extend="max")
# Add the color bar
cb_dbz = fig.colorbar(dbz_contours, ax=ax_cross)
cb_dbz.ax.tick_params(labelsize=8)# Fill in the mountain area
ht_fill = ax_cross.fill_between(xs, 0, to_np(ter_line),facecolor="saddlebrown")# Set the x-ticks to use latitude and longitude labels
coord_pairs = to_np(dbz_cross.coords["xy_loc"])
x_ticks = np.arange(coord_pairs.shape[0])
x_labels = [pair.latlon_str() for pair in to_np(coord_pairs)]thin = 10
ax_cross.set_xticks(x_ticks[::thin])
ax_cross.set_xticklabels(x_labels[::thin], rotation=35, fontsize=8)# Set the x-axis and  y-axis labels
ax_cross.set_xlabel("Lat, Lon", fontsize=15)
ax_cross.set_ylabel("Height(m)", fontsize=15)plt.savefig("wrf_cross_dbz.png")
plt.show()

在这里插入图片描述

这篇关于Python 画雷达反射率图的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/193304

相关文章

Python办公自动化实战之打造智能邮件发送工具

《Python办公自动化实战之打造智能邮件发送工具》在数字化办公场景中,邮件自动化是提升工作效率的关键技能,本文将演示如何使用Python的smtplib和email库构建一个支持图文混排,多附件,多... 目录前言一、基础配置:搭建邮件发送框架1.1 邮箱服务准备1.2 核心库导入1.3 基础发送函数二、

Python包管理工具pip的升级指南

《Python包管理工具pip的升级指南》本文全面探讨Python包管理工具pip的升级策略,从基础升级方法到高级技巧,涵盖不同操作系统环境下的最佳实践,我们将深入分析pip的工作原理,介绍多种升级方... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合