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

本文主要是介绍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!

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:

http://t.csdnimg.cn/657dg
http://t.csdnimg.cn/YDELh
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
在这里插入图片描述

数据选择界面

在这里插入图片描述

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.longitudelatitude = 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shapefilegdf.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.longitudelatitude = 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shapefilegdf.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

在这里插入图片描述

这篇关于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/933862

相关文章

python中各种常见文件的读写操作与类型转换详细指南

《python中各种常见文件的读写操作与类型转换详细指南》这篇文章主要为大家详细介绍了python中各种常见文件(txt,xls,csv,sql,二进制文件)的读写操作与类型转换,感兴趣的小伙伴可以跟... 目录1.文件txt读写标准用法1.1写入文件1.2读取文件2. 二进制文件读取3. 大文件读取3.1

使用Python实现一个优雅的异步定时器

《使用Python实现一个优雅的异步定时器》在Python中实现定时器功能是一个常见需求,尤其是在需要周期性执行任务的场景下,本文给大家介绍了基于asyncio和threading模块,可扩展的异步定... 目录需求背景代码1. 单例事件循环的实现2. 事件循环的运行与关闭3. 定时器核心逻辑4. 启动与停

基于Python实现读取嵌套压缩包下文件的方法

《基于Python实现读取嵌套压缩包下文件的方法》工作中遇到的问题,需要用Python实现嵌套压缩包下文件读取,本文给大家介绍了详细的解决方法,并有相关的代码示例供大家参考,需要的朋友可以参考下... 目录思路完整代码代码优化思路打开外层zip压缩包并遍历文件:使用with zipfile.ZipFil

Python处理函数调用超时的四种方法

《Python处理函数调用超时的四种方法》在实际开发过程中,我们可能会遇到一些场景,需要对函数的执行时间进行限制,例如,当一个函数执行时间过长时,可能会导致程序卡顿、资源占用过高,因此,在某些情况下,... 目录前言func-timeout1. 安装 func-timeout2. 基本用法自定义进程subp

Python实现word文档内容智能提取以及合成

《Python实现word文档内容智能提取以及合成》这篇文章主要为大家详细介绍了如何使用Python实现从10个左右的docx文档中抽取内容,再调整语言风格后生成新的文档,感兴趣的小伙伴可以了解一下... 目录核心思路技术路径实现步骤阶段一:准备工作阶段二:内容提取 (python 脚本)阶段三:语言风格调

Python结合PyWebView库打造跨平台桌面应用

《Python结合PyWebView库打造跨平台桌面应用》随着Web技术的发展,将HTML/CSS/JavaScript与Python结合构建桌面应用成为可能,本文将系统讲解如何使用PyWebView... 目录一、技术原理与优势分析1.1 架构原理1.2 核心优势二、开发环境搭建2.1 安装依赖2.2 验

一文详解如何在Python中从字符串中提取部分内容

《一文详解如何在Python中从字符串中提取部分内容》:本文主要介绍如何在Python中从字符串中提取部分内容的相关资料,包括使用正则表达式、Pyparsing库、AST(抽象语法树)、字符串操作... 目录前言解决方案方法一:使用正则表达式方法二:使用 Pyparsing方法三:使用 AST方法四:使用字

Python列表去重的4种核心方法与实战指南详解

《Python列表去重的4种核心方法与实战指南详解》在Python开发中,处理列表数据时经常需要去除重复元素,本文将详细介绍4种最实用的列表去重方法,有需要的小伙伴可以根据自己的需要进行选择... 目录方法1:集合(set)去重法(最快速)方法2:顺序遍历法(保持顺序)方法3:副本删除法(原地修改)方法4:

Python运行中频繁出现Restart提示的解决办法

《Python运行中频繁出现Restart提示的解决办法》在编程的世界里,遇到各种奇怪的问题是家常便饭,但是,当你的Python程序在运行过程中频繁出现“Restart”提示时,这可能不仅仅是令人头疼... 目录问题描述代码示例无限循环递归调用内存泄漏解决方案1. 检查代码逻辑无限循环递归调用内存泄漏2.

Python中判断对象是否为空的方法

《Python中判断对象是否为空的方法》在Python开发中,判断对象是否为“空”是高频操作,但看似简单的需求却暗藏玄机,从None到空容器,从零值到自定义对象的“假值”状态,不同场景下的“空”需要精... 目录一、python中的“空”值体系二、精准判定方法对比三、常见误区解析四、进阶处理技巧五、性能优化