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+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

在C#中调用Python代码的两种实现方式

《在C#中调用Python代码的两种实现方式》:本文主要介绍在C#中调用Python代码的两种实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录C#调用python代码的方式1. 使用 Python.NET2. 使用外部进程调用 Python 脚本总结C#调

Python下载Pandas包的步骤

《Python下载Pandas包的步骤》:本文主要介绍Python下载Pandas包的步骤,在python中安装pandas库,我采取的方法是用PIP的方法在Python目标位置进行安装,本文给大... 目录安装步骤1、首先找到我们安装python的目录2、使用命令行到Python安装目录下3、我们回到Py

Python GUI框架中的PyQt详解

《PythonGUI框架中的PyQt详解》PyQt是Python语言中最强大且广泛应用的GUI框架之一,基于Qt库的Python绑定实现,本文将深入解析PyQt的核心模块,并通过代码示例展示其应用场... 目录一、PyQt核心模块概览二、核心模块详解与示例1. QtCore - 核心基础模块2. QtWid

Python实现自动化接收与处理手机验证码

《Python实现自动化接收与处理手机验证码》在移动互联网时代,短信验证码已成为身份验证、账号注册等环节的重要安全手段,本文将介绍如何利用Python实现验证码的自动接收,识别与转发,需要的可以参考下... 目录引言一、准备工作1.1 硬件与软件需求1.2 环境配置二、核心功能实现2.1 短信监听与获取2.

使用Python实现获取网页指定内容

《使用Python实现获取网页指定内容》在当今互联网时代,网页数据抓取是一项非常重要的技能,本文将带你从零开始学习如何使用Python获取网页中的指定内容,希望对大家有所帮助... 目录引言1. 网页抓取的基本概念2. python中的网页抓取库3. 安装必要的库4. 发送HTTP请求并获取网页内容5. 解

利用Python开发Markdown表格结构转换为Excel工具

《利用Python开发Markdown表格结构转换为Excel工具》在数据管理和文档编写过程中,我们经常使用Markdown来记录表格数据,但它没有Excel使用方便,所以本文将使用Python编写一... 目录1.完整代码2. 项目概述3. 代码解析3.1 依赖库3.2 GUI 设计3.3 解析 Mark

一文教你Python引入其他文件夹下的.py文件

《一文教你Python引入其他文件夹下的.py文件》这篇文章主要为大家详细介绍了如何在Python中引入其他文件夹里的.py文件,并探讨几种常见的实现方式,有需要的小伙伴可以根据需求进行选择... 目录1. 使用sys.path动态添加路径2. 使用相对导入(适用于包结构)3. 使用pythonPATH环境