随着python的大众化,气象数据的可视化也逐渐迁移其中,很多气象学子学习使用python解决问题,本文以一道题目为例简单介绍Basemap的使用。
计算南京(32N,119E)气温与中国区域所有格点气温的相关系数(分月求),并绘制1、4、7、10月的一点相关图。
资料:ERA-interim 1979—2018年格点月平均气温资料(资料名:T1979-2018.grd)
区域:0-60N、70-140E
水平分辨率:1度
单位:K
气象类数据储存文件有常见的NC文件和二进制文件等,NC文件相对比较方便,里面包含经纬度信息和物理量要素场。当给出二进制文件时,都会给出经纬度信息,也是后期绘图的前提。当我们使用grads绘图时,需要描述文件(.ctl),批命令文件(.gs)等多个文件重复书写十分麻烦。同时在grads实现一页多图时,各图比例自己设置,各图的大小位置不太好控制(太菜),远不及python里面自动对图的位置排版。因此笔者选择用python里面Basemap包和Matplotlib对该题目可视化。
由于笔者初学python,对各功能还不太熟悉。故先将二进制文件处理成文本文件,然后读入,并构造原始数据场。
构造好原始数据场后,首先提取南京各年各月信息。再根据相关系数公式求解各月场相关系数。
导入相关模块。
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import numpy as np
首先介绍Basemap里面参数lon_0,lat_0的设置。当两个参数都为0时,效果图如下:
m = Basemap(lon_0 = 0 , lat_0 = 0)
m.drawcoastlines(linewidth=0.3) #绘制海岸线
m.drawstates() #绘制州界
m.drawcountries() #绘制国界
#经纬度设置标签
m.drawparallels(np.arange(-90., 91., 10.),
labels=[1,0,0,0], fontsize=10,color='none')
m.drawmeridians(np.arange(-180., 181., 40.),
labels=[0,0,0,1], fontsize=10,color='none')
当改变参数时,设置lon_0 = 160和lon_0 = 240.我们看看效果图:
可以发现lon_0和lat_0分别是设置地图中心位置的参数,其中lon_0范围为[0,360]分别对应[0°E,180°E,180°W,0°W],(写法不是很规范,但是以便大家理解),其中维度lat_0与经度设置类似,读者自行探索!
当然如果想加上经纬线网格的话只需要将标签设置里面参数corlor去掉即可。
当我们只需要区域地图时,此参数设置就不合适。引进另一种调用参数格式:
m = Basemap(llcrnrlat = lat_B, urcrnrlat = lat_E, llcrnrlon = lon_B, urcrnrlon = lon_E)
在此题我们只需要设置成:
m = Basemap(llcrnrlat = 0, urcrnrlat = 60, llcrnrlon = 70, urcrnrlon = 140)
可以得到局部地图如下:
所绘制区域地图已经构建完成,当然Basemap功能远远不只这些,其中参数projection可以设置所地图投影类型,默认为’cyl’等距方形投影,更多投影和相关信息笔者学习ing,欢迎交流。
地图已经构造完成,剩下的工作相对简单。常规的数据可视化有很多,此处选择用等值线和填色图完成。
由于.grd文件没有相对应的经纬信息,故根据题目或者相对应数据描述文件生成经纬信息。此处选择numpy里面linspace函数,然后根据经纬构建网格。
lons = np.linspace(70,140,71)
lats = np.linspace(0,60,61)
lon, lat = np.meshgrid(lons, lats)
x, y = m(lon, lat)
当经纬网格构建完成后就可以调用等值线m.contour与填色图m.contourf函数可视化已处理好的气象数据了。然后绘制填色图颜色条m.colorbar,最后为已绘制好气象图标上数值plt.clabel。这样一幅完整的气象图就完成啦!
lshade = m.contourf(x, y,R_[0,:,:].T,cmap='jet')
ld = m.contour(x, y,R_[0,:,:].T,colors='k',linewidths=0.7)
cbar = m.colorbar(lshade, pad="10%")
plt.clabel(ld, inline=True, fontsize=10, colors='k')
plt.title('Jan')
当然由于是四个月的同类型数据,此类图可以在后期排版时将四幅图规则放到一起(笔者还没学会_cry.jpg),该方法对排版要求比较高。因此选择直接在绘图时将四张图放到一张画布上,选择使用subplot函数将画布分成四块分别绘图。
plt.subplot(2,2,1)
""" """
plt.subplot(2,2,2)
""" """
plt.subplot(2,2,3)
""" """
plt.subplot(2,2,4)
""" """
最后得到效果图如下:
可以清楚的看到,各月场相关系数都以南京为中心向外减小。离南京越近,温度变化与南京越相似,从侧面验证了结果的正确性。
此文仅作为一次学习的记录,目前正在学习更多语法和知识。由于笔者初学python,有什么不足请指出,欢迎交流!ღ( ´・ᴗ・` )
知乎账号:爱笑的boy