python处理wrf气象数据_Python气象数据处理与绘图(11)：矢量箭头图(风场，通量场)...

最近在计算波作用通量，正好就画到了矢量箭头图，画的过程中发现还是有很多细节需要注意的，那就直接进入正题吧。

首先，矢量箭头图是分为两种的，一种类似我们常见的风场(左图)，另一种则是特殊的流场，也就是流线图(右图)，这两张都是画的Plumb通量，显然对于波通量来说还是箭头好一些。

矢量箭头

对于左图和右图来说分别使用的画图函数为：

quiver([X, Y], U, V, [C], **kw)

和

streamplot([X, Y], U, V, [C], **kw)

我整理了相应的参数：

1. quiver

X: 数组，

为X坐标，通常为我们的经度lon

Y:

为Y坐标，通常为我们的纬度lat

U:

纬向风分量，二维数组

V:

经向风分量，二维数组

C:

箭头颜色数组，可为一种颜色，也可为颜色数组

units(单位): [ 'width' | 'height' | 'dots' | 'inches' | 'x' | 'y' | 'xy' ]

箭头尺寸(除长度外)以此单位的倍数计算——即是说选定单位后，箭头尺寸即是此单位的倍数

‘width’或’height’：轴(axis)的宽度或高度

‘dots’或’inches’：像素或英寸，基于图的dpi

‘x’, ‘y’或‘xy’：分别是X、Y或X2+Y2的数据单位(data units)

箭头依单位不同而不同。对于’x’或’y’，箭头会随着其一的增大(zoom in)而增大；对于其他单位，箭头的大小与缩放状态(zoom state)无关。对于’width’或’height’，当窗口重置时，箭头的大小会随着轴(axes)的宽度和高度的增大而增大

angles: [‘uv’ | ‘xy’]

用于决定箭头角度的方法，默认是’uv’

‘uv’:箭头的纵横比(axis aspect ratio)为1，所以若U==V，则绘图上箭头的方向与水平轴逆时针呈45度(正向右)。

‘xy’: 箭头从(x，y)指向(x + u，y + v)。例如，使用它来绘制渐变场(gradient field)。

或者，可以将任意角度指定为以水平轴逆时针方向的度数值的数组。

注意：反转数据轴将相应地仅使用angles='xy'反转箭头。

scale :

每个箭头长度单位的数据单位数量，例如，每个绘图宽度m / s；参数scale越小箭头越长。默认是None

若是None，一个简单的自动缩放算法将被采用，基于平均矢量长度和适量的数量。箭头长度单位由scale_units参数给出。

scale_units : [ 'width' | 'height' | 'dots' | 'inches' | 'x' | 'y' | 'xy' ]

如果关键字参数scale是None，那么箭头长度单位默认是None

例如：scale_units是’inches’，scale是2.0，(u,v)=(1,0)，那么矢量将会是0.5英寸长。

如果scale_units是’width/height’，那么矢量长度是轴’width/height’的半长

如果scale_units是’x’那么矢量是x轴单位的0.5倍。要在x-y平面上画矢量，使得u和v与x和y有相同的单位，则应另angles=’xy’, scale_units’xy’, scale=1.

width : scalar(标量), optional

箭头杆(shaft)的宽度，以箭头单位衡量。常用的初始值是0.005倍的画的宽度

headwidth :

头部宽度相对于箭杆宽度的倍数，默认是3倍

headlength :

轴交叉处的头部长度，默认是4.5

minshaft :

箭头比例的长度，以头部长度为单位。

minlength :

最小长度为轴宽的倍数；如果箭头长度小于此值，则绘制该直径的点(六边形)。

pivot : [ 'tail' | 'mid' | 'middle' | 'tip' ], optional

箭头的基点，比如说选择mid，那个箭头中间位置就是所在坐标点位置。

老实说，关于units，scale，和scale_units的设置十分复杂，画图时可先均不设置，看看默认效果，然后逐渐调整。通常只调整scale即可，另外两项除非必要，均可不设置。

2. streamplot

略过相同部分

density : float

控制流线的闭合度。当密度为1时，将域划分为30x30网格。密度线性缩放此网格。网格中的每个单元格最多只能有一条横贯流线。对于每个方向上的不同密度，使用一个元组(密度x，密度y)。

linewidth : float or 2D array

流线的宽度。使用二维数组，可以在网格上改变线宽。数组的形状必须与u和v相同。

color：matplotlib颜色代码或二维数组

流线型的颜色。如果给定一个数组，则使用cmap和norm将其值转换为颜色。数组的形状必须与u和v相同。

cmap:颜色映射

用于绘制流线和箭头的彩色地图。这只在颜色是数组时使用。

norm：

规格化用于将亮度数据缩放到0，1的对象。如果没有，则拉伸(最小，最大)到(0，1)。这只在颜色是数组时使用。

arrowsize：float

箭头大小的比例因子。

minlength：浮动

轴线坐标中流线的最小长度。

start_points ：

数据坐标中流线起点的坐标(与x和y数组的坐标相同)。

maxlength：浮点

轴线坐标中流线的最大长度。

integration_direction：{'forward'，'backward'，'both'}

将流线向前、向后或双向整合。默认值为“both”。

以上便是常用参数，仍有一些参数是可以使用的，比如说zorder(图层顺序)，transform(坐标转换)等等。需要注意的是，当我们在地图投影上叠加风场时，需要设置transform=ccrs.PlateCarree() 来将坐标转换为圆柱地图投影坐标，该参数调用了cartopy库的函数，具体使用可参考我先前发布的文章，有关于地图投影的详细描写。

那么，再回到我们最开始展示的那张图，我给出该图的部分代码以供参考。

#以下四行为地图投影以及坐标轴的设置，具体参考先前发布的文章

proj = ccrs.PlateCarree(central_longitude=50)

leftlon, rightlon, lowerlat, upperlat = (0,180,0,90)

img_extent = [leftlon, rightlon, lowerlat, upperlat]

lon_formatter = cticker.LongitudeFormatter()

lat_formatter = cticker.LatitudeFormatter()

#创建画布

fig7 = plt.figure(figsize=(12,8))

#创建地图投影子图

f7_ax1 = fig7.add_axes([0.1, 0.1, 0.6, 0.6],projection = proj)

#地图相关设置，包括边界，河流，海岸线，坐标的经纬度显示

f7_ax1.set_extent([leftlon, rightlon, lowerlat, upperlat], crs=ccrs.PlateCarree())

f7_ax1.add_feature(cfeature.COASTLINE.with_scale('50m'))

f7_ax1.add_feature(cfeature.LAKES, alpha=0.5)

f7_ax1.set_xticks(np.arange(leftlon,rightlon+10,10), crs=ccrs.PlateCarree())

f7_ax1.set_yticks(np.arange(lowerlat,upperlat+10,10), crs=ccrs.PlateCarree())

f7_ax1.xaxis.set_major_formatter(lon_formatter)

f7_ax1.yaxis.set_major_formatter(lat_formatter)

f7_ax1.set_title('(a) quiver',loc='left')

#因为是波作用通量，首先画扰动流函数

cf=f7_ax1.contourf(lon,lat,streamf_mean/1e5,cmap='RdBu_r',extend='both',levels=np.arange(-16,18,2),transform=ccrs.PlateCarree())

c=f7_ax1.contour(lon,lat,streamf_mean/1e5,colors='black',linewidths=0.5,levels=np.arange(-16,18,2),transform=ccrs.PlateCarree())

#画矢量箭头核心代码在这里，::2表示每隔2个点画箭头，不然会太密集，记得在投影坐标上画时一定要设置transform

Q = f7_ax1.quiver(lon[::2], lat[::2], px_mean[::2,::2], py_mean[::2,::2],pivot='mid',width=0.0018,scale=10,headwidth=4,transform=ccrs.PlateCarree())

#添加色标

position=fig7.add_axes([0.57, 0.08, 0.35, 0.025])

fig7.colorbar(cf,cax=position,orientation='horizontal',format='%d',)

右半图的代码就不展示了，唯一区别就是quiver变成了streamplot，我没有过多修改。