Python气象数据处理与绘图：纬高图的另一种思路

前言

有些时候为了研究不同高度上气象要素之间的联系，纬度-高度作为xy轴的图在一些SCI论文中比较常见。
这是我研究的CMIP6数据中ua,va,wap,ta这几个气象要素在纬度-高度图上的不同。
读取数据的地方就略去了，需要注意的是需要进行平均，温度转为摄氏度

   #W,V为垂直方向和纬向的速度
    W=W.wap.mean(("lon", "time",),keep_attrs=True,skipna=True)*100
    V=V.va.mean(("lon", "time",),keep_attrs=True,skipna=True)
    T_c=T_all.ta-274.15
    T=T_c.mean(("lon", "time",),keep_attrs=True,skipna=True)
  # 这时数据格式为(plevel,lat)的格式

数据的x轴为lat，y轴为plev。
理解了数据的格式后，转换一下思路就可以画图。
之后就是画图，因为垂直和纬向上风速的量级差的有点大，所以我对这两个风速进行了均一化的处理。
这样箭头就一样大了。

操作

    plot=ax.contourf(V.lat, V.plev, V,levels=np.arange(-0.06,0.06+0.01,0.01),
                cmap=cmaps.GMT_panoply,
                     extend='both'
             # pivot='middle', 
             )
    cb=fig.colorbar(plot,ax=ax,orientation="horizontal", shrink=0.8,aspect=30,pad=0.1,)
    cb.ax.tick_params(labelsize='14')

以上是V风的垂直填色图，下面叠加风矢量图。 间隔取数值，不然箭头太密集。

    x=W.lat[::5]       #间隔取数值，不然箭头太密集
    y=W.plev
    u=V[:,::5]
    v=W[:,::5]
    u_norm = u / np.sqrt(u ** 2.0 + v ** 2.0)
    v_norm = v / np.sqrt(u ** 2.0 + v ** 2.0)
    # 为什么要加符号，是因为反转y轴的时候，箭头方向不会反转，所以要加符号
    ax.quiver(x, y, u_norm, -v_norm,
              #pivot='middle', 
             )
    ax.set_xticks([-90,-75,-50,-25,0,25,50,75,90])
    ax.set_xticklabels([r'90$^\degree$S',r'75$^\degree$S',r'50$^\degree$S',r'25$^\degree$S',r'0$^\degree$',
                        r'25$^\degree$N', r'50$^\degree$N',r'75$^\degree$N', r'90$^\degree$N'])
    ax.set_ylim(100*100,1000*100)
    
    #绘制温度等值线,将负轮廓设置为实线而不是虚线
    plt.rcParams['contour.negative_linestyle'] = 'solid'
    CS=ax.contour(T.lat,T.plev,T,30,
                     colors='k',)
    ax.clabel(CS, inline=1, fontsize=10)
    ax.invert_yaxis()
    ax.set_yscale('symlog')
    #手动设置高度范围
    ax.set_yticks([100000,925*100,850*100,700*100,50000,20000,10000])
    ax.set_yticklabels([1000,925,850,700,500,200,100])

好了，图的效果在这里。

e.g.

最后

需要注意的地方就是反转y轴以及改为对数坐标，但这还远远不够。因为可能和我们要的效果不太一样，还要手动修改一下ylabel，这样和我们要的结果就一致了。