2017 全日食,你准备好了吗?

█ 本文译自2017年8月8日的 Wolfram 博客文章:Get Ready for the Total Solar Eclipse of 2017? by Jeff Bryant

2017年8月21日,西半球将迎来很多人可能一辈子都没有见过的天文奇观。全日食将横跨美国和附近海洋。虽然这种日食在世界各地并不罕见,但发生在你身边的机会相当小,而且经常是一生一次的事,除非你经常周游世界。南边的48个州郡可以驱车前往观看今年的日全食。

从地球观察者的角度来看,日全食是月球移到太阳的前面的结果。月球的阴影相当小,只能在小区域与地球表面接触,如下图所示。

我们可以利用 Wolfram 语言中的 3D 图形来逼真模拟可视化这个事件。首先,我们将要使用纹理,使地球看起来更逼真。

把纹理应用于旋转的球面:

用圆锥体来表示地球的阴影:

月球可以由一个简单的球体表示,该球体偏离场景中心,而其轨道则是一条简单的虚线 3D 路径。 两者都参数化,因为月球的轨道将及时进入。 能够为这些函数提供值以使阴影出现在我们想要的地方是有用的。

与地球的阴影一样,我们把月亮的阴影也表示为圆锥体。

最后,我们创建其他场景元素用于标注。

现在我们只需要组合场景。我们希望月亮能直接与太阳一致,所以我们使用 0° 作为其中一个参数来实现。以这样的方式来布置轨道,我们使用 70° 使阴影落在北美洲。其余的只是样式信息。

这意味着由于偏心轨道,有时月球比其他时候更远离地球;这也意味着由于轨道倾斜,它可能在地球太阳轨道平面之上或之下。 通常当月球通过地球与太阳“之间”时,从地球表面的观察者的角度来看,它是在太阳的“上方”或“下方”。几何会受到其他影响,但有时候几何是正确的,而月球实际上阻挡了太阳的部分或全部圆盘。 2017年8月21日,几何将是“正确的”,从地球上的某些地方,月球将至少覆盖太阳的一部分。

除了阐明日食几何,我们还可以通过 GeoGraphics 使用 Wolfram 语言来创建各种映射,显示可见日食的位置。 用很少的代码,你就可以得到精湛的结果。 例如,我们可以将 SolarEclipse 的功能与 GeoGraphics 结合,以显示2017年日全食的路径。 日全食将在美国中部的窄长带中可见。

那么哪些州能够看到日全食呢?以下例子可用于确定。首先,我们检索与即将到来的日食的总相位相对应的多边形。

假设你想放大一个特定的州来看更多的细节;在这个层次上,我们只对日全食和中心线的路径感兴趣。再次,我们使用 SolarEclipse 来获取必要的元素。

然后,我们只是使用 GeoGraphics 来轻松生成想了解的州的地图,这里用的是怀俄明州。

我们可以利用 Wolfram Data Repository 获取额外的日食信息,例如在不同位置的日食时间。

我们可以利用该数据,沿日食路径的不同点构建有时间注释的标记。

接下来仅需组合各元素。

当然,即使日食发生了,也不能保证你能看到它。如果天公不作美,你只会注意到,在晌午时天会变黑。使用 WeatherData,我们可以尝试预测8月21日哪些地区可能会有云。以下示例基于 Wolfram 社区相关文章。(http://community.wolfram.com/groups/-/m/t/465606)

下面提取了与日食多边形边界交叉的城镇。

大部分工作涉及查找从2001年到2016年,每年8月21日每个县的 “CloudCoverFraction”的值,并找出每个城镇的平均值。

我也可以使用 GeoRegionValuePlot 绘制这些值。一般来说,根据历史数据,8月21日,这个路径的大部分区域似乎都有相对较低的云覆盖。

2017年8月21日的日食是一个天文盛事,因为它将跨越美国的大部分地区。尽一切努力去看看!采取必要的安全预防措施,戴上日食观看眼镜。尽早做计划,因为那个时候的交通会很繁忙,希望大家都能看到这神奇的一幕!

原文发布于微信公众号 - WOLFRAM(WolframChina)

原文发表时间:2017-08-15

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏灯塔大数据

探秘 | Python 求职 Top10 城市,来看看是否有你所在的城市

导读:从智联招聘爬取相关信息后,我们关心的是如何对内容进行分析,获取用用的信息。本次以上篇文章“5分钟掌握智联招聘网站爬取并保存到MongoDB数据库”中爬取的...

34430
来自专栏CDA数据分析师

R语言数据可视化综合指南

让我们快速浏览一下这张图表: ? 这张可视化数据图(最初用Tableau软件创建 )是如何利用数据可视化来帮助决策者的一个很好的例子。想象一下,如果这些信息通过...

49960
来自专栏数据小魔方

离散颜色标度连续化的最佳方案

数了一下刚好有一周多没有写新文章了,主要是临近毕业琐事比较多,再也没有像之前那样,拥有大把时间可以用来挥霍和消遣,静下心来写代码了。 毕竟要写一篇技术含量很高而...

39340
来自专栏PPV课数据科学社区

电商评论情感分析

? 随着网上购物的流行,各大电商竞争激烈,为了提高客户服务质量,除了打价格战外,了解客户的需求点,倾听客户的心声也越来越重要,其中重要的方式 就是对消费者的文...

1.1K70
来自专栏PaddlePaddle

【AI核心技术】课程十九:神经图灵机—寻址

UAI与PaddlePaddle联合推出的【AI核心技术掌握】系列课程持续更新中!

9810
来自专栏机器学习AI算法工程

Python 自然语言处理(NLP)工具库汇总

最近正在用nltk 对中文网络商品评论进行褒贬情感分类,计算评论的信息熵(entropy)、互信息(point mutual information)和困惑值(...

559120
来自专栏CDA数据分析师

量化投资教程:用R语言打造量化分析平台

? 概述 和Python计算环境中的tushare包一样,在R中我们使用quantmod包接入第三方数据源,实现自定义量化分析平台的构建。 本文打算以陌陌的股...

26490
来自专栏Winter漫聊技术

随机机制的探索(RandomPicker中文文档)

RandomPicker?? 最初的灵感来来自音乐随机播放: 权重++ 切歌模式

10920
来自专栏Python小屋

Python计算电场中两点间的电势差

根据组合数定义,需要计算3个数的阶乘,在很多编程语言中都很难直接使用整型变量表示大数的阶乘结果,虽然Python并不存在这个问题,但是计算大数的阶乘仍需要相当多...

11210
来自专栏SDNLAB

5G革命的技术,一个都不能少

第五代移动网络简称5G是产业界即将实现的移动技术革命,是LTE-A网络的深层演进技术。5G网络中的关键技术包括MIMO、OFDM、SC-FDMA等。 超密集微型...

502120

扫码关注云+社区

领取腾讯云代金券