专栏首页气象杂货铺使用 Cartopy 和 netCDF4 可视化 WRF 模式数据

使用 Cartopy 和 netCDF4 可视化 WRF 模式数据

对比使用 Basemap,gdal 和 Cartopy,netCDF4 读取 WRF 模式数据并绘图。

此节仅介绍使用 netCDF4 和 Cartopy 读取WRF模式输出数据并绘图,不对 Cartopy 和 netCDF4 的使用进行过多介绍。关于这两个库的使用,后面会单独介绍。

下面直接上代码:

import matplotlib.pyplot as plt
import cartopy.crs as ccrs
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
import netCDF4 as nc

fip = '../sample_file/'
fin = 'wrfout_v2_Lambert.nc'

# Dataset 方法用来读取数据,和 open 类似,只是这是用来处理 nc 数据
data = nc.Dataset(fip + fin, 'r')

# 使用 variables 获取变量,可以指定变量名和要获取的变量名索引
t   = data.variables['T2'][6, :, :]
lon = data.variables['XLONG'][6, :, :]
lat = data.variables['XLAT'][6, :, :]

fig, ax = plt.subplots(subplot_kw = dict(projection = ccrs.PlateCarree()))

ax.contourf(lon, lat, t)
ax.coastlines(resolution = '10m')

# 设置 gridlines 和 ticklabels 
gl = ax.gridlines(draw_labels = True, linewidth = 1.5)
gl.xlabels_top = False 
gl.xlines = True
gl.xformatter = LONGITUDE_FORMATTER
gl.ylabels_right = False 
gl.ylines = True
gl.yformatter = LATITUDE_FORMATTER

plt.show()
import matplotlib.pyplot as plt
import numpy as np
import cartopy.crs as ccrs
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER
import netCDF4 as nc

fip = './'
fin = 'wrfout_v2_Lambert.nc'

data = nc.Dataset(fip + fin, 'r')

lon = data.variables['XLONG'][6, :, :]
lat = data.variables['XLAT'][6, :, :]
u   = data.variables['U10'][6, :, :]
v   = data.variables['V10'][6, :, :]

fig, ax = plt.subplots(subplot_kw = dict(projection = ccrs.PlateCarree()))

ax.contourf(lon, lat, np.sqrt(u**2 + v**2), alpha = 0.4)
ax.barbs(lon[::5,::5], lat[::5,::5], u[::5,::5], v[::5,::5])
ax.coastlines(resolution = '10m')

gl = ax.gridlines(draw_labels = True, linewidth = 1.5)
gl.xlabels_top = False 
gl.xlines = True
gl.xformatter = LONGITUDE_FORMATTER
gl.ylabels_right = False 
gl.ylines = True
gl.yformatter = LATITUDE_FORMATTER

plt.show()

以上两张图采用的均为 PlateCarree 投影, 而WRF 输出文件中的投影是 Lambert Conformal 投影,但是Cartopy 对除 Mercator 和 PlateCarree 投影外的其它投影支持并不是很完美,比如仅 Mercator 和 PlateCarree 投影支持设置 gridlines 和 ticklabels。这也是目前Cartopy 的一大缺点。当然其执行效率确实比 Basemap 高出不少。

本文分享自微信公众号 - 气象杂货铺(meteogs),作者:lightning

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-03-17

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 真・WRF模式后处理之Python版

    WRF模式是数值天气预报和大气模拟系统,其开发目的就是用语研究和实际应用。运行WRF模式时,可以利用多种初始场数据来驱动,然后配置好选项之后便可以模拟天气过程(...

    bugsuse
  • Basemap系列教程:3D

    尽管很多人不喜欢3D地图,但是仍可以使用 Basemap 和 matplotlib mplot3d [注1] 工具绘制3D地图。

    bugsuse
  • 建议收藏!Matplotlib常见组件设置整理

    继上一篇文章为大家介绍了plt和ax绘图的区别后,这篇文章结合我自己的一些使用经历,为大家整理了Matplotlib中比较常用的一些组件设置。

    bugsuse
  • 深入解析vue.js响应式原理与实现

    es5新增了Object.defineProperty这个api,它可以允许我们为对象的属性来设定getter和setter,从而我们可以劫持用户对对象属性的取...

    Javanx
  • vue.js响应式原理解析与实现

    从很久之前就已经接触过了angularjs了,当时就已经了解到,angularjs是通过脏检查来实现数据监测以及页面更新渲染。之后,再接触了vue.js,当时也...

    嘿嘿嘿
  • python 3D绘制立体几何

    py3study
  • Java 抽象类与final用法

     抽象类: 基于继承 抽象类和抽象方法的定义 父类的意义:  把子类共有的属性,抽取出来,达到代码的重用 抽象类不可被实例化 使用抽象类,限制实例化(只有派生类...

    房上的猫
  • Spring 中 BeanFactory 的生命周期与源码解析(附例程)

    版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.n...

    剑影啸清寒
  • 十一、详解面向对象

    如果要我总结一下学习前端以来我遇到了哪些瓶颈,那么面向对象一定是第一个会想到的。尽管现在对于面向对象有了一些的了解,但是当初那种似懂非懂的痛苦,依然历历在目。

    用户6901603
  • go语言实现设计模式(二):简易工厂

    简易工厂主要是用来解决对象“创建”的问题。以下的例子取自《大话设计模式》中第一章,实现一个可扩展的“计算器”。当增加新的功能时,并不需改动原来已经实现的算法。由...

    超级大猪

扫码关注云+社区

领取腾讯云代金券