你好,游客 登录
背景:
阅读新闻

基于Python的Grib数据可视化

[日期:2017-10-31] 来源:36大数据  作者: [字体: ]

作者:kallan

利用Python语言实现Grib数据可视化主要依靠三个库——pygrib、numpy和matplotlib。pygrib是欧洲中期天气预报中心(ECMWF)的GRIG API C库的Python接口,通过这个库可以将Grib数据读取出来;numpy是Python的一种开源的数值计算扩展,这种工具可用来存储和处理大型矩阵;matplotlib是python著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图;在数据可视化过程中,我们常需要将数据在地图上画出来,所以还需要matplotlib的一个子包basemap,负责地图绘制。

一、库的安装

(一)matplotlib安装

  • matplotlib依赖
  1.  

    1. nose

    2. numpy

    3. pyparsing

    4. python-dateutil

    5. cycler

    6. pkg-config

    7. freetype

    8. libpng

  • 安装过程

这里我都是通过源码包安装的,大家也可以再终端里通过pip install 命令来安装

1、安装nose

解压缩后,进入命令提示符 运行

1 python3 setup.py install

2、安装numpy

解压缩后,进入命令提示符 运行

1 python3 setup.py install

3、安装pyparsing

解压缩后,进入命令提示符 运行

1 python3 setup.py install

4、安装python-dateutil

解压缩后,进入命令提示符 运行

1 python3 setup.py install

5、安装cycler

解压缩后,进入命令提示符 运行

1 python3 setup.py install

6、安装pkg-config

1 ./configure --with-intermal-glib
2 make && date
3 sudo make install && date

7、安装freetype

1 ./configure
2 make && date
3 sudo make install && date

8、安装libpng

1 ./configure
2 make && date
3 sudo make install && date

9、安装matplotlib-1.5.0

解压缩后,进入命令提示符 运行

1 python3 setup.py install

(二)basemap安装

  • basemap依赖
  1.  

    1. geos

    2. pyproj

  • 安装过程

1、安装GEOS

1 ./configure
2 make && date
3 sudo make install && date

2、安装pyproj

1 python3 setup.py install

3、安装basemap

1 python3 setup.py install

(三)pygrib安装

  • pygrib依赖
  1.  

    1. Jasper

    2. GRIB API

    3. numpy

    4. pyproj

  • 安装过程

由于之前已经安装了numpy和pyproj,这里只需安装Jasper和GRIB API即可安装pygrib

1、安装Jasper

1 ./configure
2 make && date
3 sudo make install && date

2、安装GRIB API

1 ./configure --with-jasper='/usr/local/'
2 make && date
3 sudo make install && date

3、安装pygrib

安装pygrib之前首先要根据自己的实际情况修改文件目录下的setup.cfg文件,最主要的就是修改grib_api_dir和jasper_dir,这两个是刚刚安装的Jasper和GRIB API的路径,如果这两个地址不正确安装会报错

修改好就可以正常安装了

1 python3 setup.py install

二、grib数据读取

虽然我做的东西和气象沾边,但是我本身并不是气象专业出身,所有这些东西都是我慢慢研究琢磨出来的,所以有些方面可能讲的比较外行,有不对的地方欢迎大家留言指正。

(一)导入pygrib模块

1 >>> import pygrib

(二)打开Grib文件

1 >>> grbs = pygrib.open('/Users/Kallan/Documents/data/echhae50.082')

(三)提取文件信息

1 >>> grbs.seek(0)
2 >>> for grb in grbs:
3 grb
4 1:Geopotential Height:gpm (instant):regular_ll:isobaricInhPa:level 500:fcst time 24 :from 201507081200

信息解读

1 :数据列表的行号,有的文件可能包括多个数据

Geopotential Height:数据的名称

gpm (instant):数据的单位

regular_ll:常规数据,其实这个字段我也不清楚

isobaricInhPa:这个字段表示的是数据属性,此处表示是以hPa为单位的等压面

level 500:这个字段表示的是高度层

fcst time 24 :预报时效

from 201507081200 :起报时间

综合上面的信息可以得出,这个文件是从2015年7月8日12时开始的24小时后500hPa等压面高度场数据

(四)导出文件数据

1 >>> grb = grbs.select(name='Geopotential Height')[0]
2 >>> data = grb.values
3 >>> print(data.shape,data.min(),data.max())
4 (37, 37) 5368.6796875 5941.0390625
5 >>> lat,lon=grb.latlons()
6 >>> print(lat,'\n',lon)
7 [[ 0. 0. 0. ..., 0. 0. 0. ]
8 [ 2.5 2.5 2.5 ..., 2.5 2.5 2.5]
9 [ 5. 5. 5. ..., 5. 5. 5. ]
10 ...,
11 [ 85. 85. 85. ..., 85. 85. 85. ]
12 [ 87.5 87.5 87.5 ..., 87.5 87.5 87.5]
13 [ 90. 90. 90. ..., 90. 90. 90. ]]
14 [[-90. -87.5 -85. ..., -5. -2.5 0. ]
15 [-90. -87.5 -85. ..., -5. -2.5 0. ]
16 [-90. -87.5 -85. ..., -5. -2.5 0. ]
17 ...,
18 [-90. -87.5 -85. ..., -5. -2.5 0. ]
19 [-90. -87.5 -85. ..., -5. -2.5 0. ]
20 [-90. -87.5 -85. ..., -5. -2.5 0. ]]

三、grib数据可视化

(一)导入需要的模块

1 >>> import matplotlib.pyplot as plt
2 >>> from mpl_toolkits.basemap import Basemap
3 >>> import numpy as np

(二)创建一个figure

1 >>> plt.figure()
2 <matplotlib.figure.Figure object at 0x107e65198>

(三)创建一个basemap实例

1 >>> m=Basemap(projection='mill',lat_ts=10,llcrnrlon=lon.min(), \
2 urcrnrlon=lon.max(),llcrnrlat=lat.min(),urcrnrlat=lat.max(), \
3 resolution='c')
4 >>> m.drawcoastlines(linewidth=0.25)
5 <matplotlib.collections.LineCollection object at 0x1091c1f28>
6 >>> m.drawcountries(linewidth=0.25)
7 <matplotlib.collections.LineCollection object at 0x10621d0f0>
8 >>> m.fillcontinents(color='coral',lake_color='aqua')
9 >>> m.drawmapboundary(fill_color='aqua')
10 <matplotlib.patches.Rectangle object at 0x10918b3c8>
11 >>> m.drawmeridians(np.arange(0,360,30))
12 >>> m.drawparallels(np.arange(-90,90,30))

(四)将lat,lon的数据格式转换成投影需要的格式存入x,y

1 >>> x, y = m(lon,lat)

(五)绘制等值线

1 >>> cs = m.contour(x,y,data,15,linewidths=1.5)

(六)命名并显示图像

1 >>> plt.title('Geopotential Height Contour from Grib')
2 <matplotlib.text.Text object at 0x10918bda0>
3 >>> plt.show()

(七)图像展示

End.

收藏 推荐 打印 | 录入:Cstor | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款