【python海洋专题二十四】南海年平均海流图

南海年平均海流图都是些基础图形，但又是重要的！

结果展示

关键语句

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

参考资料

图片
Python气象数据处理与绘图(11)：矢量箭头图(风场，通量场) - 简书 (jianshu.com)

往期推荐

1. **[【python海洋专题一】查看数据nc文件的属性并输出属性到txt文件

   【python海洋专题二】读取水深nc文件并水深地形图 【python海洋专题三】图像修饰之画布和坐标轴

   【Python海洋专题四】之水深地图图像修饰

   【Python海洋专题五】之水深地形图海岸填充

   【Python海洋专题六】之Cartopy画地形水深图

   【python海洋专题】测试数据

   【Python海洋专题七】Cartopy画地形水深图的陆地填充

   【python海洋专题八】Cartopy画地形水深图的contourf填充间隔数调整

   【python海洋专题九】Cartopy画地形等深线图

   【python海洋专题十】Cartopy画特定区域的地形等深线图

   【python海洋专题十一】colormap调色

   【python海洋专题十二】年平均的南海海表面温度图

   【python海洋专题十三】读取多个nc文件画温度季节变化图

   【python海洋专题十四】读取多个盐度nc数据画盐度季节变化图

   【python海洋专题十五】给colorbar加单位

   【python海洋专题十六】对大陆周边的数据进行临近插值

   【python海洋专题十七】读取几十年的OHC数据，画四季图

   【python海洋专题十八】读取Soda数据，画subplot的海表面高度四季变化图

   【python海洋专题十九】找范围的语句进阶版本

   【python海洋专题二十】subplots_adjust布局调整

   【python海洋专题二十一】subplots共用一个colorbar

   【python海洋专题二十二】在海图上text

   【python海洋专题二十三】共用坐标轴

   【MATLAB海洋专题】历史汇总

   【matlab海洋专题】高级玫瑰图–风速风向频率玫瑰图–此图细节较多](https://mp.weixin.qq.com/s?__biz=MzkxMDAxNjE4MA==&mid=2247495304&idx=1&sn=1d3e7b59519062c0b89d06475073f849&chksm=c1334553f644cc45df43fd66d32ba3183e4308dd5ca65de6a8d5637452f6ed26b67074db23d0&token=1148374972&lang=zh_CN#rd)**

全文代码

图片

# -*- coding: utf-8 -*-
# ---导入数据读取和处理的模块-------
from netCDF4 import Dataset
from pathlib import Path
import xarray as xr
import numpy as np
# ------导入画图相关函数--------
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
import matplotlib.ticker as ticker
from cartopy import mpl
import cartopy.crs as ccrs
import cartopy.feature as feature
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
from pylab import *
# -----导入颜色包---------
import seaborn as sns
from matplotlib import cm
import palettable
from palettable.cmocean.diverging import Delta_4
from palettable.colorbrewer.sequential import GnBu_9
from palettable.colorbrewer.sequential import Blues_9
from palettable.scientific.diverging import Roma_20
from palettable.cmocean.diverging import Delta_20
from palettable.scientific.diverging import Roma_20
from palettable.cmocean.diverging import Balance_20
from matplotlib.colors import ListedColormap
#     -------导入插值模块-----
from scipy.interpolate import interp1d  # 引入scipy中的一维插值库
from scipy.interpolate import griddata  # 引入scipy中的二维插值库
from scipy.interpolate import interp2d


# ----define reverse_colourmap定义颜色的反向函数----
def reverse_colourmap(cmap, name='my_cmap_r'):
    reverse = []
    k = []


    for key in cmap._segmentdata:
        k.append(key)
        channel = cmap._segmentdata[key]
        data = []


        for t in channel:
            data.append((1 - t[0], t[2], t[1]))
        reverse.append(sorted(data))


    LinearL = dict(zip(k, reverse))
    my_cmap_r = mpl.colors.LinearSegmentedColormap(name, LinearL)
    return my_cmap_r




# ---colormap的读取和反向----
cmap01 = Balance_20.mpl_colormap
cmap0 = Blues_9.mpl_colormap
cmap_r = reverse_colourmap(cmap0)
cmap1 = GnBu_9.mpl_colormap
cmap_r1 = reverse_colourmap(cmap1)
cmap2 = Roma_20.mpl_colormap
cmap_r2 = reverse_colourmap(cmap2)
# ---read_data---
f1 = xr.open_dataset(r'E:\data\soda\soda3.12.2_5dy_ocean_reg_2017.nc')
print(f1)
# # 提取经纬度（这样就不需要重复读取）
lat = f1['yt_ocean'].data
lon = f1['xt_ocean'].data
u = f1['u'].data
v = f1['v'].data
depth = f1['st_ocean'].data
# print(depth)
time = f1['time'].data
# print(time)
# # -------- find scs 's temp-----------
ln1 = np.where(lon >= 100)[0][0]
ln2 = np.where(lon >= 125)[0][0]
la1 = np.where(lat >= 0)[0][0]
la2 = np.where(lat >= 25)[0][0]
# time_all=[(time>=1058760) & (time<=1059096)]   #13-27 Oct
# # # 画图网格
lon1 = lon[ln1:ln2]
lat1 = lat[la1:la2]
X, Y = np.meshgrid(lon1, lat1)
u_aim = u[:, 0, la1:la2, ln1:ln2]
v_aim = v[:, 0, la1:la2, ln1:ln2]
# # # ----------对时间维度求平均 得到年平均的current------------------
u_year_mean = np.mean(u_aim[:, :, :], axis=0)
v_year_mean = np.mean(v_aim[:, :, :], axis=0)


# ----plot--------------
scale = '50m'
plt.rcParams['font.sans-serif'] = ['Times New Roman']  # 设置整体的字体为Times New Roman
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["mathtext.fontset"] = 'cm' #数学文字字体
mpl.rcParams["font.size"] = 12   #字体大小
mpl.rcParams["axes.linewidth"] = 1   #轴线边框粗细（默认的太粗了）
fig = plt.figure(dpi=300, figsize=(3, 2), facecolor='w', edgecolor='blue')  # 设置一个画板，将其返还给fig
ax = fig.add_axes([0.05, 0.08, 0.92, 0.8], projection=ccrs.PlateCarree(central_longitude=180))
ax.set_extent([100, 123, 0, 25], crs=ccrs.PlateCarree())  # 设置显示范围
land = feature.NaturalEarthFeature('physical', 'land', scale, edgecolor='face',
                                   facecolor=feature.COLORS['land'])
ax.add_feature(land, facecolor='0.6')
ax.add_feature(feature.COASTLINE.with_scale('50m'), lw=0.3)  # 添加海岸线：关键字lw设置线宽; lifestyle设置线型
cs = ax.quiver(X, Y, u_year_mean, v_year_mean, color='b', scale=5, zorder=0, width=0.003, headwidth=3,
               headlength=4.5, transform=ccrs.PlateCarree())
# --------------添加标题----------------
ax.set_title('南海表层流速', loc="center", fontsize=6, pad=1)
# ------------------利用Formatter格式化刻度标签-----------------
ax.set_xticks(np.arange(100, 123, 4), crs=ccrs.PlateCarree())  # 添加经纬度
ax.set_xticklabels(np.arange(100, 123, 4), fontsize=4)
ax.set_yticks(np.arange(0, 25, 2), crs=ccrs.PlateCarree())
ax.set_yticklabels(np.arange(0, 25, 2), fontsize=4)
ax.xaxis.set_major_formatter(LongitudeFormatter())
ax.yaxis.set_major_formatter(LatitudeFormatter())
ax.tick_params(axis='x', top=True, which='major', direction='in', length=3, width=0.8, labelsize=5, pad=0.8, color='k')  # 刻度样式  pad代表标题离轴的远近
ax.tick_params(axis='y', right=True, which='major', direction='in', length=3, width=0.8, labelsize=5, pad=0.8, color='k')  # 更改刻度指向为朝内，颜色设置为蓝色
gl = ax.gridlines(crs=ccrs.PlateCarree(), draw_labels=False, xlocs=np.arange(100, 123, 4), ylocs=np.arange(0, 25, 2),
                  linewidth=0.25, linestyle='--', color='k', alpha=0.8)  # 添加网格线
gl.top_labels, gl.bottom_labels, gl.right_labels, gl.left_labels = False, False, False, False
plt.savefig('current0.jpg', dpi=600, bbox_inches='tight', pad_inches=0.1)  # 输出地图，并设置边框空白紧密
plt.show()

微信号 / bur_ge

QQ / 916490285