python ERA5 画水汽通量散度图地图：风速风向矢量图、叠加等高线、色彩分级、添加shp文件、添加位置点及备注

news2024/11/17 21:50:50

动机

有个同事吧，写论文，让我帮忙出个图，就写了个代码，然后我的博客好久没更新了，就顺便贴上来了！
很多人感兴趣风速的箭头怎样画，可能这种图使用 NCL 非常容易，很多没用过代码的小朋友，就有点犯怵，怕 python 画起来很困难。但是不然，看完我的代码，就会发现很简单，并且也可以批量，同时还能自定义国界等shp文件，这对于发sci等国际论文很重要，因为有时候内置的国界是有问题的。

数据

本次博客使用的数据为 ERA5 hourly data on pressure levels from 1940 to present数据，数据的下载方式及注册账号，我在前面的博客中都写过，详细可参考以下两篇博客：

http://t.csdnimg.cn/657dg
http://t.csdnimg.cn/YDELh
以下为我们数据介绍界面和需要下载的变量：
数据介绍地址：https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-pressure-levels?tab=overview

数据选择界面

在这里插入图片描述

代码

废话不多说，直接上代码。

导入包

import xarray as xr
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
import geopandas as gpd
# 设置全局字体为新罗马
plt.rcParams['font.family'] = 'serif'
plt.rcParams['font.serif'] = ['Times New Roman']
# plt.rcParams['font.serif'] = ['SimSun']
# 设置全局字体权重为normal
plt.rcParams['font.weight'] = 'normal'

# 设置全局字体大小
matplotlib.rcParams['font.size'] = 19  # 设置全局字体大小为12

画水汽通量散度图

# 加载shapefile
gdf = gpd.read_file(r'./shp/Pronvience.shp')

# 使用geopandas读取地理数据，这里我们手动创建一个GeoDataFrame
gdf_point = gpd.GeoDataFrame({
    'City': ['Mingfeng Station', 'Kalasai Station'],
    'Latitude': [37.5,37],
    'Longitude': [80,81]
}, geometry=gpd.points_from_xy([80,81], [37.5,37]))


# 载入数据
data_path = r'./20170731_case.nc'  # 替换为您的文件路径
ds = xr.open_dataset(data_path)

time = '2017-07-30T22:00:00'

# level_hPa = 700

# for level_hPa in [200,500,700,850]:
for level_hPa in [600]:
    # 选择特定时间和气压层
    ds_selected = ds.sel(time= time, level=level_hPa)  # 示例：2022年1月1日0时，850hPa
    
    # 获取数据变量
    u = ds_selected['u']  # 东西向风速
    v = ds_selected['v']  # 南北向风速
    q = ds_selected['q']  # 比湿
    
    # 获取经度和纬度，假设这些是坐标维度
    longitude = u.longitude
    latitude = u.latitude
    
    # 计算水汽通量
    qu = q * u  # 东西向水汽通量
    qv = q * v  # 南北向水汽通量
    
    
    # 计算水汽通量散度 单位为
    div_q = (qu.differentiate('longitude') + qv.differentiate('latitude'))* 10
    
    # 打印结果
    # print(div_q)
    
    # 创建图形和轴对象
    fig, ax = plt.subplots(figsize=(6, 6),dpi=500)  # 图形尺寸为10x6英寸
    
    # 可视化散度结果
    contour = div_q.plot(add_colorbar=False, cmap="RdBu_r", vmin=-1, vmax=1)  # 使用黑色线条绘制20个等级的等高线
    #
    # 在ax上绘制等高线图
    div_q.plot.contour(levels=25, colors='black',linewidths=0.6)
    # 添加颜色条
    fig.colorbar(contour, ax=ax, label='Water Vapor Flux Divergence (g/cm²/s)')
    
    # 使用quiver函数需要确保数据的间隔，这里我们每隔5个点取样
    Q = ax.quiver(longitude[::5], latitude[::5], u[::5, ::5], v[::5, ::5], scale=300,color="red")
    
    # 绘制shapefile
    gdf.plot(ax=ax, color='none', edgecolor='green',linewidths=0.7)  # 无填充，黑色边界
    
    # gdf_point.plot(ax=ax, color='red')  # 标记纽约的位置
    
    # 绘制点
    ax.scatter(gdf_point['Longitude'], gdf_point['Latitude'], color='red', s=100) 
    
    # 标注城市名称
    for x, y, city in zip(gdf_point['Longitude'], gdf_point['Latitude'], gdf_point['City']):
        ax.text(x, y, ' ' + city, verticalalignment='center', fontsize=15)
    

    
    # 设置经纬度范围
    ax.set_xlim(75, 90)
    ax.set_ylim(30, 45)
    
    ax.set_xlabel('Longitude')
    ax.set_ylabel('Latitude')
    ax.set_title('')  # 清除标题
    
    # 添加标题在图片正下方
    # fig.suptitle('{}hPa {}'.format( level_hPa,time.replace("T"," ") ), y=-0.01,va='bottom')
    
    # 调整布局以避免重叠和裁剪
    fig.tight_layout()
    
    plt.savefig("./{}hPa {}.jpg".format( level_hPa,time.replace(":","") ), dpi=500)
    plt.show()

水汽通量图

# 加载shapefile
gdf = gpd.read_file(r'./shp/Pronvience.shp')

# 载入数据
data_path = r'./20170731_case.nc'  # 替换为您的文件路径
ds = xr.open_dataset(data_path)

time = '2017-07-30T22:00:00'
for level_hPa in [200,500,600,700,850]:
    # 选择特定时间和气压层
    ds_selected = ds.sel(time= time, level=level_hPa)  # 示例：2022年1月1日0时，850hPa
    
    # 获取数据变量
    u = ds_selected['u']  # 东西向风速
    v = ds_selected['v']  # 南北向风速
    q = ds_selected['q']  # 比湿
    
    # 获取经度和纬度，假设这些是坐标维度
    longitude = u.longitude
    latitude = u.latitude
    
    # 计算水汽通量
    qu = q * u * 100  # 东西向水汽通量
    qv = q * v * 100 # 南北向水汽通量
    
    wvf = np.sqrt(qu**2 + qv**2)
    
    # 计算水汽通量散度 单位为
    # div_q = (qu.differentiate('longitude') + qv.differentiate('latitude'))* 10
    
    # 打印结果
    # print(div_q)
    
    # 创建图形和轴对象
    fig, ax = plt.subplots(figsize=(6, 6),dpi=400)  # 图形尺寸为10x6英寸
    
    # 可视化散度结果
    contour = wvf.plot(add_colorbar=False, cmap="RdBu_r", vmin=0, vmax=10)  # 使用黑色线条绘制20个等级的等高线
    #
    # 在ax上绘制等高线图
    wvf.plot.contour(levels=25, colors='black',linewidths=0.6)
    # 添加颜色条
    fig.colorbar(contour, ax=ax, label='Water Vapor Flux(g/cm/s)')
    
    # 使用quiver函数需要确保数据的间隔，这里我们每隔5个点取样
    Q = ax.quiver(longitude[::5], latitude[::5], u[::5, ::5], v[::5, ::5], scale=300,color="red")
    
    # 绘制shapefile
    gdf.plot(ax=ax, color='none', edgecolor='green',linewidths=0.7)  # 无填充，黑色边界
    
    # 设置经纬度范围
    ax.set_xlim(75, 90)
    ax.set_ylim(30, 45)
    
    ax.set_xlabel('Longitude')
    ax.set_ylabel('Latitude')
    ax.set_title('')  # 清除标题
    
    # 添加标题在图片正下方
    # fig.suptitle('{}hPa {}'.format( level_hPa,time.replace("T"," ") ), y=-0.01,va='bottom')
    
    # 调整布局以避免重叠和裁剪
    fig.tight_layout()
    
    plt.savefig("./WVF_{}hPa {}.jpg".format( level_hPa,time.replace(":","") ), dpi=500)
    plt.show()