分析气象数据：向Python Cartopy地图中添加循环点

news2024/11/13 12:26:00

大家好，在使用Python和Cartopy对气候数据进行可视化分析的过程中，有一个叫做循环点（cyclic point）的术语，它在地理空间栅格数据可视化领域中很重要。

1.循环点的定义和作用

有时，当我们试图绘制地理空间数据时，我们可能会在投影边缘遇到不连续（跳跃）。这通常是由于我们在地理空间数据集中存储经度数据的方式导致的。

假设我们有一组具有经度和纬度维度的数据。我们的经度从0°到359.9°（含），分辨率为0.1°（3600个值），纬度从-90°到90°（含），分辨率为0.1°（1801个值）。我们最终的数组形状为(1801, 3600)。

为什么我们的数据集不包含360度经度的值？答案很简单，因为360°经度与 0°经度相同。

现在，让我们尝试在cartopy地图上绘制数据。我们使用了可以从Climate Data Store下载的数据集，这是一个ERA5-Land从1950年到现在的月平均数据数据集。我们将使用带有cfgrib后端的xarray以grib格式加载此数据集，然后使用matplotlib可视化数据。

import xarray as xr 
import cartopy.crs as ccrs 
import matplotlib.pyplot as plt 
import numpy as np

# 读取形状为（16, 1801, 3600）的数据集
# 选择第5个时间索引，以获得2D数组
# 将开尔文转换为摄氏度
ds = xr.open_dataset("data/era5_temperature.grib", engine="cfgrib")
ds = ds.isel(time=5) - 273.15

# 定义绘图函数
def plot_data(ds):
    # 指定投影
    proj = ccrs.PlateCarree()

    # 用投影对象创建一个图和轴
    fig, ax = plt.subplots(figsize=(16,9), subplot_kw={'projection': proj})

    # 为等高线图创建层次
    temperature_levels = np.arange(-40,41,2)

    # 增加更多的参数
    additional_kwargs = {
        "antialised": True,
        "transform": proj,
        "levels": temperature_levels
    }

    # 绘制数据
    ds["t2m"].plot.contourf(ax=ax, cmap='nipy_spectral', **additional_kwargs)

    # 设置范围
    ax.set_extent([-10, 20, 40, 60], crs=proj)

    plt.show()

plot_data(ds)

请注意从顶部跨越到底部的白线恰好在0°经度处，这就是我们要讨论的问题。

2.向数据添加循环点

幸运的是，Cartopy有一个功能可以让我们解决这个问题。该函数称为add_cyclic_point，可以从cartopy.util模块导入。

此函数采用数据数组和可选坐标，并返回循环数据和循环坐标。这意味着我们将增加一个等于360的经度坐标，数据等于经度359.9°。让我们用数据本身来证明这一点。

首先，我们将循环点添加到我们的数据中，然后比较经度359.9°和经度 360°处的值。

from cartopy.util import add_cyclic_point
import xarray as xr 
import cartopy.crs as ccrs 
import matplotlib.pyplot as plt 
import numpy as np

def add_cyclic_point_to_dataset(ds):
    # 加载数据
    data = ds["t2m"]

    # 用循环点生成数据，用循环点生成经度
    cyclic_data, cyclic_longitude = add_cyclic_point(data.values, coord=data['longitude'])

    # 创建新的坐标，将用于创建新的数据集
    # 复制现有数据集的坐标，用循环经度替换经度
    coords = {dim: data.coords[dim] for dim in data.dims}
    coords["longitude"] = cyclic_longitude

    new_ds = xr.Dataset(
        data_vars={
            "t2m": xr.DataArray(cyclic_data, dims=data.dims, coords=coords)
        })
    return new_ds 

new_ds = add_cyclic_point_to_dataset(ds)
new_ds["t2m"].shape
# (1801, 3601)

difference = ds["t2m"].sel(longitude=0, method="nearest") - new_ds["t2m"].sel(longitude=360, method="nearest")
difference = difference.fillna(0)  # fill nan values with 0
any(difference != 0)
# False

让我们重用plot_data()函数并将其命名为plot_data(new_ds)。当我们绘制使用循环点扩展的数据时，我们可以看到白线消失了，我们的绘图现在是正确的。