python绘图-风场

Mango0o00

于 2025-01-19 00:15:00 发布

阅读量571

点赞数 3

CC 4.0 BY-SA版权

文章标签： python 开发语言 matplotlib 经验分享

本文链接：https://blog.youkuaiyun.com/Mango0919/article/details/145217169

使用python绘制风uv风场的矢量图

本文采取的数据来自于ERA5，ERA5是ECMWF（欧洲中期天气预报中心）对1950年1月至今全球气候的第五代大气再分析数据集，包括水深50m温度，100m温度，10m的u风分量和10m的v风分量风场和流场。

以绘制2022-8的风场图为例

import os
import matplotlib as mpl
impor

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Mango0o00

关注关注

3
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Python气象实例——浅要绘制台风生成环境场

2401_84205765的博客

04-24

2643

● 绘制海表面温度情况● 绘制中层湿度● 绘制流场和相对涡度● 绘制垂直风切变● 本次使用个例为2023年第5号台风“杜苏芮”，利用2023年7月20日08时的气象场（包含海表面温度，中层湿度，垂直风切变，绝对涡度）浅要分析台风生成大环境背景的情形海表面温度控制着海洋向台风输入的热通量，一般认为台风生成时海温需要大于 26.5ºC。本次台风生成源地位于西太平洋暖池，海温高于26.5℃。中层湿度能够为台风是发生发展提供充足的水汽条件，水汽在上升过程中释放凝结潜热，有助于台风眼墙的建立。

Python 风场高度场温度场图（单图和子图）

毛发浓密的猿工

04-21

1711

【代码】Python 风场高度场温度场图（单图和子图）

参与评论您还未登录，请先登录后发表或查看评论

Python气象绘图——风场

2202_75559127的博客

10-03

4849

数据来源于欧洲中期天气预报中心（ECMWF）的再分析数据（ERA5），使用的是风场矢量数据，由于是风矢量，我们使用的数据以纬线为横轴，经线为纵轴分解为纬向风（u）和经向风（v），数据文件也是分开的。在Pycharm中读取数据，并通过print函数展示数据信息。可以看到数据是2020年的月平均风场，分辨率为1°×1°，垂直分层10、20、...、850、925、1000hPa，我们本次使用的是850hPa的。ECMWF再分析数据的下载网址如下：/search?/search?

Python绘制风速风场图

tuoyunzhe的博客

05-22

3613

绘制西太和亚洲区域夏季和冬季平均风速风向矢量图，并叠加平均降雨填充底图提示：以下是本篇文章正文内容，下面案例可供参考。

风速场图绘制图python

weixin_42511396的博客

07-19

452

基于气象数据ERA5的Python绘制风场

weixin_43536702的博客

10-20

4972

气象数据ERA5 数据可视化 ArcGIS也能做这里是Python

Python绘制风场-学习笔记

2201_75862806的博客

12-11

2156

Python绘制风场

Python气象绘图-风场所使用的风场数据（v）

10-03

Python气象绘图-风场所使用的风场数据（v）

Python气象绘图-风场所使用的风场数据（u）

10-03

Python气象绘图-风场所使用的风场数据（u）

Python气象绘图-一页多图以及不同投影坐标系用到的数据

12-01

包含有位势高度，气温以及风场，详细介绍见于文章内容。

气象数据解析，并绘制等值线、风场矢量、风向杆等

03-21

读取RHU湿度 WIU/WIV风 GPH高度场 TEP降水量 WIU10/WIV10 10米风数据，绘制成Contour（等值线）、Shaded（等值填充）、Grid_Fill（格点填充）、Grid_Point（格点点图层）、Raster（栅格图层）、Vector（风场矢量）、Barb（风向杆）、Streamline（流场）

一款有趣的Python库绘制风向图,小白容易上手

python茶水实验室

06-23

1484

通常使用 matplotlib 库，用于绘制风向和风速的矢量场,可以实现不同的风向图风格.

python画南极的风场

weixin_45577825的博客

03-01

1249

# ----------------------------------1.这个地区长期的风向图 # 读数据 import netCDF4 as nc import pandas as pd import numpy as np file = 'adaptor.mars.internal-1645705255.1744275-4126-10-f3cf0eb9-b755-45ec-9de1-92b8694846c7.nc' dataset = nc.Dataset(file) uwind = datase

python 如何绘制全球风场（以2020年月均数据为例）

热门推荐

【更新于公众号 | 简谱学记】

02-05

1万+

使用python绘制全球的风场主要用到matplotlib包中： quiver() 函数，具体参数设置可以查看官网。数据来源于ERA5的月均10m风矢量资料：ERA5 为了提高运行效率，我将数据重新插值，分辨率为：2.5°x2.5° 下面举个例子进行演示，我只选取2020年的数据，绘制全球范围内，每个月的数据资料，填色为风速大小。代码很简单，核心代码只有下面一句： cb=ax.quiver(x[::5,::5],y[::5,::5],u.data[i,:,:][::5,::5],v.data[i,:,:

python 画风场 scipy_利用python中的scipy模块做线性规划

weixin_36301989的博客

02-09

347

为数学建模准备。scipy.optimize.linprog参数选择：linprog(c, A_ub, b_ub, A_ed, b_ed, bounds=None)参数解释—>>> c：价值向量，只规划最小值，若规划最大值需改为-c，但注意得出的结果应再加负号即为所求最大值；A_ub和b_ub：分别对应于不等式约束的向量，注意只取小于等于时的数组，而且A_ub必须为二维数组；A_...

python画风向杆_python-从u,v分量绘制风速和风向

weixin_39517546的博客

12-04

2540

我正在尝试绘制风速和风向,但是有一个错误代码不断告诉我“序列太大；不能大于32”.这是我正在使用的代码：N = 500ws = np.array(u)wd = np.array(v)df = pd.DataFrame({'direction': [ws], 'speed': [wd]})dfdirection speed0 [[-7.87291, -8.19969, -8.41213, -...

python绘制风压和风向叠加图

tuoyunzhe的博客

05-23

1631

掌握python绘制风压和风向叠加图。

如何使用python处理nc数据制作Mike风场文件--以ERA5数据为例

qq_40758165的博客

09-28

6855

如何使用python处理nc数据制作Mike风场文件。nc格式文件被广泛应用于气象、海洋、环境、地质等专业。目前可下载的大气再分析风场数据，如CCMP、ERA5、NCEP等均提供此格式的数据。本次我们以为例演示如何通过python制作mike的dfs2风场文件。

18、气象学中风场的绘制

小兔子乖乖

07-12

1711

如何绘制自定义颜色的风场图。

Python绘制高度场叠加风场

最新发布

07-10

在使用 Python 进行气象数据可视化时，叠加高度场（位势高度）与风场是常见需求。通常可以通过 `matplotlib`、`cartopy` 和 `xarray` 等库来实现这一目标。 ### 数据准备首先需要读取数据，通常为 NetCDF 格式文件，可以使用 `xarray` 库进行读取，并提取位势高度和风速的 U、V 分量： ```python import xarray as xr # 读取NetCDF文件 ds = xr.open_dataset('your_file.nc') # 提取位势高度（例如850 hPa层） heights = ds['z'].sel(level=850) # 提取风速分量（u: zonal, v: meridional） u_wind = ds['u'].sel(level=850) v_wind = ds['v'].sel(level=850) # 获取经纬度信息 lats = ds['latitude'] lons = ds['longitude'] ``` ### 绘图设置接下来设置地图投影方式，推荐使用 `cartopy` 的极地立体投影（`NorthPolarStereo`）来处理北极区域的数据[^1]： ```python import cartopy.crs as ccrs import matplotlib.pyplot as plt # 设置绘图区域及投影 projection = ccrs.NorthPolarStereo() fig = plt.figure(figsize=(10, 8)) ax = fig.add_subplot(1, 1, 1, projection='cartopy', transform=ccrs.PlateCarree()) # 添加地图底图要素 ax.add_feature(cfeature.COASTLINE) ax.add_feature(cfeature.BORDERS, linestyle=':') ax.set_global() # 设置经纬度标签 ax.xaxis.set_major_formatter(cticker.LongitudeFormatter()) ax.yaxis.set_major_formatter(cticker.LatitudeFormatter()) ``` ### 可视化高度场使用 `contour` 方法绘制等值线表示位势高度场： ```python # 绘制位势高度等值线 contour_levels = np.arange(5400, 6000, 60) # 假设高度范围为5400~6000 gpm contours = ax.contour(lons, lats, heights, levels=contour_levels, colors='black') plt.clabel(contours, inline=True, fontsize=8) ``` ### 叠加风场使用 `quiver` 方法将风矢量叠加在等值线上： ```python # 选择合适的采样步长以避免箭头过密 skip = (slice(None, None, 5), slice(None, None, 5)) # 绘制风矢量 ax.quiver(lons[skip], lats[skip], u_wind[skip], v_wind[skip], transform=ccrs.PlateCarree(), scale=500, color='blue') ``` ### 完整示例代码 ```python import xarray as xr import numpy as np import cartopy.crs as ccrs import cartopy.feature as cfeature import cartopy.mpl.ticker as cticker import matplotlib.pyplot as plt # 读取数据 ds = xr.open_dataset('your_file.nc') heights = ds['z'].sel(level=850) u_wind = ds['u'].sel(level=850) v_wind = ds['v'].sel(level=850) lats = ds['latitude'] lons = ds['longitude'] # 设置绘图参数 projection = ccrs.NorthPolarStereo() fig = plt.figure(figsize=(10, 8)) ax = fig.add_subplot(1, 1, 1, projection='cartopy', transform=ccrs.PlateCarree()) ax.add_feature(cfeature.COASTLINE) ax.add_feature(cfeature.BORDERS, linestyle=':') ax.set_global() # 设置坐标轴格式 ax.xaxis.set_major_formatter(cticker.LongitudeFormatter()) ax.yaxis.set_major_formatter(cticker.LatitudeFormatter()) # 绘制等值线 contour_levels = np.arange(5400, 6000, 60) contours = ax.contour(lons, lats, heights, levels=contour_levels, colors='black') plt.clabel(contours, inline=True, fontsize=8) # 绘制风矢量 skip = (slice(None, None, 5), slice(None, None, 5)) ax.quiver(lons[skip], lats[skip], u_wind[skip], v_wind[skip], transform=ccrs.PlateCarree(), scale=500, color='blue') plt.title('Geopotential Height and Wind Field at 850 hPa') plt.show() ``` ### 注意事项 - 在使用 `cartopy` 极地投影时，可能会遇到等值线重叠或扭曲的问题，建议升级到较新版本并参考 GitHub 上的相关解决方案。 - 若风矢量显示过于密集，可通过调整 `skip` 步长优化显示效果。 - 颜色和样式可根据具体需求进一步自定义。