Plot——Filling

最新推荐文章于 2023-04-09 22:08:44 发布
原创 最新推荐文章于 2023-04-09 22:08:44 发布 · 2.3k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#plot

 

 

太极

 

chyanog
关注
基于 BiLSTM+Attention 实现降雨预测多变量时序分类——明日是否降雨
时序笔记
09-05 1799
降雨预测作为气象学和水文学领域的重要研究课题，‌对于农业、‌城市规划、‌水资源管理及灾害预警等多个方面都具有极其重要的实际应用价值。‌传统的降雨预测方法主要依赖于数值天气预报模型和统计学方法，‌但这些方法在处理复杂非线性关系和时序依赖性时存在一定的局限性。‌近年来，‌随着深度学习技术的快速发展，‌尤其是循环神经网络（‌RNN）‌及其变体长短时记忆网络（‌LSTM）‌和双向长短时记忆网络（‌BiLSTM）‌在时序数据处理方面展现出了强大的能力。‌
学Simulink——基于波束成形与MIMO技术的场景实例：数字波束成形（DBF）在NR下行链路中的性能优化
amy_mhd的博客
10-02 67
本文介绍了如何利用MATLAB/Simulink实现5G NR系统中的数字波束成形（DBF）技术。通过详细步骤讲解系统建模过程，包括天线阵列设计、信道状态信息获取、波束权重计算等核心模块实现。重点对比了MRT和ZF两种波束成形算法在多用户场景下的性能表现，展示了DBF相比模拟波束成形在吞吐量、SINR等方面的显著优势。最后还探讨了混合波束成形、AI驱动等进阶应用场景，为5G/6G通信系统的波束管理技术研究提供了实践指导。
MATLAB Boxplot如何在‘compact‘及‘filled‘模式下改变箱子宽度并隐藏箱型图的中位数线？
天外来客的花田
04-09 980
MATLAB绘制箱型图的一些技巧
Matlab画图总结（1）
日益努力
05-22 2127
l散点图
matlab画圆多种方法,MATLAB绘图笔记——画圆的几种方法
weixin_39593340的博客
03-18 7419
列举了三种画圆的方法，推荐使用方法3。方法1：filledCircle([1,3],3,100,'k');hold onfilledCircle([-0.25,4.25],1,100,'r');filledCircle([2.5,3],1,100,'g');filledCircle([0.1,1.7],1,100,'b');axis off function h = filledCircle(ce...
种子填色(Seed Filling)算法
qq_41698119的博客
10-14 7753
种子填色(Seed Filling)算法 区域填充即给出一个区域的边界，要求对边界范围内的所有像素单元赋予指定的颜色代码。 区域填充中最常用的是多边形填色。 多边形填色即给出一个多边形的边界，要求对多边形边界范围内所有像素单元赋予指定的颜色代码。 填色算法分为两大类： ⒈ 扫描线填色(Scan-Line Filling)算法。 ⒉ 种子填色(Seed Filling)算法。 这里主要和...
python 基础 —— Matplotlib
iCode_girl的博客
04-07 190
1. figure 图像 # 显示图像，figure下方的图标作用 x = np.linspace(-3, 3, 50) # [-3, 3]区间生成50个点 y1 = 2 * x + 1 y2 = x**2 + 1 plt.figure(num=1) plt.plot(x, y1) x = np.linspace(-3, 3, 50) # [-3, 3]区间生成50个点 y1 = 2 * x + ...
python数据可视化——Matplotlib
Mafia的博客
02-09 2516
前言 Matplotlib 是一个非常强大的 Python 画图工具 例如： 线图; 散点图; 等高线图; 条形图; 柱状图; 3D 图形, 甚至是图形动画等等. python数据可视化前言Matplotlib安装一、基本用法1.坐标轴2.Legend图例添加图例调整位置和名称3.Annotation 标注移动坐标添加注释 annotate添加注释 text二、画图种类1.Scatter 散点图2.Bar 柱状图添加颜色添加数据标记3.Contours 等高线图画等高线添加颜色添加高度数字总结 Mat
Python计算机视觉——SIFT特征
Jmuyjl
06-18 2878
Python计算机视觉——SIFT特征 文章目录Python计算机视觉——SIFT特征写在前面1 SIFT特征算法步骤1.1 尺度空间的极值检测1.2 特征点定位1.3 特征方向赋值1.4 特征点描述2 实验分析3 关键点匹配4 匹配地理标记图像 写在前面 Scale invariant feature transform（SIFT），中文含义就是尺度不变特征变换。由于在此之前的目标检测算法对图片的大小、旋转非常敏感，而SIFT算法是一种基于局部兴趣点的算法，因此不仅对图片大小和旋转不敏感，而且对光照、噪声
python数据可视化——matplotlib学习笔记
图像处理、SLAM、PCL、OpenCV爱好者
03-29 3288
处理完数据后，对处理结果数据的可视化也非常重要 系列文章：python数据分析——pandas学习笔记 文章目录Matplotlib简介使用基本操作使用figure 自定义窗口以及在一个图上画多条曲线设置坐标轴修改坐标轴的label修改坐标轴的位置legend 图例添加注解Annotationtick能见度Scatter 散点图Bar 柱状图Contours 等高线图image 图片3D数据subplot 多合一显示基本方法其他方法图中图次坐标轴动画 Matplotlib简介 Matplotlib是Py.
二探netCDF4——ECMWF
热门推荐
子浩的博客
12-05 1万+
from netCDF4 import Dataset, num2date nc_obj = Dataset ( "12.5.nc" ) # 查看每个变量的信息 for i in nc_obj.variables.keys (): print("---------------------------------") print ( nc_obj.variables[i] ) ...
二、大数据实践项目——数据分析与处理
Unyielding will
03-27 1万+
一、数据处理主要任务 二、数据集处理 1、查看数据集基本情况 调用 info() 函数来查看数据data的基本情况，包括数据维度，字段名称和类型以及有无缺失值，数据占用内存等。（以下为部分字段信息） 可见总的数据47447行，少于此数值的为有数据缺失。 2、查看数据基本统计信息 data_des = data.describe(include='all') 可以从基...
python计算机视觉编程（三）——Harris角点 SIFT 匹配地理标记图像
stroll
03-17 2272
局部图像描述子Harris角点原理代码实现SIFT原理代码实现匹配地理标记图像 Harris角点 原理 代码实现 from pylab import * from PIL import Image from scipy.ndimage import filters def compute_harris_response(im,sigma=3): imx = zeros(im.shape)...
Python计算机视觉编程第四章——照相机模型与增强现实
Dujing2019的博客
06-18 2707
Python计算机视觉编程照相机模型与增强现实（一）针孔照相机模型1.1 照相机矩阵1.2 三维点的投影1.3 照相机矩阵的分解1.4 计算照相机中心（二）照相机标定（三）以平面和标记物进行姿态估计（四）增强现实4.1PyGame 和 PyOpenGL4.2 从照相机矩阵到 OpenGL 格式4.3 在图像中放置虚拟物体4.4 综合集成4.5 载入模型 照相机模型与增强现实 本章中，我们将尝试对照...
基于Q-learning算法在能源市场中实现效益最大化研究（Matlab代码实现）
12-09
基于Q-learning算法在能源市场中实现效益最大化研究（Matlab代码实现）
基于PSO-BP神经网络的风电功率预测研究（Matlab代码实现）
12-09
基于PSO-BP神经网络的风电功率预测研究（Matlab代码实现）
物联网4G DTU远程单路控制器
12-09
由四川芯波智创物联技术有限公司自主研发芯波智创物联网硬件一：边缘计算4G远程单路IO口控制器。亮点一：适合于低成本四基远程单路控制，亮点二：可定制边缘计算本地协议重组，对接各个物联网云平台，亮点三：可远程快速二次开发，具备双通道MQTT。欢迎合作咨询！
基于PID优化和矢量控制装置的四旋翼无人机（Matlab&Simulink实现）
最新发布
12-09
基于PID优化和矢量控制装置的四旋翼无人机（Matlab&Simulink实现）
HTML的自我学习笔记,用于备份
12-09
HTML的自我学习笔记,用于备份
# -*- coding: utf-8 -*- """ Python 一体化河流—流域—通量计算示例 1) 用 WhiteboxTools 填洼 2) 用 PySheds 计算流向 & 汇流累积 3) 用 GeoPandas 找出河—海交点，提取流域 4) 计算径流体积 & 加权累积 5) 采样出口点 & 计算通量 """ import os import rasterio import numpy as np from whitebox import WhiteboxTools from pysheds.grid import Grid import geopandas as gpd # —— 1. 数据路径 —— # DEM_PATH = r"D:\JW\BaiduSyncdisk\数据\DYW\GIS数据\高程DEM\高程WGS84\深圳市-谷歌高程18级\深圳市-谷歌高程18级_高程\L18\深圳市-谷歌高程18级.tif" RAIN_PATH = r"C:\Users\ASUS\AppData\Local\Temp\processing_JnOHDT\6f39273e4b524aa5b6480838ce7c80f0\OUTPUT.tif" RIVER_SHP = r"D:\JW\BaiduSyncdisk\数据\DYW\GIS数据\SHP\深圳市(WGS84）21下载20入库\深圳市_河流.shp" COAST_SHP = r"D:\JW\ArcGIS\liu_10m_coastline\10m.shp" OUT_DIR = r"D:\JW\BaiduSyncdisk\数据\SZML\全国站点逐日气象数据\气候数据GIS" os.makedirs(OUT_DIR, exist_ok=True) # —— 2. 用 Whitebox 填洼 —— # wbt = WhiteboxTools() filled_dem = os.path.join(OUT_DIR, "dem_filled.tif") # 使用 Whitebox 填洼算法 wbt.fill_depressions( dem=DEM_PATH, output=filled_dem ) print("DEM 填洼完成：", filled_dem) # —— 3. 用 PySheds 计算流向 & 汇流累积 —— # grid = Grid.from_raster(filled_dem, data_name='dem') # 计算流向：传入 Raster 对象 grid.flowdir(dem='dem', out_name='dir', dirmap='d8') grid.accumulation(direction='dir', out_name='acc') flow_dir_tif = os.path.join(OUT_DIR, "flow_direction.tif") flow_acc_tif = os.path.join(OUT_DIR, "flow_accumulation.tif") grid.to_raster(flow_dir_tif, data='dir') grid.to_raster(flow_acc_tif, data='acc') print("流向 & 累积输出：", flow_dir_tif, flow_acc_tif) # —— 4. 找河—海交点 & 提取流域 —— # rivers = gpd.read_file(RIVER_SHP).to_crs("EPSG:4326") coast = gpd.read_file(COAST_SHP).to_crs("EPSG:4326") intsct = gpd.overlay(rivers, coast, how='intersection') if intsct.empty: raise RuntimeError("未在河网与海岸线上找到交点，请检查 SHP。") outlet_pt = intsct.geometry.iloc[0] x0, y0 = outlet_pt.x, outlet_pt.y # 提取流域 basin = grid.catchment(x=x0, y=y0, data='dir', out_name='catch') basin_tif = os.path.join(OUT_DIR, "basin.tif") grid.to_raster(basin_tif, data='catch') print("流域提取完成：", basin_tif) # —— 5. 计算径流体积栅格 & 加权累积 —— # with rasterio.open(RAIN_PATH) as src: rain = src.read(1) meta = src.meta.copy() Cr = 0.5 # 径流系数 # 像元面积 (m²) pix_area = abs(src.transform.a * src.transform.e) # 体积 Vi = rain(mm)*1e-3(m/mm)*pix_area runoff_vol = rain * Cr * 1e-3 * pix_area # 加权累积：传入 Raster 对象和权重数组 grid.accumulation(grid.dir, out_name='flow_acc_vol', weights=runoff_vol) flow_acc_vol_tif = os.path.join(OUT_DIR, "flow_acc_volume.tif") grid.to_raster(flow_acc_vol_tif, data='flow_acc_vol') print("加权累积（体积）输出：", flow_acc_vol_tif) # —— 6. 采样出口 & 计算通量 —— # # 将出口坐标转换为像素索引 tuple_rc = grid.raster_to_pixel(x0, y0) row, col = tuple_rc V_total = grid.view('flow_acc_vol')[row, col] # 单位 m³ Q_m3s = V_total / 86400.0 print(f"出口累积总径流体积 V = {V_total:.2f} m³") print(f"日平均通量 Q = {Q_m3s:.3f} m³/s")
07-19
填洼处理（Depression Filling）** ```python # 使用WhiteboxTools填洼 from whitebox import WhiteboxTools wbt = WhiteboxTools() wbt.breach_depressions('dem.tif', 'dem_filled.tif') # 更高效的填洼算法 ```...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值