使用 Tropycal 轻松追踪飓风

最新推荐文章于 2025-12-11 22:46:37 发布

原创最新推荐文章于 2025-12-11 22:46:37 发布 · 842 阅读

22 ·

CC 4.0 BY-SA版权

License CC BY-NC-SA 4.0 / 自豪地采用谷歌翻译

文章标签：

#数据库

榛樿鍒嗙被专栏收录该内容

923 篇文章

订阅专栏

原文：towardsdatascience.com/easy-hurricane-tracking-with-tropycal-4eaa9412382f

快速成功的数据科学

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/e9e73e23e99012047ac69eb12a937234.png

2017 年度北大西洋飓风轨迹，按风暴类型着色（作者提供）

最近一位朋友向我提出了一个有趣的要求：他想帮助他选择加勒比海的春假度假目的地。他的心已经倾向于帮助最近受到飓风影响的地区，希望他的旅游消费能对他们的恢复工作有所贡献。自然地，他想要避开最近受到影响的地区，所以我们决定查看过去八年（2017-2024 年）的飓风，并排除最近两年（2023-2024 年）受影响的地点。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/270a920f75054280013e5e7cf1c72f94.png

加勒比海（由 Ian Macky 提供；许可协议)

当然，一个 AI 聊天机器人可以在几秒钟内处理这个问题，但我并不打算悄无声息地进入那个美好的夜晚，并决定自己使用 Python 进行分析。开源飓风数据可以从多个来源轻松获得，包括以下来源：

国家飓风中心（NHC）数据存档（HURDAT）
国际气候保护最佳轨迹档案（IBTrACS）
美国地质调查局（USGS）飓风数据
NOAA 大西洋海洋和气象实验室（AOML）

寻找和准备数据通常是数据科学项目中最困难的部分，所以拥有这些干净的数据是非常宝贵的。尽管如此，我并不期待开始。我过去与政府数据源的经验一直很具挑战性。提取它们通常比应该要困难得多。

但随后我发现 Tropycal，这是一个简化热带气旋数据检索和分析的 Python 包。对于研究过去风暴或积极追踪当前风暴的人来说，Tropycal 是一个颠覆性的工具。

根据文档，“Tropycal 可以读取 HURDAT2 和 IBTrACS 再分析数据以及操作 国家飓风中心（NHC）最佳轨迹 数据，并将它们转换为相同的格式，这可以用于进行气候学、季节性和单个风暴分析。对于每个风暴，操作 NHC 和模型预报、飞机侦察数据、降雨数据以及任何相关的龙卷风活动都可以检索和绘制。”

Tropycal 可以生成图表和地图，并且你可以轻松地将提取的数据转换为 pandas DataFrame 以进行进一步分析。

在这个 快速成功数据科学 项目中，我们将使用 Tropycal 绘制 2017 年至 2024 年加勒比海飓风的轨迹。

安装 Tropycal

您可以在这里找到 Tropycal 安装指南。

开发者还建议安装 cartopy 以充分利用 Tropycal 的绘图功能。Cartopy 是一个用于绘制地图的 Python 包。

代码

以下代码是在 JupyterLab 中编写的，并由单元格描述。

导入库和加载数据

tropycal.tracks 模块负责加载、过滤和绘制飓风路径。

Tropycal 可以评估来自世界各地的数据，因此下一步是选择一个流域（在这种情况下，north_atlantic）和一个数据源。为了处理当前季节的暴风雨，将 include_btk 参数设置为 True。这将从 NHC 网站读取初步最佳路径数据，因为 HURDAT 数据仅适用于 已完成 的季节。

注意：北大西洋的飓风季节从 6 月 1 日至 11 月 30 日。

import tropycal.tracks as tracks

# Load tracks; Set include_btk to True for current season data:
basin = tracks.TrackDataset(basin='north_atlantic',
                            source='hurdat',
                            include_btk=True)

这可能需要几秒钟才能运行。您将在输出单元格中看到进度：

--> Starting to read in HURDAT2 data
--> Completed reading in HURDAT2 data (4.62 seconds)
--> Starting to read in best track data
--> Completed reading in best track data (17.2 seconds)

过滤数据到类别和年份

现在我们使用 [filter_storms()](https://tropycal.github.io/tropycal/api/generated/tropycal.tracks.TrackDataset.filter_storms.html#trackdataset-filter-storms) 方法通过时间间隔和飓风类别过滤 basin 对象。我们将从 2017-2022 间隔开始，查看 1 级及以上的飓风类别。

# Filter N. Atlantic dataset to Category 1+ hurricanes for 2017-2022:
filtered_17_22 = basin.filter_storms(thresh={'v_min': 64}, 
                                     year_range=(2017, 2022))

Tropycal 似乎不允许使用类别进行过滤。相反，它使用节的风速。为了参考，以下是带有节持续风速的萨菲尔-辛普森等级：

类别 1：64-82 节
类别 2：83-95 节
类别 3：96-112 节
类别 4：113-136 节
类别 5：137+ 节

要选择类别 1 及以上的风暴，我们将 v_min（速度最小值）参数设置为 64。

filter_storms() 方法返回一个列表的风暴名称。接下来，我们将此列表传递给 plot_storms() 方法。

绘制 2017-2022 年飓风路径

Tropycal 使用 Matplotlib 和 cartopy 绘制风暴。这种绘图功能封装在我们之前创建的 basin 对象中。要访问它，我们调用其 [plot_storms()](https://tropycal.github.io/tropycal/api/generated/tropycal.tracks.TrackDataset.plot_storms.html#tropycal.tracks.TrackDataset.plot_storms) 方法。

# Plot tracks colored by category:
title = 'Caribbean Hurricanes (2017-2022)'
basin.plot_storms(storms=filtered_17_22,
                  title=title,
                  domain={'w':-89,'e':-54,'s':8,'n':25},
                  prop={'plot_names': False, 
                        'dots': False,
                        'linecolor': 'category',
                        'linewidth': 1.0}, 
                  map_prop={'plot_gridlines': False});

对于参数，我们传递我们的过滤风暴名称列表、一个 domain，它由加勒比海的经纬度边界组成，以及自定义选项（以字典格式），例如关闭风暴名称、跟踪点和经纬度网格线。以下是结果：

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/f942cd93f7ce3430b589cc629268fce1.png

2017-2022 赛季的加勒比飓风路径（作者）

在这个时间段内，东北加勒比海遭受了几次毁灭性的风暴，包括 2017 年的艾尔玛和玛丽亚。

要重复 2023-2024 的过程，我们需要更改过滤标准和绘图标题：

# Filter N. Atlantic dataset to hurricanes for 2023-2024:
filtered_23_24 = basin.filter_storms(thresh={'v_min': 64}, 
                                     year_range=(2023, 2024))

# Plot tracks colored by category:
title = 'Caribbean Hurricanes (2023-2024)'
basin.plot_storms(storms=filtered_23_24,
                  title=title,
                  domain={'w':-89,'e':-54,'s':8,'n':25},
                  prop={'plot_names': False, 
                        'dots': False,
                        'linecolor': 'category',
                        'linewidth': 1.0}, 
                  map_prop={'plot_gridlines': False});

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/3fa43d9b6d08829b942fd49ce5798724.png

2023-2024 年加勒比飓风路径（作者制）

你可能已经注意到，虽然我们请求了飓风路径，但一些路径被标记为非飓风事件，如热带风暴和低压。这是因为路径对象包括飓风的整个历史，包括它作为热带低压开始，以热带（或非热带）风暴结束。

调整路径以捕捉眼墙宽度

飓风的眼墙是围绕风暴中心相对平静且清晰的眼周围的密集雷暴环。它包含最高的风速和最严重的天气。北大西洋飓风的眼墙通常宽度为 20-40 英里。

为了在我们的地图上捕捉这个严重的天气区域，我们可以使用属性字典来调整路径的线宽为 11。这个值在地图上大约是 40 英里宽。以下是 2023-2024 年数据的示例：

# Adjust track width to ~40 miles:
basin.plot_storms(storms=filtered_23_24,
                  title=title,
                  domain={'w':-89,'e':-54,'s':8,'n':25},
                  prop={'plot_names': False, 
                        'dots': False,
                        'linecolor': 'category',
                        'linewidth': 11.0}, 
                  map_prop={'plot_gridlines': False});

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/ea4b9cc030c9ec88122e53b8dccacf0a.png

加勒比飓风路径图，宽度约为 40 英里（作者制）

现在我们对哪些目的地遭受了最严重的破坏有了更好的了解。

很遗憾，似乎没有方法可以通过 Tropycal 控制路径的透明度（alpha）值。如果你有很多路径，最好调整点的大小，就像我们在 2017-2022 年数据集中所做的那样：

# Plot tracks colored by category:
title = 'Caribbean Hurricanes (2017-2022)'
basin.plot_storms(storms=filtered_17_22,
                  title=title,
                  domain={'w':-89,'e':-54,'s':8,'n':25},
                  prop={'plot_names': False, 
                        'ms': 13,
                        'linecolor': 'category',
                        'linewidth': 1.0}, 
                  map_prop={'plot_gridlines': False});