Python绘图实现台风路径可视化代码实例
Python绘图实现台风路径可视化代码实例
台风是重⼤灾害性天⽓，台风引起的直接灾害通常由三⽅⾯造成，狂风、暴⾬、风暴潮，除此以外台风的这些灾害极易诱发城市内涝、房屋倒塌、⼭洪、泥⽯流等次⽣灾害。正因如此，台风在科研和业务⼯作中是研究的重点。希望这次台风路径可视化可以给予⼤家⼀点点帮助。
台风路径的获取
戴尔电脑怎么样
中国⽓象局(CMA)
中国⽓象局(CMA)的台风最佳路径数据集(BST)，BST是之后对历史台风路径进⾏校正后发布的，其经纬度、强度、⽓压具有更⾼的可靠性，但是时间分辨率为6⼩时，部分3⼩时，这⼀点不如观测数据。下载地址：
温州台风⽹
温州台风⽹的数据是实时发布数据的记录，时间分辨率最⾼达1⼩时，对于台风轨迹具有更加精细化的表述。下载地址：
⽰例
导⼊模块并读取数据，使⽤BST的2018年台风路径数据作为⽰例，已经将原始的txt⽂件转换为xls⽂件。
import os, glob
import pandas as pd
import numpy as np
ry as sgeom
import matplotlib.pyplot as plt
from matplotlib.image import imread
from matplotlib.animation import FuncAnimation
复合木地板保养import matplotlib.lines as mlines
s as ccrs
import cartopy.feature as cfeat
from cartopy.mpl.ticker import LongitudeFormatter,LatitudeFormatter
import cartopy.io.shapereader as shpreader
import cartopy.io.img_tiles as cimgt
from PIL import Image
import warnings
warnings.filterwarnings('ignore')
df = pd.read_csv('./2018typhoon.csv')
定义等级⾊标
def get_color(level):
global color
华为p40和p40pro有什么区别
if level == '热带低压' or level == '热带扰动':
color='#FFFF00'
elif level == '热带风暴':
color='#6495ED'
elif level == '强热带风暴':
color='#3CB371'
elif level == '台风':
color='#FFA500'
elif level == '强台风':
color='#FF00FF'
elif level == '超强台风':
color='#DC143C'
return color
定义底图函数
def create_map(title, extent):
fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
url = 'map1c.vis.v/i'
layer = 'BlueMarble_ShadedRelief'
我的理想演讲稿ax.add_wmts(url, layer)
ax.set_extent(extent,crs=ccrs.PlateCarree())
gl = ax.gridlines(draw_labels=False, linewidth=1, color='k', alpha=0.5, linestyle='--')
gl.xlabels_top = gl.ylabels_right = False
ax.set_xticks(np.arange(extent[0], extent[1]+5, 5))
ax.set_yticks(np.arange(extent[2], extent[3]+5, 5))
ax.xaxis.set_major_formatter(LongitudeFormatter())
ax.xaxis.set_minor_locator(plt.MultipleLocator(1))
ax.yaxis.set_major_formatter(LatitudeFormatter())
ax.yaxis.set_minor_locator(plt.MultipleLocator(1))过年的祝福语顺口溜
ax.tick_params(axis='both', labelsize=10, direction='out')
a = mlines.Line2D([],[],color='#FFFF00',marker='o',markersize=7, label='TD',ls='')
b = mlines.Line2D([],[],color='#6495ED', marker='o',markersize=7, label='TS',ls='')
c = mlines.Line2D([],[],color='#3CB371', marker='o',markersize=7, label='STS',ls='')
d = mlines.Line2D([],[],color='#FFA500', marker='o',markersize=7, label='TY',ls='')
e = mlines.Line2D([],[],color='#FF00FF', marker='o',markersize=7, label='STY',ls='')
f = mlines.Line2D([],[],color='#DC143C', marker='o',markersize=7, label='SSTY',ls='')
ax.legend(handles=[a,b,c,d,e,f], numpoints=1, handletextpad=0, loc='upper left', shadow=True)
plt.title(f'{title} Typhoon Track', fontsize=15)
return ax
定义绘制单个台风路径⽅法，并绘制2018年第18号台风温⽐亚。
def draw_single(df):
ax = create_map(df['名字'].iloc[0], [110, 135, 20, 45])
for i in range(len(df)):
住宅风水方位ax.scatter(list(df['经度'])[i], list(df['纬度'])[i], marker='o', s=20, color=get_color(list(df['强度'])[i]))
for i in range(len(df)-1):
pointA = list(df['经度'])[i],list(df['纬度'])[i]
pointB = list(df['经度'])[i+1],list(df['纬度'])[i+1]
ax.add_geometries([sgeom.LineString([pointA, pointB])], color=get_color(list(df['强度'])[i+1]),crs=ccrs.PlateCarree())  plt.savefig('./typhoon_one.png')
draw_single(df[df['编号']==1818])
定义绘制多个台风路径⽅法，并绘制2018年全年的全部台风路径。
def draw_multi(df):
L = list(set(df['编号']))
L.sort(key=list(df['编号']).index)
ax = create_map('2018', [100, 180, 0, 45])
for number in L:
df1 = df[df['编号']==number]
for i in range(len(df1)-1):
pointA = list(df1['经度'])[i],list(df1['纬度'])[i]
pointB = list(df1['经度'])[i+1],list(df1['纬度'])[i+1]
ax.add_geometries([sgeom.LineString([pointA, pointB])], color=get_color(list(df1['强度'])[i+1]),crs=ccrs.PlateCarree())  plt.savefig('./typhoon_multi.png')
draw_multi(df)
定义绘制单个台风gif路径演变⽅法，并绘制2018年第18号台风的gif路径图。
def draw_single_gif(df):
for state in range(len(df.index))[:]:
ax = create_map(f'{df["名字"].iloc[0]} {df["时间"].iloc[state]}', [110, 135, 20, 45])
for i in range(len(df[:state])):
ax.scatter(df['经度'].iloc[i], df['纬度'].iloc[i], marker='o', s=20, color=get_color(df['强度'].iloc[i]))
for i in range(len(df[:state])-1):
pointA = df['经度'].iloc[i],df['纬度'].iloc[i]
pointB = df['经度'].iloc[i+1],df['纬度'].iloc[i+1]
ax.add_geometries([sgeom.LineString([pointA, pointB])], color=get_color(df['强度'].iloc[i+1]),crs=ccrs.PlateCarree())    print(f'正在绘制第{state}张轨迹图')
plt.savefig(f'./{df["名字"].iloc[0]}{str(state).zfill(3)}.png', bbox_inches='tight')
# 将图⽚拼接成动画
imgFiles = list(glob.glob(f'./{df["名字"].iloc[0]}*.png'))
images = [Image.open(fn) for fn in imgFiles]
im = images[0]
filename = f'./track_{df["名字"].iloc[0]}.gif'
im.save(fp=filename, format='gif', save_all=True, append_images=images[1:], duration=500)
draw_single_gif(df[df['编号']==1818])
以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。