【python海洋专题四十七】风速的风羽图

图片

往期推荐

图片
【python海洋专题一】查看数据nc文件的属性并输出属性到txt文件

【python海洋专题二】读取水深nc文件并水深地形图
【python海洋专题三】图像修饰之画布和坐标轴

【Python海洋专题四】之水深地图图像修饰

【Python海洋专题五】之水深地形图海岸填充

【Python海洋专题六】之Cartopy画地形水深图

【python海洋专题】测试数据

【Python海洋专题七】Cartopy画地形水深图的陆地填充

【python海洋专题八】Cartopy画地形水深图的contourf填充间隔数调整

【python海洋专题九】Cartopy画地形等深线图

【python海洋专题十】Cartopy画特定区域的地形等深线图

【python海洋专题十一】colormap调色

【python海洋专题十二】年平均的南海海表面温度图

【python海洋专题十三】读取多个nc文件画温度季节变化图

【python海洋专题十四】读取多个盐度nc数据画盐度季节变化图

【python海洋专题十五】给colorbar加单位

【python海洋专题十六】对大陆周边的数据进行临近插值

【python海洋专题十七】读取几十年的OHC数据，画四季图

【python海洋专题十八】读取Soda数据，画subplot的海表面高度四季变化图

【python海洋专题十九】找范围的语句进阶版本

【python海洋专题二十】subplots_adjust布局调整

【python海洋专题二十一】subplots共用一个colorbar

【python海洋专题二十二】在海图上text

【python海洋专题二十三】共用坐标轴

【python海洋专题二十四】南海年平均海流图

【python海洋专题二十五】给南海年平均海流+scale

【python海洋专题二十六】南海海流流速图

【python海洋专题二十七】南海四季海流图

【python海洋专题二十八】南海四季海流流速图

【python海洋专题二十九】读取CTD文件数据并画温度点剖面图

【python海洋专题三十】画南海115°E的温度剖面图

【python海洋专题三十一】画南海115°E的地形温度剖面图

【python海洋专题三十二】画南海115°E的地形温度流速剖面图

【python海洋专题三十三】画海洋表面的风场分布

【python海洋专题三十四】调用自己的colormore

【python海洋专题三十五】加密数据–二维插值

【python海洋专题三十六】两个一维数组的相关系数–为海洋指数作准备

【python海洋专题三十七】海洋指数画法–折线图样式一

【python海洋专题三十八】海洋指数画法–折线图样式二

【python海洋专题三十九】海洋指数画法–折线图样式三–不同颜色的线条

【python海洋专题四十】海洋指数画法–单色填充图

【python海洋专题四十一】海洋指数画法–渐变填色图

【python海洋专题四十二】海洋指数画法–双色柱状图

【python海洋专题四十三】海洋指数画法–单色渐变柱状图

【python海洋专题四十四】海洋指数画法–多色渐变柱状图

【python海洋专题四十五】海洋研究区域示意图

【python海洋专题四十六】研究区域示意放大图

【python海洋专题海洋指数画法】大气与海洋指数画法汇总

【MATLAB海洋专题】历史汇总

【matlab程序】(1-5)五坐标轴的精细修饰

【matlab程序】图片平面制作||文末点赞分享||海报制作等

大佬推荐一下物理海洋教材吧?

【matlab海洋专题】高级玫瑰图–风速风向频率玫瑰图–此图细节较多

【上千种颜色包|全平台可用】收集自Matlab、python、R、NCL等颜色包

R语言_RColorBrewer包–全平台可用

海洋专用cmocean颜色包_共22种–全平台可用

【matlab教程】matlab不规则区域的外围填充

【海洋科普】沉积物分为粘性沉积物和非粘性沉积物

【海洋科普】黄渤海地理介绍

【科普知识】海洋尺度图和解释

【海洋科普】海洋环流与等高线岩特征联系
代码分享：

# -*- coding: utf-8 -*-
# ---导入数据读取和处理的模块-------
from netCDF4 import Dataset
from pathlib import Path
import xarray as xr
import numpy as np
# ------导入画图相关函数--------
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
import matplotlib.ticker as ticker
from cartopy import mpl
import cartopy.crs as ccrs
import cartopy.feature as feature
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
from pylab import *
# -----导入颜色包---------
import seaborn as sns
from matplotlib import cm
import palettable
from palettable.cmocean.diverging import Delta_4
from palettable.colorbrewer.sequential import GnBu_9
from palettable.colorbrewer.sequential import Blues_9
from palettable.scientific.diverging import Roma_20
from palettable.cmocean.diverging import Delta_20
from palettable.scientific.diverging import Roma_20
from palettable.cmocean.diverging import Balance_20
from matplotlib.colors import ListedColormap
#     -------导入插值模块-----
from scipy.interpolate import interp1d  # 引入scipy中的一维插值库
from scipy.interpolate import griddata  # 引入scipy中的二维插值库
from scipy.interpolate import interp2d


# ----define reverse_colourmap定义颜色的反向函数----
def reverse_colourmap(cmap, name='my_cmap_r'):
    reverse = []
    k = []

    for key in cmap._segmentdata:
        k.append(key)
        channel = cmap._segmentdata[key]
        data = []

        for t in channel:
            data.append((1 - t[0], t[2], t[1]))
        reverse.append(sorted(data))

    LinearL = dict(zip(k, reverse))
    my_cmap_r = mpl.colors.LinearSegmentedColormap(name, LinearL)
    return my_cmap_r


# ---colormap的读取和反向----
cmap01 = Balance_20.mpl_colormap
cmap0 = Blues_9.mpl_colormap
cmap_r = reverse_colourmap(cmap0)
cmap1 = GnBu_9.mpl_colormap
cmap_r1 = reverse_colourmap(cmap1)
cmap2 = Roma_20.mpl_colormap
cmap_r2 = reverse_colourmap(cmap2)
# ---read_data---
fu = xr.open_dataset(r'D:\pycharm_work\data\uwnd.mon.mean.nc')
fv = xr.open_dataset(r'D:\pycharm_work\data\vwnd.mon.mean.nc')
print(fu)
print(fu.variables['uwnd'])
lat = fu['lat'].data
lon = fu['lon'].data
u = fu['uwnd'].data
v = fv['vwnd'].data
# # # 画图网格
ln1 = np.where(lon >= 30)[0][0]
ln2 = np.where(lon >= 105)[0][0]
la1 = np.where(lat <= 0)[0][0]
la2 = np.where(lat <= 30)[0][0]
# time_all=[(time>=1058760) & (time<=1059096)]   #13-27 Oct
# # # 画图网格
lon1 = lon[ln1:ln2]
lat1 = lat[la2:la1]
X, Y = np.meshgrid(lon1, lat1)
u_aim = u[:, la2:la1, ln1:ln2]
v_aim = v[:, la2:la1, ln1:ln2]
u_end = np.mean(u_aim, axis=0)
v_end = np.mean(v_aim, axis=0)
# ----plot--------------
scale = '50m'
plt.rcParams['font.sans-serif'] = ['Times New Roman']  # 设置整体的字体为Times New Roman
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["mathtext.fontset"] = 'cm'  # 数学文字字体
mpl.rcParams["font.size"] = 12  # 字体大小
mpl.rcParams["axes.linewidth"] = 1  # 轴线边框粗细（默认的太粗了）
fig = plt.figure(dpi=300, figsize=(3, 2), facecolor='w', edgecolor='blue')  # 设置一个画板，将其返还给fig
ax = fig.add_axes([0.05, 0.08, 0.92, 0.8], projection=ccrs.PlateCarree(central_longitude=180))
ax.set_extent([30, 105, 0, 30], crs=ccrs.PlateCarree())  # 设置显示范围
ax.add_feature(feature.OCEAN)
ax.stock_img()  # 添加地球背景
# land = feature.NaturalEarthFeature('physical', 'land', scale, edgecolor='face',
#                                    facecolor=feature.COLORS['land'])
# ax.add_feature(land, facecolor='0.8', alpha=0.2)
ax.add_feature(feature.COASTLINE.with_scale('10m'), lw=0.5, color='k')  # 添加海岸线：关键字lw设置线宽; lifestyle设置线型
# cs = ax.quiver(X, Y, u_end, v_end, color='b',
#                scale=70, zorder=3, width=0.002, headwidth=4, headlength=5.5, transform=ccrs.PlateCarree())
# ---barb_increments={'half':2,'full':4,'flag':20}这一句，修改了风矢杆长短杆线和三角分别代表的风速大小。
ax.barbs(X, Y, u_end, v_end, barb_increments={'half': 0.5, 'full': 1, 'flag': 3}, zorder=5,
         length=3.5, linewidth=0.4, transform=ccrs.PlateCarree())
# --------------添加标题----------------
ax.set_title('印度洋海表面风速(风羽图)', loc="center", fontsize=6, pad=1)
# ------------------利用Formatter格式化刻度标签-----------------
ax.set_xticks(np.arange(30, 106, 10), crs=ccrs.PlateCarree())  # 添加经纬度
ax.set_xticklabels(np.arange(30, 106, 10), fontsize=4)
ax.set_yticks(np.arange(0, 31, 5), crs=ccrs.PlateCarree())
ax.set_yticklabels(np.arange(0, 31, 5), fontsize=4)
ax.xaxis.set_major_formatter(LongitudeFormatter())
ax.yaxis.set_major_formatter(LatitudeFormatter())
ax.tick_params(axis='x', top=True, which='major', direction='in', length=3, width=0.8, labelsize=5, pad=0.8,
               color='k')  # 刻度样式  pad代表标题离轴的远近
ax.tick_params(axis='y', right=True, which='major', direction='in', length=3, width=0.8, labelsize=5, pad=0.8,
               color='k')  # 更改刻度指向为朝内，颜色设置为蓝色
gl = ax.gridlines(crs=ccrs.PlateCarree(), draw_labels=False, xlocs=np.arange(30, 106, 10), ylocs=np.arange(0, 31, 5),
                  linewidth=0.25, linestyle='--', color='k', alpha=0.8)  # 添加网格线
gl.top_labels, gl.bottom_labels, gl.right_labels, gl.left_labels = False, False, False, False
plt.savefig('wind_feather_indian_ocean_1.jpg', dpi=600, bbox_inches='tight', pad_inches=0.1)  # 输出地图，并设置边框空白紧密
plt.show()