前言

有些時候為了研究不同高度上氣象要素之間的聯系，緯度-高度作為xy軸的圖在一些SCI論文中比較常見。

這是我研究的CMIP6數據中ua,va,wap,ta這幾個氣象要素在緯度-高度圖上的不同。

讀取數據的地方就略去了，需要注意的是需要進行平均，溫度轉為攝氏度

#W,V為垂直方向和緯向的速度

W=W.wap.mean(("lon", "time",),keep_attrs=True,skipna=True)*100

V=V.va.mean(("lon", "time",),keep_attrs=True,skipna=True)

T_c=T_all.ta-274.15

T=T_c.mean(("lon", "time",),keep_attrs=True,skipna=True)

# 這時數據格式為(plevel,lat)的格式

數據的x軸為lat，y軸為plev。

理解了數據的格式后，轉換一下思路就可以畫圖。

之后就是畫圖，因為垂直和緯向上風速的量級差的有點大，所以我對這兩個風速進行了均一化的處理。

這樣箭頭就一樣大了。

操作

plot=ax.contourf(V.lat, V.plev, V,levels=np.arange(-0.06,0.06+0.01,0.01),

cmap=cmaps.GMT_panoply,

extend='both'

# pivot='middle',

)

cb=fig.colorbar(plot,ax=ax,orientation="horizontal", shrink=0.8,aspect=30,pad=0.1,)

cb.ax.tick_params(labelsize='14')

以上是V風的垂直填色圖，下面疊加風矢量圖。 間隔取數值，不然箭頭太密集。

x=W.lat[::5] #間隔取數值，不然箭頭太密集

y=W.plev

u=V[:,::5]

v=W[:,::5]

u_norm = u / np.sqrt(u ** 2.0 + v ** 2.0)

v_norm = v / np.sqrt(u ** 2.0 + v ** 2.0)

# 為什么要加符號，是因為反轉y軸的時候，箭頭方向不會反轉，所以要加符號

ax.quiver(x, y, u_norm, -v_norm,

#pivot='middle',

)

ax.set_xticks([-90,-75,-50,-25,0,25,50,75,90])

ax.set_xticklabels([r'90$^\degree$S',r'75$^\degree$S',r'50$^\degree$S',r'25$^\degree$S',r'0$^\degree$',

r'25$^\degree$N', r'50$^\degree$N',r'75$^\degree$N', r'90$^\degree$N'])

ax.set_ylim(100*100,1000*100)

#繪制溫度等值線,將負輪廓設置為實線而不是虛線

plt.rcParams['contour.negative_linestyle'] = 'solid'

CS=ax.contour(T.lat,T.plev,T,30,

colors='k',)

ax.clabel(CS, inline=1, fontsize=10)

ax.invert_yaxis()

ax.set_yscale('symlog')

#手動設置高度范圍

ax.set_yticks([100000,925*100,850*100,700*100,50000,20000,10000])

ax.set_yticklabels([1000,925,850,700,500,200,100])

好了，圖的效果在這里。

e.g.

最后

需要注意的地方就是反轉y軸以及改為對數坐標，但這還遠遠不夠。因為可能和我們要的效果不太一樣，還要手動修改一下ylabel，這樣和我們要的結果就一致了。

總結

以上是生活随笔為你收集整理的python气象数据处理与绘图_Python气象数据处理与绘图：纬高图的另一种思路的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。