python台风动图绘制_python绘图 | 可视化实现台风路径

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章来源于腾讯云 作者：气象学家

( 想要学习Python？Python学习交流群：1039649593，满足你的需求，资料都已经上传群文件流，可以自行下载！还有海量最新2020python学习资料。 )

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

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：http://tcdata.typhoon.org.cn/

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：http://www.wztf121.com/

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。

importos, globimportpandas as pdimportnumpy as npimportshapely.geometry as sgeomimportmatplotlib.pyplot as pltfrom matplotlib.image importimreadfrom matplotlib.animation importFuncAnimationimportmatplotlib.lines as mlinesimportcartopy.crs as ccrsimportcartopy.feature as cfeatfrom cartopy.mpl.ticker importLongitudeFormatter,LatitudeFormatterimportcartopy.io.shapereader as shpreaderimportcartopy.io.img_tiles as cimgtfrom PIL importImageimportwarnings

warnings.filterwarnings('ignore')

df= pd.read_csv('./2018typhoon.csv')

定义等级色标

defget_color(level):globalcolorif 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

defcreate_map(title, extent):

fig= plt.figure(figsize=(12, 8))

ax= fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())

url= 'http://map1c.vis.earthdata.nasa.gov/wmts-geo/wmts.cgi'layer= 'BlueMarble_ShadedRelief'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))

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。

defdraw_single(df):

ax= create_map(df['名字'].iloc[0], [110, 135, 20, 45])for i inrange(len(df)):

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。

defdraw_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 inL:

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。

defdraw_single_gif(df):for state inrange(len(df.index))[:]:

ax= create_map(f'{df["名字"].iloc[0]} {df["时间"].iloc[state]}', [110, 135, 20, 45])for i inrange(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 inimgFiles]

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])