Python:对Basemap的基本运用

---

前言

随着python的大众化，气象数据的可视化也逐渐迁移其中，很多气象学子学习使用python解决问题，本文以一道题目为例简单介绍Basemap的使用。

---

一、问题引入

计算南京（32N，119E）气温与中国区域所有格点气温的相关系数（分月求），并绘制1、4、7、10月的一点相关图。

资料：ERA-interim 1979—2018年格点月平均气温资料（资料名：T1979-2018.grd）

区域：0-60N、70-140E

水平分辨率：1度

单位：K

气象类数据储存文件有常见的NC文件和二进制文件等，NC文件相对比较方便，里面包含经纬度信息和物理量要素场。当给出二进制文件时，都会给出经纬度信息，也是后期绘图的前提。当我们使用grads绘图时，需要描述文件(.ctl)，批命令文件(.gs)等多个文件重复书写十分麻烦。同时在grads实现一页多图时，各图比例自己设置，各图的大小位置不太好控制(太菜),远不及python里面自动对图的位置排版。因此笔者选择用python里面Basemap包和Matplotlib对该题目可视化。

二、数据预处理及计算

由于笔者初学python，对各功能还不太熟悉。故先将二进制文件处理成文本文件，然后读入，并构造原始数据场。

构造好原始数据场后，首先提取南京各年各月信息。再根据相关系数公式求解各月场相关系数。

三、数据可视化

1.地图的绘制

导入相关模块。

from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import numpy as np

首先介绍Basemap里面参数lon_0,lat_0的设置。当两个参数都为0时，效果图如下:

m = Basemap(lon_0 = 0 , lat_0 = 0)
m.drawcoastlines(linewidth=0.3) #绘制海岸线
m.drawstates() #绘制州界
m.drawcountries() #绘制国界
#经纬度设置标签
m.drawparallels(np.arange(-90., 91., 10.),
labels=[1,0,0,0], fontsize=10,color='none')
m.drawmeridians(np.arange(-180., 181., 40.), 
labels=[0,0,0,1], fontsize=10,color='none')

当改变参数时，设置lon_0 = 160和lon_0 = 240.我们看看效果图:

可以发现lon_0和lat_0分别是设置地图中心位置的参数，其中lon_0范围为[0,360]分别对应[0°E,180°E,180°W,0°W],(写法不是很规范，但是以便大家理解)，其中维度lat_0与经度设置类似，读者自行探索！

当然如果想加上经纬线网格的话只需要将标签设置里面参数corlor去掉即可。

当我们只需要区域地图时，此参数设置就不合适。引进另一种调用参数格式：

m = Basemap(llcrnrlat = lat_B, urcrnrlat = lat_E, llcrnrlon = lon_B, urcrnrlon = lon_E)

在此题我们只需要设置成：

m = Basemap(llcrnrlat = 0, urcrnrlat = 60, llcrnrlon = 70, urcrnrlon = 140)

可以得到局部地图如下：

所绘制区域地图已经构建完成，当然Basemap功能远远不只这些，其中参数projection可以设置所地图投影类型，默认为’cyl’等距方形投影，更多投影和相关信息笔者学习ing，欢迎交流。

2.气象数据的可视化

地图已经构造完成，剩下的工作相对简单。常规的数据可视化有很多，此处选择用等值线和填色图完成。

由于.grd文件没有相对应的经纬信息，故根据题目或者相对应数据描述文件生成经纬信息。此处选择numpy里面linspace函数，然后根据经纬构建网格。

lons = np.linspace(70,140,71)
lats = np.linspace(0,60,61)
lon, lat = np.meshgrid(lons, lats)
x, y = m(lon, lat)

当经纬网格构建完成后就可以调用等值线m.contour与填色图m.contourf函数可视化已处理好的气象数据了。然后绘制填色图颜色条m.colorbar，最后为已绘制好气象图标上数值plt.clabel。这样一幅完整的气象图就完成啦！

lshade = m.contourf(x, y,R_[0,:,:].T,cmap='jet')
ld = m.contour(x, y,R_[0,:,:].T,colors='k',linewidths=0.7)
cbar = m.colorbar(lshade, pad="10%")
plt.clabel(ld, inline=True, fontsize=10, colors='k')
plt.title('Jan')

当然由于是四个月的同类型数据，此类图可以在后期排版时将四幅图规则放到一起(笔者还没学会_cry.jpg)，该方法对排版要求比较高。因此选择直接在绘图时将四张图放到一张画布上，选择使用subplot函数将画布分成四块分别绘图。

plt.subplot(2,2,1)
"""  """
plt.subplot(2,2,2)
"""  """
plt.subplot(2,2,3)
"""  """
plt.subplot(2,2,4)
"""  """

最后得到效果图如下：

四.总结与回顾

可以清楚的看到，各月场相关系数都以南京为中心向外减小。离南京越近，温度变化与南京越相似，从侧面验证了结果的正确性。

此文仅作为一次学习的记录，目前正在学习更多语法和知识。由于笔者初学python，有什么不足请指出，欢迎交流！ღ( ´･ᴗ･` )

知乎账号:爱笑的boy