3. 繪製月平均地圖及輸出計算結果

3. 繪製月平均地圖及輸出計算結果#

首先用最簡單的方式，示範以xarray讀取netCDF格式資料、簡易運算和繪製等值地圖的過程。

Example 1. 區域2017年12月平均外逸長波輻射 (outgoing longwave radiation, OLR)： 繪製這個圖會經過幾個步驟

開啟檔案。
選取特定時空範圍。
時間平均。
繪圖。

Note

繪圖經度請先設定在0˚-180˚之內，跨越此範圍的繪圖方法比較複雜，我們會在第9單元說明。

繪圖#

接著就要將平均好的結果olrm繪製成等值地圖。

`matplotlib`繪圖基本原理#

既然matplotlib是PyAOS的核心套件，我們先來了解一下用Matplotlib繪圖的原理。首先必須開啟一個畫布 (習慣上用fig來表示)，而畫布上會有許多的子圖 (subplots)，這些子圖一般用ax來表示。而開啟畫布和子圖有兩種方式，第一種利用 Matplotlib.figure.figure.add_subplot()，

add_subplot(nrows, ncols, index, **kwargs)

也就是在指定位置上開啟一個子圖，位置指定的方式就是給定第幾列 (nrows)和第幾行(ncols)。現在我們只需要開啟一個子圖，因此三個引數都設定為1就可以了。

import matplotlib as mpl
from matplotlib import pyplot as plt
mpl.rcParams['figure.dpi'] = 100

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

_images/da441f024eff6644c2b2dd006af2580e4c3cebec5da566bffdbfd03b95893154.png

第二種方式是利用Matplotlib.pyplot.subplots()來新增子圖：

matplotlib.pyplot.subplots(nrows, ncols,...)

這個指令會根據給定的行、列子圖數量 (nrows和ncols) 來開啟一個已劃分好子圖的畫布。

fig,ax=plt.subplots(1,1)

xarray的繪圖函數#

開好繪圖區後，就可以在子圖ax上畫圖了。xarray.Dataset和xarray.DataArray有內建的繪圖方法xarray.DataArray.plot.contourf等，其會將引數設定傳送到matplotlib的繪圖函數中，進而畫在ax上。其他繪圖方法還有 xarray.plot.pcolormesh()、xarray.plot.contour()⋯⋯等多種，在第八、九單元我們還會詳細說明。

from cartopy import crs as ccrs   
from cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTER

# 繪圖：開啟繪圖空間與地圖設定。
proj = ccrs.PlateCarree()      # 採用等距地圖投影。
fig,ax = plt.subplots(1,1,subplot_kw={'projection':proj})   # 利用matplotlib開啟畫布以及1 x 1的繪圖區。

clevs = np.arange(170,350,20)

# 繪圖    
olrPlot = (olrm.plot.contourf("lon",              # 設定x坐標。
                              "lat",              # 設定y坐標。
                              transform=proj,     # 指定「資料本身」的網格系統。
                              ax=ax,              # 繪製在繪圖空間ax上。
                              levels=clevs,       # 設定圖例色階間距。
                              cmap='rainbow',     # 設定色階
                              add_colorbar=True,  # 繪製色階。
                              extend='both',      # 色階向兩端延伸。
                              cbar_kwargs={'orientation': 'horizontal', 'aspect': 30, 'label': ' '}) #設定color bar
                              )

ax.set_extent([lon1,lon2,lats,latn],crs=proj)
ax.set_xticks(np.arange(80,180,20), crs=proj)
ax.set_yticks(np.arange(-20,40,10), crs=proj)   # 設定x, y座標的範圍，以及多少經緯度繪製刻度。
lon_formatter = LONGITUDE_FORMATTER
lat_formatter = LATITUDE_FORMATTER   
ax.xaxis.set_major_formatter(lon_formatter)
ax.yaxis.set_major_formatter(lat_formatter)  # 將經緯度以degN, degE的方式表示。
ax.coastlines()                # 繪製地圖海岸線。                              
ax.set_ylabel(' ')             # 設定坐標軸名稱。
ax.set_xlabel(' ')
ax.set_title(' ') # xarray會預設圖片標題，用空白來取代標題以重置
ax.set_title("December 2017 mean OLR (W m$^{-2}$)", loc='left') # 設定圖片標題，並且置於圖的左側。
plt.show()
#plt.savefig("olr_mean_201712.png", dpi=600)  # 儲存圖片。

/Users/waynetsai/micromamba/envs/p3/lib/python3.10/site-packages/shapely/predicates.py:798: RuntimeWarning: invalid value encountered in intersects
  return lib.intersects(a, b, **kwargs)

_images/94050ce90bee49f792dd6e192276efd839d7a69eb7864f8d8ee5928ef1092c9f.png

補充說明：

Cartopy是繪製地圖、處理投影的函數。在開啟子圖時，需要先用subplot_kw={'projection':proj}來指定子圖的投影方式。
cmap可以使用Matplotlib的色階，只要在網站中搜尋到適合的，然後在plot.contourf中cmap的引數填入色階名稱即可。
除了Matplotlib的色階之外，也可以使用NCL Colar Table Gallery的色階，使用上請先import cmaps這個套件，而NCL網站上色階的名稱就是cmaps套件的attribute。舉例而言，如果想要使用”GMT_seis”這個色階，在plot.contourf中cmap的引數填入cmap=cmaps.GMT_seis即可。

輸出為netCDF檔#

計算完的結果olrm (是一個DataArray) 也可以另外儲存成netCDF檔案。輸出後我們也用ncdump來查詢一下檔案的資訊。

olrｍ.to_netcdf("olrm_201712.nc")

import os
os.system('ncdump -h olrm_201712.nc')

netcdf olrm_201712 {
dimensions:
	lon = 82 ;
	lat = 50 ;
variables:
	float lon(lon) ;
		lon:_FillValue = NaNf ;
		lon:standard_name = "longitude" ;
		lon:long_name = "longitude" ;
		lon:units = "degrees_east" ;
		lon:axis = "X" ;
		lon:bounds = "lon_bnds" ;
	float lat(lat) ;
		lat:_FillValue = NaNf ;
		lat:standard_name = "latitude" ;
		lat:long_name = "latitude" ;
		lat:units = "degrees_north" ;
		lat:axis = "Y" ;
		lat:bounds = "lat_bnds" ;
	float olr(lat, lon) ;
		olr:_FillValue = NaNf ;
}

在第二單元中，我們有看到讀進來的OLR資料有

time = UNLIMITED ; // (8760 currently)

時間軸UNLIMITED尤其在第11單元，進行Climate Data Operator (CDO) 的操作時，有重要的用途，因此輸出netCDF檔時，建議將時間軸也存成UNLIMITED的模式。以輸出olr這個變數為例：

olr.to_netcdf('olr201712_unlim_dims.nc',unlimited_dims='time')

os.system('ncdump -h olr201712_unlim_dims.nc')

netcdf olr201712_unlim_dims {
dimensions:
	time = UNLIMITED ; // (31 currently)
	lon = 82 ;
	lat = 50 ;
variables:
	double time(time) ;
		time:_FillValue = NaN ;
		time:standard_name = "time" ;
		time:long_name = "reference time" ;
		time:axis = "T" ;
		time:units = "days since 1979-01-01" ;
		time:calendar = "standard" ;
	float lon(lon) ;
		lon:_FillValue = NaNf ;
		lon:standard_name = "longitude" ;
		lon:long_name = "longitude" ;
		lon:units = "degrees_east" ;
		lon:axis = "X" ;
		lon:bounds = "lon_bnds" ;
	float lat(lat) ;
		lat:_FillValue = NaNf ;
		lat:standard_name = "latitude" ;
		lat:long_name = "latitude" ;
		lat:units = "degrees_north" ;
		lat:axis = "Y" ;
		lat:bounds = "lat_bnds" ;
	float olr(time, lat, lon) ;
		olr:_FillValue = 0.f ;
		olr:standard_name = "toa_outgoing_longwave_flux" ;
		olr:long_name = "NOAA Climate Data Record of Daily Mean Upward Longwave Flux at Top of the Atmosphere" ;
		olr:units = "W m-2" ;
		olr:cell_methods = "time: mean area: mean" ;
		olr:missing_value = 0.f ;
}

小結#

以上我們按照開啟檔案、分析資料、視覺化這樣的氣候資料處理最基本的流程，示範了如何將OLR資料進行月平均，並繪製成等值圖。xarray是一個很方便的工具，簡化了許多流程，整體來說讓程式碼變得非常簡潔。

Homework 1#

Homework #1

請以xarray開啟 CMORPH降雨資料，繪製2023年April 26-30, May 1-5, May 6-10 三候 (pentads) 平均的降雨地圖 (共3張圖)。請調整適當的cmap (通常會白色開始，數值越大顏色越深) 和levels。
請根據所畫出來的地圖描述五月至今印度洋－東亞地區降雨特徵。

繪圖區域範圍可以印度洋－東亞地區為主，不需要繪製全球降雨地圖 (可以思考一下怎樣的經緯度範圍呈現的效果最好)。繳交的時候請上傳程式碼 (.py或.ipynb皆可)、圖 (總共3張圖) 和降雨特色的描述 (可以是.ipynb, Word, PPT, PDF格式)。

Note: 覺得繪圖步驟很重複嗎？可以考慮用for loop (怎麼用？可以自己查看看！) 另外在第九章有教怎麼一次繪製3個子圖，也可以參考一下。

3. 繪製月平均地圖及輸出計算結果

Contents

3. 繪製月平均地圖及輸出計算結果#

讀取檔案並選擇時空範圍#

分析計算#

繪圖#

`matplotlib`繪圖基本原理#

xarray的繪圖函數#

輸出為netCDF檔#

小結#

Homework 1#

3. 繪製月平均地圖及輸出計算結果

Contents

3. 繪製月平均地圖及輸出計算結果#

讀取檔案並選擇時空範圍#

分析計算#

繪圖#

matplotlib繪圖基本原理#

xarray的繪圖函數#

輸出為netCDF檔#

小結#

Homework 1#

`matplotlib`繪圖基本原理#