Python繪圖實現(xiàn)臺風路徑可視化代碼實例

更新時間：2020年10月23日 09:52:46 作者：松鼠愛吃餅干

這篇文章主要介紹了Python繪圖實現(xiàn)臺風路徑可視化代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

臺風是重大災害性天氣，臺風引起的直接災害通常由三方面造成，狂風、暴雨、風暴潮，除此以外臺風的這些災害極易誘發(fā)城市內(nèi)澇、房屋倒塌、山洪、泥石流等次生災害。正因如此，臺風在科研和業(yè)務工作中是研究的重點。希望這次臺風路徑可視化可以給予大家一點點幫助。

臺風路徑的獲取

中國氣象局(CMA)

中國氣象局(CMA)的臺風最佳路徑數(shù)據(jù)集(BST)，BST是之后對歷史臺風路徑進行校正后發(fā)布的，其經(jīng)緯度、強度、氣壓具有更高的可靠性，但是時間分辨率為6小時，部分3小時，這一點不如觀測數(shù)據(jù)。下載地址：

http://tcdata.typhoon.org.cn/

溫州臺風網(wǎng)

溫州臺風網(wǎng)的數(shù)據(jù)是實時發(fā)布數(shù)據(jù)的記錄，時間分辨率最高達1小時，對于臺風軌跡具有更加精細化的表述。下載地址：

http://www.wztf121.com/

示例

導入模塊并讀取數(shù)據(jù)，使用BST的2018年臺風路徑數(shù)據(jù)作為示例，已經(jīng)將原始的txt文件轉(zhuǎn)換為xls文件。

import os, glob
import pandas as pd
import numpy as np
import shapely.geometry as sgeom
import matplotlib.pyplot as plt
from matplotlib.image import imread
from matplotlib.animation import FuncAnimation
import matplotlib.lines as mlines
import cartopy.crs as ccrs
import cartopy.feature as cfeat
from cartopy.mpl.ticker import LongitudeFormatter,LatitudeFormatter
import cartopy.io.shapereader as shpreader
import cartopy.io.img_tiles as cimgt
from PIL import Image
import warnings 
warnings.filterwarnings('ignore')
df = pd.read_csv('./2018typhoon.csv')

定義等級色標

def get_color(level):
  global color
  if level == '熱帶低壓' or level == '熱帶擾動':
    color='#FFFF00'
  elif level == '熱帶風暴':
    color='#6495ED'
  elif level == '強熱帶風暴':
    color='#3CB371'
  elif level == '臺風':
    color='#FFA500'
  elif level == '強臺風':
    color='#FF00FF'
  elif level == '超強臺風':
    color='#DC143C'
  return color

定義底圖函數(shù)

def create_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

定義繪制單個臺風路徑方法，并繪制2018年第18號臺風溫比亞。

def draw_single(df):
  ax = create_map(df['名字'].iloc[0], [110, 135, 20, 45])
  for i in range(len(df)):
    ax.scatter(list(df['經(jīng)度'])[i], list(df['緯度'])[i], marker='o', s=20, color=get_color(list(df['強度'])[i]))

  for i in range(len(df)-1):
    pointA = list(df['經(jīng)度'])[i],list(df['緯度'])[i]
    pointB = list(df['經(jīng)度'])[i+1],list(df['緯度'])[i+1]
    ax.add_geometries([sgeom.LineString([pointA, pointB])], color=get_color(list(df['強度'])[i+1]),crs=ccrs.PlateCarree())
  plt.savefig('./typhoon_one.png')
draw_single(df[df['編號']==1818])

定義繪制多個臺風路徑方法，并繪制2018年全年的全部臺風路徑。

def draw_multi(df):
  L = list(set(df['編號']))
  L.sort(key=list(df['編號']).index)
  ax = create_map('2018', [100, 180, 0, 45])
  for number in L:
    df1 = df[df['編號']==number]
    for i in range(len(df1)-1):
      pointA = list(df1['經(jīng)度'])[i],list(df1['緯度'])[i]
      pointB = list(df1['經(jīng)度'])[i+1],list(df1['緯度'])[i+1]
      ax.add_geometries([sgeom.LineString([pointA, pointB])], color=get_color(list(df1['強度'])[i+1]),crs=ccrs.PlateCarree())
  plt.savefig('./typhoon_multi.png')
draw_multi(df)

定義繪制單個臺風gif路徑演變方法，并繪制2018年第18號臺風的gif路徑圖。

def draw_single_gif(df):
  for state in range(len(df.index))[:]:
    ax = create_map(f'{df["名字"].iloc[0]} {df["時間"].iloc[state]}', [110, 135, 20, 45])
    for i in range(len(df[:state])):
      ax.scatter(df['經(jīng)度'].iloc[i], df['緯度'].iloc[i], marker='o', s=20, color=get_color(df['強度'].iloc[i]))
    for i in range(len(df[:state])-1):
      pointA = df['經(jīng)度'].iloc[i],df['緯度'].iloc[i]
      pointB = df['經(jīng)度'].iloc[i+1],df['緯度'].iloc[i+1]
      ax.add_geometries([sgeom.LineString([pointA, pointB])], color=get_color(df['強度'].iloc[i+1]),crs=ccrs.PlateCarree())
    print(f'正在繪制第{state}張軌跡圖')
    plt.savefig(f'./{df["名字"].iloc[0]}{str(state).zfill(3)}.png', bbox_inches='tight')
  # 將圖片拼接成動畫
  imgFiles = list(glob.glob(f'./{df["名字"].iloc[0]}*.png'))
  images = [Image.open(fn) for fn in imgFiles]
  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['編號']==1818])