标签：plt sst lon 分布图 np 海温 lat new OISST
# coding:utf-8
# __author__ ='Y'
import netCDF4 as nc
from matplotlib import pyplot as plt
from matplotlib.patches import Polygon
import numpy as np
from mpl_toolkits.basemap import Basemap
from scipy import interpolate
import warnings
from PIL import Image
def Interpolation(lon, lat, sst, times=1):
sst[sst>50] = 20
# sst=np.squeeze(sst)
func = interpolate.interp2d(lon,lat,sst,kind='linear')
lon_new = np.linspace(min(lon),max(lon),720*times)
lat_new = np.linspace(min(lat),max(lat),1440*times)
sst_new = func(lon_new,lat_new)#xnew, ynew是一维的，输出znew是二维的
return lon_new, lat_new, sst_new
def drawing(lon_new, lat_new, sst_new, savefilepath=r'D:\\sst分布图\\未处理\\sst.png'):
# 定位到具体经纬度
map = Basemap(llcrnrlon = 0.125, llcrnrlat = -89.875, urcrnrlon = 359.875, urcrnrlat = 89.875)
lon, lat = np.meshgrid(lon_new, lat_new)
# plt.figure(figsize=(9, 7.88)) # 设置画布大小
plt.figure (figsize=(14.4,7.2 )) # 设置画布大小
ax = plt.gca()
plt.style.use('classic')
# # 绘制经纬线
map.drawparallels(np.arange(-90., 90., 30.), labels=[1,0,0,0], fontsize=10) # 纬线
map.drawmeridians(np.arange(-180., 180., 30.), labels=[0,0,0,1], fontsize=10) # 经线
map.drawcoastlines ()
#basemap有海岸线调用函数了，不用再加海岸线
# map.readshapefile(r'M:\全球海岸线\GSHHS_h_L1', name='country', color='w')
# for shp in map.country:
# poly = Polygon(xy=shp, facecolor='w') # 填充
# ax.add_patch(poly)
# 添加Colorbar
# cbar = plt.get_cmap('rainbow')
colormesh = map.pcolormesh(lon, lat, sst_new)
#横着
# cbar = map.colorbar(colormesh, location='bottom', label="contour lines", pad="10%")
#竖着
cbar = map.colorbar (colormesh, location='right', pad="10%")
momo = nc.Dataset (openfilepath)
cbar.set_label (momo.variables['sst'].units)
# cbar.ax.tick_params (labelsize=16)
# cbar = plt.colorbar ()
# cbar.set_ticks (np.linspace (-3, 45))
# 去掉图片边框
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['bottom'].set_visible(False)
# plt.subplots_adjust(left=0, bottom=0, right=1, top=1, hspace = 0, wspace = 0) # 让图片铺满画布
# 添加标题、单位
cbar.set_label("℃")
plt.title('Sea Surface Temperature')
plt.savefig(savefilepath)
# plt.show()
def setalpha(openfilepath = r'D:\\sst分布图\\未处理\\sst.png', savefilepath = r'D:\\sst分布图\\透明化\\sst_alpha.png'):
# 将图片中的白色改为透明色
img = Image.open(openfilepath) # 读取照片
img = img.convert('RGBA') # 转换格式，确保像素包含alpha通道
width, height = img.size # 长度和宽度
for i in range(0,width): # 遍历所有长度的点
for j in range(0,height): # 遍历所有宽度的点
data = img.getpixel((i,j)) # 获取一个像素
if (data.count(255) == 4): # RGBA都是255，改成透明色
img.putpixel((i,j),(255,255,255,0))
img.save(savefilepath) # 保存图片
if __name__ == '__main__':
openfilepath=r'M:\SST_data\sst.day.mean.2012.nc'
# 忽略警告
warnings.filterwarnings ("ignore")
# 显示全部数据
np.set_printoptions (threshold=np.inf)
# 读取nc文件
f = nc.Dataset (openfilepath)
# print(dataset.variables.keys()) # 打印变量的属性值
# 读取数据
lat = f.variables['lat'][:]
lon = f.variables['lon'][:]
time = f.variables['time'][:]
sst = f.variables['sst'][:]
# 关闭nc文件
f.close ()
sst=sst[3,:,:]
lon_new=lon
lat_new=lat
sst_new=sst
sst[sst == -9.96921e+36] = 0
# lon_new, lat_new, sst_new = Interpolation(lon, lat, sst, times=1)
drawing(lon_new, lat_new, sst_new, savefilepath=r'D:\\sst分布图\\未处理\\2020'+'.png')
setalpha(openfilepath=r'D:\\sst分布图\\未处理\\2020'+'.png', savefilepath=r'D:\\sst分布图\\透明化\\2020'+'.png')
print('已完成{}号sst的绘制'.format(3))
结果
标签：plt,sst,lon,分布图,np,海温,lat,new,OISST 来源： https://blog.csdn.net/qq_43349542/article/details/117470982
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。