Python中怎么绘制气象图

# Python中怎么绘制气象图

气象图是气象学研究和天气预测中不可或缺的可视化工具。Python凭借其丰富的数据处理和绘图库（如Matplotlib、Cartopy、MetPy等），已成为绘制专业气象图的首选工具。本文将详细介绍如何使用Python绘制各类气象图，包括基础地图绘制、等值线图、风场图和卫星云图等。

## 一、环境准备

在开始前，需安装以下Python库：

```bash
pip install numpy matplotlib cartopy metpy xarray netCDF4

关键库说明

• Cartopy：地理空间数据处理库，支持多种地图投影
• MetPy：气象专用工具库，包含气象计算和可视化功能
• xarray：处理多维气象数据（如NetCDF格式）

二、基础地图绘制

2.1 创建带海岸线的基础地图

import cartopy.crs as ccrs
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(10, 6))
ax = fig.add_subplot(111, projection=ccrs.PlateCarree())
ax.coastlines(resolution='10m')  # 添加海岸线
ax.gridlines()  # 添加网格线
plt.title("基础世界地图")
plt.show()

2.2 添加地理特征

import cartopy.feature as cfeature

ax.add_feature(cfeature.LAND)  # 陆地
ax.add_feature(cfeature.OCEAN)  # 海洋
ax.add_feature(cfeature.BORDERS, linestyle=':')  # 国界线
ax.add_feature(cfeature.LAKES, alpha=0.5)  # 湖泊

三、等值线图绘制

等值线图用于显示气压、温度等连续变量的空间分布。

3.1 准备气象数据

以ERA5再分析数据为例：

import xarray as xr

# 读取NetCDF格式数据
ds = xr.open_dataset('era5_temperature.nc')
temp = ds['t2m'] - 273.15  # 开尔文转摄氏度
lat = ds['latitude']
lon = ds['longitude']

3.2 绘制等值线

import metpy.plots as mpp

# 创建图形
fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111, projection=ccrs.PlateCarree())

# 绘制等值线
contour = ax.contour(lon, lat, temp[0,:,:], 
                    levels=20, colors='black')
plt.clabel(contour, inline=True, fontsize=8)

# 添加填色
cf = ax.contourf(lon, lat, temp[0,:,:], 
                levels=20, cmap='coolwarm')
plt.colorbar(cf, label='温度 (°C)')

ax.coastlines()
plt.title("地表温度分布")
plt.show()

四、风场图绘制

风场图用于展示风速和风向的空间分布。

4.1 准备风场数据

u = ds['u10']  # 东西风分量
v = ds['v10']  # 南北风分量
wind_speed = np.sqrt(u**2 + v**2)  # 计算风速

4.2 绘制风杆图

fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111, projection=ccrs.PlateCarree())

# 降低数据密度（每5个点取一个）
skip = 5
ax.barbs(lon[::skip], lat[::skip], 
        u[0,::skip,::skip], v[0,::skip,::skip],
        length=5, transform=ccrs.PlateCarree())

# 添加风速填色
cf = ax.contourf(lon, lat, wind_speed[0,:,:],
                levels=20, cmap='viridis')
plt.colorbar(cf, label='风速 (m/s)')

ax.coastlines()
plt.title("10米高度风场")
plt.show()

五、卫星云图绘制

5.1 读取卫星数据

from satpy import Scene

scn = Scene(reader='ahi_hsd', 
           filenames=['HS_H08_20230101_0300_B16_FLDK_R20_S0110.DAT'])
scn.load(['true_color'])  # 加载真彩色通道

5.2 投影转换与可视化

import pyresample.geometry

# 定义目标区域（东亚）
area_id = 'east_asia'
proj_id = 'geos'
area_extent = (105, 20, 155, 60)
proj_dict = {'proj': 'geos', 'h': 35785831, 'lon_0': 140}

# 重投影
new_scn = scn.resample(area_def)
new_scn.show('true_color')
plt.title("Himawari-8 真彩色云图")
plt.show()

六、综合应用案例

6.1 台风路径预报图

# 读取台风最佳路径数据
typhoon = pd.read_csv('typhoon_path.csv')

# 创建地图
fig = plt.figure(figsize=(12, 10))
ax = fig.add_subplot(111, projection=ccrs.Mercator())

# 绘制台风路径
ax.plot(typhoon['lon'], typhoon['lat'], 
       color='red', linewidth=2,
       marker='o', markersize=4,
       transform=ccrs.PlateCarree())

# 标注台风强度
for i, row in typhoon.iterrows():
    ax.text(row['lon']+1, row['lat']+1, 
           f"{row['name']}\n{row['pressure']}hPa",
           transform=ccrs.PlateCarree())

# 添加地形底图
ax.stock_img()
ax.add_feature(cfeature.BORDERS)
plt.title("台风路径预报")
plt.show()

七、高级技巧

7.1 自定义颜色条

from metpy.plots import ctables

# 使用NWS降水颜色表
norm, cmap = ctables.registry.get_with_range('precipitation', 0, 50)
cf = ax.contourf(lon, lat, precip, levels=20,
                norm=norm, cmap=cmap)

7.2 添加地形阴影

import cartopy.io.img_tiles as cimgt

# 添加自然地球底图
ax.add_image(cimgt.Stamen('terrain-background'), 8)

7.3 交互式可视化

import plotly.express as px

fig = px.scatter_geo(typhoon, lat='lat', lon='lon',
                    hover_name='name', size='wind',
                    projection="natural earth")
fig.show()

八、常见问题解决

1. 投影不匹配：确保所有数据使用相同的CRS（Coordinate Reference System）
2. 内存不足：对于大区域数据，使用xarray的分块处理
3. 颜色条异常：检查数据范围是否合理，必要时进行裁剪
4. 缺少地图特征：确认Cartopy数据目录设置正确（CARTOPY_DATA_DIR环境变量）

九、总结

Python气象绘图技术栈：

通过灵活组合这些工具，可以创建从简单天气图到复杂数值预报产品的各类气象可视化结果。建议参考Unidata的MetPy示例库和Cartopy官方文档获取更多高级用例。

延伸阅读： - 《Python气象应用编程》（人民邮电出版社） - Unidata MetPy官方文档 - Cartopy GitHub示例库 “`

这篇文章涵盖了从基础到进阶的气象图绘制方法，总字数约2300字。如需扩展特定部分或添加更多示例，可以进一步补充细节内容。