【总代码】（简易好理解版本，最后面还有个小升级版）

from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import numpy as np
import netCDF4 as nc
from pyproj import Proj
import datetime as dt
import xarray as xr
import datetime as dtclass Sim1(object):def __init__(self,file_nc):self.file_obj = xr.open_dataset(file_nc)passdef Draw_vector(self,mon,n):u_mean,v_mean,speed = self.cal_mean(mon,n)m,xi,yi = self.bmap()m.quiver(xi[::4,::4],yi[::4,::4],u_mean[::4,::4],v_mean[::4,::4],speed[::4,::4],scale=180,color='r',width=0.002)#scale=80--80m/s设置为箭头单位强度plt.savefig(f'sim_{n}.png') passdef cal_mean(self,mon,n):u = self.file_obj.uv = self.file_obj.vu = u.loc[u.time.dt.month.isin(mon)]v = v.loc[v.time.dt.month.isin(mon)]u_mean = np.mean(u,axis=0)v_mean = np.mean(v,axis=0)speed = np.sqrt(u_mean**2 + v_mean**2)return u_mean,v_mean,speeddef bmap(self):m = Basemap(boundinglat=75, lon_0 = 0,projection = 'npstere', round=True)m.drawcoastlines(linewidth=0.5)m.drawstates() m.drawcountries() lons = self.file_obj.longitudelats = self.file_obj.latitudexi,yi = m(lons,lats)return m,xi,yia = Sim1('/mnt/g/st-nsidc/icemotion_daily_nh_25km_20210101_20211231_v4.1.nc')
a.Draw_vector(mon=range(1,13),n='2021')

【解析】

一、相关库的安装

首先大家的环境要有这些库

可以用conda list查询：

如果没有（例如没有netCDF4）则用pip install netCDF4或者conda install netCDF4安装对应的库。

二、数据下载

进入NSIDC官网：Homepage | National Snow and Ice Data Center (nsidc.org)

点击Explore Data

输入要下载的产品的名字：如sea ice motion

点击选择NetCDF格式，选择一个Parameter是SEA ICE MOTION的产品即可

（我选择了第一个Polar Pathfinder)

点进去往下滑，点击HTTPS

有南极北极两个文件夹，这里选择北极north

里面有四个文件夹，主要用的是daily(每日数据)和weekly(每周数据)

点击要下载的文件就好啦

三、代码解析

#定义一个类，这个类的功能就是完成海冰运动矢量制图
class Sim1(object):def __init__(self,file_nc):#初始化类，传入文件路径self.file_obj = xr.open_dataset(file_nc)#将文件传给对象的file_obj这个属性passdef Draw_vector(self,mon,n):#1️⃣画矢量图函数u_mean,v_mean,speed = self.cal_mean(mon,n) #算出U,V的平均值和合成速度(具体函数看下面)m,xi,yi = self.bmap() #得到地理地图m，和每个u,v经过投影后的xi,yi（具体函数看下面）m.quiver(xi[::4,::4],yi[::4,::4],u_mean[::4,::4],v_mean[::4,::4],speed[::4,::4],scale=180,color='r',width=0.002)#quiver函数画图，xi,yi为点的坐标，u_mean,v_mean为平均值，speed是合成速度，scale是设置箭头单位强度，color是设置颜色，width时设置箭头宽度，更多参数......plt.savefig(f'sim_{n}.png') #Linux系统用这个，Win用plt.show()passdef cal_mean(self,mon,n):2️⃣计算平均值函数u = self.file_obj.uv = self.file_obj.vu = u.loc[u.time.dt.month.isin(mon)] #将月份为mon的U选出来v = v.loc[v.time.dt.month.isin(mon)]u_mean = np.mean(u,axis=0) #计算选出来的u的平均值，axis=0是对第一维度求平均，axis=1对第二维度求平均，这里u的时间对应是第一维，所以是对第一维（时间）求平均v_mean = np.mean(v,axis=0)speed = np.sqrt(u_mean**2 + v_mean**2) #勾股定理求速度值的大小return u_mean,v_mean,speeddef bmap(self):3️⃣创建地图m = Basemap(boundinglat=75, lon_0 = 0,projection = 'npstere', round=True) #创建地理底图m.drawcoastlines(linewidth=0.5)#这三行是添加相应的地理要素 海洋线、国界等m.drawstates() m.drawcountries() lons = self.file_obj.longitude #将每个点的经纬度取出lats = self.file_obj.latitudexi,yi = m(lons,lats) #这样写就能转成m投影下对应的坐标了return m,xi,yia = Sim1('/mnt/g/st-nsidc/icemotion_daily_nh_25km_20210101_20211231_v4.1.nc') #文件路径
a.Draw_vector(mon=range(1,13),n='2021') #mon输入要求平均的月份，n是图像名字的后缀（如mon=345,n='spring'）

运行结果如下：

年平均（mon=rang(1,13）,n='2021')

春季平均（mon=（3，4，5）,n='spring')

四、代码改进（小升级版本）

功能实现：

from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
import numpy as np
import netCDF4 as nc
from pyproj import Proj
import datetime as dt
import xarray as xr
import datetime as dt
import cartopy.crs as ccrsclass Sim1(object):def __init__(self,file_nc):self.file_obj = xr.open_dataset(file_nc)passdef Draw_vector(self,mon,n):u_mean,v_mean,speed = self.cal_mean(mon,n)m,xi,yi = self.bmap()m.quiver(xi[::4,::4],yi[::4,::4],u_mean[::4,::4],v_mean[::4,::4],speed[::4,::4],scale=180,color='r',width=0.002)#scale=80--80m/s设置为箭头单位强度plt.title(f'{n}',x=0.5,y=-0.15 ,color='b',size=7.5)#plt.savefig(f'sim_{n}.png') passdef cal_mean(self,mon,n):u = self.file_obj.uv = self.file_obj.vu = u.loc[u.time.dt.month.isin(mon)]v = v.loc[v.time.dt.month.isin(mon)]u_mean = np.mean(u,axis=0)v_mean = np.mean(v,axis=0)speed = np.sqrt(u_mean**2 + v_mean**2)return u_mean,v_mean,speeddef bmap(self):m = Basemap(boundinglat=75, lon_0 = 0,projection = 'npstere', round=True)m.drawcoastlines(linewidth=0.5)m.drawstates() m.drawcountries() m.drawmeridians(np.arange(0, 360, 30),labels=[True,True,False,False],size=5, latmax=90) m.drawparallels(np.arange(75, 90, 5),labels=[False,False,True,False],size=5)lons = self.file_obj.longitudelats = self.file_obj.latitudexi,yi = m(lons,lats)return m,xi,yi

调用函数：

a = Sim1('/mnt/g/st_NSIDC/icemotion_daily_nh_25km_20210101_20211231_v4.1.nc')fig = plt.figure(figsize=[6, 6])ax1 = fig.add_subplot(2, 2, 1)
ax1 = a.Draw_vector(mon=(3,4,5),n='spring')
ax2 = fig.add_subplot(2, 2, 2)
ax2 = a.Draw_vector(mon=(6,7,8),n='summer')
ax3 = fig.add_subplot(2, 2, 3)
ax3 = a.Draw_vector(mon=(9,10,11),n='autumn')
ax4 = fig.add_subplot(2, 2, 4)
ax4 = a.Draw_vector(mon=(1,2,12),n='winter')fig = fig.tight_layout(pad=2, w_pad=0.8, h_pad=0.8)
plt.suptitle('SIM_2021')
##主图titlell???plt.savefig('SIM_2021.png',dpi=400)

结果图：

NSIDC海冰运动产品-速度矢量场图绘制（数据下载和处理--年、季节平均）【python/basemap】相关推荐

python 速度矢量_Python TVTK 标量数据可视化与矢量数据可视化
Python数据可视化分为标量可视化,矢量可视化,轮廓线可视化标量又称无向量,只有大小没有方向,运算遵循代数运算法则比如质量,密度,温度,体积,时间矢量又称向量,它是由大小,方向共同确定的量,运 ...
【MATLAB】绘制矢量场图
Step 1 在MATLAB中绘制矢量场图的函数是quiver,利用help命令查看该函数的解释. 一般来说,输入参数可以是四个(x,y,u,v),也可以是两个参数(u,v),要求是这些参数都大小相同 ...
python画车辆轨迹图_如何利用 Python 绘制酷炫的车辆轨迹 — 速度时空图？三维数据用二维图像呈现...
说明:本文系交通攻城狮原创文章,如需转载请私信联系,侵权必究. 2020,第 30 期,编程笔记建议直接阅读精编版:如何利用 Python 绘制酷炫的车辆轨迹 - 速度时空图?三维数据用二维图像呈 ...
【ParaView教程】第四章常见问题 —— 2D速度矢量怎样在ParaView中绘制流线？
问题背景有时一些算例结果是二维的,相应的速度也是二维的,只有x,y两个方向的分量.在ParaView中加载结果后如果想要绘制流线,会发现此时的流线绘制按钮Stream Tracer灰掉了,功能不可用 ...
Matlab绘制方向和速度矢量图
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 3 ...
JAVA整合Milvus矢量数据库及数据
背景:目前milvsu版本迭代至2.0,已经可以支持直接在docker环境下运行目录一.Milvus的基本情况什么是 Milvus 向量数据库? 非结构化数据特征向量向量相似度检索为什么选 ...
Cesium设置模型朝向速度矢量方向
Cesium设置模型朝向速度矢量方向文章目录 Cesium设置模型朝向速度矢量方向 1. 需求场景 2. 技术路线 2.1 VelocityOrientationProperty 2.2 Veloc ...
ArcGIS实验操作一：绘制自定义线、垂直、平行线（附实验数据下载）
本专栏整理自汤国安.钱柯健.熊礼阳等教授编著的<地理信息系统基础实验操作100例>,感谢! 文章目录一.实验背景二.实验数据三.实验步骤 1.准备数据 2.数字化线 3.绘制固定端点 ...
Python使用matplotlib绘制数据去重前后的柱状图对比图（在同一个图中显示去重操作之后同一数据集的变化情况）
Python使用matplotlib绘制数据去重前后的柱状图对比图(在同一个图中显示去重操作之后同一数据集的变化情况) #仿真数据 import pandas as pd import numpy a ...

NSIDC海冰运动产品-速度矢量场图绘制（数据下载和处理--年、季节平均）【python/basemap】