底图等高线校正指数

1 33.75 -97.75 2 33.75 -97.25 3 33.75 -96.75 4 33.75 -96.25 5 33.75 -95.75 6 33.75 -95.25 7 33.75 -94.75 8 34.25 -99.75 9 34.25 -99.25 10 34.25 -98.75 11 34.25 -98.25 12 34.25 -97.75 13 34.25 -97.25 14 34.25 -96.75 15 34.25 -96.25 16 34.25 -95.75 17 34.25 -95.25 18 34.25 -94.75 19 34.75 -99.75 20 34.75 -99.25 21 34.75 -98.75 22 34.75 -98.25 23 34.75 -97.75 24 34.75 -97.25 25 34.75 -96.75 26 34.75 -96.25 27 34.75 -95.75 28 34.75 -95.25 29 34.75 -94.75 30 35.25 -99.75 31 35.25 -99.25 32 35.25 -98.75 33 35.25 -98.25 34 35.25 -97.75 35 35.25 -97.25 36 35.25 -96.75 37 35.25 -96.25 38 35.25 -95.75 39 35.25 -95.25 40 35.25 -94.75 41 35.75 -99.75 42 35.75 -99.25 43 35.75 -98.75 44 35.75 -98.25 45 35.75 -97.75 46 35.75 -97.25 47 35.75 -96.75 48 35.75 -96.25 49 35.75 -95.75 50 35.75 -95.25 51 35.75 -94.75 52 36.25 -99.75 53 36.25 -99.25 54 36.25 -98.75 55 36.25 -98.25 56 36.25 -97.75 57 36.25 -97.25 58 36.25 -96.75 59 36.25 -96.25 60 36.25 -95.75 61 36.25 -95.25 62 36.25 -94.75 63 36.75 -102.75 64 36.75 -102.25 65 36.75 -101.75 66 36.75 -101.25 67 36.75 -100.75 68 36.75 -100.25 69 36.75 -99.75 70 36.75 -99.25 71 36.75 -98.75 72 36.75 -98.25 73 36.75 -97.75 74 36.75 -97.25 75 36.75 -96.75 76 36.75 -96.25 77 36.75 -95.75 78 36.75 -95.25 79 36.75 -94.75

PC5 PC3 PC2 PC6 PC7 PC4 PC1 1 0.21 0.14 0.33 0.39 0.73 0.13 0.03 2 0.19 0.17 0.42 0.24 0.78 0.1 0.04 3 0.17 0.18 0.51 0.18 0.71 0.01 0.1 4 0.18 0.2 0.58 0.19 0.67 0.07 0.11 5 0.15 0.17 0.76 0.2 0.43 0.11 0.13 6 0.12 0.16 0.82 0.17 0.34 0.12 0.15 7 0.1 0.2 0.84 0.14 0.28 0.14 0.13 8 0.16 0.09 0.2 0.73 0.29 0.25 0.1 9 0.18 0.14 0.18 0.68 0.36 0.24 0.14 10 0.23 0.22 0.18 0.63 0.53 0.21 0.14 11 0.19 0.23 0.23 0.52 0.62 0.19 0.14 12 0.2 0.18 0.23 0.43 0.74 0.15 0.11 13 0.21 0.19 0.43 0.24 0.77 0.11 0.11 14 0.15 0.21 0.51 0.15 0.72 0.1 0.15 15 0.14 0.23 0.58 0.19 0.66 0.1 0.12 16 0.13 0.22 0.74 0.19 0.49 0.13 0.12 17 0.08 0.24 0.85 0.19 0.28 0.15 0.1 18 0.1 0.29 0.86 0.15 0.18 0.16 0.07 19 0.26 0.11 0.17 0.77 0.1 0.24 0.06 20 0.36 0.16 0.14 0.74 0.24 0.23 0.12 21 0.32 0.27 0.14 0.65 0.42 0.14 0.14 22 0.39 0.29 0.21 0.58 0.47 0.09 0.21 23 0.3 0.3 0.29 0.47 0.48 0.09 0.33 24 0.25 0.35 0.35 0.42 0.45 0.09 0.45 25 0.25 0.33 0.43 0.29 0.52 0.11 0.46 26 0.24 0.36 0.48 0.26 0.53 0.09 0.4 27 0.18 0.35 0.62 0.24 0.48 0.11 0.28 28 0.13 0.4 0.83 0.12 0.15 0.12 0.06 29 0.13 0.42 0.81 0.1 0.14 0.08 0.05 30 0.45 0.14 0.14 0.7 0.05 0.2 0.04 31 0.52 0.19 0.13 0.68 0.25 0.18 0.06 32 0.53 0.2 0.16 0.66 0.32 0.09 0.08 33 0.48 0.26 0.2 0.56 0.37 0.06 0.21 34 0.41 0.34 0.28 0.44 0.35 0.06 0.43 35 0.37 0.4 0.28 0.37 0.32 0.06 0.54 36 0.24 0.41 0.39 0.27 0.33 0.11 0.56 37 0.29 0.47 0.37 0.28 0.32 0.11 0.54 38 0.3 0.61 0.36 0.25 0.26 0.13 0.47 39 0.21 0.6 0.66 0.13 0.18 0.1 0.12 40 0.13 0.48 0.75 0.1 0.13 0.07 0.06 41 0.55 0.15 0.14 0.63 0.07 0.25 0.1 42 0.55 0.19 0.17 0.65 0.13 0.2 0.11 43 0.6 0.19 0.15 0.62 0.27 0.04 0.06 44 0.63 0.18 0.16 0.53 0.25 0.04 0.16 45 0.69 0.27 0.22 0.36 0.23 -0.01 0.28 46 0.56 0.39 0.25 0.22 0.24 0.06 0.47 47 0.45 0.51 0.28 0.23 0.25 0.11 0.51 48 0.38 0.63 0.3 0.27 0.24 0.14 0.4 49 0.3 0.75 0.34 0.19 0.21 0.13 0.3 50 0.29 0.77 0.44 0.16 0.19 0.12 0.13 51 0.18 0.66 0.63 0.11 0.17 0.1 0.06 52 0.53 0.12 0.08 0.35 0.1 0.52 0.14 53 0.68 0.19 0.14 0.4 0.09 0.36 0.12 54 0.76 0.24 0.14 0.34 0.09 0.29 0.12 55 0.84 0.25 0.12 0.29 0.15 0.1 0.14 56 0.82 0.25 0.11 0.28 0.21 0.03 0.12 57 0.64 0.44 0.22 0.23 0.21 0.06 0.36 58 0.54 0.52 0.27 0.21 0.2 0.09 0.39 59 0.44 0.72 0.26 0.22 0.17 0.17 0.23 60 0.3 0.79 0.28 0.17 0.14 0.11 0.19 61 0.26 0.81 0.35 0.18 0.17 0.12 0.08 62 0.24 0.82 0.37 0.16 0.17 0.1 0.05 63 0.17 0.07 0.22 0.26 0.18 0.75 0.07 64 0.25 0.15 0.24 0.23 0.12 0.82 0.08 65 0.3 0.15 0.16 0.23 0.11 0.82 0.04 66 0.39 0.23 0.15 0.19 0.06 0.77 0.05 67 0.58 0.2 0.09 0.21 0.12 0.55 -0.1 68 0.68 0.17 0.04 0.21 0.11 0.48 -0.07 69 0.59 0.18 0.01 0.14 0.04 0.47 0.07 70 0.75 0.2 0.1 0.29 0.06 0.36 0.11 71 0.75 0.22 0.13 0.26 0.13 0.31 0.07 72 0.82 0.25 0.12 0.2 0.19 0.17 0.06 73 0.79 0.3 0.11 0.15 0.13 0.16 0.03 74 0.76 0.41 0.13 0.16 0.17 0.08 0.13 75 0.65 0.48 0.16 0.14 0.15 0.13 0.15 76 0.52 0.66 0.18 0.16 0.2 0.22 0.05 77 0.45 0.74 0.24 0.16 0.19 0.2 0.06 78 0.38 0.78 0.32 0.17 0.14 0.15 0.02 79 0.28 0.79 0.34 0.15 0.16 0.11 0

1条回答

网友

1楼 · 发布于 2024-09-30 16:34:57

问题的本质是你的x/y网格不是严格意义上的矩形。文件matplotlib.pyplot.contour说：

X and Y must both be 2-D with the same shape as Z, or they must both be 1-D such that len(X) is the number of columns in Z and len(Y) is the number of rows in Z

见http://matplotlib.org/api/pyplot_api.html

使用未修改的数据，您可以通过以下方式获得箭筒图：

# create vectors up and slightly right
v=eof1
u=[eof1[i]*0.5 for i in range(len(eof1))]
m.quiver(lon,lat,u,v, latlon=True)
plt.show()

因此，您必须将数据映射到contour（）所需的一维、一维、二维或二维、二维、二维格式。在

通过删除第1-7行和第63-68行，可以很容易地使数据覆盖一个较小的latlon矩形区域（或者我想您可以用0值填充它来覆盖原始区域），但是当lon/lat被投影到stere投影坐标时，它们不再是矩形了，我想这也会是个问题。你用一个merc投影，就为了让事情顺利进行怎么样？在

不过，总的来说，我认为你需要更多的数据，尤其是要获得瓦克拉霍马边界上的轮廓线，你需要数据到边界。对contour调用使用latlon=True参数，以便它正确地转换lon和lat，即使使用merc投影。我还尝试添加参数tri=True，但这似乎对xx/y/z数据提出了不同的要求。在

另一个示例，可以使用scatter（）获得气泡图：

^{pr2}$

附加：

找到了一些轮廓！在

最简单的解决方案是对矩形区域的lat/lon/数据进行硬编码，meshgrid在xx和yy将一维lon和lat转换为完整的二维网格，值点为二维。代码如下：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap

data = np.genfromtxt('Lab3PCAVarimax.txt',usecols=(1,2,3,4,5,6,7),skip_header=1)

eof1 = data[:,6]
print eof1
eof11= [
 [  0.1   ,0.14  ,0.14  ,0.14  ,0.11  ,0.11  ,0.15  ,0.12  ,0.12  ,0.1   ,0.07]
,[  0.06  ,0.12  ,0.14  ,0.21  ,0.33  ,0.45  ,0.46  ,0.4   ,0.28  ,0.06  ,0.05]
,[  0.04  ,0.06  ,0.08  ,0.21  ,0.43  ,0.54  ,0.56  ,0.54  ,0.47  ,0.12  ,0.06]
,[  0.1   ,0.11  ,0.06  ,0.16  ,0.28  ,0.47  ,0.51  ,0.4   ,0.3   ,0.13  ,0.06]
,[  0.14  ,0.12  ,0.12  ,0.14  ,0.12  ,0.36  ,0.39  ,0.23  ,0.19  ,0.08  ,0.05]
,[  0.07  ,0.11  ,0.07  ,0.06  ,0.03  ,0.13  ,0.15  ,0.05  ,0.06  ,0.02  ,0.  ]
]
locs = np.genfromtxt('OK_vic_grid.txt')
lat = locs[:,1]
lon = locs[:,2]
lat1 = [34.25 ,34.75,35.25,35.75,36.25,36.75]
lon1 =[-99.75,-99.25, -98.75, -98.25, -97.75, -97.25, -96.75, -96.25, -95.75, -95.25, -94.75]


fig, ax = plt.subplots()
m = Basemap(projection='merc',lon_0=-95,lat_0=35.,lat_ts=40,\
            llcrnrlat=33,urcrnrlat=38,\
            llcrnrlon=-103.8,urcrnrlon=-94) 

#X,Y = m(lon,lat)    

m.drawcoastlines()
m.drawstates()
m.drawcountries()
m.drawmapboundary(fill_color='lightblue')
m.drawparallels(np.arange(0.,40.,2.),color='gray',dashes=[1,3],labels=[1,0,0,0])
m.drawmeridians(np.arange(0.,360.,2.),color='gray',dashes=[1,3],labels=[0,0,0,1])
m.fillcontinents(color='beige',lake_color='lightblue',zorder=0)
plt.title('Oklahoma PCA-Derived Soil Moisture Regions (Varimax)')

xx, yy = m(*np.meshgrid(lon1,lat1))

m.contourf(xx,yy,eof11)
plt.show()

进一步补充：实际上，当投影为stere时，这仍然有效：-）

相关问题更多 >

编程相关推荐

热门问题

热门文章