- 综合排序
- 最热优先
- 最新优先
- 来自专栏气python风雨
metpy绘制锋生与冷锋
以下全文代码和数据均已发布至和鲸社区，阅读原文前往，可一键fork跑通 https://www.heywhale.com/mw/project/65485a22d74b63fed5f03f49 本项目旨在利用Python中的MetPy 镜像：气象分析3.9 锋生函数公式如下 这是11月7日的中央气象台的地面天气图 导入库 import xarray as xr import metpy.calc as mpcalc from metpy.units 5)) # 设置经度刻度 ax.set_yticks(range(20,60, 5)) # 设置纬度刻度 plt.show() 绘图过程较慢，可缩小绘制范围或对程序进行优化 冷锋绘制 from metpy.plots
89412编辑于 2024-06-20 - 来自专栏MeteoAI
Metpy新版功能下载TLnP图设置
参考： Metpy官方文档 Metpy Skew-T Tutorials Metpy Skew-T Complex Layout Siphon Wyoming Upper Air Data Request 用于天气绘图的Metpy包更新（0.8版本）了，他们要逐渐抛弃Python2.X，转到Python>=3.6的版本上。 as mpcalc from metpy.io import get_upper_air_data from metpy.plots import Hodograph, SkewT ######## as mpcalc from metpy.cbook import get_test_data from metpy.plots import Hodograph, SkewT from metpy.units from metpy.io import get_upper_air_data --- from metpy.cbook import get_test_data dataset = get_upper_air_data
2K41发布于 2020-02-19 - 来自专栏气python风雨
metpy函数平滑台风风场流线图
下面测试metpy的九点平滑函数 metpy函数 metpy.calc.smooth_n_point 参数：metpy.calc.smooth_n_point(scalar_grid, n=5, passes cfeature import shapely.geometry as sgeom from concurrent.futures import ThreadPoolExecutor import metpy.calc metpy函数平滑后的台风风场流线图 我们可以发现随着调整平滑次数，台风中心的位置也稍有变化 在平滑次数较低时（1-10），其流线场效果是和之前做的中值滤波与高斯滤波接近的
39110编辑于 2024-06-20 - 来自专栏气象杂货铺
Metpy：气象数据处理及可视化
Metpy 是应用于气象领域的开源Python包，可以进行气象数据的处理，可视化以及气象要素的计算等。 安装好依赖包之后： pip install metpy 如果你使用的 conda 包管理器，你也可以使用 conda 进行安装： conda install -c conda-forge metpy 此函数并未考虑异常处理，如果要直接加入 metpy 包中，需要进一步修改）。 关于 Metpy 的更多功能，可查阅官方文档。 /MetPy/index.html 注3：https://pan.baidu.com/s/1i59OCZj
6.3K31发布于 2020-04-21 - 来自专栏好奇心Log
使用metpy将台风数据插值转换为极坐标系
本项目就是利用metpy里calc这个计算模块，以ERA5数据为例，给定一个台风中心，选取层次为500 hPa，进行插值计算，将数据从笛卡尔坐标系插值为极坐标系，并对两个结果进行对比分析。 导入相关库 from scipy import interpolate #用来插值 import metpy.calc as mpcalc #常用气象物理量计算的库 from metpy.units azimuths = np.linspace(0,360,73)*units.degree ranges = np.linspace(0,1000,101)*1000*units.meter #利用metpy linewidth=2.3,zorder=3) plt.colorbar(fig2,orientation='vertical',shrink=0.75) plt.show() 通过上面两张图来看，metpy
3.1K30编辑于 2022-11-15 - 来自专栏气python风雨
代码实战 | 基于era5的温度平流计算
本文将通过ERA5数据实例，分析常见的温度平流计算错误，并提供正确的计算方法，同时与MetPy的mpcalc.advection函数结果进行对比验证。 问题分析：为什么结果"离谱" 作为一个专业的自媒体，我们要大胆地下判断，一定是单位搞错了 一般是dx dy出了问题导致求导出的数值异常 metpy温度平流计算方法 import numpy as np = metpy_method(lon0, lat0, u0, v0, t) plot_temperature_advection(lon0, lat0, temadvection_metpy, "Temperature 方法结果范围:", np.nanmin(temadvection_metpy), np.nanmax(temadvection_metpy)) # 计算MetPy与正确方法的差异 diff = temadvection_metpy MetPy方法结果范围: -0.0009147886257277709 0.001062257697235703 MetPy与正确方法的最大差异: 8.654054701647786e-05 实际应用建议
6710编辑于 2026-04-24 - 来自专栏气python风雨
学习笔记 | metpy插值气压层时需要注意什么
metpy 插值到等压面总是报错？90 %的人都忽略了单位这件事——一次 Xarray 维度踩坑全记录 环境设置 安装依赖 ! pip install metpy 正文 近来又潮又热，去江苏出差的朋友感慨江苏怎么还没北京潮，还有读者在评论区发了北京已有广东特有的美洲大蠊，真是奇哉怪哉。 实际上就是metpy老掉牙的单位问题。今天咱们一次性说清楚。 01 场景复现：到底哪一步炸裂？ apply_along_axis 是否能识别 ndarray ✗ ✗ ✅ 直接上裸数组 DataArray maybe ✅ ⚠️ metpy 必须拆 unit，否则 numpy 拒接 metpy 为了保持单位一致性 那就全部无量纲 plevs = plevs * units('') pressure = pressure.metpy.quantify() 用 .metpy.dequantify() 随时把数据剥干净
10910编辑于 2026-04-24 - 来自专栏气python风雨
ERA5水汽通量散度剖面计算与绘图
可以看到该行的最右角，会出现个三角形，点击查看即可 前言 之前的文章中，有朋友提出水汽通量散度剖面图怎么画，那么我们来探索一下 项目目标 本项目旨在通过 Python 编程语言，结合气象数据处理库（如 xarray、metpy 项目功能 计算数据存为nc 以下是实现整层水汽通量散度剖面图的核心代码： import xarray as xr import numpy as np from metpy.units import units import metpy.calc as mpcalc import cartopy.crs as ccrs def calculate_and_save_moisture_flux_divergence (ccrs.PlateCarree()) u = u.metpy.assign_crs(ccrs.PlateCarree()) v = v.metpy.assign_crs(ccrs.PlateCarree 剖面图的绘制：使用 metpy 和 matplotlib 绘制水汽通量散度剖面图，并嵌入小地图显示剖面路径。 如果想计算其他气象变量的剖面，先计算后将其存为有经纬度的nc文件再使用metpy函数即可
1.4K00编辑于 2025-01-14 - 来自专栏气python风雨
Python | ERA5任意经纬度风矢量剖面绘制
Python | ERA5任意经纬度风矢量剖面绘制 摘要 既然做了wrf的风剖面绘制，那么ERA5也一起做了 当然还是基于metpy的函数 导入必要的库 import xarray as xr import import matplotlib.pyplot as plt import cartopy.crs as ccrs import cartopy.feature as cfeature from metpy.interpolate 使用 MetPy 提取剖面数据 # 取第一个时刻，将数据转换为 MetPy 的 CF 标准格式 ds = ds.isel(time=0).metpy.parse_cf() # 使用 MetPy 的 int32 148B 1 2 3 5 7 10 20 ... 875 900 925 950 975 1000 time datetime64[ns] 8B 2023-08-02 metpy_crs 计算切向与法向风 import metpy.calc as mpcalc ### 6.
97810编辑于 2025-01-20 - 来自专栏气python风雨
CINRAD | 新功能测试 极坐标转换经纬度函数以及cappi预告
Collecting cinrad Using cached cinrad-1.9.3-cp39-cp39-linux_x86_64.whl Requirement already satisfied: metpy 4.33.3) Requirement already satisfied: pooch>=1.2.0 in /opt/conda/lib/python3.9/site-packages (from metpy 1.8.1) Requirement already satisfied: pandas>=1.4.0 in /opt/conda/lib/python3.9/site-packages (from metpy (2.0.3) Requirement already satisfied: scipy>=1.8.0 in /opt/conda/lib/python3.9/site-packages (from metpy ) (5.2.0) Requirement already satisfied: pint>=0.17 in /opt/conda/lib/python3.9/site-packages (from metpy
6910编辑于 2026-04-24 - 来自专栏气python风雨
经典相当位温的Python 实现
饱和比湿计算 那么qs（饱和比湿）哪里来呢，检索一下，懂了，从es（饱和水汽压）计算 那么es从哪里来，答案是metpy函数metpy.calc import saturation_vapor_pressure 当然，metpy并没有直接计算饱和比湿的函数，倒是有饱和混合比 from metpy.calc import saturation_vapor_pressure from metpy.units import as mpcalc import metpy.constants as constants import os # 定义 WRF 文件夹路径和文件名前缀 wrfout_path = "/home/mw [25]: result_wrf[5,20,:,:].plot(cmap='bwr') <matplotlib.collections.QuadMesh at 0x7f946ebb4b10> 4. metpy 的相当位温 公式为 from here metpy In [26]: from metpy.calc import equivalent_potential_temperature from metpy.units
80010编辑于 2024-06-20 - 来自专栏气python风雨
WRFOUT 绘制台站探空图与简单分析
numpy as np from netCDF4 import Dataset import matplotlib.pyplot as plt import matplotlib as m import metpy.calc as mpcalc from metpy.plots import Hodograph, SkewT from metpy.units import units import metpy.calc as mpcalc from metpy.cbook import get_test_data from metpy.plots import add_metpy_logo, SkewT from metpy.units
8510编辑于 2026-04-24 - 来自专栏气python风雨
WRFOUT 绘制台站探空图与简单分析
numpy as np from netCDF4 import Dataset import matplotlib.pyplot as plt import matplotlib as m import metpy.calc as mpcalc from metpy.plots import Hodograph, SkewT from metpy.units import units import metpy.calc as mpcalc from metpy.cbook import get_test_data from metpy.plots import add_metpy_logo, SkewT from metpy.units
50010编辑于 2024-06-20 - 来自专栏气python风雨
雷达系列 | 水凝物分类产品（HCL）的剖面怎么画
2.0.1 in /opt/conda/lib/python3.9/site-packages (from cinrad) (2.3.1) Requirement already satisfied: metpy 4.33.3) Requirement already satisfied: pooch>=1.2.0 in /opt/conda/lib/python3.9/site-packages (from metpy 5.2.0) Requirement already satisfied: pandas>=1.4.0 in /opt/conda/lib/python3.9/site-packages (from metpy ) (2.0.3) Requirement already satisfied: pint>=0.17 in /opt/conda/lib/python3.9/site-packages (from metpy (0.23) Requirement already satisfied: scipy>=1.8.0 in /opt/conda/lib/python3.9/site-packages (from metpy
5510编辑于 2026-04-24 - 来自专栏气python风雨
经典位温的Python 实现
饱和比湿计算 那么qs（饱和比湿）哪里来呢，检索一下，懂了，从es（饱和水汽压）计算 那么es从哪里来，答案是metpy函数metpy.calc import saturation_vapor_pressure 当然，metpy并没有直接计算饱和比湿的函数，倒是有饱和混合比 from metpy.calc import saturation_vapor_pressure from metpy.units import as mpcalc import metpy.constants as constants import os # 定义 WRF 文件夹路径和文件名前缀 wrfout_path = "/home/mw [25]: result_wrf[5,20,:,:].plot(cmap='bwr') <matplotlib.collections.QuadMesh at 0x7f946ebb4b10> 4. metpy 的相当位温 公式为 from here metpy In [26]: from metpy.calc import equivalent_potential_temperature from metpy.units
47811编辑于 2024-06-20 - 来自专栏气python风雨
雷达系列：必须更新！测试cinrad最新更新的read_auto
25hRequirement already satisfied: metpy>=0.8 in /opt/conda/lib/python3.9/site-packages (from cinrad) 5.2.0) Requirement already satisfied: pandas>=1.4.0 in /opt/conda/lib/python3.9/site-packages (from metpy (2.0.3) Requirement already satisfied: pooch>=1.2.0 in /opt/conda/lib/python3.9/site-packages (from metpy ) (1.8.1) Requirement already satisfied: pint>=0.17 in /opt/conda/lib/python3.9/site-packages (from metpy 0.23) Requirement already satisfied: xarray>=0.21.0 in /opt/conda/lib/python3.9/site-packages (from metpy
63510编辑于 2024-07-19 - 来自专栏气python风雨
雷达系列 | 两种雷达坐标转换经纬度方法对比分析
雷达系列 | 两种雷达坐标转换经纬度方法对比分析 概述 本文档对比分析两种常见的雷达数据极坐标转换经纬度的方法： MetPy方法: 使用 azimuth_range_to_lat_lon 函数，适用于二维极坐标转换 理论对比 MetPy 方法 (azimuth_range_to_lat_lon) 适用场景: 二维极坐标系统 → 经纬度坐标 坐标系统: 输入: 方位角(azimuths), 距离(ranges), 雷达中心经纬度 处理2D，wradlib处理3D 精度: wradlib考虑大气折射，更精确 速度: MetPy更快，wradlib更精确 应用: MetPy适用于近距离，wradlib适用于所有距离 代码实现 导入必要的库 相关 from metpy.calc import azimuth_range_to_lat_lon from metpy.io import Level3File from metpy.units import MetPy方法示例 # 读取真实MetPy雷达数据 filename = 'KOUN_SDUS54_N0QTLX_201305202016 (1)' f = Level3File(filename)
6910编辑于 2026-04-24 - 来自专栏气python风雨
数据处理 | python计算经典相当位温2.0
饱和比湿计算 那么qs（饱和比湿）哪里来呢，检索一下，懂了，从es（饱和水汽压）计算 单位： 那么es从哪里来，答案是metpy函数metpy.calc import saturation_vapor_pressure 当然，metpy并没有直接计算饱和比湿的函数，倒是有饱和混合比 from metpy.calc import saturation_vapor_pressure from metpy.units import as mpcalc import metpy.constants as constants import os # 定义 WRF 文件夹路径和文件名前缀 wrfout_path = "/home/mw ,tk) result_wrf[3,20,:,:].plot(cmap='bwr') <matplotlib.collections.QuadMesh at 0x7f961dff7990> 4. metpy 的相当位温 公式为 from heremetpy from metpy.calc import equivalent_potential_temperature from metpy.units import
78811编辑于 2024-12-19 - 来自专栏气象学家
Python编程 | T-N波作用通量水平分量
位势与位势高度 位势高度的单位是gpm位势米或者m米，gpm在metpy的单位系统中与m是等价的。 位势的单位是m²/s²，数值上约是位势高度的9.8倍。 其实就是位势高度乘以重力加速度等于位势。 用位势高度求位势可以用metpy中的height_to_geopotential函数来实现。 偏导 numpy、xarray、metpy都可以求偏导，我其实更喜欢metpy。 之前计算水汽通量、Zwack-Okossi诊断方程时都是使用metpy进行梯度（偏导）、二阶偏导、涡度和拉普拉斯等计算，非常方便，但是T-N波作用通量却并不适合用metpy，因为metpy会“自作主张” 读取数据并标记单位 import numpy as np import xarray as xr import metpy.calc as mpcalc from metpy.units import units from metpy.constants import earth_avg_radius p = 250 * units('hPa') # 也有用300hPa的 mon = 1 #
6.8K51发布于 2021-05-20 - 来自专栏气python风雨
WRF散度计算步骤及Python可视化实现2.0
环境设置 依赖库 wrf-python metpy numpy xarray matplotlib cartopy 数据处理 数据读取 import numpy as np import xarray as xr import metpy.calc as mpcalc from metpy.interpolate import cross_section from wrf import getvar, , to_np import matplotlib.pyplot as plt import cartopy.crs as ccrs from netCDF4 import Dataset from metpy.units import units import metpy # 读取WRF输出文件 file_path = "/home/mw/input/typhoon9537/wrfout_d01_2019-08-08_ 的内置函数 方法二需要手动扩展维度 推荐方法： 对于新版本metpy，推荐使用方法三 对于旧版本，可以使用方法二 注意事项： 使用时会收到维度警告，可以安全忽略或通过指定维度消除 计算结果可能存在微小差异
51010编辑于 2025-04-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号