Matlab——m_map指南(4)——实例
1、 全球/地区温度图
(1)读取数据
clear all setup_nctoolbox %调用工具包 tic %计时 %% nc=ncgeodataset('tmpsfc.gdas.199401.grb2'); %读文件 tem_1=nc.variables %浏览数据类型 %% a1=nc.geovariable(tem_1(1));%取得数据类型为Temperature_surface的数据 b1=a1.data(1,:,:); %第一个时间点温度数据 c1=squeeze(b1)-273.16;%删除单一维度,换为摄氏温度 %% a2=nc.geovariable(tem_1(2));%取得数据类型为lat的数据,纬度 b2=a2.data(:,1)%提取数据 %% a3=nc.geovariable(tem_1(3));%经度 b3=a3.data(:,1)% %% a4=nc.geovariable(tem_1(4));%取得数据类型为time的数据 b4=a4.data(:,1)% %% save A b2 b3 c1 toc
读取的是NCEP/CFSR数据,1994年1月的温度数据。
该数据一共四项。温度,纬度,经度,时间。温度中是3维数据组织形式
时间数据
经度数据
纬度数据
可以看出该数据集的数据组织形式,经度纬度构成世界地图,记录了744个时间点的温度数据。1小时采集一次数据。
温度数据
保存为mat格式数据,为画图做准备。
(2)画图
clear all load A [Plg,Plt]=meshgrid(b3',b2');%形成网格 m_proj('hammer-aitoff','clongitude',-150);%投影模式 m_pcolor(Plg,Plt,c1); shading flat; colormap('jet');%颜色选择 hold on; m_pcolor(Plg-360,Plt,c1); shading flat; %着色模式 colormap('jet'); m_coast(); m_grid('xaxis','middle'); % h=colorbar('h'); % set(get(h,'title'),'string','1991年1月全球温度'); c=colorbar('southoutside','fontsize',12) c.Label.String = '1994年1月全球温度'; c.Label.FontSize = 15;
(3)找出最大、最小温度的经纬度
clear all load C Max_col=max(c1);%列最大值 Max_row=max(c1,[],2)%行最大值 Max=max(max(c1)); [x1,y1]=find(c1==max(max(c1)));%x 行,y 列 T_1=Plt(x1,y1)%纬度 T_2=Plg(x1,y1)%经度 Min_col=min(c1);%列最大值 Min_row=min(c1,[],2)%行最大值 Min=min(min(c1)); [x,y]=find(c1==min(min(c1)));%x 行,y 列 T_x=Plt(x,y)%纬度 T_y=Plg(x,y)%经度
可以看出最热52度,在澳大利亚那块(142.8123E,23.2610S);最冷-62度,在北极圈那块(89.9999E,66.3486N)。
(4)中国(地区)温度图
clear all load A LATLIMS=[3 54]; LONLIMS=[72 134];%选定边界范围 [Plg,Plt]=meshgrid(b3',b2');%形成网格 m_proj('lambert','lon',LONLIMS,'lat',LATLIMS);%投影模式 m_pcolor(Plg,Plt,c1); shading flat; colormap('jet');%颜色选择 hold on; m_pcolor(Plg-360,Plt,c1); shading flat; %着色模式 colormap('jet'); m_coast(); m_grid('box','fancy','tickdir','in'); % h=colorbar('h'); % set(get(h,'title'),'string','1991年1月全球温度'); c=colorbar('southoutside','fontsize',12) c.Label.String = '1994年1月中国温度'; c.Label.FontSize = 15;
该方法是读取全球数据,只展示部分
(5)
改进的区域方法,读取该区域的数据数据,
clear all
setup_nctoolbox %调用工具包
tic %计时
%%
min_lat=115;
max_lat=279;
min_lon=231;
max_lon=430; %区域经纬度范围,在数据中的位置
%%
nc=ncgeodataset('tmp2m.gdas.199401.grb2'); %读文件
tem_1=nc.variables %浏览数据类型
%%
N1=nc.size(tem_1(1));%读取数据大小,可以看出数据的组织形式
a1=nc.geovariable(tem_1(1));%取得数据类型为Temperature_surface的数据
b1=a1.data(1,1,min_lat:max_lat,min_lon:max_lon); %第一个时间点温度数据
c1=squeeze(b1)-273.16;%删除单一维度,换为摄氏温度
%%
N2=nc.size(tem_1(2));
a2=nc.geovariable(tem_1(2));%取得数据类型为lat的数据,纬度
b2=a2.data(min_lat:max_lat,1);%提取数据
%%
N3=nc.size(tem_1(3))
a3=nc.geovariable(tem_1(3));%经度
b3=a3.data(min_lon:max_lon,1);%
%%
N4=nc.size(tem_1(4))
a4=nc.geovariable(tem_1(4));%取得数据类型为time的数据
b4=a4.data(:,1);%
%%
N5=nc.size(tem_1(5));%读取数据大小
a5=nc.geovariable(tem_1(5));%取得数据类型为time的数据
b5=a5.data(:,1);%
%%
save tem b2 b3 c1
toc
clear all load tem LATLIMS=[3 54]; LONLIMS=[72 134];%选定边界范围 [Plg,Plt]=meshgrid(b3',b2');%形成网格 m_proj('lambert','lon',LONLIMS,'lat',LATLIMS);%投影模式 m_pcolor(Plg,Plt,c1); shading flat; colormap('jet');%颜色选择 hold on; m_pcolor(Plg-360,Plt,c1); shading flat; %着色模式 colormap('jet'); m_coast(); m_grid('box','fancy','tickdir','in'); % h=colorbar('h'); % set(get(h,'title'),'string','1991年1月全球温度'); c=colorbar('southoutside','fontsize',12) c.Label.String = '1994年1月中国温度'; c.Label.FontSize = 15;
(6)读取方式的改变
clear all
setup_nctoolbox %调用工具包
tic %计时
%%
min_lat=115;
max_lat=279;
min_lon=231;
max_lon=430; %区域经纬度范围,在数据中的位置
%%
nc=ncgeodataset('tmp2m.gdas.199401.grb2'); %读文件
tem_1=nc.variables %浏览数据类型
%%
N1=nc.size(tem_1(1));%读取数据大小
b1=nc.data(tem_1(1),[1,1,min_lat,min_lon],[1,1,max_lat,max_lon]);%初始的读取位置,最终的位置
c1=squeeze(b1)-273.16;
%%
N2=nc.size(tem_1(2));%读取数据大小
b2=nc.data(tem_1(2),[min_lat],[max_lat]);
%%
N3=nc.size(tem_1(3));%读取数据大小
b3=nc.data(tem_1(3),[min_lon],[max_lon]);
save tem b2 b3 c1
toc
可以看出海面2米的温度组织形式,4维数据,包含了744个时间点,1个位置,576个纬度点,1152个经度点。
读取方式是初始位置用一个数组表示,终止位置用一个数组表示
clear all load tem LATLIMS=[3 54]; LONLIMS=[72 134];%选定边界范围 [Plg,Plt]=meshgrid(b3',b2');%形成网格 m_proj('lambert','lon',LONLIMS,'lat',LATLIMS);%投影模式 m_pcolor(Plg,Plt,c1); shading flat; colormap('jet');%颜色选择 hold on; m_pcolor(Plg-360,Plt,c1); shading flat; %着色模式 colormap('jet'); m_coast(); m_grid('box','fancy','tickdir','in'); % h=colorbar('h'); % set(get(h,'title'),'string','1991年1月全球温度'); c=colorbar('southoutside','fontsize',12) c.Label.String = '1994年1月中国温度'; c.Label.FontSize = 15;
(7)多个时间的平均值
clear all setup_nctoolbox %调用工具包 tic %计时 %% min_lat=115; max_lat=279; min_lon=231; max_lon=430; %区域经纬度范围,在数据中的位置 %% nc=ncgeodataset('tmp2m.gdas.199401.grb2'); %读文件 tem_1=nc.variables %浏览数据类型 N1=nc.size(tem_1(1));%读取数据大小 d=zeros(1,165,200);%预定义最后的数值存放空间 f=0%验证预留数 %% for n=1:10 %选取10个时间点 b1=nc.data(tem_1(1),[n,1,min_lat,min_lon],[n,1,max_lat,max_lon]);%初始的读取位置,最终的位置 c(n,:,:)=squeeze(b1)-273.16; d=d+c(n,:,:); %最终结果 end for n=1:10 f=f+c(n,1,1); end e=squeeze(d); % save tem toc
f值等于e的第一个值,说明计算正确.最后计算平均值即可。
2、风向
(1)数据读取
clear all setup_nctoolbox tic %% 读取数据文件 wind= ncgeodataset('wnd10m.gdas.199401.grb2'); wind_list = wind.variables;%文件的列表情况 %% size_of_u = wind.size(wind_list(1));%u分量的数据尺寸,777小时,1个高度,经纬度数据,4D数据 data_u=wind.geovariable(wind_list(1));%取得数据类型为风速u的数据 u_1=data_u.data(1,1,:,:); % u_2=squeeze(u_1); %% size_of_v = wind.size(wind_list(2));%v分量的数据尺寸,777小时,1个高度,经纬度数据,4D数据 data_v=wind.geovariable(wind_list(2));%取得数据类型为风速v的数据 v_1=data_v.data(1,1,:,:); % v_2=squeeze(v_1); %% size_of_h= wind.size(wind_list(5));%v分量的数据尺寸,777小时,1个高度,经纬度数据,4D数据 data_h=wind.geovariable(wind_list(5));%取得数据类型为风速v的数据 v_1=data_h.data(1); %高度10米 %% wind_speed=sqrt(u_2.^2+v_2.^2); %矢量合成 save wind u_2 v_2 wind_speed toc
(2)展示
clear all load lon_lat %载入坐标数据 load wind %载入风速数据 LATLIMS=[3 15]; LONLIMS=[115 134];%选定边界范围 m_proj('lambert','lon',LONLIMS,'lat',LATLIMS);%投影模式 min_lat=115; max_lat=279; min_lon=231; max_lon=430; m_coast; m_grid('box','fancy','tickdir','in');%边缘经纬度宽度 hold on;%图层合并 m_quiver(Plg(min_lat:max_lat,min_lon:max_lon),Plt(min_lat:max_lat,min_lon:max_lon),... u_2(min_lat:max_lat,min_lon:max_lon),v_2(min_lat:max_lat,min_lon:max_lon)... ,7.5,'r');%经度,纬度,向东,向北的速度分量,转化为矢量箭头 xlabel('global surface winds 1994/01');
(3)
clear all load lon_lat load wind m_proj('hammer-aitoff','clongitude',-150);%投影模式 m_quiver(Plg,Plt,u_2,v_2,15,'r'); shading flat; colormap('jet');%颜色选择 hold on; m_quiver(Plg-360,Plt,u_2,v_2,15,'r'); shading flat; %着色模式 colormap('jet'); m_coast(); m_grid('xaxis','middle'); xlabel('global surface winds 1994/01');
3、气压
(1)一个时间点的气压
clear all clear all setup_nctoolbox tic %% 读取数据文件 pre= ncgeodataset('pressfc.gdas.199401.grb2'); pre_list = pre.variables;%文件的列表情况 %% size_of_pre = pre.size(pre_list(1));%620小时,576纬度,1152经度 pre_1=pre.data(pre_list(1),[1,1,1],[1,576,1152]); % pre_2=squeeze(pre_1); %% size_of_2 = pre.size(pre_list(2));%v分量的数据尺寸,777小时,1个高度,经纬度数据,4D数据 size_of_3 = pre.size(pre_list(3)); size_of_4 = pre.size(pre_list(4)); size_of_5 = pre.size(pre_list(5)); size_of_8 = pre.size(pre_list(8)); t_4=pre.data(pre_list(4),1,620); t_8=pre.data(pre_list(8),1:124); toc
可以看出时间点交错开了,所以最终处理数据时还要按顺序排列起来。
clear all load lon_lat load pre m_proj('hammer-aitoff','clongitude',-150);%投影模式 m_pcolor(Plg,Plt,pre_2); shading flat; colormap('jet');%颜色选择 hold on; m_pcolor(Plg-360,Plt,pre_2); shading flat; %着色模式 colormap('jet'); m_coast(); m_grid('xaxis','middle'); % h=colorbar('h'); % set(get(h,'title'),'string','1991年1月全球温度'); c=colorbar('southoutside','fontsize',12) c.Label.String = '1994年1月全球气压'; c.Label.FontSize = 15;
(2)
clear all setup_nctoolbox tic %% 读取数据文件 pre= ncgeodataset('pressfc.gdas.199401.grb2'); pre_list = pre.variables;%文件的列表情况 size_of_1 = pre.size(pre_list(1));%620小时,576纬度,1152经度 size_of_2 = pre.size(pre_list(2));%v分量的数据尺寸,777小时,1个高度,经纬度数据,4D数据 size_of_3 = pre.size(pre_list(3)); size_of_4 = pre.size(pre_list(4)); size_of_5 = pre.size(pre_list(5)); size_of_8 = pre.size(pre_list(8)); t_4=pre.data(pre_list(4),1,620); t_8=pre.data(pre_list(8),1:124); pre_sum=zeros(744,576,1152); %% for n=1:744 if mod(n-1,6)==0 %取余数 a=floor(n/6); n_time=n-a*5;%下标位置 pre_sum(n,:,:)=pre.data(pre_list(5),[n_time,1,1],[n_time,576,1152]); % else a=floor((n-1)/6); n_time=n-a-1;%下标位置 pre_sum(n,:,:)=pre.data(pre_list(1),[n_time,1,1],[n_time,576,1152]); end end %% end pre_data=squeeze(mean(pre_sum))%求平均值 save pre_data_199401 pre_data toc
综合运用余数和向下取整的方法,每隔五个从另外的数据中取一个数。最后用mean()函数求平均值。
4、湿度