Записки океанолога — обработка и визуализация данных

Задача: визуализировать концентрацию льда
�?нструменты: Python с модулем PyNGL

Продолжаем тему визуализации при помощи питоновского модуля PyNGL. Подробно о том что это такое и зачем оно нам можно посмотреть в предыдущем посте. Здесь же мы пошагово рассмотрим создание такой вот картинки:

�?сходные данные находятся в netCDF файле, который можно скачать отсюда.

Начнём работать сразу со скрипта который что то нам нарисует:

Назовём его contours.py. Происходит тут следующее — мы открываем файл NCEP_MR109_sico_1980-1999_mean_09.nc, вытягиваем из него переменные

• SICOMO — концентрация льда
• lon — долгота
• lat — широта

Напомню что посмотреть на переменные находящиеся в открытом файле можно набрав в ipython:

Далее переменные преобразуются в NymPy матрицы. А вот после этого идёт интересное, мы создаём рабочую станцию:

• rlist = Ngl.Resources() — создаём переменную в которой будут жить ресурсы относящиеся к рабочей станции
• rlist.wkColorMap = ‘posneg_1’ — выбираем цветовую палитру
• wks_type = «ps» — выбираем выходной формат картинки
• wks = Ngl.open_wks(wks_type,»contours»,rlist) — создаём рабочую станцию.

Цветовую палитру (color map) можно либо выбрать из уже имеющихся, как сделали мы (posneg_1), либо создать самим, как описано тут. Палитра это мегаважно, потому что вы для своего рисунка сможете использовать только цвета из этой палитры. Все цвета пронумерованы, и именно по номерам (в данном случае) мы будем к ним обращаться. Первые два цвета обычно белые, поскольку по умолчанию цвет 0 — задний план (background) рабочей станции (грубо всего рисунка), цвет 1 — передний план рабочей станции (foreground). Есть ещё цвет -1, который обозначает прозрачность.

Дальше:

• resources = Ngl.Resources() создаём переменную в которой будут все ресурсы относящиеся к карте
• resources.sfXArray = lon[:] сообщаем где у нас содержатся долготы
• resources.sfYArray = lat[:] то же с широтами

Запустив скрипт получим такое вот чудо-юдо:

Что то похожее на изолинии в районе полюсов наблюдается (там где должен быть лёд) но разобрать ничего, конечно, нельзя. Понятно что дефолтные значения нас не устраивают, будем менять. Все последующие куски кода нужно вставлять в ваш скрипт перед командой на отрисовку:
map = Ngl.contour_map(wks,concentration[:,:],resources).
�? всё что мы будем делать это изменять эту самую resources.

Давайте сконцентрируемся на Арктике, для этого добавим в скрипт:

В принципе названия ресурсов и их значения говорят сами за себя. Мы выбираем стереографическую проекцию из списка доступных нам, не самое высокое разрешение береговой линии и сообщаем что выбирать границы карты мы будем по широтам и долготам. Дальше задаём границы карты которая будет отображаться.
Получаем:

Как это не грустно, но уже этот зародыш карты лучше чем многое из того что можно встретить даже в топовых научных журналах :).

Хоть это и не по международным правилам, но давайте повернём нашу карту так чтобы Россия была внизу, так многим привычнее, и разрешим заливку.

Мы задали центральную долготу и сказали что хотим залить нашу карту.
Получаем:

Тут нужно сказать о заливке. Большинство областей на карте принадлежит к так называемым группам. Основные — Океан, Суша, Воды суши. Контролируется она ресурсом mpFillColors которому передаются цвета заливки различных групп. Первые четыре это:

resources.mpFillColors = [Не принадлежащие ни какой группе, Океан, Суша, Вода окружённая землёй]

Мы ресурс не задавали, поэтому для нашей карты были использованы дефолтные значения:

resources.mpFillColors = [16, 10, 8, 10]

Посмотрите на нашу палитру и убедитесь что океан и суша залиты именно этими цветами.
Но допустим что у нас есть собственное мнение по поводу цвета заливки, а кое что мы вообще заливать не хотим. Добавляем:

Мы хотим залить землю серым цветом, а океан и воду суши оставить прозрачными. Но серого у нас в палитре нет. Это не беда, поскольку существует функция Ngl.new_color которая добавляет в конец существующей палиты ещё один цвет. Цвет определяется в RGB но значения не от 0 до 255 а от 0 до 1. Не очень понятно почему так, но как уж есть. Во второй строчке используем ресурс mpFillColors, в результате заливка:

• Области не принадлежащие никакой группе = 0 = цвет бэкграунда (у нас белый)
• Океан = -1 = прозрачность
• Суша = igray = серый заданный нами
• Воды суши = -1 = прозрачность

С таким же успехом вместо igray можно написать 21 (в нашей палитре 20 цветов и мы добавили ещё один — серый).
Также последней строчкой мы заставляем изолинии рисоваться вначале, чтобы потом всякие каки, возникающие у берегов, спокойно перекрыть сушей 🙂

Получаем:

Давайте теперь раскрасим всё это дело:

Разрешаем заливку контуров, говорим что контуры заливаются первыми и заодно выключаем не нужные теперь подписи на изолиниях.
Получаем:

В принципе уже живенько ). Белая полоска связана с тем что, насколько я понимаю, тут сходятся края матрицы. Бороться с этим можно, но я пока не знаю как 🙂

Давайте теперь чуть поиграем с цветами:

Начнём рисовать с цвета номер 8, а закончим вторым с конца, поскольку первый с конца это добавленный нами серый. Последние две строчки показывают как задавать свои собственные уровни, но у нас они адекватно определились, так что для нас в этом смысле ничего не поменяется.
Получаем:

Ну и, наконец, давайте займёмся легендой, которая сейчас уж больно огромная:

lbTitleString отвечает за заголовок легенды, и мы вместо того чтобы явно задать строчку, используем информацию которая содержится в исходном файле. У переменной concentration_nio, которая связана с SICOMO есть атрибут __dict__. Он содержит такой словарь:

Комбинируя long_name и units мы получаем название нашей легенды.
Остальные параметры интуитивно понятны. lbOrientation делает легенду горизонтальной.

Ну и напоследок вспомним что у нас модельные данные, а значит всё на сетке:

Включаем другой метод заполнения и выключаем изолинии.

Теперь избавимся от дурацкой белой линии посередине. Для этого надо изменить код тут:

и в самом конце:

Функция Ngl.add_cyclic дополняет наш массив ещё одной колонкой, то есть ещё одним рядом «долготы». Огромное спасибо Маше за наводку на эту функцию!

Получаем:

По моему очень живенько 🙂

Полностью скрипт: