填色图MI尝试

站点数据绘制等值线:
(1)将站点数据插值为格点数据。在MeteoInfo中,有反距离权法(IDW)和cressman两个方法,其中IDW可选插值半径。
(2)griddata函数将站点数据插值为格点数据,
(3)contourfm函数创建等值线填色图层(等值线间隔和颜色可自定义)。

#Get file names
fn = 'E:/EOF/hope.txt' #数据格式经度、纬度、值
stfn='E:/EOF/st_28.csv'#数据格式Number、Name、LON 、LAT、Value_1、Value_2

#read txt
#ncol = numasciicol(fn)
#nrow = numasciirow(fn)
#a = asciiread(fn,shape=(nrow,ncol))
#lon = a[:,0]
#lat = a[:,1]
#hope = a[:,2]

#read csv
table = readtable(stfn, delimiter=',', format='%i%s%4f')
stnames = table['Name']
lat = table['LAT']
lon = table['LON']
space_1 = table['Value_1']
space_2 = table['Value_2']

#To grid data
x = arange(111, 120.5, 0.1)
y = arange(34, 41.5, 0.1)
gtemp,gx,gy = griddata((lon, lat), space_1, xi=(x, y), method='idw', radius=2.1)
#gtemp,gx,gy = griddata((lon, lat), space_2, xi=(x, y), method='idw', radius=2.1)

#Plot
axesm()
bou1_layer = shaperead('E:/EOF/city_2+26/city_2+26.shp')
mlayer = shaperead('E:/EOF/city_2+26/city_2+26.shp')
geoshow(bou1_layer, edgecolor='lightgray')
geoshow(mlayer, visible=False)

levs = [0.05, 0.10, 0.12, 0.14,0.16,0.17,0.18,0.19,0.20,0.22,0.24,0.26]
#levs = [-0.4,-0.35,-0.30, -0.25,-0.20,-0.15, -0.10,-0.05,0, 0.10, 0.20,0.25]
cols = [(255,255,255),(170,240,255),(120,230,240),(0,255,0),(127,255,0),(255,255,0),(255,215,0),(255,128,0),(255,97,0), \
    (255,0,0),(176,23,31),(135,38,87),(255,0,255)]
#layer = contourfm(x, y, gtemp,20)  
 
layer = contourfm(x, y, gtemp,levs,colors=cols)
#slayer = scatterm(lon, lat,pm,colors=['k'], size=10)
slayer = scatterm(lon, lat,space_1,levs,colors=cols, size=8)
#slayer = scatterm(lon, lat,space_2,levs,colors=cols, size=8)
slayer.addfield('Name', 'string', stnames)
slayer.addlabels('Name', fontname=u'楷体', fontsize=18, yoffset=15)

masklayer(mlayer, [layer])
xlim(111, 119.7)
ylim(34, 41.5) 
title(u'第一模态',fontname=u'黑体',fontsize=20,bold=False,color='blue')
#title(u'第二模态',fontname=u'黑体',fontsize=20,bold=False,color='blue')  
#text(113.3, 40.9, u'3年28城空间模态', fontname=u'黑体', fontsize=16)
colorbar(layer)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342