-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathmain1.py
145 lines (122 loc) · 4.92 KB
/
main1.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
'''
给定中心点，64*64的数据
找到这组数据的极值，返回极值大小和格点位置
'''
import numpy as np
from read_file import read
from datafilter import bfilter
from interpolation import interplot
from get_data import getdata
def max_value(data,y,x,d):
'''
取得范围的最大值及其坐标
'''
dvalue = data.values
max_value = np.max(dvalue)
maxp = np.where(dvalue==max_value) # 最大值位置
lat_y = maxp[0][0]
lon_x = maxp[1][0]
maxlat = y+16*d-lat_y*d
maxlon = x-16*d+lon_x*d
return max_value,maxlat,maxlon
def min_value(data,y,x,d):
'''
取得范围内的最小值及其坐标
'''
dvalue = data.values
min_value = np.min(dvalue)
minp = np.where(dvalue==min_value) # 最小值位置
lat_y = minp[0][0]
lon_x = minp[1][0]
minlat = y+16*d-lat_y*d
minlon = x-16*d+lon_x*d
return min_value,minlat,minlon
def pos_height(data0,m,n,d):
'''
寻找height最低值得位置
'''
# m = 32;n=86 # 滤波前，由500hPa风场确定的大致中心位置,m是纬度，n是经度
p0 = (m,n)
position = [] # 位置
extreme = [] # 极值
position.append(p0) # 假定中心点位置
y = position[0][0]
x = position[0][1]
aa = bfilter(data0,x,y,d) # 第一次滤波,输入数据、中心点的经纬度、分辨率，进行滤波,返回小范围内的滤波值
h_extreme1,y1,x1 = min_value(aa,y,x,d) # 滤波范围内极值的位置,和极值大小
position.append((y1,x1))
extreme.append(h_extreme1)
datalist = list(range(1,6)) # 设置一个空的列表
datalist[0] = data0
num = 4 # 调整迭代次数
for i in range(1,num):
x1 = position[i][1] # 上一步所确定的中心点
y1 = position[i][0]
# 插值函数用到的分辨率还是d
datalist[i] = interplot(datalist[i-1],x1,y1,d) # 这里应该是要把新的中心点，和上次的原始数据放进去，进行插值,得到新的数据
d = d/2
# 滤波用到的分辨率就是要减半了
aa = bfilter(datalist[i],x1,y1,d) # 第二次滤波,输入数据、中心点的经纬度、分辨率，进行滤波,返回小范围内的滤波值
h_extreme2,y2,x2 = min_value(aa,y1,x1,d) # 滤波范围内极值的位置,和极值大小
position.append((y2,x2))
extreme.append(h_extreme2)
return position,extreme
def pos_vorticity(data0,m,n,d):
'''
寻找height最低值得位置
'''
# m = 32;n=86 # 滤波前，由500hPa风场确定的大致中心位置,m是纬度，n是经度
p0 = (m,n)
position = [] # 位置
extreme = [] # 极值
position.append(p0) # 假定中心点位置
y = position[0][0]
x = position[0][1]
aa = bfilter(data0,x,y,d) # 第一次滤波,输入数据、中心点的经纬度、分辨率，进行滤波,返回小范围内的滤波值
h_extreme1,y1,x1 = min_value(aa,y,x,d) # 滤波范围内极值的位置,和极值大小
position.append((y1,x1))
extreme.append(h_extreme1)
datalist = list(range(1,6)) # 设置一个空的列表
datalist[0] = data0
num = 4 # 调整迭代次数
for i in range(1,num):
x1 = position[i][1] # 上一步所确定的中心点
y1 = position[i][0]
# 插值函数用到的分辨率还是d
datalist[i] = interplot(datalist[i-1],x1,y1,d) # 这里应该是要把新的中心点，和上次的原始数据放进去，进行插值,得到新的数据
d = d/2
# 滤波用到的分辨率就是要减半了
aa = bfilter(datalist[i],x1,y1,d) # 第二次滤波,输入数据、中心点的经纬度、分辨率，进行滤波,返回小范围内的滤波值
h_extreme2,y2,x2 = min_value(aa,y1,x1,d) # 滤波范围内极值的位置,和极值大小
position.append((y2,x2))
extreme.append(h_extreme2)
return position,extreme
if __name__ == "__main__":
data = read() # 读取全部数据
# 第0步，根据风场假定中心点
# 根据风场设置假定中心点
m = 32;n=86 # 滤波前，由500hPa风场确定的大致中心位置,m是纬度，n是经度
p0 = (m,n)
d = 0.25
# 初始范围内的位势高度场和涡度场
height, vorticity= getdata(data,m,n,d) # 取得想要的初始范围内的数据,y纬度,x经度
h40,h45,h50,h55 = height
vo40,vo45,vo50,vo55 = vorticity
# ps0 = pos(data0)
# 迭代过程中的一系列位置
ps_h40,exh40 = pos_height(vo55,m,n,d)
ps_h45,exh45 = pos_height(h45,m,n,d)
ps_h50,exh50 = pos_height(h50,m,n,d)
ps_h55,exh55 = pos_height(h55,m,n,d)
ps_vo40,exvo40 = pos_vorticity(vo40,m,n,d)
ps_vo45,exvo45 = pos_vorticity(vo45,m,n,d)
ps_vo50,exvo50 = pos_vorticity(vo50,m,n,d)
ps_vo55,exvo55 = pos_vorticity(vo55,m,n,d)
print(ps_h40)
print(ps_h45)
print(ps_h50)
print(ps_h55)
print(ps_vo40)
print(ps_vo45)
print(ps_vo50)
print(ps_vo55)