python ERA5 画水汽通量散度图地图：风速风向矢量图、叠加等高线、色彩分级、添加shp文件、添加位置点及备注

动机

有个同事吧，写论文，让我帮忙出个图，就写了个代码，然后我的博客好久没更新了，就顺便贴上来了！

很多人感兴趣风速的箭头怎样画，可能这种图使用 NCL 非常容易，很多没用过代码的小朋友，就有点犯怵，怕 python 画起来很困难。但是不然，看完我的代码，就会发现很简单，并且也可以批量，同时还能自定义国界等shp文件，这对于发sci等国际论文很重要，因为有时候内置的国界是有问题的。

数据

本次博客使用的数据为 ERA5 hourly data on pressure levels from 1940 to present数据，数据的下载方式及注册账号，我在前面的博客中都写过，详细可参考以下两篇博客：

http://t.csdnimg.cn/657dg

http://t.csdnimg.cn/YDELh

以下为我们数据介绍界面和需要下载的变量：

数据介绍地址：https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-pressure-levels?tab=overview

数据选择界面

代码

废话不多说，直接上代码。

导入包

import xarray as xrimport numpy as npimport matplotlib.pyplot as pltimport matplotlibimport geopandas as gpd# 设置全局字体为新罗马plt.rcParams['font.family'] = 'serif'plt.rcParams['font.serif'] = ['Times New Roman']# plt.rcParams['font.serif'] = ['SimSun']# 设置全局字体权重为normalplt.rcParams['font.weight'] = 'normal'# 设置全局字体大小matplotlib.rcParams['font.size'] = 19  # 设置全局字体大小为12

画水汽通量散度图

# 加载shapefilegdf = gpd.read_file(r'./shp/Pronvience.shp')# 使用geopandas读取地理数据，这里我们手动创建一个GeoDataFramegdf_point = gpd.GeoDataFrame({    'City': ['Mingfeng Station', 'Kalasai Station'],    'Latitude': [37.5,37],    'Longitude': [80,81]}, geometry=gpd.points_from_xy([80,81], [37.5,37]))# 载入数据data_path = r'./20170731_case.nc'  # 替换为您的文件路径ds = xr.open_dataset(data_path)time = '2017-07-30T22:00:00'# level_hPa = 700# for level_hPa in [200,500,700,850]:for level_hPa in [600]:    # 选择特定时间和气压层    ds_selected = ds.sel(time= time, level=level_hPa)  # 示例：2022年1月1日0时，850hPa        # 获取数据变量    u = ds_selected['u']  # 东西向风速    v = ds_selected['v']  # 南北向风速    q = ds_selected['q']  # 比湿        # 获取经度和纬度，假设这些是坐标维度    longitude = u.longitude    latitude = u.latitude        # 计算水汽通量    qu = q * u  # 东西向水汽通量    qv = q * v  # 南北向水汽通量            # 计算水汽通量散度 单位为    p_q = (qu.differentiate('longitude') + qv.differentiate('latitude'))* 10        # 打印结果    # print(p_q)        # 创建图形和轴对象    fig, ax = plt.subplots(figsize=(6, 6),dpi=500)  # 图形尺寸为10x6英寸        # 可视化散度结果    contour = p_q.plot(add_colorbar=False, cmap="RdBu_r", vmin=-1, vmax=1)  # 使用黑色线条绘制20个等级的等高线    #    # 在ax上绘制等高线图    p_q.plot.contour(levels=25, colors='black',linewidths=0.6)    # 添加颜色条    fig.colorbar(contour, ax=ax, label='Water Vapor Flux Divergence (g/cm²/s)')        # 使用quiver函数需要确保数据的间隔，这里我们每隔5个点取样    Q = ax.quiver(longitude[::5], latitude[::5], u[::5, ::5], v[::5, ::5], scale=300,color="red")        # 绘制shapefile    gdf.plot(ax=ax, color='none', edgecolor='green',linewidths=0.7)  # 无填充，黑色边界        # gdf_point.plot(ax=ax, color='red')  # 标记纽约的位置        # 绘制点    ax.scatter(gdf_point['Longitude'], gdf_point['Latitude'], color='red', s=100)         # 标注城市名称    for x, y, city in zip(gdf_point['Longitude'], gdf_point['Latitude'], gdf_point['City']):        ax.text(x, y, ' ' + city, verticalalignment='center', fontsize=15)            # 设置经纬度范围    ax.set_xlim(75, 90)    ax.set_ylim(30, 45)        ax.set_xlabel('Longitude')    ax.set_ylabel('Latitude')    ax.set_title('')  # 清除标题        # 添加标题在图片正下方    # fig.suptitle('{}hPa {}'.format( level_hPa,time.replace("T"," ") ), y=-0.01,va='bottom')        # 调整布局以避免重叠和裁剪    fig.tight_layout()        plt.savefig("./{}hPa {}.jpg".format( level_hPa,time.replace(":","") ), dpi=500)    plt.show()

水汽通量图

# 加载shapefilegdf = gpd.read_file(r'./shp/Pronvience.shp')# 载入数据data_path = r'./20170731_case.nc'  # 替换为您的文件路径ds = xr.open_dataset(data_path)time = '2017-07-30T22:00:00'for level_hPa in [200,500,600,700,850]:    # 选择特定时间和气压层    ds_selected = ds.sel(time= time, level=level_hPa)  # 示例：2022年1月1日0时，850hPa        # 获取数据变量    u = ds_selected['u']  # 东西向风速    v = ds_selected['v']  # 南北向风速    q = ds_selected['q']  # 比湿        # 获取经度和纬度，假设这些是坐标维度    longitude = u.longitude    latitude = u.latitude        # 计算水汽通量    qu = q * u * 100  # 东西向水汽通量    qv = q * v * 100 # 南北向水汽通量        wvf = np.sqrt(qu**2 + qv**2)        # 计算水汽通量散度 单位为    # p_q = (qu.differentiate('longitude') + qv.differentiate('latitude'))* 10        # 打印结果    # print(p_q)        # 创建图形和轴对象    fig, ax = plt.subplots(figsize=(6, 6),dpi=400)  # 图形尺寸为10x6英寸        # 可视化散度结果    contour = wvf.plot(add_colorbar=False, cmap="RdBu_r", vmin=0, vmax=10)  # 使用黑色线条绘制20个等级的等高线    #    # 在ax上绘制等高线图    wvf.plot.contour(levels=25, colors='black',linewidths=0.6)    # 添加颜色条    fig.colorbar(contour, ax=ax, label='Water Vapor Flux(g/cm/s)')        # 使用quiver函数需要确保数据的间隔，这里我们每隔5个点取样    Q = ax.quiver(longitude[::5], latitude[::5], u[::5, ::5], v[::5, ::5], scale=300,color="red")        # 绘制shapefile    gdf.plot(ax=ax, color='none', edgecolor='green',linewidths=0.7)  # 无填充，黑色边界        # 设置经纬度范围    ax.set_xlim(75, 90)    ax.set_ylim(30, 45)        ax.set_xlabel('Longitude')    ax.set_ylabel('Latitude')    ax.set_title('')  # 清除标题        # 添加标题在图片正下方    # fig.suptitle('{}hPa {}'.format( level_hPa,time.replace("T"," ") ), y=-0.01,va='bottom')        # 调整布局以避免重叠和裁剪    fig.tight_layout()        plt.savefig("./WVF_{}hPa {}.jpg".format( level_hPa,time.replace(":","") ), dpi=500)    plt.show()

结果图