利用Python工具实现热带气旋数据分析和可视化

Tropycal是旨在简化提取和分析热带气旋数据的Python工具，可以同时处理历史和实时数据，主要面向研究和业务气象部门。文末可获取相关教程文件。

Tropycal可以处理 HURDAT2和IBTrACS再分析以及业务NHC最佳路径数据，可用于气候、季节性和单个雷暴分析。

对于每个单独的风暴，国家飓风中心的业务预报、飞机观测数据和任何相关的龙卷风活动都可以提取和绘制。

安装
; r' I& E4 `1 L! K. _
) T5 A, l0 C/ E8 q  G

与常规python工具安装方法类似，可直接利用 pip 进行安装，如下：

[Python] 纯文本查看 复制代码

pip install tropycal

或者下载源代码进行安装：

[Python] 纯文本查看 复制代码

[/color]git clone[url=https://github.com/tropycal/tropycal]https://github.com/tropycal/tropycal[/url][/p][p=null, 2, left][color=rgb(0, 0, 0)]cdtropycal[/color][/p][p=null, 2, left][color=rgb(0, 0, 0)]python setup.py install

示例

官方文档中提供了很多示例，包括龙卷分析、单个雷暴分析、热带气旋数据集分析。

示例中给出的分析可视化结果都非常不错，从可视化的角度而言很值得学习。

龙卷分析

官方示例中给出的示例，可直接加载龙卷数据集进行分析。

[Python] 纯文本查看 复制代码

importtropycal.tracks astracks
importtropycal.tornado astornado
importdatetime asdt
tor_data = tornado.TornadoDataset()
tor_ax,domain,leg_tor = tor_data.plot_tors(dt.datetime(2011,4,27),plotPPH=True,return_ax=True)
tor_ax

2 j! d! u* T8 p+ N* Q# O" L

龙卷路径和PPH(Practically Perfect Forecast)分布

• 使用追踪数据集

  
  0 C7 k' i5 ?# P+ ?/ S5 L: X

[Python] 纯文本查看 复制代码

hurdat_atl = tracks.TrackDataset(basin='north_atlantic',source='hurdat',include_btk=False)
storm = hurdat_atl.get_storm(('ivan',2004))
storm.plot_tors(plotPPH=True,return_ax=True)

Ivan飓风移动路径和PPH

单个雷暴分析

官方文档中给出了HURTDAT2、IBTrACS数据集以及单个雷暴的分析示例。

[Python] 纯文本查看 复制代码

importtropycal.tracks astracks
importdatetime asdt
hurdat_atl = tracks.TrackDataset(basin='north_atlantic',source='hurdat',include_btk=False)
storm = hurdat_atl.get_storm(('michael',2018))
storm.plot(return_ax=True)

Michael飓风移动路径

[Python] 纯文本查看 复制代码

storm.plot_nhc_forecast(forecast=2,return_ax=True)

潜在的热带气旋预报

4 ~- B! a/ W/ q% b1 H$ MTC数据集分析

在TC数据集部分，利用上述提到的两种数据集对雷暴进行了简单的分析，比如空间分布、最大风速以及移动路径。

[Python] 纯文本查看 复制代码

ibtracs = tracks.TrackDataset(basin='all',source='ibtracs',ibtracs_mode='jtwc_neumann',catarina=True)
ibtracs.gridded_stats(request="maximum wind",return_ax=True)

热带气旋最大风速分布

4 i/ y, L- s4 V* O) D* P3 B

除了绘图部分外，官方文档还提供了数据源的说明，可点击阅读原文前往官方文档查看相关页面。

除了官方文档提供的可视化分析之外，官方的示例脚本源中也提供了一些额外的分析和可视化内容，部分结果如下图所示：

就介绍到这里，感兴趣的可以前往官方文档或官方源查看更详细的信息。

参考链接：

0 r5 }; ?' K2 V  q

1. https://github.com/tropycal

2. https://tropycal.github.io/tropycal/

3. https://github.com/tropycal/samp ... Tropical_Talk.ipynb

# E6 n0 M( M# r$ g