1、Rbf插值

import numpy as npimport cartopy.crs as ccrsimport cartopy.feature as cfeatfrom cartopy.mpl.gridliner import LONGITUDE_FORMATTER, LATITUDE_FORMATTERfrom cartopy.io.shapereader import Readerimport matplotlib.pyplot as pltimport matplotlib.ticker as mtickerfrom scipy.interpolate import Rbf#引入徑向基函數import pandas as pdimport maskout2from cartopy.mpl.ticker import LongitudeFormatter,LatitudeFormatterfrom matplotlib import rcParamsconfig={"font.family":'Times New Roman',"font.size":16,"mathtext.fontset":'stix'}rcParams.update(config)plt.rcParams['figure.figsize']=(12,10)shp_path=r'F:/Rpython/lp17/data/xinjiang0819.shp'proj= ccrs.PlateCarree() # 簡寫投影filename=r'F:/Rpython/lp28/data/XJ1224.xlsx'df=pd.read_excel(filename)#讀取文件lon=df['lon']#讀取站點經度lat=df['lat']#讀取站點緯度tem=df['h']#讀取站點氣溫# 創建畫布fig = plt.figure(figsize=(12,10),dpi=600) olon=np.linspace(70,100,90)olat=np.linspace(30,55,75)olon,olat=np.meshgrid(olon,olat)#網格化func=Rbf(lon,lat,tem,function='cubic')#定義徑向基函數插值tem_new=func(olon,olat)#獲得插值后的網格氣溫ax = fig.subplots(1, 1, subplot_kw={'projection': proj}) # 創建子圖extent=[73,97,34,50]#限定繪圖范圍reader = Reader(shp_path)enshicity = cfeat.ShapelyFeature(reader.geometries(), proj, edgecolor='k', facecolor='none')ax.add_feature(enshicity, linewidth=0.7)#添加市界細節ax.set_extent(extent,crs=proj)ax.set_xticks(np.arange(extent[0],extent[1]+1,3),crs=proj)ax.set_yticks(np.arange(extent[-2],extent[-1]+1,2),crs=proj)ax.xaxis.set_major_formatter(LongitudeFormatter())ax.yaxis.set_major_formatter(LatitudeFormatter())cs1= ax.contourf(olon,olat,tem_new,levels=np.arange(0,2000,200),cmap='gist_rainbow',extend='both')#畫圖cmap='Spectral_r',cs2= ax.contour(olon,olat,tem_new,colors='red',linewidths=0.6)#畫圖b=plt.colorbar(cs1,shrink=0.65,orientation='vertical',extend='both',pad=0.035,aspect=20) #orientation='horizontal'clip1=maskout2.shp2clip(cs1,ax,r'F:/Rpython/lp17/data/xinjiang0819.shp') #白化1clip2=maskout2.shp2clip(cs2,ax,r'F:/Rpython/lp17/data/xinjiang0819.shp') #白化2font3={'family':'SimHei','size':8,'color':'k'}plt.scatter(df['lon'].values,df['lat'].values,marker='o',s=6,color ="k")for i, j, k in list(zip(df['lon'].values, df['lat'].values, df['name'].values)): plt.text(i-0.2,j-0.3,k,fontdict=font3)plt.savefig('F:/Rpython/lp28/plot7.2.png',dpi=600)plt.show()

---

2、IDW插值

注：代碼請參考往期推文，本文不再重復。

---

往期經典推文回顧-超鏈接1：

《R語言、Matlab、MeteoInfo、Python及ArcGis可視化DEM地形圖》

---

往期經典推文回顧-超鏈接2：

《R語言、MeteoInfo、Python和ArcGis的Kriging、IDW空間插值結果的對比分析》

---

往期經典推文回顧-超鏈接3：

《Python蘭伯特投影中國區域等值線圖(含南海小地圖)with xarray and cartopy 0.18》

---

往期經典推文回顧-超鏈接4：

《Python基礎地圖構建(28)》

---

往期經典推文回顧-超鏈接5：

《基于Python的NCEP再分析數據的中國區域白化(含南海小地圖)》

---

往期經典推文回顧-超鏈接6：

1?《MeteoInfo中國區域地形圖(含南海小地圖)》

2?《MeteoInfo中國區域散點圖(含南海小地圖)》

3?《MeteoInfo中國區域CMIP5/6可視化(含南海小地圖)》

---

往期經典推文回顧-超鏈接7：

《Matlab中國區域CMIP5/6可視化(含南海小地圖)》

---

往期經典推文回顧-超鏈接8：

《Python中國區域CMIP5/6可視化(含南海小地圖)》

總結

以上是生活随笔為你收集整理的python 白化_Python新疆某气候要素IDW（反距离权重）插值的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。