# 原始文件 TIDI行星波一年逐日图 # 此代码是对数据处理后的txt数据进行行星波参数提取绘图 # 2006_TIDI_V_Meridional_data.txt也可以做同样处理，一个是经向风提取的行星波，一个是纬向风的 import os import pandas as pd import numpy as np from scipy.optimize import curve_fit import matplotlib.pyplot as plt # 解决绘图中中文不能显示的问题 import matplotlib from CONSTANT import DATA_BASEPATH from modules.tidi.tidi_planetw_process import extract_tidi_planetw_data # 设置中文显示和负号正常显示 matplotlib.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文 matplotlib.rcParams['axes.unicode_minus'] = False # 正常显示负号 # 读取一年的数据文件 # 设置初始参数 # initial_guess = [1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0] # v0, a1, b1, a2, b2, a3, b3 initial_guess = [0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5] # 9个 a 和 9个 b 参数 # 设置参数界限 bounds = ( [0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf, 0, -np.inf], # 下界 [np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf, np.inf]) # 上界 # 定义拟合函数 def TidiPlotPlanetWDaily( mode, year, k, input_height, lat_range=(0, 5), T=10 ): # 用于存储拟合参数结果的列表 all_fit_results = [] # 设置最小数据量的阈值 min_data_points = 36 if mode != 'V_Zonal' and mode != 'V_Meridional': raise ValueError('mode must be V_Zonal or V_Meridional') if k not in list(range(-4, 5)): raise ValueError('k must be in range(-4, 5)') data_cache_path = f'{DATA_BASEPATH.tidi}/{year}/TIDI_{mode}h{input_height}r{lat_range[0]}-{lat_range[1]}_data.parquet' # if cache exist, read from cache if os.path.exists(data_cache_path): df = pd.read_parquet(data_cache_path) else: df = extract_tidi_planetw_data( year, input_height, lat_range )[mode] df.to_parquet(data_cache_path) # 删除有 NaN 的行 # V_Meridional df = df.dropna(subset=[mode]) # 进行多个时间窗口的拟合 # T应该取5、10、16 # todo:对于5日波，滑动窗口选择15天 def u_func(x, *params): a1, b1, a2, b2, a3, b3, a4, b4, a5, b5, a6, b6, a7, b7, a8, b8, a9, b9 = params return ( a1 * np.sin((2 * np.pi / T) * t - 4 * x + b1) + a2 * np.sin((2 * np.pi / T) * t - 3 * x + b2) + a3 * np.sin((2 * np.pi / T) * t - 2 * x + b3) + a4 * np.sin((2 * np.pi / T) * t - x + b4) + a5 * np.sin((2 * np.pi / T) * t + b5) + a6 * np.sin((2 * np.pi / T) * t + x + b6) + a7 * np.sin((2 * np.pi / T) * t + 2 * x + b7) + a8 * np.sin((2 * np.pi / T) * t + 3 * x + b8) + a9 * np.sin((2 * np.pi / T) * t + 4 * x + b9) ) for start_day in range(0, 365-3*T): # 最后一个窗口为[351, 366] end_day = start_day + 3 * T # 每个窗口的结束时间为 start_day + 3*T # 选择当前窗口的数据 df_8 = df[(df['UTime'] >= start_day) & (df['UTime'] <= end_day)] # 检查当前窗口的数据量 if len(df_8) < min_data_points: # 输出数据量不足的警告 print(f"数据量不足，无法拟合：{start_day} 到 {end_day}，数据点数量：{len(df_8)}") # 将拟合参数设置为 NaN all_fit_results.append([np.nan] * 18) continue # 跳过当前时间窗口，继续下一个窗口 # 提取时间、经度、温度数据 t = np.array(df_8['UTime']) # 时间 x = np.array(df_8['Longitude_Radians']) # 经度弧度制 temperature = np.array(df_8[mode]) # 经向风速，因变量 # 用T进行拟合 popt, pcov = curve_fit(u_func, x, temperature, p0=initial_guess, bounds=bounds, maxfev=50000) # 将拟合结果添加到列表中 all_fit_results.append(popt) # 将结果转换为DataFrame columns = ['a1', 'b1', 'a2', 'b2', 'a3', 'b3', 'a4', 'b4', 'a5', 'b5', 'a6', 'b6', 'a7', 'b7', 'a8', 'b8', 'a9', 'b9'] fit_df = pd.DataFrame(all_fit_results, columns=columns) # fit_df即为拟合的参数汇总 # -------------------------------画图---------------------------- # a1-a9,对应波数-4、-3、-2、-1、0、1、2、3、4的行星波振幅 a_columns = ['a1', 'a2', 'a3', 'a4', 'a5', 'a6', 'a7', 'a8', 'a9'] k_values = list(range(-4, 5)) # 从 -4 到 4 # 创建一个字典映射 k 值到 a_columns k_to_a = {f'k={k}': a for k, a in zip(k_values, a_columns)} # 获取索引并转换为 numpy 数组 x_values = fit_df.index.to_numpy() # 对每一列生成独立的图 col = k_to_a[f'k={k}'] plt.figure(figsize=(8, 6)) # 创建新的图形 plt.plot(x_values, fit_df[col].values) plt.title(f'k={k} 振幅图') plt.xlabel('天') plt.ylabel('振幅') # 设置横坐标的动态调整 adjusted_x_values = x_values + (3 * T + 1) / 2 if len(adjusted_x_values) > 50: step = 30 tick_positions = adjusted_x_values[::step] # 选择每30个点 tick_labels = [f'{int(val)}' for val in tick_positions] else: tick_positions = adjusted_x_values tick_labels = [f'{int(val)}' for val in tick_positions] plt.xticks(ticks=tick_positions, labels=tick_labels) # plt.show() # 显示图形 if __name__ == '__main__': TidiPlotPlanetWDaily('V_Zonal', 2015, 1) TidiPlotPlanetWDaily('V_Meridional', 2015, 1) # # 用于存储拟合参数结果的列表 # all_fit_results = [] # # # 设置最小数据量的阈值 # min_data_points = 36 # # # 进行多个时间窗口的拟合 # # todo:对于5日波，滑动窗口选择15天 # for start_day in range(0, 351): # 最后一个窗口为[351, 366] # end_day = start_day + 15 # 设置每个窗口的结束时间 # # # 选择当前窗口的数据 # df_8 = df[(df['UTime'] >= start_day) & (df['UTime'] <= end_day)] # # # 检查当前窗口的数据量 # if len(df_8) < min_data_points: # # 输出数据量不足的警告 # print(f"数据量不足，无法拟合：{start_day} 到 {end_day}，数据点数量：{len(df_8)}") # # 将拟合参数设置为 NaN # all_fit_results.append([np.nan] * 18) # continue # 跳过当前时间窗口，继续下一个窗口 # # # # 提取时间、经度、温度数据 # t = np.array(df_8['UTime']) # 时间 # x = np.array(df_8['Longitude_Radians']) # 经度弧度制 # temperature = np.array(df_8['V_Zonal']) # 经向风速，因变量 # # # 用T=5进行拟合 # for T in [5]: # popt, pcov = curve_fit(u_func, x, temperature, p0=initial_guess, bounds=bounds, maxfev=50000) # # # 将拟合结果添加到列表中 # all_fit_results.append(popt) # # # 将结果转换为DataFrame # columns = ['a1', 'b1', 'a2', 'b2', 'a3', 'b3', 'a4', 'b4', 'a5', 'b5', 'a6', 'b6', 'a7', 'b7', 'a8', 'b8', 'a9', 'b9'] # fit_df = pd.DataFrame(all_fit_results, columns=columns) # fit_df即为拟合的参数汇总 # # # -------------------------------画图---------------------------- # # 定义 a1 到 a9 的列名 # a_columns = ['a1', 'a2', 'a3', 'a4', 'a5', 'a6', 'a7', 'a8', 'a9'] # a_values = fit_df[a_columns].values # # # 获取索引并转换为 numpy 数组 # x_values = fit_df.index.to_numpy() # # # 对每一列生成独立的图 # for i, col in enumerate(a_columns): # plt.figure(figsize=(8, 6)) # 创建新的图形 # plt.plot(x_values, a_values[:, i]) # plt.title(f'{col} 振幅图') # plt.xlabel('Day') # plt.ylabel('振幅') # plt.show() # 显示图形 # # 提取 a1 到 a9 列的数据 # a_columns = ['a1', 'a2', 'a3', 'a4', 'a5', 'a6', 'a7', 'a8', 'a9'] # a_values = fit_df[a_columns].values # # 获取索引并转换为 numpy 数组 # x_values = fit_df.index.to_numpy() # # # 创建一个图形和子图 # plt.figure(figsize=(10, 6)) # # # 绘制每一条线 # for i, col in enumerate(a_columns): # plt.plot(x_values, a_values[:, i], label=col) # # # 添加标题、标签和图例 # plt.title('a1 to a9 振幅图') # plt.xlabel('Day') # plt.ylabel('振幅') # plt.legend() # # 显示图形 # plt.tight_layout() # plt.show()