1、　全球/地区温度图

（1）读取数据

clear all

setup_nctoolbox %调用工具包

tic %计时

%%

nc=ncgeodataset('tmpsfc.gdas.199401.grb2');   %读文件

tem_1=nc.variables   %浏览数据类型

%%

a1=nc.geovariable(tem_1(1));%取得数据类型为Temperature_surface的数据

b1=a1.data(1,:,:); %第一个时间点温度数据

c1=squeeze(b1)-273.16;%删除单一维度，换为摄氏温度

%%

a2=nc.geovariable(tem_1(2));%取得数据类型为lat的数据，纬度

b2=a2.data(:,1)%提取数据

%%

a3=nc.geovariable(tem_1(3));%经度

b3=a3.data(:,1)%

%%

a4=nc.geovariable(tem_1(4));%取得数据类型为time的数据

b4=a4.data(:,1)%

%%

save A b2 b3 c1

toc

读取的是NCEP/CFSR数据，1994年1月的温度数据。

该数据一共四项。温度，纬度，经度，时间。温度中是3维数据组织形式

时间数据

经度数据

纬度数据

可以看出该数据集的数据组织形式，经度纬度构成世界地图，记录了744个时间点的温度数据。1小时采集一次数据。

温度数据

保存为mat格式数据，为画图做准备。

（2）画图

clear all

load A

[Plg,Plt]=meshgrid(b3',b2');%形成网格

 m_proj('hammer-aitoff','clongitude',-150);%投影模式

m_pcolor(Plg,Plt,c1);

shading flat;

colormap('jet');%颜色选择

hold on;

m_pcolor(Plg-360,Plt,c1);

shading flat; %着色模式

colormap('jet');

m_coast();

m_grid('xaxis','middle');

% h=colorbar('h');

% set(get(h,'title'),'string','1991年1月全球温度');

c=colorbar('southoutside','fontsize',12)

c.Label.String = '1994年1月全球温度';

c.Label.FontSize = 15;

（3）找出最大、最小温度的经纬度

clear all

load C

Max_col=max(c1);%列最大值

Max_row=max(c1,[],2)%行最大值

Max=max(max(c1));

[x1,y1]=find(c1==max(max(c1)));%x 行，y 列

T_1=Plt(x1,y1)%纬度

T_2=Plg(x1,y1)%经度

Min_col=min(c1);%列最大值

Min_row=min(c1,[],2)%行最大值

Min=min(min(c1));

[x,y]=find(c1==min(min(c1)));%x 行，y 列

T_x=Plt(x,y)%纬度

T_y=Plg(x,y)%经度

　

可以看出最热52度，在澳大利亚那块（142.8123E，23.2610S）；最冷-62度，在北极圈那块（89.9999E，66.3486N）。

（4）中国（地区）温度图

clear all

load A

LATLIMS=[3 54];

LONLIMS=[72 134];%选定边界范围

[Plg,Plt]=meshgrid(b3',b2');%形成网格

 m_proj('lambert','lon',LONLIMS,'lat',LATLIMS);%投影模式

m_pcolor(Plg,Plt,c1);

shading flat;

colormap('jet');%颜色选择

hold on;

m_pcolor(Plg-360,Plt,c1);

shading flat; %着色模式

colormap('jet');

m_coast();

m_grid('box','fancy','tickdir','in');

% h=colorbar('h');

% set(get(h,'title'),'string','1991年1月全球温度');

c=colorbar('southoutside','fontsize',12)

c.Label.String = '1994年1月中国温度';

c.Label.FontSize = 15;

该方法是读取全球数据，只展示部分

（5）

改进的区域方法，读取该区域的数据数据，

clear all

setup_nctoolbox %调用工具包

tic %计时

%%

min_lat=115;

max_lat=279;

min_lon=231;

max_lon=430;  %区域经纬度范围，在数据中的位置

%%

nc=ncgeodataset('tmp2m.gdas.199401.grb2');   %读文件

tem_1=nc.variables   %浏览数据类型

%%

N1=nc.size(tem_1(1));%读取数据大小,可以看出数据的组织形式

a1=nc.geovariable(tem_1(1));%取得数据类型为Temperature_surface的数据

b1=a1.data(1,1,min_lat:max_lat,min_lon:max_lon); %第一个时间点温度数据

c1=squeeze(b1)-273.16;%删除单一维度，换为摄氏温度

%%

N2=nc.size(tem_1(2));

a2=nc.geovariable(tem_1(2));%取得数据类型为lat的数据，纬度

b2=a2.data(min_lat:max_lat,1);%提取数据

%%

N3=nc.size(tem_1(3))

a3=nc.geovariable(tem_1(3));%经度

b3=a3.data(min_lon:max_lon,1);%

%%

N4=nc.size(tem_1(4))

a4=nc.geovariable(tem_1(4));%取得数据类型为time的数据

b4=a4.data(:,1);%

%%

N5=nc.size(tem_1(5));%读取数据大小

a5=nc.geovariable(tem_1(5));%取得数据类型为time的数据

b5=a5.data(:,1);%

%%

save tem b2 b3 c1

toc


clear all

load tem

LATLIMS=[3 54];

LONLIMS=[72 134];%选定边界范围

[Plg,Plt]=meshgrid(b3',b2');%形成网格

 m_proj('lambert','lon',LONLIMS,'lat',LATLIMS);%投影模式

m_pcolor(Plg,Plt,c1);

shading flat;

colormap('jet');%颜色选择

hold on;

m_pcolor(Plg-360,Plt,c1);

shading flat; %着色模式

colormap('jet');

m_coast();

m_grid('box','fancy','tickdir','in');

% h=colorbar('h');

% set(get(h,'title'),'string','1991年1月全球温度');

c=colorbar('southoutside','fontsize',12)

c.Label.String = '1994年1月中国温度';

c.Label.FontSize = 15;

（6）读取方式的改变

clear all

setup_nctoolbox %调用工具包

tic %计时

%%

min_lat=115;

max_lat=279;

min_lon=231;

max_lon=430;  %区域经纬度范围，在数据中的位置

%%

nc=ncgeodataset('tmp2m.gdas.199401.grb2');   %读文件

tem_1=nc.variables   %浏览数据类型

%%

N1=nc.size(tem_1(1));%读取数据大小

b1=nc.data(tem_1(1),[1,1,min_lat,min_lon],[1,1,max_lat,max_lon]);%初始的读取位置，最终的位置

c1=squeeze(b1)-273.16;

%%

N2=nc.size(tem_1(2));%读取数据大小

b2=nc.data(tem_1(2),[min_lat],[max_lat]);

%%

N3=nc.size(tem_1(3));%读取数据大小

b3=nc.data(tem_1(3),[min_lon],[max_lon]);

save tem b2 b3 c1

toc

可以看出海面2米的温度组织形式，4维数据，包含了744个时间点，1个位置，576个纬度点，1152个经度点。

读取方式是初始位置用一个数组表示，终止位置用一个数组表示

clear all

load tem

LATLIMS=[3 54];

LONLIMS=[72 134];%选定边界范围

[Plg,Plt]=meshgrid(b3',b2');%形成网格

 m_proj('lambert','lon',LONLIMS,'lat',LATLIMS);%投影模式

m_pcolor(Plg,Plt,c1);

shading flat;

colormap('jet');%颜色选择

hold on;

m_pcolor(Plg-360,Plt,c1);

shading flat; %着色模式

colormap('jet');

m_coast();

m_grid('box','fancy','tickdir','in');

% h=colorbar('h');

% set(get(h,'title'),'string','1991年1月全球温度');

c=colorbar('southoutside','fontsize',12)

c.Label.String = '1994年1月中国温度';

c.Label.FontSize = 15;

(7)多个时间的平均值

clear all

setup_nctoolbox %调用工具包

tic %计时

%%

min_lat=115;

max_lat=279;

min_lon=231;

max_lon=430;  %区域经纬度范围，在数据中的位置

%%

nc=ncgeodataset('tmp2m.gdas.199401.grb2');   %读文件

tem_1=nc.variables   %浏览数据类型

N1=nc.size(tem_1(1));%读取数据大小

d=zeros(1,165,200);%预定义最后的数值存放空间

f=0%验证预留数

%%

for n=1:10  %选取10个时间点

    b1=nc.data(tem_1(1),[n,1,min_lat,min_lon],[n,1,max_lat,max_lon]);%初始的读取位置，最终的位置

    c(n,:,:)=squeeze(b1)-273.16;

    d=d+c(n,:,:); %最终结果

end

for n=1:10

    f=f+c(n,1,1);

end

e=squeeze(d);

% save tem

toc

f值等于e的第一个值，说明计算正确.最后计算平均值即可。　

2、风向

（1）数据读取

clear all

setup_nctoolbox

tic

%% 读取数据文件

wind= ncgeodataset('wnd10m.gdas.199401.grb2');

wind_list = wind.variables;%文件的列表情况

%%

size_of_u = wind.size(wind_list(1));%u分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据

data_u=wind.geovariable(wind_list(1));%取得数据类型为风速u的数据

u_1=data_u.data(1,1,:,:); %

u_2=squeeze(u_1);

%%

size_of_v = wind.size(wind_list(2));%v分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据

data_v=wind.geovariable(wind_list(2));%取得数据类型为风速v的数据

v_1=data_v.data(1,1,:,:); %

v_2=squeeze(v_1);

%%

size_of_h= wind.size(wind_list(5));%v分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据

data_h=wind.geovariable(wind_list(5));%取得数据类型为风速v的数据

v_1=data_h.data(1); %高度10米

%%

wind_speed=sqrt(u_2.^2+v_2.^2);  %矢量合成

save wind u_2 v_2 wind_speed

toc

（2）展示

clear all

load lon_lat %载入坐标数据

load wind  %载入风速数据

LATLIMS=[3 15];

LONLIMS=[115 134];%选定边界范围

m_proj('lambert','lon',LONLIMS,'lat',LATLIMS);%投影模式

min_lat=115;

max_lat=279;

min_lon=231;

max_lon=430; 

m_coast;

m_grid('box','fancy','tickdir','in');%边缘经纬度宽度

hold on;%图层合并

m_quiver(Plg(min_lat:max_lat,min_lon:max_lon),Plt(min_lat:max_lat,min_lon:max_lon),...

    u_2(min_lat:max_lat,min_lon:max_lon),v_2(min_lat:max_lat,min_lon:max_lon)...

    ,7.5,'r');%经度，纬度，向东，向北的速度分量，转化为矢量箭头

xlabel('global surface winds 1994/01');

（3）

clear all

load lon_lat

load wind

m_proj('hammer-aitoff','clongitude',-150);%投影模式

m_quiver(Plg,Plt,u_2,v_2,15,'r');

shading flat;

colormap('jet');%颜色选择

hold on;

m_quiver(Plg-360,Plt,u_2,v_2,15,'r');

shading flat; %着色模式

colormap('jet');

m_coast();

m_grid('xaxis','middle');

xlabel('global surface winds 1994/01');

　　

3、气压

（1）一个时间点的气压

clear all

clear all

setup_nctoolbox

tic

%% 读取数据文件

pre= ncgeodataset('pressfc.gdas.199401.grb2');

pre_list = pre.variables;%文件的列表情况

%%

size_of_pre = pre.size(pre_list(1));%620小时,576纬度，1152经度

pre_1=pre.data(pre_list(1),[1,1,1],[1,576,1152]); %

pre_2=squeeze(pre_1);

%%

size_of_2 = pre.size(pre_list(2));%v分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据

size_of_3 = pre.size(pre_list(3));

size_of_4 = pre.size(pre_list(4));

size_of_5 = pre.size(pre_list(5));

size_of_8 = pre.size(pre_list(8));

t_4=pre.data(pre_list(4),1,620);

t_8=pre.data(pre_list(8),1:124);

toc

可以看出时间点交错开了，所以最终处理数据时还要按顺序排列起来。

clear all

load lon_lat

load pre

 m_proj('hammer-aitoff','clongitude',-150);%投影模式

m_pcolor(Plg,Plt,pre_2);

shading flat;

colormap('jet');%颜色选择

hold on;

m_pcolor(Plg-360,Plt,pre_2);

shading flat; %着色模式

colormap('jet');

m_coast();

m_grid('xaxis','middle');

% h=colorbar('h');

% set(get(h,'title'),'string','1991年1月全球温度');

c=colorbar('southoutside','fontsize',12)

c.Label.String = '1994年1月全球气压';

c.Label.FontSize = 15;

（2）

clear all

setup_nctoolbox

tic

%% 读取数据文件

pre= ncgeodataset('pressfc.gdas.199401.grb2');

pre_list = pre.variables;%文件的列表情况

size_of_1 = pre.size(pre_list(1));%620小时,576纬度，1152经度

size_of_2 = pre.size(pre_list(2));%v分量的数据尺寸,777小时，1个高度，经纬度数据，4D数据

size_of_3 = pre.size(pre_list(3));

size_of_4 = pre.size(pre_list(4));

size_of_5 = pre.size(pre_list(5));

size_of_8 = pre.size(pre_list(8));

t_4=pre.data(pre_list(4),1,620);

t_8=pre.data(pre_list(8),1:124);

pre_sum=zeros(744,576,1152);

%%

for n=1:744

    if mod(n-1,6)==0  %取余数

        a=floor(n/6);

        n_time=n-a*5;%下标位置

        pre_sum(n,:,:)=pre.data(pre_list(5),[n_time,1,1],[n_time,576,1152]); %

    else

        a=floor((n-1)/6);

        n_time=n-a-1;%下标位置

        pre_sum(n,:,:)=pre.data(pre_list(1),[n_time,1,1],[n_time,576,1152]);

    end

end

%% end

pre_data=squeeze(mean(pre_sum))%求平均值

save pre_data_199401 pre_data

toc

综合运用余数和向下取整的方法，每隔五个从另外的数据中取一个数。最后用mean（）函数求平均值。

4、湿度

　　

　　

　　

　　

　　

　　

　　

　　

　　

　

Matlab——m_map指南（4）——实例的更多相关文章

  1. Matlab——m_map指南（3）——实例

    m_map 实例 1. clear all m_proj('ortho','lat', 48,'long',-123');%投影方式,范围 m_coast('patch','r');%红色填充 m_g ...

  2. Matlab——m_map指南（2）

    3.海岸线和深度测量 3.1.1 海岸线选项 m_coast('line', ...optional line arguments ); m_coast('line', ...optional lin ...

  3. MATLAB——m_map指南（1）

    1.例图 (1) clear all m_proj('oblique mercator');%确定投影方式和绘图界线 m_coast;%画出海岸线 m_grid;%添加格网 第一行代码初始化投影,对于 ...

  4. MATLAB神经网络原理与实例精解视频教程

    教程内容:<MATLAB神经网络原理与实例精解>随书附带源程序.rar9.随机神经网络.rar8.反馈神经网络.rar7.自组织竞争神经网络.rar6.径向基函数网络.rar5.BP神经网 ...

  5. C语言与MATLAB接口 编程与实例 李传军编着

    罗列一下以前自己学习C语言与MATLAB混编的笔记,顺便复习一遍. <C语言与MATLAB接口 编程与实例 李传军编着>(未看完,目前看到P106) 目录P4-8 ************ ...

  6. matlab load函数用法 实例

    一 语法: load(filename) load(filename,variables) load(filename,'-ascii') load(filename,'-mat') load(fil ...

  7. 【翻译】EXTJS 编码风格指南与实例

    原文:EXTJS Code Style Guide with examples Ext JS风格指南: 熟知的且易于学习 快速开发,易于调试,轻松部署 组织良好.可扩展和可维护 Ext JS应用程序的 ...

  8. matlab文件读写处理实例（三）——读取文件特定行

    (1) 读取文件特定行 CODE: ; ;        if nline==line               fprintf(fidout,'%s\n',tline);         data ...

  9. matlab文件读写处理实例（二）——textread批量读取文件

    问题:对文件夹下所有文件进行批量读取,跳过文件头部分,读取每个文件数据部分的7,8,9列,保存到变量并且输出到文件. 数据: 文件夹11m\

随机推荐

  1. 利用GitHub制作在线炫酷简历

    首先我们先体验一下炫酷简历.然后决定我们要不要使用. https://jessezhao1990.github.... 如何使用本项目部署你自己的在线简历 1. 书写简历 在src文件夹里面有个con ...

  2. 前端每日实战：74# 视频演示如何用纯 CSS 创作一台 MacBook Pro

    效果预览 按下右侧的"点击预览"按钮可以在当前页面预览,点击链接可以全屏预览. https://codepen.io/comehope/pen/MXNNyR 可交互视频 此视频是可 ...

  3. CSS+DIV自适应布局

    CSS+DIV自适应布局 1.两列布局(左右两侧,左侧固定宽度200px;右侧自适应占满) 代码如下: <!doctype html> <html> <head> ...

  4. 利用 Rize 来进行 UI 测试或 E2E 测试

    之前我曾经在<Rize - 一个可以让你简单.优雅地使用 puppeteer 的 Node.js 库>一文简单介绍过 Rize 这个库.当时仅仅是介绍这个库本身,关于如何使用,我没有给太多 ...

  5. Java多态实现的机制

    Java提供了编译时多态和运行时多态两种多态机制.前者是通过方法重载实现的,后者是通过方法的覆盖实现的. 在方法覆盖中,子类可以覆盖父类的方法,因此同类的方法会在父类与子类中有着不同的表现形式. 在J ...

  6. Vue请求第三方接口跨域最终解决办法！2020最终版！

    废话少说,再百度的近三个小时尝试了近10种方法无解后,终于皇天不负有心人! 这个vue axios 跨域问题被我解决了! 需求:请求客户端ip地址获取客户ip,再根据ip获取用户位置 工具:Vue,a ...

  7. （数据科学学习手札79）基于geopandas的空间数据分析——深入浅出分层设色

    本文对应代码和数据已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 通过前面的文章,我们已经对geopanda ...

  8. C#桌面开发的未来WebWindow

    目录 WebWindow 源码 作者博客 基于Chromium的Edge 体验 体验方式一: 体验方式二: 遗留的问题 WebWindow WebWindow是跨平台的库. Web Window的当前 ...

  9. 深度学习归一化：BN、GN与FRN

    在深度学习中,使用归一化层成为了很多网络的标配.最近,研究了不同的归一化层,如BN,GN和FRN.接下来,介绍一下这三种归一化算法. BN层 BN层是由谷歌提出的,其相关论文为<Batch No ...

  10. 我的Keras使用总结（2）——构建图像分类模型（针对小数据集）

    Keras基本的使用都已经清楚了,那么这篇主要学习如何使用Keras进行训练模型,训练训练,主要就是“练”,所以多做几个案例就知道怎么做了. 在本文中,我们将提供一些面向小数据集(几百张到几千张图片) ...