Primers exercicis de construcció de mapes i gràfics. A continuació es mostra el codi creat i utilitzat per dur a terme la següent pràctica.
Importació de les biblioteques
# import modules
import numpy as np
import matplotlib as mpl
from netCDF4 import Dataset as ncread
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
%matplotlib inlineImportació de l'arxiu de dades de temperatura i definició de totes les variables que s'utilitzaran.
data_path = "C:/Users/alumne/Desktop/Dades/"#Aquí s'ha d'introduir l'adreça de l'arxiu de dades, diferent en cada cas.
nc = ncread(data_path+'e20C_Amon_tas_190001-201012.nc')
#Definir les variables
t = nc.variables['2T_GDS4_SFC'][:]
lon = nc.variables['g4_lon_2'][:]
lat = nc.variables['g4_lat_1'][:]
ni=len(lon)
ny=len(lat)
nyr=int(len(t[:,0,0])/12)Reestructuració de la matriu de temperatura
t = np.reshape(t,(nyr,12,ny,ni))Càlcul de la temperatura mitjana de cada mes.
t_j=t[102,:,:,:]-273.15#S'escull l'any 2002.
#t_g=np.mean(t_j,axis=0)#Mitjana en totes les latituds.
t_g=np.mean(t_j,axis=2)#Mitjana de tots els resultats anteriors i a graus centígrads.
coslat=np.cos(np.radians(lat))
suma=np.sum(coslat)
t_g_a=np.empty(12)
t_g_a.fill(np.nan)
for it in range(12):
t_g_a[it]=np.sum(coslat[:]*t_g[it,:])/sumaCreació del gràfic
months=np.arange(12)+1
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(months,t_g_a)
plt.title('Evolució de la temperatura 2002',fontsize=14)
plt.xlabel('t(mesos)')
plt.ylabel('T (ºC)')
fig.savefig(data_path+'fig_i', bbox_inches='tight',dpi=400)
Càlcul de la temperatura mitjana de cada mes i creació del gràfic.
t_h=t[0,:,:,:]-273.15
t_i=np.mean(t_h,axis=2)
t_i_a=np.empty(12)
t_i_a.fill(np.nan)
for it in range(12):
t_i_a[it]=np.sum(coslat[:]*t_i[it,:])/suma
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(months,t_g_a)
plt.plot(months,t_i_a)
plt.title('Comparació temperatures 1900-2002',fontsize=14)
plt.xlabel('t (mesos)')
plt.ylabel('T (ºC)')
plt.legend(('2002', '1900'),
shadow=True, handlelength=1.5, fontsize=12)
fig.savefig(data_path+'fig_ii', bbox_inches='tight',dpi=400)
Càlcul de la diferència de temperatura mitjana de l'any 2002 respecte l'any 1900.
t_i_a_a=np.nanmean(t_i_a, axis=0)
t_g_a_a=np.nanmean(t_g_a, axis=0)
t_gi_a_a=t_g_a_a-t_i_a_a
print('Difèrencia de temperatures mitjanes:',t_gi_a_a,'ºC')Difèrencia de temperatures mitjanes: 0.6811817487080898 ºC
Visualització de totes les latituds de les quals se'n disposen dades.
print(lat)[ 89.14152 88.02943 86.910774 85.79063 84.66992
83.54895 82.42782 81.306595 80.18531 79.06398
77.94263 76.82124 75.699844 74.57843 73.45701
72.33558 71.214134 70.09269 68.97124 67.849785
66.728325 65.606865 64.4854 63.363934 62.242462
61.12099 59.99952 58.878044 57.75657 56.635094
55.513615 54.392136 53.270657 52.149174 51.027695
49.90621 48.78473 47.663246 46.541763 45.42028
44.298794 43.17731 42.055824 40.934338 39.81285
38.691364 37.56988 36.44839 35.326904 34.205418
33.08393 31.962444 30.840956 29.719467 28.597979
27.47649 26.355003 25.233515 24.112024 22.990536
21.869047 20.747559 19.62607 18.50458 17.383091
16.2616 15.140112 14.018622 12.897133 11.775643
10.654153 9.532663 8.411174 7.2896843 6.1681943
5.0467043 3.9252145 2.8037248 1.6822349 0.56074494
-0.56074494 -1.6822349 -2.8037248 -3.9252145 -5.0467043
-6.1681943 -7.2896843 -8.411174 -9.532663 -10.654153
-11.775643 -12.897133 -14.018622 -15.140112 -16.2616
-17.383091 -18.50458 -19.62607 -20.747559 -21.869047
-22.990536 -24.112024 -25.233515 -26.355003 -27.47649
-28.597979 -29.719467 -30.840956 -31.962444 -33.08393
-34.205418 -35.326904 -36.44839 -37.56988 -38.691364
-39.81285 -40.934338 -42.055824 -43.17731 -44.298794
-45.42028 -46.541763 -47.663246 -48.78473 -49.90621
-51.027695 -52.149174 -53.270657 -54.392136 -55.513615
-56.635094 -57.75657 -58.878044 -59.99952 -61.12099
-62.242462 -63.363934 -64.4854 -65.606865 -66.728325
-67.849785 -68.97124 -70.09269 -71.214134 -72.33558
-73.45701 -74.57843 -75.699844 -76.82124 -77.94263
-79.06398 -80.18531 -81.306595 -82.42782 -83.54895
-84.66992 -85.79063 -86.910774 -88.02943 -89.14152 ]
Definició de les variables que correspondran a les latituds de l'hemisferi nord i les de l'hemisferi sud.
l90s = (np.abs(lat+90)).argmin()#La variable agafa el valor de la latitud que més s'acosti a -45.(Hemisferi sud)
l1s = (np.abs(lat+1)).argmin()
l1n = (np.abs(lat-1)).argmin()#El mateix però a l'hemisferi nord.
l90n = (np.abs(lat-90)).argmin()#El mateix però a l'hemisferi nord.
latn=lat[l90n:l1n]
lats=lat[l1s:l90s]Càlcul de les temperatures mitjanes mensuals de l'any 1986 a l'hemisferi nord.
t_m=t[86,:,l90n:l1n,:]-273.15 #Definir la zona i l'any que volem.
t_m_a=np.mean(t_m,axis=2)
t_m_a_a=np.empty(12)
t_m_a_a.fill(np.nan)
coslatn=np.cos(np.radians(latn))
suman=np.sum(coslatn)
for it in range(12):
t_m_a_a[it]=np.sum(coslatn[:]*t_m_a[it,:])/suman
Càlcul de les temperatures mitjanes mensuals de l'any 1986 a l'hemisferi sud i representació dels resultats.
t_n=t[86,:,l1s:l90s,:]#Definir la zona i l'any que volem.
t_n_a=np.mean(t_n,axis=2)-273.15#Càlcul de la mitjana de totes les latituds.
t_n_a_a=np.empty(12)
t_n_a_a.fill(np.nan)
coslats=np.cos(np.radians(lats))
sumas=np.sum(coslats)
for it in range(12):
t_n_a_a[it]=np.sum(coslats[:]*t_n_a[it,:])/sumas
#Representar les dades:
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(months,t_n_a_a)
plt.plot(months,t_m_a_a)
plt.title('Evolució temperatura 1986 (hemisferis)',fontsize=14)
plt.xlabel('t (mesos)')
plt.ylabel('T (ºC)')
plt.legend(('Sud', 'Nord'),
shadow=True, handlelength=1.5, fontsize=12)
fig.savefig(data_path+'fig_iii', bbox_inches='tight',dpi=400)
Càlcul de les anomalies segons la formula explicada al treball.
t_anom=np.zeros((111,12,ny,ni))#Construcció d'una matriu amb les mateixes dimensions de t. La matriu només conté zeros.
t_anom.fill(np.nan)#Omplir l'array de "NaNs".
clim=np.nanmean(t,axis=0)#Fa la mitjana de temperatura de tots els anys tenint en compte tots els mesos, longituds i latituds.
for iyr in range(nyr):#En aquest bucle apliquem la formula explicada anteriorment. El bucle es repetirà tantes vegades com el nombre d'anys (111).
for imon in range(12):#En cada bucle es repetirà 12 vegades la fómula explicada.
t_anom[iyr,imon,:,:]=t[iyr,imon,:,:]-clim[imon,:,:]#Execució de la fórmulaCàlcul de les anomalies entre 1900 i 2010.
t_anom_a=np.nanmean(t_anom,axis=3)#mitjana de les longituds.
t_anom_a_a=np.empty((111,12,))
t_anom_a_a.fill(np.nan)
for it in range(111):
for imon in range(12):
t_anom_a_a[it,imon]=np.sum(coslat[:]*t_anom_a[it,imon,:])/suma
t_anom_a_b=np.nanmean(t_anom_a_a, axis=1)Visualització dels resultats.
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(years,t_anom_a_b, color='k')
plt.title('Anomalies 1900-2010',fontsize=14)
plt.xlabel('t (anys)')
plt.ylabel('T (ºC)')
fig.savefig(data_path+'fig_19', bbox_inches='tight',dpi=400)
Càlcul de les anomalies mitjanes de l'any 2010.
t_anom_b=t_anom[110,:,:,:]
t_anom_b_a=np.nanmean(t_anom_b,axis=0)
var=t_anom_b_aCreació del mapa
dpi = 101
fig = plt.figure(figsize=(1100/dpi, 1100/dpi), dpi=dpi)
ax = fig.add_axes([0.1,0.1,0.8,0.9])
#----Creació del mapa
map = Basemap(projection='cyl',llcrnrlat= -90.,urcrnrlat= 90.,\
resolution='c', llcrnrlon=-180.,urcrnrlon=180.,lon_0=0.,
lat_0=0.,)
#----Dibuixar les costes, estats, països...
map.drawcoastlines()
#map.drawstates()
#map.fillcontinents()
map.drawcountries(zorder=100)
#----Dibuixar paral·lels i meridians
map.drawparallels(np.arange( -80., 90.,20.),labels=[1,0,0,0],fontsize=14)
map.drawmeridians(np.arange(-180,180.,30.),labels=[0,0,0,1],fontsize=14)
#----*DEFINIR LES COORDENADES X I Y DEL MAPA COM A LES LONGITUDS I LES LATITUDS DE L'ARXIU DE DADES.
x, y = map(*np.meshgrid(lon,lat))
x1, y1 = map(*np.meshgrid(lon-359,lat))
#-- contour levels
#clevs = np.arange(-2,2,.2)*1e7
#clevs=np.arange(13)*2-12
clevs=np.arange(8)*2-7
#----**PINTAR ELS MAPES
cnplot = map.contourf(x1,y1,var,cmap=plt.cm.bwr,levels=clevs)
cnplot = map.contourf(x,y,var,cmap=plt.cm.bwr,levels=clevs)
cs2 = map.contour(x1, y1, var, (0,), colors = 'k', linewidths = 1,levels=clevs)
cs2 = map.contour(x, y, var, (0,), colors = 'k', linewidths = 1,levels=clevs)
#cs2 = map.contour(x, y, var, colors = 'k', linewidths = 1,levels=clevs)
#plt.clabel(cs2, fmt = '%d', colors = 'C',fontsize=12)
#cnplot = map.contourf(x,y,var,cmap=plt.cm.coolwarm)
#----Creació d'una barra de colors
cbar = map.colorbar(cnplot,location='bottom',pad="10%") #-- pad: distància entre el mapa i la barra de colors
cbar.set_label('$ºC$',fontsize=14) #-- Títol de la barra de colors
#----Títol
#plt.title('2000-2010 minus 1900-1910',fontsize=14)
plt.title('Anomalia 2010',fontsize=14)
plt.plot(years, t_anom_a_a[:,0], color='k')
fig.savefig(data_path+'fig_20', bbox_inches='tight',dpi=400)c:\users\alumne\anaconda3\lib\site-packages\ipykernel_launcher.py:9: MatplotlibDeprecationWarning:
The dedent function was deprecated in Matplotlib 3.1 and will be removed in 3.3. Use inspect.cleandoc instead.
if __name__ == '__main__':
c:\users\alumne\anaconda3\lib\site-packages\ipykernel_launcher.py:15: MatplotlibDeprecationWarning:
The dedent function was deprecated in Matplotlib 3.1 and will be removed in 3.3. Use inspect.cleandoc instead.
from ipykernel import kernelapp as app
max_2010=np.amax(var)
print('Anomalia màxima:',max_2010,'ºC')Anomalia màxima: 6.624153137207031 ºC
min_2010=np.amin(var)
print('Anomalia mínima:',min_2010,'ºC')Anomalia mínima: -4.01034418741862 ºC
Definició de l'anomalia que es mostrarà.
t_nino=t_anom[97,11,:,:]
var=t_ninoCreació del mapa i visualització.
dpi = 101
fig = plt.figure(figsize=(1100/dpi, 1100/dpi), dpi=dpi)
ax = fig.add_axes([0.1,0.1,0.8,0.9])
#----Creació del mapa
map = Basemap(projection='cyl',llcrnrlat= -90.,urcrnrlat= 90.,\
resolution='c', llcrnrlon=-180.,urcrnrlon=180.,lon_0=0.,
lat_0=0.,)
#----Dibuixar les costes, estats, països...
map.drawcoastlines()
#map.drawstates()
#map.fillcontinents()
map.drawcountries(zorder=100)
#----Dibuixar paral·lels i meridians
map.drawparallels(np.arange( -80., 90.,20.),labels=[1,0,0,0],fontsize=14)
map.drawmeridians(np.arange(-180,180.,30.),labels=[0,0,0,1],fontsize=14)
#----*DEFINIR LES COORDENADES X I Y DEL MAPA COM A LES LONGITUDS I LES LATITUDS DE L'ARXIU DE DADES.
x, y = map(*np.meshgrid(lon,lat))
x1, y1 = map(*np.meshgrid(lon-359,lat))
#-- contour levels
#clevs = np.arange(-2,2,.2)*1e7
#clevs=np.arange(13)*2-12
clevs=np.arange(14)*2-13
#----**PINTAR ELS MAPES
cnplot = map.contourf(x1,y1,var,cmap=plt.cm.bwr,levels=clevs)
cnplot = map.contourf(x,y,var,cmap=plt.cm.bwr,levels=clevs)
cs2 = map.contour(x1, y1, var, (0,), colors = 'k', linewidths = 1,levels=clevs)
cs2 = map.contour(x, y, var, (0,), colors = 'k', linewidths = 1,levels=clevs)
#cs2 = map.contour(x, y, var, colors = 'k', linewidths = 1,levels=clevs)
#plt.clabel(cs2, fmt = '%d', colors = 'C',fontsize=12)
#cnplot = map.contourf(x,y,var,cmap=plt.cm.coolwarm)
#----Creació d'una barra de colors
cbar = map.colorbar(cnplot,location='bottom',pad="10%") #-- pad: distància entre el mapa i la barra de colors
cbar.set_label('$ºC$',fontsize=14) #-- Títol de la barra de colors
#----Títol
#plt.title('2000-2010 minus 1900-1910',fontsize=14)
plt.title('NIÑO 1997',fontsize=14)
fig.savefig(data_path+'fig_21', bbox_inches='tight',dpi=400)c:\users\alumne\anaconda3\lib\site-packages\ipykernel_launcher.py:8: MatplotlibDeprecationWarning:
The dedent function was deprecated in Matplotlib 3.1 and will be removed in 3.3. Use inspect.cleandoc instead.
c:\users\alumne\anaconda3\lib\site-packages\ipykernel_launcher.py:14: MatplotlibDeprecationWarning:
The dedent function was deprecated in Matplotlib 3.1 and will be removed in 3.3. Use inspect.cleandoc instead.
Definició de les variables
t_j_i=t[0:10,:,:,:]
t_j_i=np.mean(t_j_i,axis=1)
t_j_i=np.mean(t_j_i,axis=0)
t_j_f=t[102:112,:,:,:]
t_j_f=np.mean(t_j_f,axis=1)
t_j_f=np.mean(t_j_f,axis=0)
dif= t_j_f - t_j_iRepresentació en el mapa
#----Definim la variable que volem representar.
var=dif
dpi = 101
fig = plt.figure(figsize=(1100/dpi, 1100/dpi), dpi=dpi)
ax = fig.add_axes([0.1,0.1,0.8,0.9])
#----Creació del mapa
map = Basemap(projection='cyl',llcrnrlat= -90.,urcrnrlat= 90.,\
resolution='c', llcrnrlon=-180.,urcrnrlon=180.,lon_0=0.,
lat_0=0.,)
#----Dibuixar les costes, estats, països...
map.drawcoastlines()
#map.drawstates()
#map.fillcontinents()
map.drawcountries(zorder=100)
#----Dibuixar paral·lels i meridians
map.drawparallels(np.arange( -80., 90.,20.),labels=[1,0,0,0],fontsize=14)
map.drawmeridians(np.arange(-180,180.,30.),labels=[0,0,0,1],fontsize=14)
#----DEFINIR LES COORDENADES X I Y DEL MAPA COM A LES LONGITUDS I LES LATITUDS DE L'ARXIU DE DADES.
x, y = map(*np.meshgrid(lon,lat))
x1, y1 = map(*np.meshgrid(lon-359,lat))
#-- contour levels
#clevs = np.arange(-15,15,.2)*2
#clevs=np.arange(13)*2-12
clevs=np.arange(8)*2-7
#----PINTAR ELS MAPES
cnplot = map.contourf(x1,y1,var,cmap=plt.cm.bwr,levels=clevs)
cnplot = map.contourf(x,y,var,cmap=plt.cm.bwr,levels=clevs)
cs2 = map.contour(x1, y1, var, (0,), colors = 'k', linewidths = 1,levels=clevs)
cs2 = map.contour(x, y, var, (0,), colors = 'k', linewidths = 1,levels=clevs)
#cs2 = map.contour(x, y, var, colors = 'k', linewidths = 1,levels=clevs)
#plt.clabel(cs2, fmt = '%d', colors = 'C',fontsize=12)
#cnplot = map.contourf(x,y,var,cmap=plt.cm.coolwarm)
#----Creació d'una barra de colors
cbar = map.colorbar(cnplot,location='bottom',pad="10%") #-- pad: distància entre el mapa i la barra de colors
cbar.set_label('$ºC$',fontsize=14) #-- Títol de la barra de colors
#----Títol
plt.title('(2001-2010)- (1901-1909)',fontsize=14)
fig.savefig(data_path+'fig_22', bbox_inches='tight',dpi=400)
Visualització de l'anomalia màxima i mínima.
print('Diferència màxima:',np.max(dif),'ºC')
print('Diferència mínima:',np.min(dif),'ºC')Diferència màxima: 5.6873474 ºC
Diferència mínima: -1.776947 ºC
Anomalies mitjanes a cada hemisferi.
difn=dif[l90n:l1n,:]
difn=np.nanmean(difn, axis=1)
coslatn=np.cos(np.radians(latn))
suman=np.sum(coslatn)
difn=np.sum(coslatn[:]*difn[:])/suman
print('Diferència hemisfèri Nord:',difn,'ºC')Diferència hemisfèri Nord: 1.0698409 ºC
difs=dif[l1s:l90s,:]
difs=np.nanmean(difs, axis=1)
coslats=np.cos(np.radians(lats))
sumas=np.sum(coslats)
difs=np.sum(coslats[:]*difs[:])/sumas
print('Diferència hemisfèri Sud:',difs,'ºC')Diferència hemisfèri Sud: 0.943146 ºC
Creació del gràfic de les anomalies de tot el planeta.
aug0=0
aug1=0
aug2=0
aug3=0
aug4=0
aug5=0
dis=0
for ilat in range(160):
for ilon in range(320):
if dif[ilat,ilon]<0:
dis=dis+1
if 1>dif[ilat,ilon]>0:
aug0=aug0+1
if 2>dif[ilat,ilon]>=1:
aug1=aug1+1
if 3>dif[ilat,ilon]>=2:
aug2=aug2+1
if 4>dif[ilat,ilon]>=3:
aug3=aug3+1
if dif[ilat,ilon]>=4:
aug4=aug4+1
dis=dis*100/51200
aug0=aug0*100/51200
aug1=aug1*100/51200
aug2=aug2*100/51200
aug3=aug3*100/51200
aug4=aug4*100/51200
total=dis+aug0+aug1+aug2+aug3+aug4
labels = 'Disminueix:', 'Entre 0 i 1ºC','Entre 1 i 2ºC', 'Entre 2 i 3ºC','Entre 3 i 4ºC', 'Més de 4ºC'
sizes = [dis, aug0, aug1, aug2, aug3, aug4,]
colors = ['#d6f8b8','#daf1f9','#a4d7e1','#f6edcf','#f0dab1','#daa592',]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=0, pctdistance=1.15, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.legend(labels,
title="Valors de l'anomalia",
loc="center left",
bbox_to_anchor=(1, 0, 0.5, 1))
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Anomalia en les dades de reanàlisi",
loc='right')
plt.show()
fig.savefig(data_path+'fig_23', bbox_inches='tight',dpi=400)
Creació dels gràfics d'anomalies per hemisferis.
aug0n=0
aug1n=0
aug2n=0
aug3n=0
aug4n=0
disn=0
for ilat in range(80):
for ilon in range(320):
if dif[ilat,ilon]<0:
disn=disn+1
if 1>dif[ilat,ilon]>0:
aug0n=aug0n+1
if 2>dif[ilat,ilon]>=1:
aug1n=aug1n+1
if 3>dif[ilat,ilon]>=2:
aug2n=aug2n+1
if 4>dif[ilat,ilon]>=3:
aug3n=aug3n+1
if dif[ilat,ilon]>=4:
aug4n=aug4n+1
disn=disn*100/25600
aug0n=aug0n*100/25600
aug1n=aug1n*100/25600
aug2n=aug2n*100/25600
aug3n=aug3n*100/25600
aug4n=aug4n*100/25600
total=disn+aug0n+aug1n+aug2n+aug3n+aug4n
labels = 'Disminueix:', 'Entre 0 i 1ºC','Entre 1 i 2ºC', 'Entre 2 i 3ºC','Entre 3 i 4ºC', 'Més de 4ºC'
sizes = [disn, aug0n, aug1n, aug2n, aug3n, aug4n,]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=0, pctdistance=1.37, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.legend(labels,
title="Valors de l'anomalia",
loc="center left",
bbox_to_anchor=(1, 0, 0.5, 1))
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Nord",
loc='right')
fig.savefig(data_path+'fig_24b', bbox_inches='tight',dpi=400)
aug0s=0
aug1s=0
aug2s=0
aug3s=0
aug4s=0
diss=0
for ilat in range(80):
for ilon in range(320):
if dif[ilat+80,ilon]<0:
diss=diss+1
if 1>dif[ilat+80,ilon]>0:
aug0s=aug0s+1
if 2>dif[ilat+80,ilon]>=1:
aug1s=aug1s+1
if 3>dif[ilat+80,ilon]>=2:
aug2s=aug2s+1
if 4>dif[ilat+80,ilon]>=3:
aug3s=aug3s+1
if dif[ilat+80,ilon]>=4:
aug4s=aug4s+1
diss=diss*100/25600
aug0s=aug0s*100/25600
aug1s=aug1s*100/25600
aug2s=aug2s*100/25600
aug3s=aug3s*100/25600
aug4s=aug4s*100/25600
total=diss+aug0s+aug1s+aug2s+aug3s+aug4s
labels = 'Disminueix:', 'Entre 0 i 1ºC','Entre 1 i 2ºC', 'Entre 2 i 3ºC','Entre 3 i 4ºC', 'Més de 4ºC'
sizes = [diss, aug0s, aug1s, aug2s, aug3s, aug4s,]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=0, pctdistance=1.25, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Sud",
loc='right')
plt.show()
fig.savefig(data_path+'fig_24a', bbox_inches='tight',dpi=400)
En el següent apartat es treballarà en la construcció de mapes i gràfics a partir de dades històriques (1850-2014) i dades de tres escenaris diferents SSP1 (o 126), SSP 2 (o 245) i SSP 3 (o 585).
Importació de les biblioteques i de les dades.
# import modules
import numpy as np
import matplotlib as mpl
from netCDF4 import Dataset as ncread
from mpl_toolkits.basemap import Basemap
import matplotlib.pyplot as plt
%matplotlib inline#DADES HISTÒRIQUES
data_path= "C:/Users/alumne/Desktop/Dades/"#Aquest paràmetre varia segons la situació de l'arxiu de dades de l'usuari.
nc0 = ncread(data_path+'tas_1850-2014_historical.nc')
#Definim les variables
u0 = nc0.variables['tas'][:]
lon0 = nc0.variables['lon'][:]
lat0 = nc0.variables['lat'][:]
ni0=len(lon0)
ny0=len(lat0)
nyr0=int(len(u0[:,0,0,0])/12)
nt0=len(u0[:,0,0,0])
u0= np.reshape(u0,(nyr0,12,10,ny0,ni0))
u=u0[50:161,:,:,:,:]
nc0.close()
#DADES DE REANÀLISI
nc = ncread(data_path+'e20C_Amon_tas_190001-201012.nc')
#Definim les variables
t = nc.variables['2T_GDS4_SFC'][:]
lon = nc.variables['g4_lon_2'][:]
lat = nc.variables['g4_lat_1'][:]
ni=len(lon)
ny=len(lat)
nyr=int(len(t[:,0,0])/12)
nt=len(t[:,0,0])
t = np.reshape(t,(nyr,12,ny,ni))
nc.close()
#ESCENARI SSP1(126)
nc126 = ncread(data_path+'tas_2015-2100_ssp126.nc')
#Definim les variables
t126= nc126.variables['tas'][:]
lon126 = nc126.variables['lon'][:]
lat126 = nc126.variables['lat'][:]
ni126 =len(lon126)
ny126 =len(lat126)
nyr126 =int(len(t126[:,0,0,0])/10)
t126 = np.reshape(t126,(nyr126,10,12,ny126,ni126))
nc126.close()
#ESCENARI SSP2
nc245 = ncread(data_path+'tas_2015-2100_ssp245.nc')
#Definim les variables
t245= nc245.variables['tas'][:]
lon245 = nc245.variables['lon'][:]
lat245 = nc245.variables['lat'][:]
ni245 =len(lon245)
ny245 =len(lat245)
nyr245 =int(len(t245[:,0,0,0])/12)
nt245=len(t245[:,0,0,0])
t245= np.reshape(t245,(nyr245,12,10,ny245,ni245))
nc245.close()
#ESCENARI SSP5
nc585 = ncread(data_path+'tas_2015-2100_ssp585.nc')
#Definim les variables
t585= nc585.variables['tas'][:]
lon585 = nc585.variables['longitude'][:]
lat585 = nc585.variables['latitude'][:]
ni585 =len(lon585)
ny585 =len(lat585)
nyr585 =int(len(t585[:,0,0,0])/12)
nt585 =len(t585[:,0,0,0])
t585 = np.reshape(t585,(nyr585,12,10,ny585,ni585))
nc585.close()
Càlcul dels valors i de les mitjanes.
u=u0[50:162,:,:,:,:]
u1_0 =np.nanmean(u,axis=2)
u1_0 =np.nanmean(u1_0,axis=1)
u1_0 =np.nanmean(u1_0,axis=2)-273.15
coslat0=np.cos(np.radians(lat0))
suma0=np.sum(coslat0)
ug=np.empty(111)
ug.fill(np.nan)
for it in range(111):
ug[it]=np.sum(coslat0[:]*u1_0[it,:])/suma0
t1=t[:,:,:,:]
t1_0 =np.nanmean(t1,axis=1)
t1_0 =np.nanmean(t1_0,axis=2)-273.15
coslat=np.cos(np.radians(lat))
suma=np.sum(coslat)
tg=np.empty(111)
tg.fill(np.nan)
for it in range(111):
tg[it]=np.sum(coslat[:]*t1_0[it,:])/suma
tg_mean=np.nanmean(tg)
ug_mean=np.nanmean(ug)Visualització dels resultats.
years=np.arange(111)+1900
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(years,tg, color='g')
print("Temperatura mitjana històric:",ug_mean,"ºC")
print("Temperatura mitjana reanàlisi:",tg_mean,"ºC")
plt.plot(years,ug,color='b')
plt.title('Comparació històric-reanàlisi',fontsize=14)
plt.xlabel('t (anys)')
plt.ylabel('T (ºC)')
plt.legend(('Reanàlisi', 'Històric'),
shadow=True, handlelength=1.5, fontsize=12)
fig.savefig(data_path+'Evolució_temperatura.png', bbox_inches='tight',dpi=400)
difmean=ug_mean-tg_mean
print("Diferència:",difmean,"ºC")Temperatura mitjana històric: 13.904147874497543 ºC
Temperatura mitjana reanàlisi: 13.128585342888359 ºC
Diferència: 0.7755625316091841 ºC
Definició de les latituds que corresponen a cada hemisferi
l90s = (np.abs(lat+90)).argmin()#La variable agafa el valor de la latitud que més s'acosti a -45.(Hemisferi sud)
l1s = (np.abs(lat+1)).argmin()
l1n = (np.abs(lat-1)).argmin()#El mateix però a l'hemisferi nord.
l90n = (np.abs(lat-90)).argmin()#El mateix però a l'hemisferi nord.
latn=lat[l90n:l1n]
lats=lat[l1s:l90s]Càlcul del recorregut dels tres escenaris en el període (2015-2100).
coslat245=np.cos(np.radians(lat245))
suma245=np.sum(coslat245)
s1=t245[:,:,:,:,:]
s1_0 =np.nanmean(s1,axis=1)
s1_0 =np.nanmean(s1_0,axis=1)
s1_0 =np.nanmean(s1_0,axis=2)-273.15
s1_0_0=np.empty(86)
s1_0_0.fill(np.nan)
for it in range(86):
s1_0_0[it]=np.sum(coslat245[:]*s1_0[it,:])/suma245
ssp2=np.zeros((151))
ssp2.fill(np.nan)
ssp2[65:151]=s1_0_0
coslat585=np.cos(np.radians(lat585))
suma585=np.sum(coslat585)
t2=t585[:,:,:,:,:]
t2_0 =np.nanmean(t2,axis=1)
t2_0 =np.nanmean(t2_0,axis=1)
t2_0 =np.nanmean(t2_0,axis=2)-273.15
t2_0_0=np.empty(86)
t2_0_0.fill(np.nan)
for it in range(86):
t2_0_0[it]=np.sum(coslat585[:]*t2_0[it,:])/suma585
ssp5=np.zeros((151))
ssp5.fill(np.nan)
ssp5[65:151]=t2_0_0
coslat126=np.cos(np.radians(lat126))
suma126=np.sum(coslat126)
c1=t126[:,:,:,:,:]
c1_0 =np.nanmean(c1,axis=2)
c1_0 =np.nanmean(c1_0,axis=1)
c1_0 =np.nanmean(c1_0,axis=2)-273.15
c1_0_0=np.empty(86)
c1_0_0.fill(np.nan)
for it in range(86):
c1_0_0[it]=np.sum(coslat126[:]*c1_0[it,:])/suma126
ssp1=np.zeros((151))
ssp1.fill(np.nan)
ssp1[65:151]=c1_0_0
Càlcul de l'històric i representació del resultat
u2_0 =np.nanmean(u0,axis=1)
u2_0 =np.nanmean(u2_0,axis=1)
u2_0 =np.nanmean(u2_0,axis=2)-273.15
#nyr0,12,10,ny0,ni0
u2_0_0=np.empty(166)
u2_0_0.fill(np.nan)
for it in range(165):
u2_0_0[it]=np.sum(coslat0[:]*u2_0[it,:])/suma0
years=np.arange(151)+1950
hist=np.zeros((151))
hist.fill(np.nan)
hist[0:66]=u2_0_0[100:166]
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(years,ssp1,color='g')
plt.plot(years,ssp2,color='b')
plt.plot(years,ssp5,color='r')
plt.plot(years,hist,color='k')
plt.xlim(1950,2100)
plt.ylim(13,22)
plt.title('Escenaris i Històric',fontsize=14)
plt.xlabel('t (anys)')
plt.ylabel('T (ºC)')
plt.legend(('SSP 1 (126)','SSP 2 (245)','SSP 5 (585)','Històric'),
shadow=True, handlelength=1.5, fontsize=12)
fig.savefig(data_path+'escenaris', bbox_inches='tight',dpi=400)
Execució de la resta.
u3=u0[50:60,:,:,:,:]
u3_0=np.nanmean(u3,axis=2)
u3_1=np.nanmean(u3_0,axis=0)
u3_0=np.nanmean(u3_1,axis=0)
u3_2=np.nanmean(u3_1,axis=2)
u3_2_0=np.empty(12)
u3_2_0.fill(np.nan)
for it in range(12):
u3_2_0[it]=np.sum(coslat0[:]*u3_2[it,:])/suma0
#126
c2=t126[76:86,:,:,:,:]
c2_0 =np.nanmean(c2,axis=1)
c2_1 =np.nanmean(c2_0,axis=0)
c2_0 =np.nanmean(c2_1,axis=0)
c3_2=np.nanmean(c2_1,axis=2)
c3_2_0=np.empty(12)
c3_2_0.fill(np.nan)
for it in range(12):
c3_2_0[it]=np.sum(coslat126[:]*c3_2[it,:])/suma126
dif126= c2_0 - u3_0
dif1=c3_2_0-u3_2_0
anom1=np.nanmean(dif1,axis=0)
print("Anomalia en l'escenari SSP 1:",anom1,"ºC")Anomalia en l'escenari SSP 1: 2.80741614630891 ºC
Representació de l'anomalia en forma de mapa
var=dif126
dpi = 101
fig = plt.figure(figsize=(1100/dpi, 1100/dpi), dpi=dpi)
ax = fig.add_axes([0.1,0.1,0.8,0.9])
#----Creació del mapa
map = Basemap(projection='cyl',llcrnrlat= -88.,urcrnrlat= 88.,\
resolution='c', llcrnrlon=-180.,urcrnrlon=180.,lon_0=0.,
lat_0=0.,)
#----Dibuixar les costes, estats, països...
map.drawcoastlines()
#map.drawstates()
#map.fillcontinents()
map.drawcountries(zorder=100)
#----Dibuixar paral·lels i meridians
map.drawparallels(np.arange( -80., 90.,20.),labels=[1,0,0,0],fontsize=14)
map.drawmeridians(np.arange(-180,180.,30.),labels=[0,0,0,1],fontsize=14)
#----DEFINIR LES COORDENADES X I Y DEL MAPA COM A LES LONGITUDS I LES LATITUDS DE L'ARXIU DE DADES.
x, y = map(*np.meshgrid(lon126,lat126))
x1, y1 = map(*np.meshgrid(lon126-357,lat126))
#-- contour levels
#clevs = np.arange(-15,15,.2)*2
#clevs=np.arange(13)*2-12
#clevs=np.arange(20)*2-19
clevs=np.arange(27)*2-26
#----PINTAR ELS MAPES
cnplot = map.contourf(x1,y1,var,cmap=plt.cm.bwr,levels=clevs)
cnplot= map.contourf(x,y,var,cmap=plt.cm.bwr,levels=clevs)
cs = map.contour(x1, y1, var, (0,), colors = 'k', linewidths = 0.5,levels=clevs)
cs = map.contour(x, y, var, (0,), colors = 'k', linewidths = 0.5,levels=clevs)
#cs2 = map.contour(x, y, var, colors = 'k', linewidths = 1,levels=clevs)
#plt.clabel(cs2, fmt = '%d', colors = 'C',fontsize=12)
#cnplot = map.contourf(x,y,var,cmap=plt.cm.coolwarm)
#----Creació d'una barra de colors
cbar = map.colorbar(cnplot,location='bottom',pad="10%") #-- pad: distància entre el mapa i la barra de colors
cbar.set_label('$ºC$',fontsize=14) #-- Títol de la barra de colors
#----Títol
plt.title('Escenari 126:(2091-2100)- (1900-1909)',fontsize=14)
fig.savefig(data_path+'Mapa resta 126', bbox_inches='tight',dpi=400)
Càlcul de l'anomalia màxima i mínima.
print("Diferència màxima:",np.amax(dif126),"ºC")
print("Diferència mínima:",np.amin(dif126),"ºC")Diferència màxima: 17.912964 ºC
Diferència mínima: 0.70654297 ºC
Càlcul de les temperatures mitjanes mensuals de cadascun dels anys.
c4=t126[5,:,:,:,:]
c4_0 =np.nanmean(c4,axis=0)
c4_0 =np.nanmean(c4_0,axis=2)
c4_0_0=np.empty(12)
c4_0_0.fill(np.nan)
for it in range(12):
c4_0_0[it]=(np.sum(coslat126[:]*c4_0[it,:])/suma126)-273.15
c5=t126[85,:,:,:,:]
c5_0 =np.nanmean(c5,axis=0)
c5_0 =np.nanmean(c5_0,axis=2)
c5_0_0=np.empty(12)
c5_0_0.fill(np.nan)
for it in range(12):
c5_0_0[it]=(np.sum(coslat126[:]*c5_0[it,:])/suma126)-273.15Representació dels resultats.
months=np.arange(12)+1
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(months,c4_0_0,color='k')
plt.plot(months,c5_0_0,color='g')
plt.title('Comparació entre els anys 2020 i 2100 (SSP 1)',fontsize=14)
plt.xlabel('t (mesos)')
plt.ylabel('T (ºC)')
plt.legend(('2019','2100',),
shadow=True, handlelength=1.5, fontsize=12)
fig.savefig(data_path+'compa2020-2100', bbox_inches='tight',dpi=400)
difmean20_100= np.nanmean(c5_0_0)-np.nanmean(c4_0_0)
print("Diferència de temperatura entre el 2020 i el 2100:",difmean20_100,"ºC")Diferència de temperatura entre el 2020 i el 2100: 0.9142132092999056 ºC
Representació de les anomalies que es produirien durant cada mes.
months=np.arange(12)+1
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(months,dif1,color='k')
plt.title('Variació de les anomalies segons el mes (SSP 1)',fontsize=14)
plt.xlabel('t (mesos)')
plt.ylabel('T (ºC)')
fig.savefig(data_path+'var126', bbox_inches='tight',dpi=400)
Càlcul dels gràfics de tot el planeta.
aug0126=0
aug1126=0
aug2126=0
aug3126=0
aug4126=0
aug5126=0
for ilat in range(64):
for ilon in range(128):
if 5>dif126[ilat,ilon]>0:
aug0126=aug0126+1
if 10>dif126[ilat,ilon]>=5:
aug1126=aug1126+1
if 15>dif126[ilat,ilon]>=10:
aug2126=aug2126+1
if dif126[ilat,ilon]>=15:
aug3126=aug3126+1
# if dif126[ilat,ilon]>=4:
# aug4=aug4+1
# if dif126[ilat,ilon]<5:
# aug
aug0126=aug0126*100/8192
aug1126=aug1126*100/8192
aug2126=aug2126*100/8192
aug3126=aug3126*100/8192
#aug4=aug4*100/8192
labels = 'Entre 0 i 5ºC','Entre 5 i 10ºC', 'Entre 10 i 15ºC','Entre 15 i 20ºC'
sizes = [aug0126, aug1126, aug2126, aug3126,] #aug4,
colors = ['#d6f8b8','#daf1f9','#a4d7e1','#f6edcf','#f0dab1','#daa592',]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=0, pctdistance=1.15, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.legend(labels,
title="Valors de l'anomalia",
loc="center left",
bbox_to_anchor=(1, 0, 0.5, 1))
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Percentatge d'anomalies (SSP 1)",
loc='right')
plt.show()
fig.savefig(data_path+'fig_25', bbox_inches='tight',dpi=400)
Definició de les latituds que corresponen a cada hemisferi.
coslat126n=np.cos(lat126n)
l90s = (np.abs(lat+90)).argmin()#La variable agafa el valor de la latitud que més s'acosti a -45.(Hemisferi sud)
l1s = (np.abs(lat+1)).argmin()
l1n = (np.abs(lat-1)).argmin()#El mateix però a l'hemisferi nord.
l90n = (np.abs(lat-90)).argmin()#El mateix però a l'hemisferi nord.
latn=lat[l90n:l1n]
lats=lat[l1s:l90s]Càlcul de les anomalies per hemisferi.
c6=dif126[33:65,:]
c6_0 =np.nanmean(c6,axis=1)
coslat126n=np.cos(np.radians(lat126[33:65]))
suma126n=np.sum(coslat126n)
c6_0_0=(np.sum(coslat126n[:]*c6_0[:])/suma126n)
print ('Nord:',c6_0_0,'ºC')Nord: 3.6481267714306966 ºC
c7=dif126[0:33,:]
c7_0 =np.nanmean(c7,axis=1)
coslat126s=np.cos(np.radians(lat126[0:33]))
suma126s=np.sum(coslat126s)
c7_0_0=(np.sum(coslat126s[:]*c7_0[:])/suma126s)
print ('Sud:',c7_0_0,'ºC')Sud: 2.0447679448373433 ºC
Càlculs dels percentatges d'anomalia per cada hemisferi.
aug0126n=0
aug1126n=0
aug2126n=0
aug3126n=0
aug4126n=0
for ilat in range(32):
for ilon in range(128):
if dif126[ilat+32,ilon]<5:
aug0126n=aug0126n+1
if 10>dif126[ilat+32,ilon]>=5:
aug1126n=aug1126n+1
if 15>dif126[ilat+32,ilon]>=10:
aug2126n=aug2126n+1
if 20>dif126[ilat+32,ilon]>=15:
aug3126n=aug3126n+1
aug0126n=aug0126n*100/4096
aug1126n=aug1126n*100/4096
aug2126n=aug2126n*100/4096
aug3126n=aug3126n*100/4096
#aug4126n=aug4126n*100/4096
#total=disn+aug0n+aug1n+aug2n+aug3n+aug4n
labels = 'Entre 0 i 1ºC','Entre 1 i 2ºC', 'Entre 2 i 3ºC','Entre 3 i 4ºC', 'Més de 4ºC'
sizes = [aug0126n, aug1126n, aug2126n, aug3126n, ]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=0, pctdistance=1.2, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Nord (SSP 1)",
loc='center')
fig.savefig(data_path+'fig_25a', bbox_inches='tight',dpi=400)
aug0126s=0
aug1126s=0
aug2126s=0
aug3126s=0
aug4126s=0
for ilat in range(32):
for ilon in range(128):
if dif126[ilat,ilon]<5:
aug0126s=aug0126s+1
if 10>dif126[ilat,ilon]>=5:
aug1126s=aug1126s+1
if 15>dif126[ilat,ilon]>=10:
aug2126s=aug2126s+1
if 20>dif126[ilat,ilon]>=15:
aug3126s=aug3126s+1
#if dif[ilat+32,ilon]>=20:
#aug4126s=aug4126s+1
aug0126s=aug0126s*100/4096
aug1126s=aug1126s*100/4096
aug2126s=aug2126s*100/4096
aug3126s=aug3126s*100/4096
#aug4126s=aug4126s*100/4096
sizes = [aug0126s, aug1126s, ] #aug4126s,
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=45, pctdistance=1.25, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Sud (SSP 1)",
loc='center')
plt.show()
fig.savefig(data_path+'fig_25b', bbox_inches='tight',dpi=400)
Execució de la resta
#245
s2=t245[76:86,:,:,:,:]
s2_0 =np.nanmean(s2,axis=2)
s2_1 =np.nanmean(s2_0,axis=0)
s2_0 =np.nanmean(s2_1,axis=0)
s2_2 =np.nanmean(s2_1,axis=2)
s2_2_0=np.empty(12)
s2_2_0.fill(np.nan)
for it in range(12):
s2_2_0[it]=np.sum(coslat245[:]*s2_2[it,:])/suma245
dif245 = s2_0 - u3_0
dif2=s2_2_0-u3_2_0
anom2=np.nanmean(dif2,axis=0)
print("Anomalia total:",anom2,"ºC")Anomalia total: 4.305457574628979 ºC
Creació del mapa.
var=dif245
dpi = 101
fig = plt.figure(figsize=(1100/dpi, 1100/dpi), dpi=dpi)
ax = fig.add_axes([0.1,0.1,0.8,0.9])
#----Creació del mapa
map = Basemap(projection='cyl',llcrnrlat= -88.,urcrnrlat= 88.,\
resolution='c', llcrnrlon=-180.,urcrnrlon=180.,lon_0=0.,
lat_0=0.,)
#----Dibuixar les costes, estats, països...
map.drawcoastlines()
#map.drawstates()
#map.fillcontinents()
map.drawcountries(zorder=100)
#----Dibuixar paral·lels i meridians
map.drawparallels(np.arange( -80., 90.,20.),labels=[1,0,0,0],fontsize=14)
map.drawmeridians(np.arange(-180,180.,30.),labels=[0,0,0,1],fontsize=14)
#----DEFINIR LES COORDENADES X I Y DEL MAPA COM A LES LONGITUDS I LES LATITUDS DE L'ARXIU DE DADES.
x, y = map(*np.meshgrid(lon245,lat245))
x1, y1 = map(*np.meshgrid(lon245-358,lat245))
#-- contour levels
#clevs = np.arange(-15,15,.2)*2
#clevs=np.arange(13)*2-12
#clevs=np.arange(24)*2-23
clevs=np.arange(27)*2-26
#----PINTAR ELS MAPES
cnplot = map.contourf(x1,y1,var,cmap=plt.cm.bwr,levels=clevs)
cnplot= map.contourf(x,y,var,cmap=plt.cm.bwr,levels=clevs)
cs = map.contour(x1, y1, var, (0,), colors = 'k', linewidths = 0.5,levels=clevs)
cs = map.contour(x, y, var, (0,), colors = 'k', linewidths = 0.5,levels=clevs)
#cs2 = map.contour(x, y, var, colors = 'k', linewidths = 1,levels=clevs)
#plt.clabel(cs2, fmt = '%d', colors = 'C',fontsize=12)
#cnplot = map.contourf(x,y,var,cmap=plt.cm.coolwarm)
#----Creació d'una barra de colors
cbar = map.colorbar(cnplot,location='bottom',pad="10%") #-- pad: distància entre el mapa i la barra de colors
cbar.set_label('$ºC$',fontsize=14) #-- Títol de la barra de colors
#----Títol
plt.title('Escenari 245:(2091-2100)- (1900-1909)',fontsize=14)
fig.savefig(data_path+'map245', bbox_inches='tight',dpi=400)
Càlcul de l'anomalia màxima i mínima.
print("Anomalia màxima:",np.amax(var),"ºC")
print("Anomalia mínima:",np.amin(var),"ºC")Anomalia màxima: 20.11792 ºC
Anomalia mínima: 1.2791443 ºC
Càlcul de les temperatures dels dos respectius anys.
s3=t245[5,:,:,:,:]
s3_0 =np.nanmean(s3,axis=1)
s3_0 =np.nanmean(s3_0,axis=2)
s3_0_0=np.empty(12)
s3_0_0.fill(np.nan)
for it in range(12):
s3_0_0[it]=(np.sum(coslat245[:]*s3_0[it,:])/suma245)-273.15
s4=t245[85,:,:,:,:]
s4_0 =np.nanmean(s4,axis=1)
s4_0 =np.nanmean(s4_0,axis=2)
s4_0_0=np.empty(12)
s4_0_0.fill(np.nan)
for it in range(12):
s4_0_0[it]=(np.sum(coslat245[:]*s4_0[it,:])/suma245)-273.15Visualització dels resultats.
months=np.arange(12)+1
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(months,s3_0_0,color='k')
plt.plot(months,s4_0_0,color='b')
plt.title('Comparació entre els anys 2020 i 2100 (SSP 2)',fontsize=14)
plt.xlabel('t (mesos)')
plt.ylabel('T (ºC)')
plt.legend(('2019','2100',),
shadow=True, handlelength=1.5, fontsize=12)
fig.savefig(data_path+'compa2020-2100ssp2', bbox_inches='tight',dpi=400)
difmean20_100ssp2= np.nanmean(s4_0_0)-np.nanmean(s3_0_0)
print("Diferència entre el 2020 i el 2100:",difmean20_100ssp2,"ºC")Diferència entre el 2020 i el 2100: 2.414610433995719 ºC
Representació de la variació de les anomalies.
months=np.arange(12)+1
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(months,dif2,color='k')
plt.title('Variació de les anomalies segons el mes (SSP 2)',fontsize=14)
plt.xlabel('t (mesos)')
plt.ylabel('T (ºC)')
fig.savefig(data_path+'var245', bbox_inches='tight',dpi=400)
difvar12mon=np.empty(12)
for imon in range (12):
difvar12mon[imon]=np.nanmean(dif2[imon]-dif1[imon])
difvar12=np.nanmean(dif2)-np.nanmean(dif1)
print("Diferència de les anomalies mitjanes",difvar12,"ºC")Diferència de les anomalies mitjanes 1.498041428320069 ºC
Càlcul de les anomalies per hemisferis
s5=dif245[33:65,:]
s5_0 =np.nanmean(s5,axis=1)
coslat245n=np.cos(np.radians(lat245[33:65]))
suma245n=np.sum(coslat245n)
s5_0_0=(np.sum(coslat245n[:]*s5_0[:])/suma245n)
print ('Nord:',s5_0_0,'ºC')
Nord: 5.407630794902578 ºC
s6=dif245[0:33,:]
s6_0 =np.nanmean(s6,axis=1)
coslat245s=np.cos(np.radians(lat245[0:33]))
suma245s=np.sum(coslat245s)
s6_0_0=(np.sum(coslat245s[:]*s6_0[:])/suma245s)
print ('Sud:',s6_0_0,'ºC')Sud: 3.3056238561804143 ºC
Càlcul i visualització dels percentatges.
aug0245=0
aug1245=0
aug2245=0
aug3245=0
aug4245=0
aug5245=0
for ilat in range(64):
for ilon in range(128):
if 5>dif245[ilat,ilon]>0:
aug0245=aug0245+1
if 10>dif245[ilat,ilon]>=5:
aug1245=aug1245+1
if 15>dif245[ilat,ilon]>=10:
aug2245=aug2245+1
if 20>dif245[ilat,ilon]>=15:
aug3245=aug3245+1
if dif245[ilat,ilon]>=20:
aug4245=aug4245+1
aug0245=aug0245*100/8192
aug1245=aug1245*100/8192
aug2245=aug2245*100/8192
aug3245=aug3245*100/8192
aug4245=aug4245*100/8192
#print(aug0,aug1,aug2,aug3, aug4,)
#total=dis+aug0+aug1+aug2+aug3+aug4
labels = 'Entre 0 i 5ºC','Entre 5 i 10ºC', 'Entre 10 i 15ºC','Entre 15 i 20ºC','Entre 20 i 25ºC'
sizes = [aug0245, aug1245, aug2245, aug3245,aug4245] #aug4,
colors = ['#d6f8b8','#daf1f9','#a4d7e1','#f6edcf','#f0dab1','#daa592',]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=0, pctdistance=1.15, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.legend(labels,
title="Valors de l'anomalia",
loc="center left",
bbox_to_anchor=(1, 0, 0.5, 1))
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Percentatge d'anomalies de l'escenari SSP 2",
loc='right')
plt.show()
fig.savefig(data_path+'fig_26', bbox_inches='tight',dpi=400)
Càlcul i visualització dels percentatges pels hemisferis.
aug0245n=0
aug1245n=0
aug2245n=0
aug3245n=0
aug4245n=0
for ilat in range(32):
for ilon in range(128):
if dif245[ilat+32,ilon]<5:
aug0245n=aug0245n+1
if 10>dif245[ilat+32,ilon]>=5:
aug1245n=aug1245n+1
if 15>dif245[ilat+32,ilon]>=10:
aug2245n=aug2245n+1
if 20>dif245[ilat+32,ilon]>=15:
aug3245n=aug3245n+1
if 25>dif245[ilat+32,ilon]>=20:
aug4245n=aug4245n+1
aug0245n=aug0245n*100/4096
aug1245n=aug1245n*100/4096
aug2245n=aug2245n*100/4096
aug3245n=aug3245n*100/4096
aug4245n=aug4245n*100/4096
total=aug0245n+aug1245n+aug2245n+aug3245n+aug4245n
#labels = 'Entre 0 i 1ºC','Entre 1 i 2ºC', 'Entre 2 i 3ºC','Entre 3 i 4ºC', 'Més de 4ºC'
sizes = [aug0245n, aug1245n, aug2245n, aug3245n, aug4245n]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=30, pctdistance=1.15, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Nord (SSP 2)",
loc='center')
fig.savefig(data_path+'fig_26a', bbox_inches='tight',dpi=400)
aug0245s=0
aug1245s=0
aug2245s=0
aug3245s=0
aug4245s=0
for ilat in range(32):
for ilon in range(128):
if dif245[ilat,ilon]<5:
aug0245s=aug0245s+1
if 10>dif245[ilat,ilon]>=5:
aug1245s=aug1245s+1
if 15>dif245[ilat,ilon]>=10:
aug2245s=aug2245s+1
if 20>dif245[ilat,ilon]>=15:
aug3245s=aug3245s+1
if dif245[ilat,ilon]>=20:
aug4245s=aug4245s+1
aug0245s=aug0245s*100/4096
aug1245s=aug1245s*100/4096
aug2245s=aug2245s*100/4096
aug3245s=aug3245s*100/4096
aug4245s=aug4245s*100/4096
sizes = [aug0245s, aug1245s,]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=0, pctdistance=1.25, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Sud (SSP 2)",
loc='center')
plt.show()
fig.savefig(data_path+'fig_26b', bbox_inches='tight',dpi=400)
Execució de la resta.
#585
t3=t585[76:86,:,:,:,:]
t3_0 =np.nanmean(t3,axis=2)
t3_1 =np.nanmean(t3_0,axis=0)
t3_0 =np.nanmean(t3_1,axis=0)
t3_2=np.nanmean(t3_1,axis=2)
t3_2_0=np.empty(12)
t3_2_0.fill(np.nan)
for it in range(12):
t3_2_0[it]=np.sum(coslat585[:]*t3_2[it,:])/suma585
dif585= t3_0 - u3_0
dif5= t3_2_0 - u3_2_0
anom5=np.nanmean(dif5,axis=0)
print("Anomalia:",anom5,"ºC")Anomalia: 7.473364014191172 ºC
Representació en un mapa.
var=dif585
dpi = 101
fig = plt.figure(figsize=(1100/dpi, 1100/dpi), dpi=dpi)
ax = fig.add_axes([0.1,0.1,0.8,0.9])
#----Creació del mapa
map = Basemap(projection='cyl',llcrnrlat= -88.,urcrnrlat= 88.,\
resolution='c', llcrnrlon=-180.,urcrnrlon=180.,lon_0=0.,
lat_0=0.,)
#----Dibuixar les costes, estats, països...
map.drawcoastlines()
#map.drawstates()
#map.fillcontinents()
map.drawcountries(zorder=100)
#----Dibuixar paral·lels i meridians
map.drawparallels(np.arange( -80., 90.,20.),labels=[1,0,0,0],fontsize=14)
map.drawmeridians(np.arange(-180,180.,30.),labels=[0,0,0,1],fontsize=14)
#----DEFINIR LES COORDENADES X I Y DEL MAPA COM A LES LONGITUDS I LES LATITUDS DE L'ARXIU DE DADES.
x, y = map(*np.meshgrid(lon585,lat585))
x1, y1 = map(*np.meshgrid(lon585-358,lat585))
#-- contour levels
#clevs = np.arange(-15,15,.2)*2
#clevs=np.arange(13)*2-12
clevs=np.arange(27)*2-26
#----PINTAR ELS MAPES
cnplot = map.contourf(x1,y1,var,cmap=plt.cm.bwr,levels=clevs)
cnplot= map.contourf(x,y,var,cmap=plt.cm.bwr,levels=clevs)
cs = map.contour(x1, y1, var, (0,), colors = 'k', linewidths = 0.5,levels=clevs)
cs = map.contour(x, y, var, (0,), colors = 'k', linewidths = 0.5,levels=clevs)
#----Creació d'una barra de colors
cbar = map.colorbar(cnplot,location='bottom',pad="10%") #-- pad: distància entre el mapa i la barra de colors
cbar.set_label('$ºC$',fontsize=14) #-- Títol de la barra de colors
#----Títol
plt.title('Escenari 585:(2091-2100)- (1900-1909)',fontsize=14)
fig.savefig(data_path+'map5', bbox_inches='tight',dpi=400)
Càlcul del valor mínim i el màxim.
print("Anomalia màxima:",np.amax(dif585),"ºC")
print("Anomalia mínima:",np.amin(dif585),"ºC")Anomalia màxima: 25.08612 ºC
Anomalia mínima: 2.4594421 ºC
Càlcul de les temperatures mitjanes de cada més de cadascun dels anys.
t4=t585[5,:,:,:,:]
t4_0 =np.nanmean(t4,axis=1)
t4_0 =np.nanmean(t4_0,axis=2)
t4_0_0=np.empty(12)
t4_0_0.fill(np.nan)
for it in range(12):
t4_0_0[it]=(np.sum(coslat585[:]*t4_0[it,:])/suma585)-273.15
t5=t585[85,:,:,:,:]
t5_0 =np.nanmean(t5,axis=1)
t5_0 =np.nanmean(t5_0,axis=2)
t5_0_0=np.empty(12)
t5_0_0.fill(np.nan)
for it in range(12):
t5_0_0[it]=(np.sum(coslat585[:]*t5_0[it,:])/suma585)-273.15Representació en un gràfic.
months=np.arange(12)+1
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(months,t4_0_0,color='k')
plt.plot(months,t5_0_0,color='r')
plt.title('Comparació entre els anys 2020 i 2100 (SSP 5)',fontsize=14)
plt.xlabel('t (mesos)')
plt.ylabel('T (ºC)')
plt.legend(('2019','2100',),
shadow=True, handlelength=1.5, fontsize=12)
fig.savefig(data_path+'compa2020-2100ssp5', bbox_inches='tight',dpi=400)
difmean20_100ssp5= np.nanmean(t5_0_0)-np.nanmean(t4_0_0)
print("Diferència 2020-2100:",difmean20_100ssp5,"ºC")Diferència 2020-2100: 5.910004061697382 ºC
Representació en forma de gràfic.
months=np.arange(12)+1
fig,ax1=plt.subplots(figsize=(8,5))
plt.plot(months,dif5,color='k')
plt.title('Variació de les anomalies segons el mes (SSP 5)',fontsize=14)
plt.xlabel('t (mesos)')
plt.ylabel('T (ºC)')
fig.savefig(data_path+'var585', bbox_inches='tight',dpi=400)
difvar25=np.nanmean(dif5)-np.nanmean(dif2)
difvar15=np.nanmean(dif5)-np.nanmean(dif1)
print("Diferència de la mitjana de l'anomalia mensual amb l'escenari SSP2:",difvar25,"ºC")
print("Diferència de la mitjana de l'anomalia mensual amb l'escenari SSP1:",difvar15,"ºC")Diferència de la mitjana de l'anomalia mensual amb l'escenari SSP2: 3.167906439562193 ºC
Diferència de la mitjana de l'anomalia mensual amb l'escenari SSP1: 4.665947867882262 ºC
Càlcul dels percentatges per tot el planeta.
aug0585=0
aug1585=0
aug2585=0
aug3585=0
aug4585=0
aug5585=0
for ilat in range(64):
for ilon in range(128):
if 5>dif585[ilat,ilon]:
aug0585=aug0585+1
if 10>dif585[ilat,ilon]>=5:
aug1585=aug1585+1
if 15>dif585[ilat,ilon]>=10:
aug2585=aug2585+1
if 20>dif585[ilat,ilon]>=15:
aug3585=aug3585+1
if 25>dif585[ilat,ilon]>=20:
aug4585=aug4585+1
if dif585[ilat,ilon]>=25:
aug5585=aug5585+1
aug0585=aug0585*100/8192
aug1585=aug1585*100/8192
aug2585=aug2585*100/8192
aug3585=aug3585*100/8192
aug4585=aug4585*100/8192
aug5585=aug5585*100/8192
#print(aug0,aug1,aug2,aug3, aug4,)
total=aug0585+aug1585+aug2585+aug3585+aug4585+aug5585
labels = 'Entre 0 i 5ºC','Entre 5 i 10ºC', 'Entre 10 i 15ºC','Entre 15 i 20ºC','Entre 20 i 25ºC','Entre 25 i 30ºC'
sizes = [aug0585, aug1585, aug2585, aug3585,aug4585,aug5585]
print(total)
colors = ['#d6f8b8','#daf1f9','#a4d7e1','#f6edcf','#f0dab1','#daa592',]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=0, pctdistance=1.15, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
plt.legend(labels,
title="Valors de l'anomalia",
loc="center left",
bbox_to_anchor=(1, 0, 0.5, 1))
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Percentatge d'anomalies de l'escenari SSP 5",
loc='right')
plt.show()
fig.savefig(data_path+'fig_27', bbox_inches='tight',dpi=400)100.0
Càlcul dels percentatges per hemisferis.
aug0585n=0
aug1585n=0
aug2585n=0
aug3585n=0
aug4585n=0
aug5585n=0
for ilat in range(32):
for ilon in range(128):
if dif585[ilat+32,ilon]<5:
aug0585n=aug0585n+1
if 10>dif585[ilat+32,ilon]>=5:
aug1585n=aug1585n+1
if 15>dif585[ilat+32,ilon]>=10:
aug2585n=aug2585n+1
if 20>dif585[ilat+32,ilon]>=15:
aug3585n=aug3585n+1
if 25>dif585[ilat+32,ilon]>=20:
aug4585n=aug4585n+1
if dif585[ilat+32,ilon]>=25:
aug5585n=aug5585n+1
aug0585n=aug0585n*100/4096
aug1585n=aug1585n*100/4096
aug2585n=aug2585n*100/4096
aug3585n=aug3585n*100/4096
aug4585n=aug4585n*100/4096
aug5585n=aug5585n*100/4096
sizes = [aug0585n, aug1585n, aug2585n, aug3585n, aug4585n,aug5585n]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=15, pctdistance=1.15, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Nord (SSP 5)",
loc='center')
fig.savefig(data_path+'fig_27a', bbox_inches='tight',dpi=400)
aug0585s=0
aug1585s=0
aug2585s=0
aug3585s=0
aug4585s=0
for ilat in range(32):
for ilon in range(128):
if dif585[ilat,ilon]<5:
aug0585s=aug0585s+1
if 10>dif585[ilat,ilon]>=5:
aug1585s=aug1585s+1
if 15>dif585[ilat,ilon]>=10:
aug2585s=aug2585s+1
if 20>dif585[ilat,ilon]>=15:
aug3585s=aug3585s+1
if dif585[ilat,ilon]>=20:
aug4585s=aug4585s+1
aug0585s=aug0585s*100/4096
aug1585s=aug1585s*100/4096
aug2585s=aug2585s*100/4096
aug3585s=aug3585s*100/4096
aug4585s=aug4585s*100/4096
sizes = [aug0585s, aug1585s, aug2585s,]
fig1, ax1 = plt.subplots(figsize=(8,5))
plt.pie(sizes, explode=None, labels=None, autopct='%1.1f%%',
shadow=None, startangle=0, pctdistance=1.25, radius=5,colors=colors)
plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle.
#draw circle
centre_circle = plt.Circle((0,0),2.70,fc='white')
fig = plt.gcf()
fig.gca().add_artist(centre_circle)
plt.title("Sud (SSP 5)",
loc='center')
plt.show()
fig.savefig(data_path+'fig_27b', bbox_inches='tight',dpi=400)
