1

下面的代码读取有关全球有效 ASOS（气象观测站）位置的数据。我想在未来使用该列表作为点列表来绘制数据，但是很多站点太近了，无法在国家甚至州级范围内查看。我想减少地图上绘制的站点的密度。下面是一些绘制美国/加拿大南部所有站点的代码：

import re

fh = open('../498/stations.txt', 'r')
lines = fh.readlines()

data = []
for line in lines:
    comment_match = re.search('^!', line)
    blank_match = re.search('^\s*$', line)
    header_match = re.search('\d{2}-\w{3}-\d{2}|CD\s+STATION', line)
    if comment_match or blank_match or header_match:
        None
    else:
        ICAO = line[20:24].strip()
        if len(ICAO) == 4:
            CD = line[0:3].strip()
            if len(CD) == 0:
                CD = None
            STATION = line[3:20].strip()
            LATLON = line[39:54]
            if LATLON[5] == 'S':
                LAT = float("{0:.2f}".format(-(float(LATLON[0:2])+float(LATLON[3:5])/60.)))
            if LATLON[5] == 'N':
                LAT = float("{0:.2f}".format((float(LATLON[0:2])+float(LATLON[3:5])/60.)))
            if LATLON[14] == 'W':
                LON = float("{0:.2f}".format(-(float(LATLON[8:11])+float(LATLON[12:14])/60.)))
            if LATLON[14] == 'E':
                LON = float("{0:.2f}".format((float(LATLON[8:11])+float(LATLON[12:14])/60.)))
            ELEV = int(line[54:59].strip())
            C = line[81:-1]
            stn_dict = {'name':STATION, 'id':ICAO, 'state':CD, 'country':C, 'lat':LAT, 'lon':LON, 'elev':ELEV}
            data.append(stn_dict)

import cartopy.crs as ccrs
import cartopy.feature as cfeature
import matplotlib.pyplot as plt

extent = [-130,-60,20,60]

fig = plt.figure(figsize=(15,12))
ax = fig.add_subplot(111,projection=ccrs.Miller())
ax.coastlines(resolution='50m')
ax.add_feature(cfeature.STATES.with_scale('50m'))
ax.set_extent(extent,crs=ccrs.Miller())

for stndict in data:
    if stndict['lon'] > extent[0] and stndict['lon'] < extent[1] and stndict['lat'] > extent[2] and stndict['lat'] < extent[3]:
        plt.plot(stndict['lon'], stndict['lat'], color='blue', marker='o',
         transform=ccrs.PlateCarree())

这是代码的输出。 在此地图比例下，您可以看到许多绘图相互重叠。理想情况下，我希望具有更改绘制点之间距离的功能，例如 100 公里。

是否有任何库可以使这项任务更容易？

4

1 回答 1

0

MetPy有一个功能reduce_point_density可以做你想做的事。此函数将您的站点位置作为（点数）x 维度（例如 2 或 3）数组，以及半径，即到结果中最近点的最小距离。结果是一个布尔数组，您可以将其用作掩码来选择兴趣点。你像这样使用它：

from metpy.calc import reduce_point_density
import numpy as np
point_locs = np.array([(10, 50), (11, 49), (35, 40)])
mask = reduce_point_density(point_locs, 4.)
keep_points = point_locs[mask]

您还可以选择传递优先级值数组，这允许控制优先选择保留哪些点。一个更大的使用例子reduce_point_density是here。

于 2019-06-14T15:40:30.283 回答