GMT和Pygmt提供了一个远程数据功能,可以使用函数datasets远程下载多种在线数据,并进行处理和绘图。这里以pygmt为例绘制海底地壳年龄、陆地地形。 地壳数据[1]包含了不同的分辨率,对应不同文件大小,最粗为1d,全球数据仅125K,最大分辨率1m,全球数据188M。绘图4 S) I" L% i/ S& S! P0 {8 R
[C] 纯文本查看 复制代码 import pygmt
grid_globe = pygmt.datasets.load_earth_age(resolution='06m', region="-180/180/-90/90", registration=None)
fig = pygmt.Figure()
fig.grdimage(grid=grid_globe, projection="R15c", region="0/360/-89/89", frame=True,cmap="crustal_age.cpt")
fig.colorbar(frame=["af", "x+lage", "y+lMyr"],cmap="crustal_age.cpt")
fig.show()
) f& S+ d G \0 s2 t0 V: ~+ ^/ d+ ~
/ P1 }8 p. T! _" {1 n2 Y- h. v! A
上面的调色板crustal_age可以在.gmt/cache/下找到,而远程数据也下载到了./gmt/server/下面。
$ Y# s2 j |$ x9 W" F地形数据地形数据[2]包含多种不同分辨率,对应不同的文件大小,最粗为1d,文件大小128k,最高分辨率为1s,文件大小达41G: SRTM绘图[C] 纯文本查看 复制代码 # 雅鲁藏布江大峡谷[/b]grid = pygmt.datasets.load_earth_relief(
"03s",
region=[94, 95.5, 29, 30],
registration="gridline",
use_srtm=True,
)
# calculate the reflection of a light source projecting from west to east
# (azimuth of 270 degrees) and at a latitude of 30 degrees from the horizon
dgrid = pygmt.grdgradient(grid=grid, radiance=[270, 30])
fig = pygmt.Figure()
fig.grdimage(grid=grid, projection="M15c", region=[94, 95.5, 29, 30], frame=['WSrt+t"Original Data Elevation Model"',"xa", "ya"],cmap="dem1")
fig.colorbar(position="JML+o1.8c/0c+w10c/0.9c",frame=["af", "y+lmeter"])
fig.coast(rivers="a/1p",borders="2/5,red")
# Shift plot origin of the second map by 12.5 cm in x direction
fig.shift_origin(xshift="20c")
pygmt.makecpt(cmap="gray", series=[-1.5, 0.3, 0.01])
fig.grdimage(
grid=dgrid,
projection="M15c",
frame=['lSEt+t"Hillshade Map"', "xa0.1", "ya0.1"],
cmap=True,
)
fig.coast(rivers="a/1p",borders="2/5,red")
# Shift plot origin of the second map by 12.5 cm in x direction
fig.shift_origin(xshift="20c")
fig.grdimage(
grid=grid,
shading=dgrid,
projection="M15c",
frame=['lSEt+t"Hillshade Map"', "xa0.1", "ya0.1"],
cmap="dem1",
)
fig.coast(rivers="a/1p",borders="2/5,red")
fig.show(width="20c")
fig.savefig("srtm.png")
# {* n# m* M0 w# y+ t! k
/ y; J# A; p) I; Y
, b: m" b" m$ K' m2 Q0 w- ~: g- }* }0 ^
3D地形图
, ?/ C3 G/ n) ]1 b( {, {5 r. q8 Q[C] 纯文本查看 复制代码 fig = pygmt.Figure()
fig.grdview(
grid=grid,
region=[94.7, 95.2, 29.5, 30],
perspective=[250, 60],
frame=["xa", "ya", "WSNE"],
projection="M15c",
zsize="15c",
surftype="s",
cmap="dem1",
# Set the plane elevation to 1,000 meters and make the fill "gray"
plane="000+ggray",
)
fig.show()
' G; Z) @" q+ W$ ]0 ?" O9 G7 ?4 N. t! B4 R2 d9 _) v9 W
同样,我们还可以使用pygmt.grdview绘制三维地形图。下面是我曾经到过山脚下,但是在云中的南迦巴瓦峰。
. g4 U! p; y% t
/ N! w6 U" m$ G- G% r/ F* }, k, B3 [% d$ c6 j8 O
7 Z( S! v# t3 u6 d1 q0 `% o附:遥感影像和地形的结合在github存在一个30Day*****的系列代码库,其中包含绘图领域的30DayMapChallenge2021,恰好已经使用GMT完成了这项工作,作者是Pygmt的核心开发者Weiji。 这里有两个遥感影像和地形结合的例子(17和18),可以作为很好的学习材料.
& T; w1 R0 @, L' w( M/ t3 M- c
0 \5 q2 T) ^. b: S$ y. E9 [- _
) {8 {/ C0 Y1 J0 _- {# `& T- {References[1] 地壳数据: https://www.generic-mapping-tools.org/remote-datasets/earth-age.html; X ~; ~5 y7 w( a* T* v) U' C' s
[2] 地形数据: https://www.generic-mapping-tools.org/remote-datasets/earth-relief.html0 H5 _; D! l- ~3 C' B
( f5 G2 c8 y1 T1 k1 o. C
来源:海洋遥感数据共享
9 N: ~' f. Z% A( y& R ( `+ I7 |8 T `( I( F( {8 A) E
|