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
! W2 a$ _8 K$ R/ F* E[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()
0 T" O6 y4 p5 I% @8 {( l6 D8 s4 K, O" W6 w6 O9 d- M
4 Z# ~* L- g8 f$ 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。
" g, O1 G6 z0 I, Y6 |; M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") $ v/ o5 |9 B, f: ~' ^5 q1 M
4 V- S6 J2 z+ S1 ]/ [, Z
2 _ @# S, Y* i6 G ^9 _$ ?' t2 ~* H" F, _6 n- T. F+ g& k; [9 R
3D地形图
2 z6 h- U/ O+ x[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()
+ E Y2 U# i( }& k R# j
4 G2 i1 s: y% a
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。
2 m* {$ T- ]. w* ?& [/ X _
! I+ A' }; m* B2 z5 _! I8 a
# ?. m7 X+ r& l; Q9 u8 ?- A5 U, W& a4 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.
. ]/ R8 L1 D: D1 ?) b! l% N ~! @' e
( c" G2 I# G. K% \6 F1 `
6 N9 f: _9 [% M! a6 ^7 AReferences[1] 地壳数据: https://www.generic-mapping-tools.org/remote-datasets/earth-age.html. i" v8 ]4 }% l) M. v/ J% ?8 E9 E
[2] 地形数据: https://www.generic-mapping-tools.org/remote-datasets/earth-relief.html
) r2 ]( q7 T5 _, [* ?3 B3 E3 r5 y
; V" C5 y/ m. t$ J来源:海洋遥感数据共享3 C6 T# B" m o5 |! |/ d
7 ]" b3 t8 i) `+ M3 x/ \% T
|