コンテンツにスキップ

FAQ/ 降雨時系列データの可視化

DioVISTAに与えた降雨時系列データを、論文用に図化したいです。 方法を教えてください。

回答

DioVISTAにそうした機能はありません。当社姉妹品 DioVISTA/Storm では、図化・可視化が可能です。

ここでは、Pythonを使って次のような図を作る例を示します。この図は、2020年7月28日04時UTC（日本時間13時）の山形県付近の降雨分布を示したものです。

  1. 地図データをダウンロードします。

    • 地図に市町村の境界を表示する場合は、国土数値情報から 全国の行政区域データ をダウンロードします。ダウンロードした ZIP ファイルに含まれる geojson （たとえば 令和5年のデータなら "N03-23_230101.geojson"）を保存します。
    • 地図に都道府県の境界を表示する場合は、japonyol.net さんの 47都道府県のポリゴンデータ を使わせていただきます。 geojson を "prefectures.geojson" として保存します。

  2. 次のコードを "PlotRainfallNc.py" として保存します。

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
    import glob
import sys
from matplotlib.colors import ListedColormap
import netCDF4
import numpy as np
import matplotlib.pyplot as plt
import geopandas as gpd
import cartopy.crs as ccrs
import datetime as dt

# 市町村の境界を表示する場合
# 国土数値情報 行政区域データ
# https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-N03-v3_1.html
# geojson = "N03-23_230101.geojson"

# 都道府県の境界を表示する場合
# japonyol.net > 47都道府県のポリゴンデータ geojson
# "ダウンロードのうえ使用して下さい。連絡は不要です。"
# https://japonyol.net/editor/article/47-prefectures-geojson.html
# https://japonyol.net/editor/article/geo/prefectures.geojson
geojson = "prefectures.geojson"

df = gpd.read_file(geojson)

# 気象庁のカラーマップ
# https://www.jma.go.jp/jma/kishou/info/colorguide/HPColorGuide_202007.pdf
jmacolors=np.zeros((100,4),dtype=float)
jmacolors[0:1, :] = [255, 255, 255, 0]
jmacolors[1:2, :] = [242, 242, 255, 1]
jmacolors[2:6, :] = [160, 210, 255, 1]
jmacolors[6:11, :] = [33, 140, 255, 1]
jmacolors[11:21, :] = [0, 65, 255, 1]
jmacolors[21:31, :] = [250, 245, 0, 1]
jmacolors[31:51, :] = [255, 153, 0, 1]
jmacolors[51:81, :] = [255, 40, 0, 1]
jmacolors[81:99, :] = [180, 0, 104, 1]
jmacolors[:, 0:3] /= 256
jmacolors[:, 3] *= 1
jmacmap = ListedColormap(jmacolors)

files = glob.glob(sys.argv[1])

cached = False
for file in files:
    nc = netCDF4.Dataset(file)
    precip = nc.variables['precip']

    if (cached == False):
        lat = nc.variables['lat']
        lon = nc.variables['lon']
        dummy = np.zeros((lat.shape[0], lon.shape[0]), dtype=float) - 1
        time = nc.variables['time']
        timeLen = time.shape[0]

        dlon = lon[1] - lon[0]
        x = [lon[0] + dlon * (i - 1) for i in range(lon.shape[0] + 1)]
        dlat = lat[1] - lat[0]
        y = [lat[0] + dlat * (j - 1) for j in range(lat.shape[0] + 1)]

        fig = plt.figure(figsize=(10, 8), facecolor="w")
        ax = fig.add_subplot(1,1,1,projection=ccrs.PlateCarree())

        pcm = ax.pcolormesh(x, y, dummy, cmap=jmacmap, vmin=-1, vmax=99)
        ax.set_xlim(min(x), max(x))
        ax.set_ylim(min(y), max(y))
        pst = ax.set_title("                                ")
        plt.colorbar(pcm, ax=ax)
        ax.set_xticks([])
        ax.set_yticks([])
        gl = ax.gridlines(draw_labels=True,alpha=0.5)
        gl.top_labels=False
        gl.right_labels=False
        df.plot(facecolor='none', ax=ax)

        bg = fig.canvas.copy_from_bbox(fig.bbox)
        ax.draw_artist(pcm)
        fig.canvas.blit(fig.bbox)
        cached = True

    for ti in range(timeLen):
        fig.canvas.restore_region(bg)
        pcm.set_array(precip[ti,:,:])
        t = dt.datetime.utcfromtimestamp(time[ti])
        ax.draw_artist(pcm)
        title = f"Rainfall at {t.strftime('%Y-%m-%d %H:%M')} UTC"
        pst = ax.set_title(title)
        fig.canvas.blit(fig.bbox)
        fig.canvas.flush_events()
        pngName = f'{file[:-3]}.{ti:04}.png'
        plt.savefig(pngName)
        print(pngName)

  3. Pythonを実行します。第1引数として、可視化対象の netcdf ファイルを開きます。たとえば、"rainfall.nc" を可視化したい場合は次のように呼び出します。

    1
    Python.exe PlotRainfallNc.py rainfall.nc

なお、このスクリプトで可視化の対象とする netCDF の構造の例を示します。
これは、DioVISTA で降雨データとしてインポート可能な netCDFの構造です。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
netcdf test {
dimensions:
  lon = 161;
  lat = 241;
  time = 192;
variables:
  short lon(lon);
    lon:long_name = "longitude";
    lon:units = "degrees_east";
    lon:scale_factor = 0.0125;
    lon:add_offset = 137.;
    lon:_Storage = "contiguous";
    lon:_Endianness = "little";
  short lat(lat);
    lat:long_name = "latitude";
    lat:units = "degrees_north";
    lat:scale_factor = 0.00833333333333333;
    lat:add_offset = 35.;
    lat:_Storage = "contiguous";
    lat:_Endianness = "little";
  int time(time);
    time:long_name = "time";
    time:units = "seconds since 1970-01-01 00:00:00 +0:00";
    time:_Storage = "contiguous";
    time:_Endianness = "little";
  short precip(time, lat, lon);
    precip:long_name = "precipitation";
    precip:units = "mm/h";
    precip:valid_min = 0s;
    precip:scale_factor = 0.1f;
    precip:_Storage = "chunked";
    precip:_ChunkSizes = 1, 241, 161;
    precip:_DeflateLevel = 9;
    precip:_Endianness = "little";
// global attributes:
    :Conventions = "CF-1.6";
    :title = "Radar AMeDAS Analysis data";
    :institution = "Tokyo (RSMC), Japan Meterological Agency";
    :source = "JMA GPV";
    :history = "2016-01-01 00:00:00 Converted";
    :references = "JMA GPV";
    :comment = "Converted by Hitachi Power Solutions Co., Ltd.";
    :_Format = "netCDF-4";
}

関連項目

最終更新日: 2023-12-25