保姆级教程：用Python+WRF+Cartopy绘制气象雷达回波图（附完整代码）

Python气象可视化实战从WRF数据到专业雷达回波图当台风路径预报需要验证强对流区域或是暴雨分析要定位最大回波核心时一张清晰的雷达反射率图往往比千言万语更有说服力。作为气象领域的CT扫描雷达回波图能直观展现降水粒子的三维分布特征。但对于刚接触WRF模式输出的研究者来说从NetCDF数据到可发表的成果图中间往往横亘着库依赖冲突、坐标转换错误、地图叠加错位等一系列拦路虎。1. 环境配置与数据准备工欲善其事必先利其器。在绘制专业级气象图前需要搭建稳定的Python环境并理解WRF数据的基本结构。推荐使用Miniconda创建独立环境以避免库版本冲突conda create -n wrf_plot python3.9 conda activate wrf_plot conda install -c conda-forge cartopy wrf-python netcdf4 matplotlib numpyWRF模式输出的NetCDF文件通常包含数十个变量关键变量及其物理意义如下变量名描述单位典型用途dbz雷达反射率因子dBZ强对流识别mdbz最大反射率dBZ风暴追踪z几何高度m垂直剖面坐标ter地形高度m地形影响分析数据读取时常见的坑点包括时间索引处理WRF文件可能包含多个时次需明确指定timeidx变量属性丢失部分计算会剥离单位等元数据需手动恢复内存管理大区域高分辨率数据可能超出内存需分块处理# 安全读取WRF数据的示范代码 from netCDF4 import Dataset from wrf import getvar wrf_file Dataset(wrfout_d02_sample.nc) dbz getvar(wrf_file, dbz, timeidx0) # 获取首个时次的反射率 print(f数据维度: {dbz.shape}, 单位: {dbz.attrs[units]})2. 平面雷达回波图绘制技巧平面图是分析天气系统水平结构的基石。与传统折线图不同气象绘图需要处理地图投影、行政边界叠加、色标规范等专业要素。2.1 地图基础配置Cartopy库提供了丰富的地图投影支持但需要特别注意WRF模式采用的Lambert投影与地理坐标的转换import cartopy.crs as ccrs from wrf import get_cartopy wrf_proj get_cartopy(dbz) # 自动获取WRF文件投影参数 fig plt.figure(figsize(12,8)) ax fig.add_subplot(111, projectionwrf_proj) # 添加地理要素 ax.coastlines(resolution50m, linewidth0.8) ax.add_feature(cfeature.BORDERS, linestyle:, edgecolorgray) # 中国省级行政区划叠加 province_shp shpreader.Reader(china_province.shp).geometries() ax.add_geometries(province_shp, ccrs.PlateCarree(), facecolornone, edgecolorblack, linewidth0.6)2.2 反射率渲染优化雷达回波图的核心在于色标设计需遵循气象行业惯例# 专业雷达色标定义 dbz_levels [5, 15, 25, 35, 45, 50, 55, 60, 65, 70] colors [#00A0E9, #00E900, #FFE100, #FF0000, #C600FF, #A000A0] # 创建自定义色标 from matplotlib.colors import ListedColormap cmap ListedColormap(colors) norm BoundaryNorm(dbz_levels, cmap.N) # 绘制填色图 contour ax.contourf(to_np(lons), to_np(lats), to_np(dbz), levelsdbz_levels, cmapcmap, normnorm, transformccrs.PlateCarree()) # 添加色标 cbar plt.colorbar(contour, axax, pad0.02) cbar.set_label(Reflectivity (dBZ), fontsize12)关键提示WRF输出的反射率可能包含负值噪声信号建议在绘图前进行阈值过滤dbz where(dbz 5, np.nan, dbz)3. 垂直剖面图深度解析垂直剖面图是分析对流云团三维结构的利器能清晰展现雷暴的穹顶、悬垂结构等特征。3.1 剖面线设置与插值选择有气象意义的剖面线至关重要通常垂直于飑线或台风螺旋雨带from wrf import CoordPair, vertcross # 定义剖面起止点广州-汕头示例 start_point CoordPair(lat23.1, lon113.3) end_point CoordPair(lat23.5, lon116.7) # 执行垂直插值 z_log 10**(dbz/10.) # 线性转换 dbz_cross vertcross(z_log, ht, start_pointstart_point, end_pointend_point, latlonTrue) dbz_cross 10 * np.log10(dbz_cross) # 恢复对数坐标3.2 地形融合与标注地形对降水分布有重要影响需在剖面图中精确呈现# 插值地形高度 ter_line interpline(ter, start_pointstart_point, end_pointend_point) # 创建剖面图 fig, ax plt.subplots(figsize(12, 6)) xs np.arange(dbz_cross.shape[1]) ys to_np(dbz_cross.coords[vertical]) # 绘制反射率 contour ax.contourf(xs, ys[:50], to_np(dbz_cross)[:50], levelsdbz_levels, cmapcmap, normnorm) # 填充地形 ax.fill_between(xs, 0, to_np(ter_line), facecolor#8B4513, alpha0.3) # 设置坐标标签 ax.set_ylabel(Height (m), fontsize12) ax.set_xlabel(Distance from Start Point, fontsize12)4. 高级定制与输出优化达到发表质量的图像需要精细的后期处理这往往是区分能用和专业的关键。4.1 多图协同分析将平面图与剖面图联动展示可增强分析深度# 创建协同画布 fig plt.figure(figsize(16, 10)) gs gridspec.GridSpec(2, 1, height_ratios[3, 1]) # 平面图 ax1 fig.add_subplot(gs[0], projectionwrf_proj) # ... 平面图绘制代码 ... # 剖面图 ax2 fig.add_subplot(gs[1]) # ... 剖面图绘制代码 ... # 共享色标 fig.colorbar(contour, ax[ax1, ax2], orientationvertical, fraction0.02, pad0.1)4.2 出版级输出设置期刊对图像分辨率、字体、格式有严格要求plt.savefig(radar_composite.png, dpi600, bbox_inchestight, facecolorwhite, formatpng)对于矢量图输出推荐PDF格式plt.savefig(radar_composite.pdf, formatpdf, metadata{Creator: Python WRF Tools, Title: Radar Reflectivity Analysis})5. 实战案例台风强降水分析以2023年台风海葵影响过程为例演示完整分析流程数据预处理# 读取多时次数据 dbz_series [getvar(Dataset(f), mdbz) for f in sorted(glob(wrfout_d02_2023*))]动画制作from matplotlib.animation import FuncAnimation def update(frame): ax.clear() cont ax.contourf(..., to_np(dbz_series[frame])) return cont ani FuncAnimation(fig, update, frameslen(dbz_series)) ani.save(typhoon_evolution.mp4, fps3)强回波追踪# 识别50dBZ区域 strong_dbz [np.where(d 50, 1, 0) for d in dbz_series] # 计算移动速度...在气象业务中这类可视化结果可直接用于台风降水效率评估强对流预警指标提取模式预报误差分析