Basemapで傾斜したグリッドネットワークのプロット

Question

図は例として示されています。

このプロットは、ヨーロッパの一部のための衛星SO2列のデータを提示します。

衛星と経度の違いにより、衛星の走査原理に適合するグリッドネットワークは経度と平行ではありません。

matplotlib.basemapのpcolorまたはpcolormeshを使用して、この種のグリッドネットワークを描画することが可能かどうかはわかりません。だから私はここに質問を掲示する。このページから別の例で

は

Answer 1

ルック：http://www.uvm.edu/~jbagrow/dsv/heatmap_basemap.html

サンプルの

主なアイデアは、pcolormeshbasemapにプロットしたものである：私がいたので

import csv 
import numpy as np 
from mpl_toolkits.basemap import Basemap 
import matplotlib.pyplot as plt 
from matplotlib.colors import LinearSegmentedColormap 

# load earthquake epicenters: 
# http://earthquake.usgs.gov/earthquakes/feed/v1.0/summary/1.0_week.csv 
lats, lons = [], [] 
with open('earthquake_data.csv') as f: 
    reader = csv.reader(f) 
    next(reader) # Ignore the header row. 
    for row in reader: 
     lat = float(row[1]) 
     lon = float(row[2]) 
     # filter lat,lons to (approximate) map view: 
     if -130 <= lon <= -100 and 25 <= lat <= 55: 
      lats.append(lat) 
      lons.append(lon) 

# Use orthographic projection centered on California with corners 
# defined by number of meters from center position: 
m = Basemap(projection='ortho',lon_0=-119,lat_0=37,resolution='l',\ 
      llcrnrx=-1000*1000,llcrnry=-1000*1000, 
      urcrnrx=+1150*1000,urcrnry=+1700*1000) 
m.drawcoastlines() 
m.drawcountries() 
m.drawstates() 

# ###################################################################### 
# bin the epicenters (adapted from 
# http://stackoverflow.com/questions/11507575/basemap-and-density-plots) 

# compute appropriate bins to chop up the data: 
db = 1 # bin padding 
lon_bins = np.linspace(min(lons)-db, max(lons)+db, 10+1) # 10 bins 
lat_bins = np.linspace(min(lats)-db, max(lats)+db, 13+1) # 13 bins 

density, _, _ = np.histogram2d(lats, lons, [lat_bins, lon_bins]) 

# Turn the lon/lat of the bins into 2 dimensional arrays ready 
# for conversion into projected coordinates 
lon_bins_2d, lat_bins_2d = np.meshgrid(lon_bins, lat_bins) 

# convert the bin mesh to map coordinates: 
xs, ys = m(lon_bins_2d, lat_bins_2d) # will be plotted using pcolormesh 
# ###################################################################### 

# define custom colormap, white -> nicered, #E6072A = RGB(0.9,0.03,0.16) 
cdict = {'red': ((0.0, 1.0, 1.0), 
        (1.0, 0.9, 1.0)), 
     'green':((0.0, 1.0, 1.0), 
        (1.0, 0.03, 0.0)), 
     'blue': ((0.0, 1.0, 1.0), 
        (1.0, 0.16, 0.0)) } 
custom_map = LinearSegmentedColormap('custom_map', cdict) 
plt.register_cmap(cmap=custom_map) 

# add histogram squares and a corresponding colorbar to the map: 
plt.pcolormesh(xs, ys, density, cmap="custom_map") 

cbar = plt.colorbar(orientation='horizontal', shrink=0.625, aspect=20, fraction=0.2,pad=0.02) 
cbar.set_label('Number of earthquakes',size=18) 
#plt.clim([0,100]) 

# translucent blue scatter plot of epicenters above histogram:  
x,y = m(lons, lats) 
m.plot(x, y, 'o', markersize=5,zorder=6, markerfacecolor='#424FA4',markeredgecolor="none", alpha=0.33) 


# http://matplotlib.org/basemap/api/basemap_api.html#mpl_toolkits.basemap.Basemap.drawmapscale 
m.drawmapscale(-119-6, 37-7.2, -119-6, 37-7.2, 500, barstyle='fancy', yoffset=20000) 

# make image bigger: 
plt.gcf().set_size_inches(15,15) 

plt.show() 

Answer 2

が、私はこの質問につまずきましたまた、matplotlibとbasemapを使用して、マップ上に格子状の衛星測定値をプロットする方法を探しています。
私の考えはあなたの質問に関連しているかどうか分かりません。なぜなら、私のピクセルは非常に限られた離散数の値しか取れないからです。（4）とにかく、 。私がしたのはの単一画素をマップ上のポリゴンとしてPolygonの方法で直接プロットすることでした。 alphaの値を基礎となる物理的測定値の関数に設定しました。私の場合、クラウドマスクプロット - この戦略はかなりうまくいきます。
はここで各画素ごとに呼び出される関数をプロットすることがあります。

# draw plot, each pixel at the time 
for scanline in xrange(select_cp_lat.shape[0]): 
    for pixel in xrange(select_cp_lat.shape[1]): 
     draw_cloud_pixel(select_cp_lat[scanline, pixel,:], 
         select_cp_lon[scanline, pixel,:], 
         cloud_mask[scanline, pixel], 
         mapplot) 

I：

def draw_cloud_pixel(lats, lons, index, mapplot): 
    """Draw a pixel on the map. The fill color alpha level depends on the cloud index, 
    ranging from 0.1 (almost fully transparent) for confidently clear pixels to 1 (fully opaque) 
    for confidently cloudy pixels. 

    Keyword arguments: 
    lats -- Array of latitude values for the pixel 4 corner points (numpy array) 
    lons -- Array of longitudes values for the pixel 4 corner points (numpy array) 
    index -- Cloud mask index for given pixel: 
     0: confidently_cloudy 
     1: probably_cloudy 
     2: probably_clear 
     3: confidently_clear 
    mapplot -- Map object for coordinate transformation 

    Returns: 
    None 
    """ 
    x, y = mapplot(lons, lats) 
    xy = zip(x,y) 
    poly = Polygon(xy, facecolor='white', alpha=1-0.3*index) 
    plt.gca().add_patch(poly) 

を私の主なプロットルーチンでは、私はその後、選択された領域内の各ピクセルのためのdraw_cloud_pixel関数を呼び出しますこのようなプロットを得る：