Exemplos Python

Warning

Alterar para os valores exibidos na inicialização.

Inicialização comando: saz = SAZ.model()

Note

#### The Brazilian Global Atmospheric Model (TQ0666L064 / Hybrid) #####

Forecast data available for reading. 2024-01-01 - 2024-02-01 - 2024-03-01 - 2024-04-01 - 2024-05-01 2024-06-01 - 2024-07-01 -

Variables: [‘prec’, ‘prec_ca’, ‘t2mt’, ‘t2mt_ca’, ‘psnm’, ‘role’, ‘tp85’, ‘zg50’, ‘uv85’, ‘uv20’, ‘vv85’, ‘vv20’, ‘cr85’, ‘cr20’]

Products: [‘seas’, ‘mnth’]

Field: [‘anomalies’, ‘prob_positve_anomaly’, ‘prob_terciles’, ‘totals’]

Recuperar Dados do Modelos Numérico SubSazonal

# Importa a biblioteca
import sazonal.CPTEC_SAZ as SAZ

# Inicializa o construtor
saz = SAZ.model()

# Data Condição Inicial (IC)
date = '20240401'

# Variável
var = ['prec']

# Produto
product = 'seas'

# Campo
field = 'anomalies'

# Requisição dos dados
f = saz.load(date=date, var=var, product=product ,field=field)

# Imprimir o Xarray
print(f)
# <xarray.Dataset> Size: 594kB
# Dimensions:  (lat: 192, time: 2, lon: 384)
# Coordinates:
#  * lat      (lat) float64 2kB -89.28 -88.36 -87.42 -86.49 ... 87.42 88.36 89.28
#  * time     (time) datetime64[ns] 16B 2024-04-01 2024-07-01
#  * lon      (lon) float64 3kB -180.0 -179.1 -178.1 -177.2 ... 177.2 178.1 179.1
# Data variables:
#    prec     (time, lat, lon) float32 590kB 3.252 3.252 3.252 ... 1.045 1.045
# Attributes:
#    center:          National Institute for Space Research - INPE
#    model:           The Brazilian Global Atmospheric Model V1.2 (TQ0126L042 ...
#    initialization:  2024-04-01
#    field:           Forecast Anomalies

Download get_data_sub_oper.py.

Recuperar Dados e Salvar em NetCDF

# Importa a biblioteca
import sazonal.CPTEC_SAZ as SAZ

# Inicializa o construtor
saz = SAZ.model()

# Data Condição Inicial (IC)
date = '20240401'

# Variável
var = ['prec']

# Produto
product = 'seas'

# Campo
field = 'anomalies'

# Requisição dos dados
f = saz.load(date=date, var=var, product=product ,field=field)

# Salvar o XArray para NetCDF
f.to_netcdf('arquivo.nc')

Download get_sub_netcdf.py.

Recuperar Dados e Plotar Figura

# Importa a ferramenta
import sazonal.CPTEC_SAZ as SAZ
import matplotlib.pyplot as plt

# Inicializa o construtor
saz = SAZ.model()

# Data Condição Inicial (IC)
date = '20240401'

# Variável
var = ['prec']

# Produto
product = 'seas'

# Campo
field = 'anomalies'

# Requisição dos dados
f = saz.load(date=date, var=var, product=product ,field=field)

# Plotar a variável prec
f.prec.sel(time="2024-04-01").plot()
plt.show()

Download plot_sub_figure.py.

Recuperar Dados com recorte de área

pip install cartopy

import sazonal.CPTEC_SAZ as SAZ
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeature

# Inicializa o construtor
saz = SAZ.model()
# Filtrar area definida
saz.dict['area']['reduce'] = True
saz.dict['area']['minlat'] = -34.44
saz.dict['area']['maxlat'] = -21.43
saz.dict['area']['minlon'] = 301.14
saz.dict['area']['maxlon'] = 320.57
# Requisição dos dados
f = saz.load(date='20240401', var='prec', product='mnth' ,field='anomalies')
# Definir tamanho da figura
fig = plt.figure(figsize=(10,8))
# Setar figura unica
ax = fig.add_subplot(111, projection=ccrs.PlateCarree())
# Colocar  Linhas de Borda dos paises e linhas costeiras
ax.add_feature(cfeature.COASTLINE,color='grey')
ax.add_feature(cfeature.BORDERS,color='grey')
# Definir Regiao do Brasil
ax.set_extent([-90,-30,10,-41], ccrs.PlateCarree())
# Setar estados do Brasil
states = cfeature.NaturalEarthFeature(category='cultural',
                                         name='admin_1_states_provinces_lines',
                                         scale='50m', facecolor='none')
# Colocar Estados Brasil
ax.add_feature(states, edgecolor='gray')
# Plotar variavel
f.prec.sel(time="2024-04-01").plot()
plt.show()

pic1

Download plot_sub_filter.py.

Note

Para filtrar somente os dados do Brasil existe uma configuração padrão. Utilizar somente o comando: sub.dict[‘area’][‘reduce’] = True

pic2