Tropycal是旨在简化提取和分析热带气旋数据的Python工具，可以同时处理历史和实时数据，主要面向研究和业务气象部门。文末可获取相关教程文件。
Tropycal可以处理 HURDAT2和IBTrACS再分析以及业务NHC最佳路径数据，可用于气候、季节性和单个雷暴分析。
对于每个单独的风暴，国家飓风中心的业务预报、飞机观测数据和任何相关的龙卷风活动都可以提取和绘制。
安装
与常规python工具安装方法类似，可直接利用 pip 进行安装，如下：
代码语言：javascript复制pip install tropycal
或者下载源代码进行安装：
代码语言：javascript复制git clone https://github.com/tropycal/tropycal
cd tropycal
python setup.py install示例
官方文档中提供了很多示例，包括龙卷分析、单个雷暴分析、热带气旋数据集分析。
示例中给出的分析可视化结果都非常不错，从可视化的角度而言很值得学习。
龙卷分析
官方示例中给出的示例，可直接加载龙卷数据集进行分析。
代码语言：javascript复制import tropycal.tracks as tracks
import tropycal.tornado as tornado
import datetime as dt
tor_data = tornado.TornadoDataset()
tor_ax,domain,leg_tor = tor_data.plot_tors(dt.datetime(2011,4,27),plotPPH=True,return_ax=True)
tor_ax
龙卷路径和PPH(Practically Perfect Forecast)分布
- 使用追踪数据集
hurdat_atl = tracks.TrackDataset(basin='north_atlantic',source='hurdat',include_btk=False)
storm = hurdat_atl.get_storm(('ivan',2004))
storm.plot_tors(plotPPH=True,return_ax=True)
Ivan飓风移动路径和PPH
单个雷暴分析
官方文档中给出了HURTDAT2、IBTrACS数据集以及单个雷暴的分析示例。
代码语言：javascript复制import tropycal.tracks as tracks
import datetime as dt
hurdat_atl = tracks.TrackDataset(basin='north_atlantic',source='hurdat',include_btk=False)
storm = hurdat_atl.get_storm(('michael',2018))
storm.plot(return_ax=True)
Michael飓风移动路径
代码语言：javascript复制storm.plot_nhc_forecast(forecast=2,return_ax=True)
潜在的热带气旋预报
TC数据集分析
在TC数据集部分，利用上述提到的两种数据集对雷暴进行了简单的分析，比如空间分布、最大风速以及移动路径。
代码语言：javascript复制ibtracs = tracks.TrackDataset(basin='all',source='ibtracs',ibtracs_mode='jtwc_neumann',catarina=True)
ibtracs.gridded_stats(request="maximum wind",return_ax=True)
热带气旋最大风速分布
除了绘图部分外，官方文档还提供了数据源的说明，可点击阅读原文前往官方文档查看相关页面。
除了官方文档提供的可视化分析之外，官方的示例脚本源中也提供了一些额外的分析和可视化内容，部分结果如下图所示：
就介绍到这里，感兴趣的可以前往官方文档或官方源查看更详细的信息。
参考链接：
1. https://github.com/tropycal
2. https://tropycal.github.io/tropycal/
3. https://github.com/tropycal/sample-scripts/blob/main/AMS_Tropical_Talk.ipynb
—END—
