Préparer les observations

اگر آپکے پاس آب وہوا کے مشاہدات ہیں، تقدیر ان سے کوائف لينے کی کوشش کریگا۔کوائف نہ ملنے کی صورت میں دوسرے ذرائع سے کوائف لےگا۔ آپ کے کوائف جےسن، سی اس وی یا دیسات کے مطابق (.WTH) ہو سکتے ہیں۔

import matplotlib.pyplot as plt

from تقدیر.ذرائع import سی_اس_وی, دیسات, جےسن
from تقدیر.مقام import مقام
from تقدیر.وسائل import وسائل_پانا

جگہ = dict(عرض=47.275, طول=-77.617, بلندی=375)
مشاہدات۱ = دیسات(وسائل_پانا('۳۶۵دن.WTG'))
مشاہدات۲ = دیسات(وسائل_پانا('۳۶۶دن.WTG'))

م = مقام(**جگہ)
کو = م.کوائف_پانا(سے='۲۰۰۳۰۱۰۱', تک='۲۰۰۴۱۲۳۱', ذرائع=[مشاہدات۱, مشاہدات۲])

روزانہ = کو.روزانہ()
روزانہ.dropna().plot(kind='line')

(Source code, png, hires.png, pdf)

../_images/mshahdat-1.png

Lors de la recherche de données, Taqdir cherchera d’abord les observations de l’endroit en question, ensuite les données de la NASA et finalement les prédictions de Marksim. Si vous ne voulez pas que Taqdir aie rechercher les données manquantes auprès de ces autres sources de données, spécifiez les sources sous format d’un tuple :

from تقدیر.ذرائع import سی_اس_وی, دیسات, جےسن
from تقدیر.مقام import مقام
from تقدیر.وسائل import وسائل_پانا

مشاہدات۱ = سی_اس_وی(وسائل_پانا('روزانہ.csv'), **جگہ)
مشاہدات۲ = جےسن(وسائل_پانا('روزانہ.json'), **جگہ)
مشاہدات۳ = دیسات(وسائل_پانا('ACNM1301.WTH'))

م = مقام(**جگہ)
م.کوائف_پانا(سے='۲۰۰۰۰۱۰۱', تک='۲۰۱۷۰۱۰۱', ذرائع=(مشاہدات۱, مشاہدات۲, مشاہدات۳))

Les données manquantes seront identifiées par np.nan.

Si les noms des colonnes dans votre json ou csv diffèrent des noms officiels des variables dans Taqdir, pas de problème non plus.

mes_noms_de_variables = {'بارش': 'pluie'}
Csv('Observations.csv', **endroit, تبديل_ستون=mes_noms_de_variables)

Observations mensuelles et annuelles

Si vous avez des données en format mensuel ou annuel et vous les aimeriez en format quotidien, Taqdir pourra les transformer pour vous. Taqdir peut aussi lire le format de données mensuelles de DSSAT (.MTH).

مشاہدات۱ = جیسن('ماہانہ.json', **جگہ)
مشاہدات۲ = دیسات('ARPE.MTH')

م = مقام(**جگہ)
م.کوائف_پانا(سے='۲۰۰۰۰۱۰۱', تک='۲۰۱۷۰۱۰۱', ذرائع=[مشاہدات۱, مشاہدات۲])

Observations de scénarios

En général, les observations sont du passé. Cependant, si vous avez des données de prédictions futures, vous pouvez aussi spécifier le scénario de changements climatiques lors de la création d’observations. Cela peut être utile lorsque vous avez des prédictions d’un modèle climatique régional.

from تقدیر.ذرائع import سی_اس_وی
from تقدیر.مقام import مقام

جگہ = dict(عرض=11.02, طول=76.96, بلندی=1)

مشاہدات_۲۶ = سی_اس_وی('مشاہدات.csv', **جگہ, خاکے='۲.۶')
مشاہدات_۸۵ = سی_اس_وی('مشاہدات.csv', **جگہ, خاکے='۸.۵')
م = مقام(**جگہ)

# مشاہدات_۲۶ کے کوائف ھی ملیں گے۔
م.کوائف_پانا(سے='۲۰۱۸۰۱۰۱', تک='۲۰۱۷۰۱۰۱', ذرائع=[مشاہدات_۲۶, مشاہدات_۸۵],  خاکے='۲.۶')

# مشاہدات_۸۵ کے کوائف ھی ملیں گے۔
م.کوائف_پانا(سے='۲۰۱۸۰۱۰۱', تک='۲۰۱۷۰۱۰۱', ذرائع=[مشاہدات_۲۶, مشاہدات_۸۵],  خاکے='۸.۵')