tri = ['JAN', 'FEB', 'MAR', 'APR', 'MAY', 'JUN', 'JUL', 'AUG', 'SEP', 'OCT', 'NOV', 'DEC']
if myopt == "p":
# Arquivo previsão
fsct_url = "http://opendap.funceme.br:8001/data/ECHAM46/FORECAST/{0}/{1}/PCP/TRI/pcp-daily-total-ec4amip_{2}{3}.1.0dg.fix.nc".format(myfyear, tri[myfmon-1], myfyear, mytseason)
# print fsct_url
fsct_file = open_url(fsct_url)
pcp_fsct = fsct_file['pcp']
lats_fsct = fsct_file['lat']
lons_fsct = fsct_file['lon']
fsct = np.asarray(pcp_fsct)
lats = np.asarray(lats_fsct)
lons = np.asarray(lons_fsct)
n_lon, n_lat, i_lon, i_lat = dg.gridpoint(lons, lats, mylon, mylat)
n_lon = str(n_lon)
n_lon = n_lon.replace(".","")
n_lat = str(n_lat)
n_lat = n_lat.replace(".","")
# ponto do modelo a ser plotado
figrealname = "/var/www/html/app/previsao-climatica/previsao_probabilistica/img/curve_prob_{0}_{1}.png".format(n_lon, n_lat)
mylon = str(mylon)
mylon = mylon.replace(".","")
mylat = str(mylat)
mylat = mylat.replace(".","")
figname = "/var/www/html/app/previsao-climatica/previsao_probabilistica/img/curve_prob_%s_%s.png" % (mylon, mylat)
# se a imagem nao tiver sido gerada anteriomente
def ProbMemb(fcst_month, fcst_year, target_year, target_months,
hind_period, nyears, shapef, nmemb=20):
"""
Esta função calcula a curva de probabilida a previsão (sinal)
para todos os membros.
:param fcst_month: Mês previsão
:type fcst_month: str
:param fcst_year: Ano do mês previsão
:type fcst_year: str
:param target_year: Ano alvo da previsão
:type target_year: str
:param target_months: Trimestre alvo da previsão
:type target_months: str
:param hind_period: Período do hindcast
:type hind_period: str
:param nyears: Número de anos do hindcast
:type nyears: int
:param shapef: Arquivo de txt com pontos da região
:type shapef: arquivo de txt
:param nmemb: Número de membros da preevisão/hinscast
:type nmemb: int
:return sig_membs_ce: Sinal da previsão para todos os membros
"""
#### OBSERVADO ####
print "\n +++ LENDO A CLIMATOLOGIA OBSERVADA +++\n"
if target_year > fcst_year:
url = 'http://opendap2.funceme.br:8001/data/dados-obs/cmap/2.5dg/' \
'cmap.precip.season.accum.standard.2.5dg.{0}.{1}.nc' \
.format("1982-2011", target_months)
else:
url = 'http://opendap2.funceme.br:8001/data/dados-obs/cmap/2.5dg/' \
'cmap.precip.season.accum.standard.2.5dg.{0}.{1}.nc' \
.format("1981-2010", target_months)
print target_year, fcst_year
print url
obs_data = Dataset(url, 'r')
obs_aux = obs_data.variables['precip'][:]
obs_lons_360 = obs_data.variables['lon'][:]
obs_lats = obs_data.variables['lat'][:]
obs_data.close()
obs_aux, obs_lons = shiftgrid(180., obs_aux, obs_lons_360, start=False)
print "\n +++ INTERPOLANDO CLIMATOLOGIA OBSERVADA +++ \n"
# Interpolação para 1 grau
# Nova grade de 1 grau
newlats = np.linspace(-90, 90, 181)
newlons = np.linspace(-180, 179, 360)
obs = np.zeros((int(obs_aux.shape[0]), int(len(newlats)), int(len(newlons))))
x, y = np.meshgrid(newlons, newlats)
for i in range(0, int(obs_aux.shape[0])):
obs[i, :, :] = interp(obs_aux[i, :, :], obs_lons, obs_lats, x, y, order=1)
#### PREVISÃO ####
print " +++ LENDO OS MEMBROS PREVISÃO +++ \n"
#~ Monta a url do ano da previsão com todos os membros
url = 'http://opendap2.funceme.br:8001/data/dados-pos-processados-echam46' \
'/forecasts/{0}/{2}/{1}/PCP/TRI/pcp-seasonacc-echam46-hind{0}-en%2.2d-{1}{2}_{3}{4}.ctl' \
.format(hind_period, fcst_month, fcst_year, target_year, target_months)
files = [url % d for d in range(51, 71)]
# Inicializa array que irá receber os membros do ano da previsão
fcst_t42 = np.zeros((20, 64, 128)) * 0
for i, nc in enumerate(files):
print "", nc
fcst_data = Dataset(nc, 'r')
fcst_aux = fcst_data.variables['pcp'][:]
fcst_lons_360 = fcst_data.variables['longitude'][:]
fcst_lats = fcst_data.variables['latitude'][:]
fcst_data.close()
fcst_aux, fcst_lons = shiftgrid(180., fcst_aux, fcst_lons_360, start=False)
fcst_t42[i, :, :] = fcst_aux[0, :, :]
print "\n +++ INTERPOLANDO OS MEMBROS PREVISÃO +++ \n"
# Interpolação para 1 grau
# Nova grade de 1 grau
fcst = np.zeros((20, int(len(newlats)), int(len(newlons)))) * 0
for i in range(20):
fcst[i, :, :] = interp(fcst_t42[i, :, :], fcst_lons, fcst_lats, x, y, order=1)
#### HINDCAST ####
print " +++ LENDO OS MEMBROS DE CADA ANO DO HINDCAST +++\n"
print " ==> AGUARDE...\n"
# Inicializa array que irá receber todos os anos e todos os membros
hind_t42 = np.zeros((30, 20, 64, 128)) * 0
for i, hind_year in enumerate(range(1981, 2011)):
if target_year > fcst_year:
target_hind_year = int(hind_year) + 1
else:
target_hind_year = hind_year
# Monta a url de cada ano com todos os membros
url = 'http://opendap2.funceme.br:8001/data/dados-pos-processados-echam46' \
'/hindcasts/{0}/{1}/PCP/TRI/pcp-seasonacc-echam46-hind{0}-en%2.2d-{1}{3}_{4}{2}.ctl' \
.format(hind_period, fcst_month, target_months, hind_year, target_hind_year)
files = [url % d for d in range(51, 71)]
# Inicializa array que irá receber os membros para cada ano
hindmemb = np.zeros((20, 64, 128)) * 0
for j, nc in enumerate(files):
print nc
hind_data = Dataset(nc, 'r')
hind_aux = hind_data.variables['pcp'][:]
hind_lons_360 = hind_data.variables['longitude'][:]
hind_lats = hind_data.variables['latitude'][:]
hind_data.close()
hind_aux, hind_lons = shiftgrid(180., hind_aux, hind_lons_360, start=False)
hindmemb[j, :, :] = hind_aux[0, :, :]
hind_t42[i, :, :, :] = hindmemb[:, :, :]
print "\n +++ INTERPOLANDO OS ANOS DE CADA MEMBRO DO HINDCAST +++ \n"
print " ==> AGUARDE... \n"
# Interpolação para 1 grau
hind = np.zeros((30 , 20, int(len(newlats)), int(len(newlons)))) * 0
for i in range(20):
#~ print " MEMBRO:", i + 51
for j in range(30):
hind[j, i, :, :] = interp(hind_t42[j, i, :, :], hind_lons, hind_lats, x, y, order=1)
print " +++ APLICANDO MÁSCARA DA REGIÃO +++ \n"
# Retorna matriz com os pontos sobre o Ceará
pointsgrid, lonlatgrid, mymatriz = dg.pointinside(newlats, newlons, shapefile=shapef)
ce_fcst = np.ma.array(fcst, mask=np.tile(mymatriz, (fcst.shape[0], 1)))
ce_hind = np.ma.array(hind, mask=np.tile(mymatriz, (hind.shape[0], hind.shape[1], 1)))
ce_obs = np.ma.array(obs, mask=np.tile(mymatriz, (obs.shape[0], 1)))
print " +++ MÉDIA DOS PONTOS SOBRE A REGIÃO PARA TODOS OS MEMBROS +++ \n"
ave_ce_fcst = np.zeros((int(nmemb), 1)) * 0
ave_ce_hind = np.zeros((int(nyears), int(nmemb), 1)) * 0
ave_ce_obs = np.zeros((int(nyears), 1)) * 0
for i in range(int(nmemb)):
ave_ce_fcst[i, 0] = ce_fcst[i, :, :].mean()
for j in range(int(nyears)):
ave_ce_hind[j, i, 0] = ce_hind[j, i, :, :].mean()
for i in range(int(nyears)):
ave_ce_obs[i, 0] = ce_obs[i, :, :].mean()
# print ave_ce_fcst, ave_ce_hind, ave_ce_obs
print " +++ CALCULANDO SINAL DA PREVISÃO PARA TODOS OS MEMBROS +++\n"
sig_membs_ce = np.empty((int(nmemb)))
sig_membs_ce[:] = np.nan
for i in range(nmemb):
below_ce, normal_ce, above_ce, sig_membs_ce[i], f_std_ce, \
o_pad_ce, fcst_sig_anom = compute_probability(ave_ce_fcst[i, 0],
ave_ce_hind[:, i, 0], ave_ce_obs[:, 0], nyears)
return sig_membs_ce
