# --------------------------
#
# We choose a :ref:`time-independent-forecast` to show how to evaluate a grid-based earthquake forecast using PyCSEP. Note,
# the start and end date should be chosen based on the creation of the forecast. This is important for time-independent forecasts
# because they can be rescale to any arbitrary time period.
start_date = time_utils.strptime_to_utc_datetime('2006-11-12 00:00:00.0')
end_date = time_utils.strptime_to_utc_datetime('2011-11-12 00:00:00.0')
####################################################################################################################################
# Load forecast
# -------------
#
# For this example, we provide the example forecast data set along with the main repository. The filepath is relative
# to the root directory of the package. You can specify any file location for your forecasts.
forecast = csep.load_gridded_forecast(datasets.helmstetter_mainshock_fname,
start_date=start_date,
end_date=end_date,
name='helmstetter_mainshock')
####################################################################################################################################
# Plot forecast
# -------------
#
# The forecast object provides :meth:`csep.core.forecasts.GriddedForecast.plot` to plot a gridded forecast. This function
# returns a matplotlib axes, so more specific attributes can be set on the figure.
ax = forecast.plot(show=True)
################################################################################################################
# Example 1: Spatial dataset plot arguments
# -----------------------------------------
####################################################################################################################################
# **Load required libraries**
import csep
import cartopy
import numpy
from csep.utils import datasets, plots
####################################################################################################################################
# **Load a Grid Forecast from the datasets**
#
forecast = csep.load_gridded_forecast(datasets.hires_ssm_italy_fname,
name='Werner, et al (2010) Italy')
####################################################################################################################################
# **Selecting plotting arguments**
#
# Create a dictionary containing the plot arguments
args_dict = {'title': 'Italy 10 year forecast',
'grid_labels': True,
'borders': True,
'feature_lw': 0.5,
'basemap': 'ESRI_imagery',
'cmap': 'rainbow',
'alpha_exp': 0.8,
'projection': cartopy.crs.Mercator()}
####################################################################################################################################
# These arguments are, in order:
#