### Saving images
if dataERA == 'ERAI_Present':
datatitle = 'ERA-Interim'
else:
datatitle = 'ERA5'
###############################################################################
###############################################################################
###############################################################################
### Read in data
if datareader == True:
###########################################################################
### Read in reanalysis data
years = np.arange(1979, 2019 + 1, 1)
late, lone, leve, vare = REAN.readOBS(dataERA, variable, level, period)
latr, lonr, levr, varr = REAN.readOBS('NCEP1', variable, level, period)
varpole = np.nanmean(vare, axis=3)
varpolr = np.nanmean(varr, axis=3)
###############################################################################
###############################################################################
###############################################################################
### Calculate reanalysis epochs
oldthicke = np.nanmean(varpole[:epochq], axis=0) # 1979-1993
newthicke = np.nanmean(varpole[-epochq:], axis=0) # 2005-2019
diffe = newthicke - oldthicke
oldthickr = np.nanmean(varpolr[:epochq], axis=0) # 1979-1993
newthickr = np.nanmean(varpolr[-epochq:], axis=0) # 2005-2019
### Read in data
if datareader == True:
###########################################################################
### Read in model data
polarave = []
high = []
for i in range(len(runnames)):
polaraveq = CAP.PolarCap(runnamesdata[i], variable, level, latpolar,
period)
highq = SH.SHI(runnamesdata[i], period)
polarave.append(polaraveq)
high.append(highq)
###########################################################################
### Read in reanalysis data
years = np.arange(1979, 2019 + 1, 1)
late, lone, leve, thicke = REAN.readOBS('ERA5', variable, level, period)
late, lone, leve, slpe = REAN.readOBS('ERA5', 'SLP', level, period)
she = REAN.calcOBS_SHI(slpe, late, lone)
vare = REAN.calcOBS_PolarCap(thicke, late, lone, latpolar)
latrr, lonrr, levr, thickr = REAN.readOBS('NCEP1', variable, level, period)
latr, lonr, levr, slpr = REAN.readOBS('NCEP1', 'SLP', level, period)
shr = REAN.calcOBS_SHI(slpr, latr, lonr)
varr = REAN.calcOBS_PolarCap(thickr, latrr, lonrr, latpolar)
###############################################################################
###############################################################################
###############################################################################
### Calculate ensemble means
meanPOL = np.empty((len(polarave)))
meanSHI = np.empty((len(high)))
epochq = 10
variable = 'TEMP'
letters = ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m"]
period = 'DJF'
level = 'profile'
dataERA = 'ERA5'
###############################################################################
###############################################################################
###############################################################################
### Read in data
if datareader == True:
###########################################################################
### Read in reanalysis data
years = np.arange(1979, 2019 + 1, 1)
late, lone, leve, vare = REAN.readOBS(dataERA, variable, level, period)
varpole = np.nanmean(vare, axis=3)
###############################################################################
###############################################################################
###############################################################################
### Calculate trends
trend = np.empty((varpole.shape[1], varpole.shape[2]))
pruns = np.empty((varpole.shape[1], varpole.shape[2]))
x = np.arange(varpole.shape[0])
for i in range(varpole.shape[1]):
for j in range(varpole.shape[2]):
trend[i,j],intercept,r_value,pruns[i,j],std_err = \
sts.linregress(x,varpole[:,i,j])
