def importar_lpw(year, month, day, ti, tf):
date_orbit = dt.date(int(year), int(month), int(day))
year = date_orbit.strftime("%Y")
month = date_orbit.strftime("%m")
day = date_orbit.strftime("%d")
if gethostname() == "magneto2":
path = f"../../../../media/gabybosc/datos/LPW/"
elif gethostname() == "gabybosc":
path = "../../datos/LPW/"
else:
path = f"../../../datos/LPW/"
lpw = cdf.CDF(path + f"mvn_lpw_l2_lpnt_{year}{month}{day}_v03_r02.cdf")
t_unix = lpw.varget("time_unix")
e_density = lpw.varget("data")[:, 3]
t = unix_to_decimal(t_unix)
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
e_density_cut = e_density[inicio:fin]
return lpw, t_cut, e_density_cut
def importar_swea(year, month, day, ti, tf):
if gethostname() == "magneto2":
path = f"../../../../../media/gabybosc/datos/clweb/{year}-{month}-{day}/"
else:
path = f"../../../datos/clweb/{year}-{month}-{day}/"
swea = np.loadtxt(path + "SWEA.asc")
t_swea = np.unique(swea[:, 3] + swea[:, 4] / 60 +
swea[:, 5] / 3600) # hdec
energias = [50 + i * 50 for i in range(3)]
energy = swea[:, 7]
JE_total = swea[:, -1]
inicio = donde(t_swea, ti)
fin = donde(t_swea, tf)
t_cut = t_swea[inicio:fin]
idx = []
JE = []
JE_cut = []
for energia in energias:
idx.append(donde(energy, energia))
for i in range(len(idx)):
JE.append(JE_total[idx[i]])
JE_cut.append(JE[i][inicio:fin])
return (swea, t_cut, energias, JE_cut)
def importar_swea(year, month, day, ti, tf):
if gethostname() == "magneto2":
path = f"../../../../../media/gabybosc/datos/clweb/{year}-{month}-{day}/"
else:
path = f"../../../datos/clweb/{year}-{month}-{day}/"
swea = np.loadtxt(path + "SWEA.asc")
"""
Los datos de SWEA se ven de la siguiente manera: para cada tiempo hay muchos
valores de JE y de energía. Por eso sólo recorto el tiempo y dejo el JE entero
y en tal caso en el script principal lo recorto.
"""
t_swea, idx = np.unique(swea[:, 3] + swea[:, 4] / 60 + swea[:, 5] / 3600,
return_index=True) # hdec
# al tomar "unique" estoy borrando los t que se repiten para las diferentes energias
energias = [50 + i * 50 for i in range(3)]
inicio = donde(t_swea, ti)
fin = donde(t_swea, tf) # este corte no sirve para JE ni para energy!!
t_cut = t_swea[inicio:fin]
return swea, t_cut, energias
def importar_mag(year, month, day, ti, tf):
path = (
f"../../datos/clweb/{year}-{month}-{day}/" # path a los datos desde la laptop
)
if os.path.isfile(path + "mag_filtrado.txt"):
mag = np.loadtxt(path + "mag_filtrado.txt", skiprows=2)
B = mag[:, :3]
mag = np.loadtxt(path + "MAG.asc")
else:
mag = np.loadtxt(path + "MAG.asc")
B = mag[:, 6:9]
hh = mag[:, 3]
mm = mag[:, 4]
ss = mag[:, 5]
t = hh + mm / 60 + ss / 3600 # hdec
posicion = np.zeros((len(t), 3))
for i in range(9, 12):
posicion[:, i - 9] = mag[:, i]
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
B_cut = B[inicio:fin]
posicion_cut = posicion[inicio:fin]
return mag, t_cut, B_cut, posicion_cut
def importar_mag(year, month, day, ti, tf):
if gethostname() == "magneto2":
path = f"../../../../../media/gabybosc/datos/clweb/{year}-{month}-{day}/"
else:
path = f"../../../datos/clweb/{year}-{month}-{day}/"
if os.path.isfile(path + "mag_filtrado.txt"):
mag = np.loadtxt(path + "mag_filtrado.txt", skiprows=2)
B = mag[:, :3]
mag = np.loadtxt(path + "MAG.asc")
else:
mag = np.loadtxt(path + "MAG.asc")
B = mag[:, 6:9]
hh = mag[:, 3]
mm = mag[:, 4]
ss = mag[:, 5]
t = hh + mm / 60 + ss / 3600 # hdec
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
posicion_cut = mag[inicio:fin, 9:12]
B_cut = B[inicio:fin]
if len(B_cut) != len(t_cut):
print("no tenemos la misma cantidad de datos t que de B")
return mag, t_cut, B_cut, posicion_cut
def importar_swia(year, month, day, ti, tf):
date_orbit = dt.date(int(year), int(month), int(day))
year = date_orbit.strftime("%Y")
month = date_orbit.strftime("%m")
day = date_orbit.strftime("%d")
# if gethostname() == "magneto2":
# path = f"../../../../media/gabybosc/datos/SWIA/"
# elif gethostname() == "gabybosc":
# path = "../../datos/SWIA/"
# else:
path = f"../../../datos/SWIA/"
swia = cdf.CDF(path +
f"mvn_swi_l2_onboardsvymom_{year}{month}{day}_v01_r01.cdf")
t_unix = swia.varget("time_unix")
density = swia.varget("density") # cm⁻³
temperature = swia.varget("temperature_mso") # eV
vel_mso_xyz = swia.varget("velocity_mso") # km/s
t_swia = unix_to_decimal(t_unix)
inicio = donde(t_swia, ti)
fin = donde(t_swia, tf)
t_cut = t_swia[inicio:fin]
density_cut = density[inicio:fin]
temperature_cut = temperature[inicio:fin]
vel_mso_cut = vel_mso_xyz[inicio:fin] # km/s
return swia, t_cut, density_cut, temperature_cut, vel_mso_cut
def importar_swea(year, month, day, ti, tf):
date_orbit = dt.date(int(year), int(month), int(day))
year = date_orbit.strftime("%Y")
month = date_orbit.strftime("%m")
day = date_orbit.strftime("%d")
if gethostname() == "magneto2":
path = f"../../../../media/gabybosc/datos/SWEA/"
elif gethostname() == "gabybosc":
path = "../../datos/SWEA/"
else:
path = f"../../../datos/SWEA/"
swea = cdf.CDF(path +
f"/mvn_swe_l2_svyspec_{year}{month}{day}_v04_r01.cdf")
flux_all = swea.varget("diff_en_fluxes")
energia = swea.varget("energy")
t_unix = swea.varget("time_unix")
t = unix_to_decimal(t_unix)
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
flux = flux_all[inicio:fin]
flux_plot = np.transpose(flux)[::-1]
return swea, t_cut, energia, flux_plot
def importar_static(year, month, day, ti, tf):
date_orbit = dt.date(int(year), int(month), int(day))
year = date_orbit.strftime("%Y")
month = date_orbit.strftime("%m")
day = date_orbit.strftime("%d")
if gethostname() == "magneto2":
path = f"../../../../media/gabybosc/datos/STATIC/"
elif gethostname() == "gabybosc":
path = "../../datos/STATIC/"
else:
path = f"../../../datos/STATIC/"
static = cdf.CDF(path +
f"mvn_sta_l2_c6-32e64m_{year}{month}{day}_v02_r01.cdf")
t_unix = static.varget("time_unix")
mass = static.varget("mass_arr")
energy = static.varget("energy")
t = unix_to_decimal(t_unix)
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
mass_cut = mass[inicio:fin]
energy_cut = energy[inicio:fin]
return static, t_cut, mass_cut, energy_cut
def importar_swia(year, month, day, ti, tf):
if gethostname() == "magneto2":
path = f"../../../../../media/gabybosc/datos/clweb/{year}-{month}-{day}/"
else:
path = f"../../../datos/clweb/{year}-{month}-{day}/"
swia = np.loadtxt(path + "SWIA.asc")
t = swia[:, 3] + swia[:, 4] / 60 + swia[:, 5] / 3600 # hdec
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
density_cut = swia[inicio:fin, -1]
return swia, t_cut, density_cut
def importar_static(year, month, day, ti, tf):
if gethostname() == "magneto2":
path = f"../../../../../media/gabybosc/datos/clweb/{year}-{month}-{day}/"
else:
path = f"../../../datos/clweb/{year}-{month}-{day}/"
static = np.loadtxt(path + "STATIC.asc")
t = static[:, 3] + static[:, 4] / 60 + static[:, 5] / 3600
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
mass = static[inicio:fin, 7]
counts = static[inicio:fin, -1]
return static, t_cut, mass, counts
def importar_lpw(year, month, day, ti, tf):
if gethostname() == "magneto2":
path = f"../../../../../media/gabybosc/datos/clweb/{year}-{month}-{day}/"
else:
path = f"../../../datos/clweb/{year}-{month}-{day}/"
lpw = np.loadtxt(path + "LPW.asc")
t = lpw[:, 3] + lpw[:, 4] / 60 + lpw[:, 5] / 3600
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
e_density_cut = lpw[inicio:fin, 6]
flag = lpw[inicio:fin, -1]
return lpw, t_cut, e_density_cut, flag
def importar_STATIC(year, month, day, ti, tf):
STATIC = pd.read_csv("../../../datos/STATIC/STATIC_Ni_2016-03-16.txt")
t_hdec = []
for t_UTC in STATIC["Time [UTC]"]:
(dia, hora) = t_UTC.split("/")
(h, m, s) = hora.split(":")
t_hdec.append(int(h) + int(m) / 60 + int(s) / 3600)
t = np.array(t_hdec)
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
H_density = STATIC["Density H+ [/cc]"][inicio:fin]
O_density = STATIC["Density O+ [/cc]"][inicio:fin]
O2_density = STATIC["Density O2+ [/cc]"][inicio:fin]
CO2_density = STATIC["Density CO2+ [/cc]"][inicio:fin]
return STATIC, t_cut, H_density, O_density, O2_density, CO2_density
def importar_swifa(year, month, day, ti, tf):
path = f"../../../datos/Ecinetica/{year}-{month}-{day}/"
swifa = np.loadtxt(path + "SWIFA.asc")
t = swifa[:, 3] + swifa[:, 4] / 60 + swifa[:, 5] / 3600 # hdec
density = swifa[:, 6]
vel_norm = swifa[:, -1]
vel_mso_xyz = swifa[:, 7:10]
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
vel_cut = vel_mso_xyz[inicio:fin]
vel_norm_cut = vel_norm[inicio:fin]
d_cut = density[inicio:fin]
return swifa, t_cut, d_cut, vel_cut, vel_norm_cut
def importar_swia(year, month, day, ti, tf):
date_orbit = dt.date(int(year), int(month), int(day))
year = date_orbit.strftime("%Y")
month = date_orbit.strftime("%m")
day = date_orbit.strftime("%d")
if gethostname() == "magneto2":
path = "../../../../media/gabybosc/datos/SWIA/"
elif gethostname() == "gabybosc":
path = "../../datos/SWIA/"
else:
path = "../../../datos/SWIA/"
if os.path.isfile(
path + f"mvn_swi_l2_coarsearc3d_{year}{month}{day}_v01_r01.cdf"):
# si no existe SWICA, usa los onboard
swia = cdf.CDF(
path +
f"mvn_swi_l2_coarsearc3d_{year}{month}{day}_v01_r01_orig.cdf")
else:
swia = cdf.CDF(
path + f"mvn_swi_l2_onboardsvymom_{year}{month}{day}_v01_r01.cdf")
t_unix = swia.varget("time_unix")
density = swia.varget("density") # cm⁻³
# creo que en los datos de PDS, SWICA no tiene estos ya calculados (son justamente los moments)
temperature = swia.varget("temperature_mso") # eV
vel_mso_xyz = swia.varget("velocity_mso") # km/s
t_swia = unix_to_decimal(t_unix)
inicio = donde(t_swia, ti)
fin = donde(t_swia, tf)
t_cut = t_swia[inicio:fin]
density_cut = density[inicio:fin]
temperature_cut = temperature[inicio:fin]
vel_mso_cut = vel_mso_xyz[inicio:fin] # km/s
return swia, t_cut, density_cut, temperature_cut, vel_mso_cut
def importar_mag(year, month, day, ti, tf):
date_orbit = dt.date(int(year), int(month), int(day))
year = date_orbit.strftime("%Y")
month = date_orbit.strftime("%m")
day = date_orbit.strftime("%d")
doy = date_orbit.strftime("%j")
if gethostname() == "magneto2":
path = f"../../../../media/gabybosc/datos/MAG_hires/"
elif gethostname() == "gabybosc":
path = "../../datos/MAG_hires/"
else:
path = f"../../../datos/MAG_hires/"
mag = np.loadtxt(
path + f"mvn_mag_l2_{year}{doy}ss_{year}{month}{day}_v01_r01.sts",
skiprows=160)
hh = mag[:, 2]
mm = mag[:, 3]
ss = mag[:, 4]
t = hh + mm / 60 + ss / 3600 # hdec
B = mag[:, 7:10]
posicion = mag[:, 11:14]
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
B_cut = B[inicio:fin]
posicion_cut = posicion[inicio:fin]
mag_cut = mag[inicio:fin]
return mag_cut, t_cut, B_cut, posicion_cut
def importar_swia(year, month, day, ti, tf):
if gethostname() == "magneto2":
path = f"../../../../../media/gabybosc/datos/clweb/{year}-{month}-{day}/"
else:
path = f"../../../datos/clweb/{year}-{month}-{day}/"
if os.path.isfile(path +
"SWICA.asc"): # si no existe uno llamado SWICA, usa SWIA
swia = np.loadtxt(path + "SWICA.asc")
else:
swia = np.loadtxt(path + "SWIA.asc")
t = swia[:, 3] + swia[:, 4] / 60 + swia[:, 5] / 3600 # hdec
inicio = donde(t, ti)
fin = donde(t, tf)
t_cut = t[inicio:fin]
density_cut = swia[inicio:fin, 6]
vel_cut = swia[inicio:fin, 7:10]
vel_norm = swia[inicio:fin, -1]
return swia, t_cut, density_cut, vel_cut, vel_norm
escalas[0] = 1 / 3600 # la escala más chica es de 1s
for i in range(len(escalas) - 1):
escalas[i + 1] = escalas[i] + 1 / 3600
# print(f'escala mayor = {escalas[-1]*3600}s')
M = len(t) # el numero de datos
program_starts = time.time()
cociente = np.zeros((len(tiempo_central), len(escalas)))
normales = np.zeros((len(tiempo_central), len(escalas), 3))
for i in range(len(tiempo_central)):
for j in range(len(escalas)):
inicio = donde(t, tiempo_central[i] - escalas[j])
fin = donde(t, tiempo_central[i] + escalas[j])
# ahora empieza el MVA con los datos que elegí
B_cut = B[inicio : fin + 1, :]
M_ij = Mij(B_cut)
# ahora quiero los autovectores y autovalores
[lamb, x] = np.linalg.eigh(M_ij) # uso eigh porque es simetrica
# Los ordeno de mayor a menor
idx = lamb.argsort()[::-1]
lamb = lamb[idx]
x = x[:, idx]
# ojo que me da las columnas en vez de las filas como autovectores: el av x1 = x[:,0]
# si ahora proyecto sobre la normal del bootstrap
v_para_boot = np.dot(np.array([-2.487, 0.479, 2.836]),
normal_boot) * normal_boot
x_14_boot = v_para_boot * deltat_14 # en km
x_23_boot = v_para_boot * deltat_23
# plot_velocidades(X1, Y1, Z1, R, normal_fit, x3, v_media, v_para, v_para_MVA)
###########
# giroradio
#########
# análisis de corrientes
inicio_up = donde(t, t1 - 0.015) # las 18:12:00
fin_up = donde(t, t1) # las 18:13:00
B_upstream = np.mean(B[inicio_up:fin_up, :], axis=0) # nT
inicio_down = donde(t, t4) # las 18:14:51
fin_down = donde(t, t4 + 0.015) # las 18:15:52
B_downstream = np.mean(B[inicio_down:fin_down, :], axis=0) # nT
omega = np.arccos(
np.dot(B_upstream, B_downstream) /
(np.linalg.norm(B_upstream) * np.linalg.norm(B_downstream)))
mu = 4 * np.pi * 1e-7 # Henry/m
J_s_MVA, J_v_MVA = corrientes(x3, B_upstream, B_downstream,
np.linalg.norm(x_23_MVA))
# minimo = int(i * 1620)
# maximo = int(minimo + 600)
# plt.plot(x[minimo:maximo], B[minimo:maximo, 0], label=i)
# for i in range(6):
# m = int(10200 + 1620 * i)
# M = int(m + 600)
# plt.plot(x[m:M], B[m:M, 0], label=i)
#
# plt.show()
"""
Comparación de B y de la densidad de protones
"""
t1t2t3t4 = [18.2167, 18.2204, 18.235, 18.2476]
i1 = donde(t, t1t2t3t4[0])
i2 = donde(t, t1t2t3t4[1])
i3 = donde(t, t1t2t3t4[2])
i4 = donde(t, t1t2t3t4[3])
idx = diezmar(t, t_swia)
plt.figure()
plt.plot(posicion[:, 0] / 3390, np.linalg.norm(B_mag, axis=1), label="MAVEN")
plt.axvline(posicion[i1, 0] / 3390, color="C2", linestyle="--", label="t1")
plt.axvline(posicion[i2, 0] / 3390, color="C3", linestyle="--", label="t2")
plt.axvline(posicion[i3, 0] / 3390, color="C4", linestyle="--", label="t3")
plt.axvline(posicion[i4, 0] / 3390, color="C5", linestyle="--", label="t4")
plt.xlabel("x (RM)")
plt.ylabel("|B| (nT)")
plt.legend()
import numpy as np
import matplotlib.pyplot as plt
from importar_datos import importar_mag
from funciones import fechas, tiempos, donde, hdec_to_UTC
year, month, day, doy = fechas()
ti, tf = tiempos()
mag, t, B, posicion = importar_mag(year, month, day, ti, tf)
periapsis = donde(np.linalg.norm(posicion, axis=1),
min(np.linalg.norm(posicion, axis=1)))
t_peri = t[periapsis]
print(
f"el periapsis se alcanza a las {t_peri} (hdec) = {hdec_to_UTC(t_peri)} UTC"
)
plt.plot(t, posicion)
plt.figure()
plt.plot(t, np.linalg.norm(posicion, axis=1))
plt.plot(t, posicion[:, -1])
plt.show()
# year, month, day, hour, minute, second, millisecond, x,y,z
M = len(mag)
date = [np.ones(M) * int(year), np.ones(M) * int(month), np.ones(M) * int(day)]
date = np.transpose(np.array(date))
horario = mag[:, 2:6]
RM = posicion / 3390
rho = reordenados[:, 3] v_plasma = reordenados[:, 4:7] B = reordenados[:, 7:10] Ptot = reordenados[:, 10] HpRho = reordenados[:, 11] v_i = reordenados[:, 12:15] HP = reordenados[:, 15] O2pRho = reordenados[:, 16] O2P = reordenados[:, 20] OpRho = reordenados[:, 21] OP = reordenados[:, 25] CO2pRho = reordenados[:, 26] CO2P = reordenados[:, 30] J = reordenados[:, -3:] * 1000 # J en volumen inicio_MPB = donde(pos[:, 0], 1.2) fin_MPB = donde(pos[:, 0], 1.36) inicio_BS = donde(pos[:, 0], 1.67) fin_BS = donde(pos[:, 0], 1.72) B_MPB = B[inicio_MPB:fin_MPB, :] J_MPB = J[inicio_MPB:fin_MPB, :] # nA/m² x_MPB = x[inicio_MPB:fin_MPB] # MVA: M_ij = Mij(B_MPB) [lamb, av] = np.linalg.eigh(M_ij) # uso eigh porque es simetrica idx = lamb.argsort()[::-1] lamb = lamb[idx] av = av[:, idx] x1 = av[:, 0]
t1 = float(hoja_parametros.cell(fila, 6).value)
t2 = float(hoja_parametros.cell(fila, 7).value)
t3 = float(hoja_parametros.cell(fila, 8).value)
t4 = float(hoja_parametros.cell(fila, 9).value)
mag, t_mag_entero, B_entero, posicion = importar_mag_1s(
year, month, day, ti, tf)
swia, t_swia_entero, density, temperature, vel_mso_xyz = importar_swia(
year, month, day, ti, tf)
"""
giroradio: rg = mp * v_perp / (q_e * B) en la región upstream
where vperp is the component of the velocity perpendicular to the
direction of the magnetic field and B is the strength of the magnetic field
"""
# selecciono la región upstream:
inicio_mag = donde(t_mag_entero, t1 - 0.1)
fin_mag = donde(t_mag_entero, t1 - 0.05)
inicio_swia = donde(t_swia_entero, t1 - 0.1)
fin_swia = donde(t_swia_entero, t1 - 0.05)
t_mag = t_mag_entero[inicio_mag:fin_mag]
B = B_entero[inicio_mag:fin_mag] * 1e-9 # T
t_swia = t_swia_entero[inicio_swia:fin_swia]
velocidad = vel_mso_xyz[inicio_swia:fin_swia]
# para poder proyectar v_para voy a tener que diezmar B
paso = int(len(B) / len(velocidad))
B_diezmado = B[::paso]
# ahora que están recortadas las convierto en lo que busco: la intensidad de B y la v perp
rho = reordenados[:, 3] v_e = reordenados[:, 4:7] B = reordenados[:, 7:10] Ptot = reordenados[:, 10] HpRho = reordenados[:, 11] v_i = reordenados[:, 12:15] HP = reordenados[:, 15] # P_e = HP en esta simu O2pRho = reordenados[:, 16] O2P = reordenados[:, 20] OpRho = reordenados[:, 21] OP = reordenados[:, 25] CO2pRho = reordenados[:, 26] CO2P = reordenados[:, 30] J = reordenados[:, -3:] inicio_MPB = donde(pos[:, 0], 1.2) fin_MPB = donde(pos[:, 0], 1.36) inicio_BS = donde(pos[:, 0], 1.67) fin_BS = donde(pos[:, 0], 1.72) # # xi = 1.2 # xf = 1.36 # inicio_up = donde(x, xi - 126) # fin_up = donde(x, xi) # B_upstream = np.mean(B[inicio_up:fin_up, :], axis=0) # nT # # inicio_down = donde(x, xf) # fin_down = donde(x, xf + 146) # B_downstream = np.mean(B[inicio_down:fin_down, :], axis=0) # nT
"""
year, month, day, doy = 2016, "03", 16, 76
ti, tf = 17.85, 18.4
path = f"../../../datos/clweb/{year}-{month}-{day}/"
# path = f"../../../../../media/gabybosc/datos/clweb/{year}-{month}-{day}/" # path a los datos desde la desktop.
datos_t = np.loadtxt("../outputs/t1t2t3t4.txt")
mag, t, B, posicion = importar_mag(year, month, day, ti, tf)
t1, t2, t3, t4 = 18.2167, 18.2204, 18.235, 18.2476
t_up = t1 - 0.015
t_down = t4 + 0.015
zoom_inicial = donde(t, t1 - 0.05)
zoom_final = donde(t, t4 + 0.05)
Bnorm = np.linalg.norm(B, axis=1)
mag_low = np.loadtxt(path + "mag_1s.sts", skiprows=160)
tlow = mag_low[:, 6] # el dia decimal
tlow = (tlow - int(doy)) * 24 # para que me de sobre la cantidad de horas
Mlow = np.size(tlow) # el numero de datos
# el campo
Blow = np.zeros((Mlow, 3))
for i in range(7, 10):
Blow[:, i - 7] = mag_low[:, i]
B_para, B_perp_norm, t_plot = Bpara_Bperp(Blow, tlow, t[0], t[-1])
Es como la figura pricipal en mi tesis.
"""
# DATOS DE PDS
year, month, day, doy = fechas()
ti, tf = tiempos()
mag, t, B, posicion = importar_mag(year, month, day, ti, tf)
swea = importar_swea(year, month, day, ti, tf)
swia, t_swia, i_density, i_temp, vel_mso = importar_swia(
year, month, day, ti, tf)
lpw, t_lpw, e_density = importar_lpw(year, month, day, ti, tf)
t1 = donde(t, ti)
t2 = donde(t, tf)
t_plot, B_para, B_perp_norm = Bpara_Bperp(B, t, ti, tf)
# ######### SWEA
# flux_all = swea.varget("diff_en_fluxes")
# energia = swea.varget("energy")
#
# t_unix_e = swea.varget("time_unix")
#
# t_swea = unix_to_decimal(t_unix_e)
# inicio_e = np.where(t_swea == find_nearest(t_swea, 17.85))[0][0]
# fin_e = np.where(t_swea == find_nearest(t_swea, 18.4))[0][0]
#
# ne = len(flux_cut)
swia, t_swia, density, vel_mso = importar_swia_vel(
year, month, day, ti_ms, tf_down
)
mag, t_mag, B, posicion = importar_mag(year, month, day, ti_ms, tf_down)
# quiero diezmar el tiempo y el campo para que sean los mismos que tiene swia
idx = diezmar(t_mag, t_swia)
tmag_diezmado = t_mag[idx]
B_cut = B[idx]
posicion_cut = posicion[idx]
inicio_up = donde(t_swia, ti_down) # tiene que dar lo mismo si uso tswia o tmag
fin_up = donde(t_swia, tf_down)
ti_funda = donde(tmag_diezmado, ti_ms)
tf_funda = donde(tmag_diezmado, tf_ms)
####################
B_avg = np.empty((len(idx), 3))
v_maven = np.empty((len(idx), 3))
v_planet = np.empty((len(idx), 3))
for i in range(len(idx)):
B_avg[i, :] = np.mean(B_cut[i : i + 30, :], axis=0)
v_maven[i, :] = (
ax1 = plt.subplot2grid((2, 1), (0, 0))
plt.plot(x, B_norm, ".")
plt.setp(ax1.get_xticklabels(), visible=False)
ax1.set_ylabel("|B|")
ax1.grid()
ax2 = plt.subplot2grid((2, 1), (1, 0), sharex=ax1)
ax2.plot(x, np.linalg.norm(dBdx, axis=1), ".")
ax2.set_ylabel("dB/dx")
ax2.set_xlabel("x (RM)")
ax2.grid()
multi = MultiCursor(fig.canvas, (ax1, ax2), color="black", lw=1)
plt.show()
x_cut = x[donde(x, 1.20464) : donde(x, 1.26368)]
B_cut = B_norm[donde(x, 1.20464) : donde(x, 1.26368)]
coef = np.polynomial.polynomial.polyfit(x_cut, B_cut, deg=1)
MPR = np.mean(B_norm[donde(x, 1.17) : donde(x, 1.20)])
MS = np.mean(B_norm[donde(x, 1.26) : donde(x, 1.4)])
plt.figure()
plt.title("Campo magnético y ajuste")
plt.plot(x, B_norm, ".")
plt.plot(x, coef[0] + x * coef[1])
plt.axhline(y=MPR, c="k")
plt.axhline(y=MS, c="k")
plt.ylabel("|B|")
plt.xlabel("x (RM)")
# inicio_mpr = donde(t_swica, ti_MPR)
# fin_mpr = donde(t_swica, ti_MPR + 0.02)
# v_parallel_mpr = np.dot(vel_swica[inicio_mpr : fin_mpr + 1], normal)
#
# v_mean_mpr = np.mean(v_parallel_mpr) # km/s
# density_mpr_mean = np.mean(density_swica[inicio_mpr : fin_mpr + 1]) # 1/cm3
# print(
# f"La velocidad media en la región downstream (ojo que acá SWIA no funciona bien) en dirección de la normal es {v_mean_mpr:.3g} km/s"
# )
#
# p_ram_mpr = mp * (v_mean_mpr * 1e3) ** 2 * (density_mpr_mean * 1e6) # J/m3
#
# print(
# f"La ram pressure en la región downstream a partir de los parámetros promedio es {p_ram_mpr*1e9:.3g} nPa"
# )
inicio_mpr_mag = donde(t_mag, ti_MPR)
fin_mpr_mag = donde(t_mag, tf_MPR)
B_mean_mpr = np.mean(B_norm[inicio_mpr_mag:fin_mpr_mag + 1])
error_B = np.std(B_norm[inicio_mpr_mag:fin_mpr_mag])
B_MPR = ufloat(B_mean_mpr, error_B)
p_mag_mpr = B_MPR**2 / (2 * mu_0) # J/m3
#
# print(
# f"El B medio en la región downstream a partir de los parámetros promedio es {B_mean_mpr:.3g} T"
# )
print(
f"La presión magnética en la región downstream a partir de los parámetros promedio es {p_mag_mpr*1e9:.3g} nPa"
)
def MVA(year, month, day, doy, ti_MVA, tf_MVA, t, B, posicion):
fila, hoja_parametros, hoja_MVA, hoja_Bootstrap, hoja_fit = importar_fila(
year, month, day, doy, ti_MVA
)
t1 = float(hoja_parametros.cell(fila, 6).value)
t2 = float(hoja_parametros.cell(fila, 7).value)
t3 = float(hoja_parametros.cell(fila, 8).value)
t4 = float(hoja_parametros.cell(fila, 9).value)
inicio = donde(t, ti_MVA)
fin = donde(t, tf_MVA)
B_cut = B[inicio:fin, :]
# ahora empieza el MVA con los datos que elegí
posicion_cut = posicion[inicio : fin + 1, :]
altitud = np.mean(np.linalg.norm(posicion_cut, axis=1) - 3390)
M_ij = Mij(B_cut)
# ahora quiero los autovectores y autovalores
[lamb, x] = np.linalg.eigh(M_ij) # uso eigh porque es simetrica
# Los ordeno de mayor a menor
idx = lamb.argsort()[::-1]
lamb = lamb[idx]
x = x[:, idx]
# ojo que me da las columnas en vez de las filas como autovectores: el av x1 = x[:,0]
x1 = x[:, 0]
x2 = x[:, 1]
x3 = x[:, 2]
av = np.concatenate([x1, x2, x3])
if x3[0] < 0: # si la normal aputna para adentro me la da vuelta
x3 = -x3
if any(np.cross(x1, x2) - x3) > 0.01:
print("Cambio el signo de x1 para que los av formen terna derecha")
x1 = -x1
# las proyecciones
B1 = np.dot(B_cut, x1)
B2 = np.dot(B_cut, x2)
B3 = np.dot(B_cut, x3)
# el B medio
B_medio_vectorial = np.mean(B_cut, axis=0)
SZAngle = SZA(posicion_cut, 0)
if any(posicion_cut[:, 2]) < 0:
SZAngle = -SZAngle
B_norm_medio = np.linalg.norm(B_medio_vectorial)
hodograma(B1, B2, B3)
# el error
phi, delta_B3 = error(lamb, B_cut, x)
###############
# ###fit
orbita = posicion[donde(t, t1 - 1) : donde(t, t4 + 1)] / 3390 # radios marcianos
index = donde(t, (t2 + t3) / 2)
x0 = 0.78
e = 0.9
L0 = 0.96
normal_fit, X1, Y1, Z1, R, L0 = ajuste_conico(
posicion, index, orbita, x3, x0, e, L0
)
B3_fit = np.dot(B_cut, normal_fit)
###############
# #Bootstrap
N_boot = 1000
normal_boot, phi_boot, delta_B3_boot, out, out_phi = bootstrap(N_boot, B_cut)
muB, sigmaB, mu31, sigma31, mu32, sigma32 = plot_bootstrap(out, out_phi)
B3_boot = np.dot(B_cut, normal_boot)
#######
# Errores
if phi[2, 1] > phi[2, 0]:
error_normal = phi[2, 1] * 57.2958
else:
error_normal = phi[2, 0] * 57.2958
# quiero ver si el error más grande es phi31 o phi32
if sigma31 > sigma32:
error_boot = sigma31
else:
error_boot = sigma32
print("Fin del MVA")
#############
# ahora guardo todo en una spreadsheet
# ######updateo la hoja de los parámetros
# hoja_parametros.update_acell(f"D{fila}", f"{SZAngle:.3g}")
# hoja_parametros.update_acell(f"E{fila}", f"{int(altitud)}")
# hoja_parametros.update_acell(f"O{fila}", f"{round(B_norm_medio,2)}")
#
# cell_B = hoja_parametros.range(f"L{fila}:N{fila}")
# for i, cell in enumerate(cell_B):
# cell.value = round(B_medio_vectorial[i], 2)
# hoja_parametros.update_cells(cell_B)
#
# # if (
# # type(B_filtrado) != int
# # ): # si no es un int, en particular 0, agrega los datos a la lista
# # hoja_parametros.update_acell(f"J{fila}", f"{orden_filtro}")
# # hoja_parametros.update_acell(f"K{fila}", f"{frec_filtro}")
# # else:
# # hoja_parametros.update_acell(f"J{fila}", "Sin filtrar")
#
# # #######update la hoja de MVA
# hoja_MVA.update_acell(f"D{fila}", f"{ti_MVA}")
# hoja_MVA.update_acell(f"E{fila}", f"{tf_MVA}")
# hoja_MVA.update_acell(f"I{fila}", f"{lamb[1]/lamb[2]:.3g}")
#
# hoja_MVA.update_acell(f"S{fila}", f"{error_normal:.3g}")
# hoja_MVA.update_acell(f"T{fila}", f"{round(np.mean(B3),2)}")
# hoja_MVA.update_acell(f"U{fila}", f"{round(delta_B3,2)}")
# hoja_MVA.update_acell(f"V{fila}", f"{abs(round(np.mean(B3)/B_norm_medio,2))}")
#
# cell_lambda = hoja_MVA.range(f"F{fila}:H{fila}")
# for i, cell in enumerate(cell_lambda):
# cell.value = round(lamb[i], 2)
# hoja_MVA.update_cells(cell_lambda)
#
# cell_av = hoja_MVA.range(f"J{fila}:R{fila}")
# for i, cell in enumerate(cell_av):
# cell.value = round(av[i], 3)
# hoja_MVA.update_cells(cell_av)
#
# # #######update la hoja de bootstrap
# hoja_Bootstrap.update_acell(f"D{fila}", f"{len(B)}")
# hoja_Bootstrap.update_acell(f"E{fila}", f"{N_boot}")
#
# cell_normal = hoja_Bootstrap.range(f"F{fila}:H{fila}")
# for i, cell in enumerate(cell_normal):
# cell.value = round(normal_boot[i], 3)
# hoja_Bootstrap.update_cells(cell_normal)
#
# hoja_Bootstrap.update_acell(f"I{fila}", f"{error_boot:.3g}")
# hoja_Bootstrap.update_acell(f"J{fila}", f"{round(np.mean(B3_boot),2)}")
# hoja_Bootstrap.update_acell(f"K{fila}", f"{round(sigmaB,2)}")
# hoja_Bootstrap.update_acell(
# f"L{fila}", f"{abs(round(np.mean(B3_boot)/B_norm_medio,2))}"
# )
#
# # #######update la hoja del ajuste
# hoja_fit.update_acell(f"D{fila}", f"{L0}")
# hoja_fit.update_acell(f"E{fila}", f"{e}")
# hoja_fit.update_acell(f"F{fila}", f"{x0}")
#
# cell_normal = hoja_fit.range(f"G{fila}:I{fila}")
# for i, cell in enumerate(cell_normal):
# cell.value = round(normal_fit[i], 3)
# hoja_fit.update_cells(cell_normal)
#
# hoja_fit.update_acell(f"K{fila}", f"{round(np.mean(B3_fit),2)}")
# hoja_fit.update_acell(f"L{fila}", f"{abs(round(np.mean(B3_fit)/B_norm_medio,2))}")
#
# print("escribe la spreadsheet")
return (
x3,
normal_boot,
normal_fit,
inicio,
fin,
B_cut,
t1,
t2,
t3,
t4,
B_medio_vectorial,
fila,
hoja_parametros,
hoja_MVA,
hoja_Bootstrap,
hoja_fit,
)
Mlow = np.size(tlow) # el numero de datos
# el campo
Blow = np.zeros((Mlow, 3))
for i in range(7, 10):
Blow[:, i - 7] = mag_low[:, i]
B_para, B_perp_norm, t_plot = Bpara_Bperp(Blow, tlow, t[0], t[-1])
# ######### SWEA
swea, t_swea, energias = importar_swea(year, month, day, ti, tf)
energy = swea[:, 7]
JE_total = swea[:, -1]
inicio_swea = donde(t_swea, ti) # debería ser 0
fin_swea = donde(t_swea, tf)
# ######################################################################## SWIA
swia, t_swia, density = importar_swia(year, month, day, ti, tf)
# t_swica, t_swifa, density_swica, density_swifa = importar_swicfa(
# year, month, day, ti, tf
# )
# ########################## STATIC
static, t_static, mass, counts = importar_static(year, month, day, ti, tf)
# ############ tiempos UTC
year = int(year)
