-
Notifications
You must be signed in to change notification settings - Fork 0
/
MonthlyDistribution.py
332 lines (269 loc) · 12.6 KB
/
MonthlyDistribution.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
__author__ = 'fabio.lana'
import os
import glob
import csv
import numpy as np
import math
import matplotlib.pyplot as plt
import pylab
import arcpy
arcpy.CheckOutExtension("spatial")
from arcpy import env
env.overwriteOutput = "true"
class MonthlyDistribution(object):
proj_dir = os.getcwd() + "/projects/"
shape_countries = os.getcwd() + "/input_data/gaul/gaul_wfp.shp"
pop_distr = os.getcwd() + "/input_data/population/popmap10.tif"
flood_aggregated = os.getcwd() + "/input_data/flood/rp_aggregat.tif"
historical_accidents_file = os.getcwd() + "/input_data/historical_data/floods - refine.csv"
monthly_precipitation_dir = os.getcwd() + "/input_data/precipitation/"
def __init__(self, paese, admin):
self.paese = paese
self.admin = admin
self.dirOut = MonthlyDistribution.proj_dir + paese + "/" + admin + "/"
def build_value_list(self,list_val):
la_lista_finale = {}
for key, val in list_val.iteritems():
if key == 'prc01.tif':
la_lista_finale[1] = val
elif key == 'prc02.tif':
la_lista_finale[2] = val
elif key == 'prc03.tif':
la_lista_finale[3] = val
elif key == 'prc04.tif':
la_lista_finale[4] = val
elif key == 'prc05.tif':
la_lista_finale[5] = val
elif key == 'prc06.tif':
la_lista_finale[6] = val
elif key == 'prc07.tif':
la_lista_finale[7] = val
elif key == 'prc08.tif':
la_lista_finale[8] = val
elif key == 'prc09.tif':
la_lista_finale[9] = val
elif key == 'prc10.tif':
la_lista_finale[10] = val
elif key == 'prc11.tif':
la_lista_finale[11] = val
elif key == 'prc12.tif':
la_lista_finale[12] = val
for k, v in la_lista_finale.iteritems():
if v is None:
la_lista_finale[k] = 0
return la_lista_finale
def cut_monthly_rasters(self):
os.chdir(self.monthly_precipitation_dir)
lista_raster = glob.glob("*.tif")
admin_rast = self.dirOut + self.admin + "_rst.tif"
print admin_rast
valori_mensili = {}
for raster_mese in lista_raster:
mese_raster = arcpy.Raster(self.monthly_precipitation_dir + raster_mese)
mese_tagliato = arcpy.sa.ExtractByRectangle(mese_raster, admin_rast)
nome = self.dirOut + self.admin + "_" + str(raster_mese)
mese_tagliato.save(nome)
valori_mensili[raster_mese] = mese_tagliato.mean
global dizionario_in
dizionario_in = self.build_value_list(valori_mensili)
with open(self.dirOut + self.admin + "_prec.csv", 'wb') as csvfile:
csvwriter = csv.writer(csvfile, delimiter=' ', quotechar='|', quoting=csv.QUOTE_MINIMAL)
for linea in dizionario_in.iteritems():
csvwriter.writerow(linea)
global ritornati_somma
ritornati_somma = sum(dizionario_in.values())
return "Monthly Probability Function calculated....\n"
def valore_precipitation_centroid(self):
file_amministrativo = self.dirOut + self.admin + ".shp"
file_centroide = self.dirOut + self.admin + "_ctrd.shp"
#print file_centroide
adm2_centroid = arcpy.FeatureToPoint_management(file_amministrativo,file_centroide, "CENTROID")
coords = arcpy.da.SearchCursor(adm2_centroid,["SHAPE@XY"])
for polyg in coords:
x,y = polyg[0]
os.chdir(self.monthly_precipitation_dir)
lista_raster = glob.glob("*.tif")
valori_mensili = {}
for raster_mese in lista_raster:
result = arcpy.GetCellValue_management(raster_mese, str(x) + " " + str(y))
valori_mensili[raster_mese] = int(result[0])
#print valori_mensili
global dizionario_in
dizionario_in = self.build_value_list(valori_mensili)
with open(self.dirOut + self.admin + "_prec.csv", 'wb') as csvfile:
csvwriter = csv.writer(csvfile, delimiter=',', quotechar='"', quoting=csv.QUOTE_MINIMAL)
for linea in dizionario_in.iteritems():
csvwriter.writerow(linea)
#print dizionario_in
#global ritornati_somma
#ritornati_somma = sum(dizionario_in.values())
return "Monthly Probability Function calculated....\n"
def analisi_valori_da_normalizzare(self):
mese_di_minimo_valore = min(dizionario_in, key = dizionario_in.get)
minimo_valore = dizionario_in[mese_di_minimo_valore]
mese_di_massimo_valore = max(dizionario_in, key = dizionario_in.get)
massimo_valore = dizionario_in[mese_di_massimo_valore]
#NORMALIZZAZIONE FATTA A MANO CALCOLANDO TUTTO
#LO USO PERCHE ALTRIMENTI SI INCASINA LA GENERAZIONE DEI PLOTS
global normalizzati
normalizzati = {}
for linea in dizionario_in.iteritems():
x_new = (linea[1] - float(minimo_valore))/(float(massimo_valore)-float(minimo_valore))
normalizzati[linea[0]] = x_new
with open(self.dirOut + self.admin + "_prec_norm.csv", 'wb') as csvfile:
csvwriter = csv.writer(csvfile, delimiter=',', quotechar='"', quoting=csv.QUOTE_MINIMAL)
for linea in normalizzati.iteritems():
csvwriter.writerow(linea)
return "Monthly Probability Values normalized....\n"
def historical_analysis_damages(self):
import collections
file_incidenti_in = open(self.historical_accidents_file)
next(file_incidenti_in)
mesi = []
for linea in file_incidenti_in:
splittato_comma = linea.split(",")
if splittato_comma[2] == self.paese:
if splittato_comma[0] == 0 or splittato_comma[1] == 0:
print splittato_comma[9]
splittato_mese_inzio = splittato_comma[0].split("/")
splittato_mese_fine = splittato_comma[1].split("/")
#print splittato_mese_inzio[1], splittato_mese_fine[1]
if splittato_mese_inzio[1]!=0 or splittato_mese_fine[0]!=0:
differenza = int(splittato_mese_fine[1]) - int(splittato_mese_inzio[1])
if differenza == 0:
mesi.append(int(splittato_mese_inzio[1]))
else:
mesi.append(int(splittato_mese_inzio[1]))
for illo in range(1, differenza+1):
mesi.append(int(splittato_mese_inzio[1]) + illo)
file_incidenti_in.close()
conta_mesi = collections.Counter(mesi)
conta_mesi_ord = collections.OrderedDict(sorted(conta_mesi.items()))
missing = []
for indice in range(1, 13):
if indice not in conta_mesi_ord:
missing.append(indice)
for valore in missing:
conta_mesi_ord[valore] = 0
global danni_mesi
danni_mesi = collections.OrderedDict(sorted(conta_mesi_ord.items()))
return "Monthly subdivision of incidents calculated....\n"
def plot_monthly_danni(self):
labella_y = "Precipitation"
titolo = "EM-DAT Registered Incidents"
fig = pylab.gcf()
fig.canvas.set_window_title(titolo)
plt.grid(True)
# Plot y1 vs x in blue on the left vertical axis.
plt.xlabel("Months")
plt.ylabel("Historical Incidents related with Floods EM-DAT", color="b")
plt.tick_params(axis="y", labelcolor="b")
plt.bar(range(len(danni_mesi)), danni_mesi.values(), align='center', color='g')
plt.twinx()
plt.ylabel(labella_y, color="r")
plt.tick_params(axis="y", labelcolor="r")
plt.plot(range(len(dizionario_in)), dizionario_in.values(), 'r--')
plt.xticks(range(len(dizionario_in)), dizionario_in.keys())
plt.title(self.admin)
plt.show()
def population_flood_prone_areas(self):
global population_in_flood_prone_areas
tabella_calcolata = self.dirOut + self.admin + "_pop_stat.dbf"
tab_cur_pop = arcpy.da.SearchCursor(tabella_calcolata, "*")
campo_tempo_ritorno = tab_cur_pop.fields.index('Value')
campo_pop_affected = tab_cur_pop.fields.index('SUM')
population_in_flood_prone_areas = {}
for riga_pop in tab_cur_pop:
tempo_ritorno = riga_pop[campo_tempo_ritorno]
population_tempo_ritorno = riga_pop[campo_pop_affected]
if population_tempo_ritorno > 0:
population_in_flood_prone_areas[tempo_ritorno] = population_tempo_ritorno
return "Population in flood prone areas calculated....\n"
def calcolo_finale(self):
global persone_pesi
persone_pesi = dict()
persone_pesi['25'] = {}
persone_pesi['50'] = {}
persone_pesi['100'] = {}
persone_pesi['200'] = {}
persone_pesi['500'] = {}
persone_pesi['1000'] = {}
valori25 = []
valori50 = []
valori100 = []
valori200 = []
valori500 = []
valori1000 = []
iteratore = 0
ildizio_chiavi = population_in_flood_prone_areas.keys()
irps = [25, 50, 100, 200, 500, 1000]
for chiave in irps:
if chiave in ildizio_chiavi:
pass
else:
population_in_flood_prone_areas[chiave] = 0
for persone_chiave, persone_valore in sorted(population_in_flood_prone_areas.iteritems()):
iteratore += 1
for peso_chiave, peso_valore in normalizzati.iteritems():
persone = persone_valore * peso_valore
if persone_chiave == 25:
valori25.append(int(persone))
persone_pesi['25'][peso_chiave] = int(persone)
elif persone_chiave == 50:
valori50.append(int(persone))
persone_pesi['50'][peso_chiave] = persone
elif persone_chiave == 100:
valori100.append(int(persone))
persone_pesi['100'][peso_chiave] = persone
elif persone_chiave == 200:
valori200.append(int(persone))
persone_pesi['200'][peso_chiave] = persone
elif persone_chiave == 500:
valori500.append(int(persone))
persone_pesi['500'][peso_chiave] = persone
elif persone_chiave == 1000:
valori1000.append(int(persone))
persone_pesi['1000'][peso_chiave-1] = persone
return "Monthly people divided.....\n"
def plottalo_bello(self):
columns = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
rows = ['%d RP' % x for x in (1000, 500, 200, 100, 50, 25)]
people_affected_rp = []
for cada in persone_pesi.itervalues():
myRoundedList = [round(elem, 2) for elem in cada.values()]
people_affected_rp.append(myRoundedList)
print people_affected_rp
matrice = np.asarray(people_affected_rp)
maximo_y = math.ceil(max(matrice.sum(0))/500)*500
values = np.arange(0, maximo_y, 100000)
value_increment = 1
# Get some pastel shades for the colors
colors = plt.cm.OrRd(np.linspace(0, 0.5, len(rows)))
n_rows = len(persone_pesi)
#index = np.arange(len(columns)) + 0.3
index = np.arange(len(columns))
bar_width = 1
# Initialize the vertical-offset for the stacked bar chart.
y_offset = np.array([0.0] * len(columns))
# Plot bars and create text labels for the table
cell_text = []
for row in range(n_rows):
plt.bar(index, people_affected_rp[row], bar_width, bottom=y_offset, color=colors[row])
y_offset = y_offset + people_affected_rp[row]
cell_text.append(['%d' % (x) for x in y_offset])
# Reverse colors and text labels to display the last value at the top.
colors = colors[::-1]
cell_text.reverse()
# Add a table at the bottom of the axes
the_table = plt.table(cellText=cell_text,
rowLabels=rows,
rowColours=colors,
colLabels=columns,
loc ='bottom')
# Adjust layout to make room for the table:
plt.subplots_adjust(left=0.2, bottom=0.2)
plt.ylabel("People at risk per Return Period")
plt.yticks(values * value_increment), ['%d' % val for val in values]
plt.xticks([])
plt.title('People at risk by Return Period in ' + self.admin)
plt.show()