import os from netCDF4 import Dataset # Biblioteca para ler arquivos NetCDF, que contêm dados climáticos como pressão e vento. import numpy as np # Para cálculos matemáticos com matrizes de números. import matplotlib.pyplot as plt # Para criar gráficos e mapas. import cartopy.crs as ccrs # Para projeções de mapas (ex.: mapas geográficos da Terra). import cartopy.feature as cfeature # Para adicionar elementos como costas e fronteiras nos mapas. import matplotlib # Biblioteca principal de plotagem. # --- CONFIGURAÇÕES --- # Definimos as datas das rodadas (início das simulações) e previsões (datas futuras previstas). rodadas = ["2023030700", "2023030800", "2023030900", "2023031000", "2023031100"] previsoes = ["2023030800", "2023030900", "2023031000", "2023031100", "2023031200"] # Limites geográficos do mapa: longitude (oeste a leste) e latitude (sul a norte). lon_min, lon_max = -110, -70 lat_min, lat_max = -30, 10 # --- FIGURA --- # Cria uma grade de painéis (subgráficos) para mostrar mapas de várias rodadas e previsões. fig, axs = plt.subplots( len(rodadas), len(previsoes), # Linhas = número de rodadas, colunas = número de previsões. figsize=(16, 16), # Tamanho da figura em polegadas (grande para caber todos os painéis). subplot_kw=dict(projection=ccrs.PlateCarree()), # Usa projeção de mapa simples. gridspec_kw={'hspace':0.05, 'wspace':0.05} # Espaçamento pequeno entre painéis. ) # --- DETECTAR PRIMEIRA COLUNA E ÚLTIMA LINHA COM DADO --- # Essas listas ajudam a identificar quais painéis têm dados válidos, para colocar rótulos corretamente. primeira_coluna_com_dado = [None]*len(rodadas) ultima_linha_com_dado = [None]*len(previsoes) # Verifica quais arquivos existem para marcar onde há dados. for i, rodada in enumerate(rodadas): for j, previsao in enumerate(previsoes): if rodada == previsao: # Ignora casos onde rodada e previsão são a mesma data (sem dados). continue pasta = rodada # Pasta onde o arquivo está armazenado. arquivo = f"MONAN_DIAG_R_POS_GFS_{rodada}_{previsao}.00.00.x1.5898242L55.nc" # Nome do arquivo NetCDF. caminho = os.path.join(pasta, arquivo) # Caminho completo do arquivo. if os.path.exists(caminho): # Se o arquivo existe... if primeira_coluna_com_dado[i] is None: primeira_coluna_com_dado[i] = j # Marca a primeira coluna com dados para essa rodada. ultima_linha_com_dado[j] = i # Marca a última linha com dados para essa previsão. # --- LOOP DE PLOTAGEM --- # Para cada combinação de rodada e previsão, cria um mapa no painel correspondente. for i, rodada in enumerate(rodadas): for j, previsao in enumerate(previsoes): ax = axs[i,j] # Seleciona o painel atual. ax.set_extent([lon_min, lon_max, lat_min, lat_max], crs=ccrs.PlateCarree()) # Define os limites do mapa. # Adiciona rótulo com a data da rodada na primeira coluna visível. if j == primeira_coluna_com_dado[i]: ax.set_visible(True) ax.text(-0.3, 0.5, f"Rodada: {rodada}", fontsize=12, va='center', rotation=90, transform=ax.transAxes) try: if rodada == previsao: # Se datas iguais, painel fica vazio. ax.set_visible(False) continue pasta = rodada arquivo_atual = f"MONAN_DIAG_R_POS_GFS_{rodada}_{previsao}.00.00.x1.5898242L55.nc" caminho_atual = os.path.join(pasta, arquivo_atual) if not os.path.exists(caminho_atual): # Se arquivo não existe, esconde painel. print(f"⚠️ Arquivo não encontrado: {caminho_atual}") ax.set_visible(False) continue print(f"🔹 Lendo: {caminho_atual}") # Informa qual arquivo está sendo lido. dado_atual = Dataset(caminho_atual, 'r') # Abre o arquivo NetCDF. # Extrai variáveis: longitudes, latitudes, pressão e componentes do vento. lons = dado_atual.variables['longitude'][:] lats = dado_atual.variables['latitude'][:] pres = dado_atual.variables['mslp'][0,:,:]/100.0 # Pressão ao nível do mar (em hPa). u10 = dado_atual.variables['u10'][0,:,:] # Componente leste-oeste do vento a 10m. v10 = dado_atual.variables['v10'][0,:,:] # Componente norte-sul do vento a 10m. ws = np.sqrt(u10**2 + v10**2) # Calcula a velocidade do vento (magnitude). # --- PLOT --- # Adiciona elementos geográficos ao mapa: linhas de costa, fronteiras, estados. ax.add_feature(cfeature.COASTLINE, linewidth=0.5) ax.add_feature(cfeature.BORDERS, linewidth=0.3) ax.add_feature(cfeature.STATES, linewidth=0.2) # Define intervalos para a velocidade do vento (em m/s). data_min = 2 data_max = 10 interval = 1 levels = np.arange(data_min, data_max, interval) # Define paleta de cores para o mapa de vento. colors = ["#ffeda0", "#fed976", "#feb24c", "#fd8d3c", "#fc4e2a", "#e31a1c", "#bd0026"] cmap = matplotlib.colors.ListedColormap(colors) cmap.set_over('#800026') # Cor para valores acima do máximo. cmap.set_under('#ffffff') # Cor para valores abaixo do mínimo. # Plota o mapa preenchido com a velocidade do vento. img1 = ax.contourf(lons, lats, ws, cmap=cmap, levels=levels, extend='both') # --- PRESSÃO --- # Plota linhas de contorno para pressão (isóbaras). levels_pres = np.arange(500, 1050, 2) img_pres = ax.contour(lons, lats, pres, colors='black', linewidths=1, levels=levels_pres, transform=ccrs.PlateCarree()) ax.clabel(img_pres, inline=1, fontsize=10, fmt='%1.0f', colors='black') # Adiciona valores nas linhas. # --- VENTO (BARBELAS) --- # Adiciona setas (barbelas) para mostrar direção e força do vento. flip = np.zeros((u10.shape[0], u10.shape[1])) flip[lats < 0] = 1 # Inverte setas no hemisfério sul para correta orientação. img_barbs = ax.barbs( lons[::20], lats[::20], # Espaçamento para evitar excesso de setas. u10[::20, ::20], v10[::20, ::20], length=5.0, sizes=dict(emptybarb=0.0, spacing=0.2, height=0.5), linewidth=0.8, pivot='middle', barbcolor='gray', flip_barb=flip[::20, ::20], transform=ccrs.PlateCarree() ) # --- GRIDLINES --- # Adiciona linhas de grade com rótulos de latitude e longitude. gl = ax.gridlines(draw_labels=True, linewidth=0.2, color='dimgray', alpha=0.4) gl.top_labels = False # Sem rótulos no topo. gl.right_labels = False # Sem rótulos à direita. gl.xlabel_style = {'size':9} # Tamanho da fonte dos rótulos. gl.ylabel_style = {'size':9} # Rótulos de latitude só na primeira coluna com dados. if j == primeira_coluna_com_dado[i]: gl.left_labels = True else: gl.left_labels = False # Rótulos de longitude só na última linha com dados. if i != ultima_linha_com_dado[j]: gl.bottom_labels = False # Adiciona título com a data da previsão na primeira linha. if i==0: ax.set_title(previsao, fontsize=13) dado_atual.close() # Fecha o arquivo para liberar memória. except Exception as e: # Se houver erro (ex.: arquivo corrompido), esconde painel. print(f"❌ Erro rodada {rodada}, previsão {previsao}: {e}") ax.set_visible(False) continue # --- COLORBAR E SALVAMENTO --- # Adiciona uma barra de cores na parte inferior para explicar a escala de velocidade do vento. cbar_ax = fig.add_axes([0.25, 0.07, 0.5, 0.015]) cbar = fig.colorbar(img1, cax=cbar_ax, orientation='horizontal', ticks=levels, label='Velocidade do vento a 10m (m/s)') # Título geral da figura. plt.suptitle("Velocidade e direção do vento (10 m) e Pressão ao Nível Médio do Mar (hPa)", fontsize=15, y=0.95) plt.savefig("previsao_pressao_vento.png", dpi=300, bbox_inches='tight') # Salva a imagem. plt.close() # Fecha a figura para liberar memória. print("✅ Figura salva como previsao_pressao_vento.png")