Python MetPy匹配GOES16反射亮度

在使用MetPy创建GOES16图像时，我遇到了在CMI01到CMI06上匹配颜色表/亮度的问题。我尝试过使用股票颜色表，并使用随机vmin/vmax来尝试获得匹配。我也尝试过使用定制的颜色表，甚至尝试过将最小反射率因子和最大反射率因子作为vmin/vmax值进行集成

也许我让这条路变得更难了？有什么我遗漏的吗？下面是帮助我创建当前图像输出的代码摘录：

grayscale={“颜色”：[（0,0,0），（0,0,0），（255255），（255255）]，“位置”：[0,0.0909,0.74242,1]}
CMI_C02={“名称”：“C02”，“commonName”：“可见红带”，“灰度”：真，“baseDir”：“可见”，“彩色地图”：灰度}

dat=data.metpy.parse\u cf（'CMI\uu'+singleChannel['name']）
项目=dat.metpy.cartopy\U crs

maxConcat=“最大反射率系数”+单通道['name']
vmax=数据[maxConcat]

sat=ax.pcolormesh（x，y，dat，cmap=make_-cmap（单通道['colorMap']['colors']，位置=单通道['colorMap']['position']，位=True），transform=proj，vmin=0，vmax=vmax）

make_cmap
是我发现的一种方便的方法，可以帮助创建自定义颜色表。此代码是多处理过程的一部分，因此
singleChannel
实际上是
CMI_C02

作为参考，第一张图片来自杜佩奇学院，第二张是我的输出


任何帮助/指导都将不胜感激
 在调查了一些气象学家之后，我最终制作了一个介于两幅图像之间的颜色表，因为大家一致认为我的版本太暗，标准太亮

对于
pcolormesh（）
，我仍然使用
vmax
和
vmin
，并将我的
grayscale
对象简化为两种颜色，颜色略深于标准

多亏了所有看过这张照片的人。
在调查了一些气象学家之后，我最终制作了一张介于两张照片之间的颜色表，因为大家一致认为，他们认为我的版本太暗，标准太亮

对于
pcolormesh（）
，我仍然使用
vmax
和
vmin
，并将我的
grayscale
对象简化为两种颜色，颜色略深于标准

感谢所有看过这篇文章的人。
所以我认为你的问题是，因为有一个非线性变换被应用于杜佩奇学院的数据，在这个例子中是平方根（
sqrt
）。这在过去已经被应用到GOES图像中，正如在《我想这就是CoD正在做的事情》中提到的那样

这里有一个脚本可以与sqrt进行比较：

import cartopy.feature as cfeature
from datetime import datetime, timedelta
import matplotlib.pyplot as plt
import metpy
import numpy as np
from siphon.catalog import TDSCatalog

# Trying to find the most recent image from around ~18Z
cat = TDSCatalog('http://thredds.ucar.edu/thredds/catalog/satellite/goes16'
                 '/GOES16/CONUS/Channel02/current/catalog.xml')
best_time = datetime.utcnow().replace(hour=18, minute=0, second=0, microsecond=0)
if best_time > datetime.utcnow():
    best_time -= timedelta(days=1)
ds = cat.datasets.filter_time_nearest(best_time)

# Open with xarray and pull apart with some help using MetPy
data = ds.remote_access(use_xarray=True)
img_data = data.metpy.parse_cf('Sectorized_CMI')
x = img_data.metpy.x
y = img_data.metpy.y

# Create a two panel figure: one with no enhancement, one using sqrt()
fig = plt.figure(figsize=(10, 15))
for panel, func in enumerate([None, np.sqrt]):
    if func is not None:
        plot_data = func(img_data)
        title = 'Sqrt Enhancement'
    else:
        plot_data = img_data
        title = 'No Enhancement'

    ax = fig.add_subplot(2, 1, panel + 1, projection=img_data.metpy.cartopy_crs)
    ax.imshow(plot_data, extent=(x[0], x[-1], y[-1], y[0]),
              cmap='Greys_r', origin='upper')
    ax.add_feature(cfeature.COASTLINE, edgecolor='cyan')
    ax.add_feature(cfeature.BORDERS, edgecolor='cyan')
    ax.add_feature(cfeature.STATES, edgecolor='cyan')
    ax.set_title(title)

其结果是：


下面的图像，应用了
sqrt
变换，似乎与CoD图像匹配得很好。
所以我认为，你的问题是，因为有一个非线性变换应用于杜佩奇学院的数据，在这种情况下是平方根（
sqrt
）。这在过去已经被应用到GOES图像中，正如在《我想这就是CoD正在做的事情》中提到的那样

这里有一个脚本可以与sqrt进行比较：

import cartopy.feature as cfeature
from datetime import datetime, timedelta
import matplotlib.pyplot as plt
import metpy
import numpy as np
from siphon.catalog import TDSCatalog

# Trying to find the most recent image from around ~18Z
cat = TDSCatalog('http://thredds.ucar.edu/thredds/catalog/satellite/goes16'
                 '/GOES16/CONUS/Channel02/current/catalog.xml')
best_time = datetime.utcnow().replace(hour=18, minute=0, second=0, microsecond=0)
if best_time > datetime.utcnow():
    best_time -= timedelta(days=1)
ds = cat.datasets.filter_time_nearest(best_time)

# Open with xarray and pull apart with some help using MetPy
data = ds.remote_access(use_xarray=True)
img_data = data.metpy.parse_cf('Sectorized_CMI')
x = img_data.metpy.x
y = img_data.metpy.y

# Create a two panel figure: one with no enhancement, one using sqrt()
fig = plt.figure(figsize=(10, 15))
for panel, func in enumerate([None, np.sqrt]):
    if func is not None:
        plot_data = func(img_data)
        title = 'Sqrt Enhancement'
    else:
        plot_data = img_data
        title = 'No Enhancement'

    ax = fig.add_subplot(2, 1, panel + 1, projection=img_data.metpy.cartopy_crs)
    ax.imshow(plot_data, extent=(x[0], x[-1], y[-1], y[0]),
              cmap='Greys_r', origin='upper')
    ax.add_feature(cfeature.COASTLINE, edgecolor='cyan')
    ax.add_feature(cfeature.BORDERS, edgecolor='cyan')
    ax.add_feature(cfeature.STATES, edgecolor='cyan')
    ax.set_title(title)

其结果是：


下面的图像，应用了
sqrt
变换，似乎与CoD图像非常匹配。
您对数据做了直方图吗？您对数据做了直方图吗？我完全不知道过去应用的
sqrt
。极好的洞察力和极好的解释！我完全不知道过去应用的
sqrt
。极好的洞察力和极好的解释！