围绕NRLMSIS模型的Python包装器。
项目描述
pymsis:NRLMSIS模型的Python包装器
Pymsis是NRLMSIS模型(MSISE-00、MSIS2.0、MSIS2.1)的轻量级且快速的Python包装器。
快速入门
Web查看器:使用pymsis通过基于云的无服务器功能交互式网站。 项目主页:所有文档的位置。 API参考:有关函数中各种选项和配置的详细信息。 示例:演示如何访问和绘制数据。
几行简短的代码即可快速开始使用pymsis。
- 在2003年万圣节风暴期间创建一系列日期。
- 在期望的位置(经度,纬度)(0, 0)和400公里高度处运行模型。
- 绘制结果以查看在此风暴期间400公里高度处的质量密度如何增加。
import numpy as np
from pymsis import msis
dates = np.arange(np.datetime64("2003-10-28T00:00"), np.datetime64("2003-11-04T00:00"), np.timedelta64(30, "m"))
# geomagnetic_activity=-1 is a storm-time run
data = msis.run(dates, 0, 0, 400, geomagnetic_activity=-1)
# Plot the data
import matplotlib.pyplot as plt
# Total mass density over time
plt.plot(dates, data[:, 0, 0, 0, 0])
plt.show()
注意
- 如果您有互联网连接,模型将自动为您下载和访问F10.7和ap数据。
- 返回的数据结构具有形状[ndates, nlons, nlats, nalts, 11],但在此示例中我们只有一个点具有许多日期[ndates, 1, 1, 1, 11]。
- 数字11代表MSIS为每个输入点计算的所有物种。第一个元素是总质量密度(kg/m3)。
NRL质谱仪,非相干散射雷达扩展模型(MSIS)
MSIS模型由海军研究实验室开发。
请注意,MSIS2代码未经NRL联系不得用于商业用途。请参阅MSIS2许可文件以获取详细说明。因此,我们没有在此存储库中重新打包MSIS源代码。然而,我们提供了易于下载和提取原始源代码的实用程序。使用该代码即表示您同意他们的条款和条件。
参考文献
如果您在出版物中使用此模型,请承认科罗拉多大学空间天气预报、研究与教育中心(SWx TREC)并引用原始论文。
Python代码
Lucas, G. (2022). pymsis [计算机软件]. doi:10.5281/zenodo.5348502
MSIS2.1
Emmert, J. T., Jones, M., Siskind, D. E., Drob, D. P., Picone, J. M., Stevens, M. H., et al. (2022). NRLMSIS 2.1:将氮氧化物纳入MSIS的经验模型。地球物理研究:空间物理学,127,e2022JA030896. doi:10.1029/2022JA030896
MSIS2.0
Emmert, J. T., Drob, D. P., Picone, J. M., Siskind, D. E., Jones, M., Mlynczak, M. G., et al. (2020). NRLMSIS 2.0:全大气温度和中性物种密度经验模型。地球与空间科学,7,e2020EA001321. doi:10.1029/2020EA001321
MSISE-00
Picone, J. M., Hedin, A. E., Drob, D. P., and Aikin, A. C.,NRLMSISE-00大气经验模型:统计比较和科学问题,J. Geophys. Res.,107(A12),1468,doi:10.1029/2002JA009430,2002。
地磁数据
如果您使用F10.7和ap数据的自动下载,请在其出版物中引用该数据。数据从CelesTrak下载,CelesTrak已填充了源数据中的缺失数据。以下给出了两个引用。
CelesTrak. https://celestrak.org/SpaceData/
Matzka, J., Stolle, C., Yamazaki, Y., Bronkalla, O. and Morschhauser, A.,2021.地磁Kp指数和地磁活动导出指数。空间天气预报,doi:10.1029/2020SW002641。
安装
安装pymsis最简单的方法是从PyPI安装。
pip install pymsis
对于最新的pymsis,您可以直接从git存储库安装
pip install git+https://github.com/SWxTREC/pymsis.git
或要本地工作,您可以克隆存储库并安装测试依赖项。
git clone https://github.com/SWxTREC/pymsis.git
cd pymsis
pip install .[tests]
远程安装
安装依赖于对NRL源代码的访问。如果下载失败或您没有互联网访问,您可以手动安装Fortran源代码,如下所示。在工具目录中提供了帮助脚本或有关如何实现此远程安装的想法。
-
下载源代码 源代码托管在NRL的网站上:https://map.nrl.navy.mil/map/pub/nrl/NRLMSIS/NRLMSIS2.0/ 将
NRLMSIS2.0.tar.gz
文件下载到您的本地系统。 -
提取源文件 需要将tar文件提取到
src/msis2.0
目录。tar -xvzf NRLMSIS2.0.tar.gz -C src/msis2.0/
-
安装Python包
pip install .
项目详情
下载文件
下载适用于您平台的文件。如果您不确定选择哪一个,请了解有关安装包的更多信息。
源分发
构建分发
哈希值 for pymsis-0.9.0-cp312-cp312-musllinux_1_1_x86_64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 8f3fb2c612a8d4d65dd84217047854c26a829a1b934395c1b258bf708667ca73 |
|
MD5 | 7831272b2ec54c0bb62ad437a8f7c906 |
|
BLAKE2b-256 | e5ace44af55ebca586f7aa4a94dd54da587a5e9ba7f7239271a2e3374712a4f5 |
哈希值 for pymsis-0.9.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 0a2291f17a0cb6f8361f54131822fe917e89ec4eea7f1d2f666c4f867aaab9ba |
|
MD5 | 78c5c66195ef431b34351ea87599750f |
|
BLAKE2b-256 | b9433bf3625a88bf285a28e921e8a4ef45e9005ac9114c095b041de7b2c3dc00 |
哈希值 for pymsis-0.9.0-cp312-cp312-macosx_11_0_arm64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 7570c88f37d34e176036c83f0e8251a82d4a0e01ff44c372539139f0326079ce |
|
MD5 | 3de7c15657e9f2dd5dce2a7220164a76 |
|
BLAKE2b-256 | 131013ae55893c1368897268974cb035d7d04e678806e9d2a8e26da37fc605d3 |
哈希值 for pymsis-0.9.0-cp312-cp312-macosx_10_9_x86_64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 17eddbffd58637803cb04667221df7dded595683018725d8095da9cba9de4a9b |
|
MD5 | b173322b8ecc8299d93b59b0190b07d3 |
|
BLAKE2b-256 | 65e8c0ce6fe0347ba9a824ff24f78d0d310aff8c64d44925958a65a761df2067 |
散列值 对于 pymsis-0.9.0-cp311-cp311-musllinux_1_1_x86_64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 44272e418913bc82c5bb3855cefe55837c0a070a82af2a57614ba63939a4a9b5 |
|
MD5 | fcb2601f7d957145e7358e58af3b3ce8 |
|
BLAKE2b-256 | bc3aedfa400eb9819096927e15518ebc700702ef7d4ed58def111e7a4bb02f9f |
散列值 对于 pymsis-0.9.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | f894287bb2c371876a5cf4bf03021100994fc3324fc6cc891edfe1190a895104 |
|
MD5 | 413cabea4acfe953710d728df0a2843e |
|
BLAKE2b-256 | a6b8cf0724d8e8a87ce90a76acddbac0ba884b95d7e30448f238f0fe78421453 |
散列值 对于 pymsis-0.9.0-cp311-cp311-macosx_11_0_arm64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | a51c6e92a9a6258baa1a57d0abfcddcc923706dd1493b27118ff494394add59a |
|
MD5 | 472d43ce30251b5256a66519d8687e1d |
|
BLAKE2b-256 | 8c3027dad25c32782af60c31c7ebb997a01a6def65aef7d52d701a4b633b4bf6 |
散列值 对于 pymsis-0.9.0-cp311-cp311-macosx_10_9_x86_64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 0be13be2660aec78871465548002ace41944c4cdb420a73d0c6e0ab129ba52d7 |
|
MD5 | 65bbf048ed8cb102add26cc75d6b74b8 |
|
BLAKE2b-256 | 7d3599f7b7ece329d918089eaea17a931dd9b2cb11e9fd23a8c1f50390eda921 |
散列值 对于 pymsis-0.9.0-cp310-cp310-musllinux_1_1_x86_64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 7d8d9ecbe38d719d10c5f31baa13d6a0a21004c5bc2604d60f7411d760160f3f |
|
MD5 | e475e4b52b1124619de4dce28d8aa071 |
|
BLAKE2b-256 | 7324fb43df1cb67f3c611802716569e45521b09a28a16fd07f82bcb7c76dbf40 |
散列值 对于 pymsis-0.9.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 9825e82635e44f6715f7ecc7bc7dd64db1d118d22ad2cf90b0078926d082c6fb |
|
MD5 | bf559d4d7acbccee525747142126d002 |
|
BLAKE2b-256 | 8dd5c9e046e013ad89da915aefe6e44e4187b84c040f8da96f3740a9569ac47b |
散列值 对于 pymsis-0.9.0-cp310-cp310-macosx_11_0_arm64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 791e64584ca9ac6690ee30638340c85436047600dcbdd744105912af6a55f762 |
|
MD5 | 433a0a6374e2a7ab494de08c8f5977aa |
|
BLAKE2b-256 | 7a62bd62c330ffd68bdb1ee573aa94c886bed698b8cfbf33e13ff3bf481a60f7 |
散列值 对于 pymsis-0.9.0-cp310-cp310-macosx_10_9_x86_64.whl
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 7fdff059154345761699fcab7883f3a2e7eeb0a7b18bae6d69ab651e03013baa |
|
MD5 | 4bf72a8c5b567e050aa326448fb48aad |
|
BLAKE2b-256 | 6165a7df3b9a60f0fe49fba734c41bfd83329d8a3c2427a7fff9f6559b49d63d |