- 积分
- 31112
- 贡献
-
- 精华
- 在线时间
- 小时
- 注册时间
- 2019-5-13
- 最后登录
- 1970-1-1
|
登录后查看更多精彩内容~
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
本帖最后由 一大碗年糕 于 2023-1-30 09:21 编辑
之前都没用过geocat的滤波,今天试了下和常用的scipy和滑动平均比较了一下效果还是比较好的,分享参考一下。方便省去构造滤波器,适合多维数组
下图为7年低通滤波,数据是随便选了一块区域平均海温序列
- runave_filter = time_series.rolling(time=7,center=True).mean()#.dropna(dim="time")
- plt.plot(runave_filter['time'],runave_filter,c = "r",label="runave")
- b, a = scipy.signal.butter(10, 2/7, 'lowpass')
- scipy_filter = scipy.signal.filtfilt(b, a, time_series,axis = 0)
- plt.plot(time_series['time'],scipy_filter,c = "b",label="scipy")
- gc_filter = gc.fourier_filters.fourier_low_pass(time_series,1,1/7)
- plt.plot(gc_filter['time'],gc_filter,c = "g",label="geocat")
复制代码
|
评分
-
查看全部评分
|