معرفی شرکت ها
bmi-nwis-0.1
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
BMI implementation for datasets from National Water Information System https://waterdata.usgs.gov/nwis?
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | bmi-nwis-0.1 |
| نام | bmi-nwis |
| نسخه کتابخانه | 0.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Tian Gan |
| ایمیل نویسنده | jamy127@foxmail.com |
| آدرس صفحه اصلی | http://csdms.colorado.edu |
| آدرس اینترنتی | https://pypi.org/project/bmi-nwis/ |
| مجوز | - |
# bmi_nwis
[](https://bmi_nwis.readthedocs.io/en/latest/?badge=latest)
[](https://github.com/gantian127/bmi_nwis/blob/master/LICENSE.txt)
[](https://mybinder.org/v2/gh/gantian127/bmi_nwis/master?filepath=notebooks%2Fbmi_nwis.ipynb)
bmi_nwis package is an implementation of the Basic Model Interface ([BMI](https://bmi-spec.readthedocs.io/en/latest/))
for the [USGS NWIS dataset](https://waterdata.usgs.gov/nwis).
This package uses the [dataretrieval](https://github.com/USGS-python/dataretrieval) package
to download the NWIS dataset and wraps the dataset with BMI for data control and query.
This package is not implemented for people to use but is the key element to convert the NWIS dataset
into a data component ([pymt_nwis](https://github.com/gantian127/pymt_nwis)) for
the [PyMT](https://pymt.readthedocs.io/en/latest/?badge=latest) modeling framework developed by
Community Surface Dynamics Modeling System ([CSDMS](https://csdms.colorado.edu/wiki/Main_Page)).
Please note that the current bmi_nwis implementation only supports to download time series data
for instantaneous values and daily mean values ('iv' or 'dv' service option in the dataretrieval package).
If you have any suggestion to improve the current function, please create a github issue
[here](https://github.com/gantian127/bmi_nwis/issues).
## Get Started
#### Install package
##### Stable Release
The bmi_nwis package and its dependencies can be installed with pip.
```
$ pip install bmi_nwis
```
##### From Source
After downloading the source code, run the following command from top-level folder
(the one that contains setup.py) to install bmi_nwis.
```
$ pip install -e .
```
#### Download NWIS Data
You can learn more details from the
[tutorial notebook](https://github.com/gantian127/bmi_nwis/blob/master/notebooks/bmi_nwis.ipynb)
and launch binder to run the notebook.
##### Example 1: use the dataretrieval package to download data
```python
import dataretrieval.nwis as nwis
# get data from NWIS
dataset = nwis.get_record(sites='03339000', service='iv', start='2022-01-01', end='2022-01-03')
# plot data
ax = dataset.plot(y=['00060','00065'], subplots=True, figsize=(10,8),
xlabel='Time', title = 'Time Series Data at USGS Gage 03339000')
ax[0].set_ylabel('Stream flow (ft3/s)')
ax[1].set_ylabel('Gage height (ft)')
```
##### Example 2: use BmiNwis class to download data (Demonstration of how to use BMI)
```python
import numpy as np
import cftime
import pandas as pd
from bmi_nwis import BmiNwis
# initiate a data component
data_comp = BmiNwis()
data_comp.initialize('config_file.yaml')
# get variable info
for var_name in data_comp.get_output_var_names():
var_unit = data_comp.get_var_units(var_name)
var_location = data_comp.get_var_location(var_name)
var_type = data_comp.get_var_type(var_name)
var_grid = data_comp.get_var_grid(var_name)
var_itemsize = data_comp.get_var_itemsize(var_name)
var_nbytes = data_comp.get_var_nbytes(var_name)
print('variable_name: {} \nvar_unit: {} \nvar_location: {} \nvar_type: {} \nvar_grid: {} \nvar_itemsize: {}'
'\nvar_nbytes: {} \n'. format(var_name, var_unit, var_location, var_type, var_grid, var_itemsize, var_nbytes))
# get time info
start_time = data_comp.get_start_time()
end_time = data_comp.get_end_time()
time_step = data_comp.get_time_step()
time_unit = data_comp.get_time_units()
time_steps = int((end_time - start_time)/time_step) + 1
print('start_time:{} \nend_time:{} \ntime_step:{} \ntime_unit:{} \ntime_steps:{} \n'.format(start_time, end_time, time_step, time_unit, time_steps))
# get variable grid info
grid_type = data_comp.get_grid_type(var_grid)
grid_rank = data_comp.get_grid_rank(var_grid)
grid_node_count = data_comp.get_grid_node_count(var_grid)
site_lon = np.empty(grid_node_count)
data_comp.get_grid_x(var_grid, site_lon)
site_lat = np.empty(grid_node_count)
data_comp.get_grid_y(var_grid, site_lat)
print('grid_type: {} \ngrid_rank: {} \ngrid_node_count: {} \nsite_lon: {} \nsite_lat: {} \n'.format(
grid_type, grid_rank, grid_node_count, site_lon[0], site_lat[0]))
# initiate dataframe to store data
dataset = pd.DataFrame(columns = ['00060','00065','time'])
for i in range(0, time_steps):
# get stream flow data
stream_flow = np.empty(1)
data_comp.get_value('Stream flow', stream_flow)
# get gage height data
gage_height = np.empty(1)
data_comp.get_value('Height', gage_height)
# get time data
cftime_value= data_comp.get_current_time()
time = cftime.num2pydate(cftime_value, time_unit)
# add new row to dataframe
dataset.loc[len(dataset)]=[stream_flow[0], gage_height[0], time]
# update to next time step
data_comp.update()
# convert time to local time
dataset = dataset.set_index('time').tz_localize(tz='UTC').tz_convert(tz='US/Central')
# plot data
ax = dataset.plot(y=['00060','00065'], subplots=True, figsize=(10,8),
xlabel='Time', title = 'Time Series Data at USGS Gage 03339000')
ax[0].set_ylabel('Stream flow (ft3/s)')
ax[1].set_ylabel('Gage height (ft)')
```
نیازمندی
| مقدار | نام |
|---|---|
| - | bmipy |
| - | numpy |
| - | pyyaml |
| - | xarray |
| - | dataretrieval |
| - | cftime |
| - | pandas |
| - | requests |
| - | netcdf4 |
نحوه نصب
نصب پکیج whl bmi-nwis-0.1:
pip install bmi-nwis-0.1.whl
نصب پکیج tar.gz bmi-nwis-0.1:
pip install bmi-nwis-0.1.tar.gz